大家都在学的广告效果衡量方法，你会吗？

原创：MarTechApe

随着我们能够接触到的新的潜在用户逐年增加，了解哪些渠道能够或不能推动业务发展比以往任何时候都更重要。

“我花在广告上一半的钱都浪费了，但是问题是我不知道是哪一半。 ”
——John Wanamaker

目前在以网络点击为主的线上营销中，我们能够很直接地衡量渠道表现，因为有了正确的后端支持，我们可以追踪点击率并进行相应的归因分析。但是以点击率为主的线上营销正在面临另外一些挑战，例如当用户转化前有若干步骤时，应该如何对每一步进行归因分析。

然而，对于线下营销渠道（电视，广播，广告牌，宣传单，等等）来说，有着个完全不同的规则。因为我们没办法追踪有多少曝光量，所以可口可乐不会知道某客户购买了饮料是因为ta看到了广告牌上的广告。

虽然我们不知道哪位客户购买了我们的产品是因为线下营销，但是我们仍然想要衡量线下营销的表现，我们该如何解决这个问题？尽管我们不能对每一个人进行归因，但是我们可以用历史数据来推测每一个线下渠道的总体贡献。

这种情况就需要用到营销组合模型。

宏观角度讲，营销组合模型利用了统计学理论来衡量营销花费和每一个渠道的关系，以及理论上的结果（网站流量，销售，用户获取等）。营销组合模型利用历史数据和回归模型算出每一个渠道对KPI的贡献。主要通过总结出渠道花费变化和KPI变化之间的关系。所以，这就需要我们每个渠道历年花费是变动的。因此，该模型可以总结出每一个小小的变动对KPI有什么样的影响。简单来说，营销组合模型可以总结为以下公式：

其中，St是在t时间的总KPI（销售，流量，用户获取等），β0 - βn是我们想要求的方程系数，Xti是第i个因素在时间t的值（我们这里说的是影响因素，而不是营销渠道，因为MMM可能也包含了我们无法控制的外部因素，下文将详细介绍）。

这个公式的系数会给你一个具体的数字，即在任何营销渠道上增加的花费会对你的KPI产生多大的影响。

1. 数据要求

看到现在感觉还可以？那现在你首先会被问的第一个问题就是：如果我想搭建一个成功的MMM，我需要什么样的数据？首先，因为MMM需要若干具有波动性的自变量和一个因变量，所以具有足够波动性的数据对于计算每一个自变量对于因变量的影响是至关重要的。接下来，数据量其实需要在以下两个方面达到平衡：其一，数据量需要足够充分来确定自变量和因变量的正确关系。其二，数据需要能够真正代表你的企业。

其次，在粒度方面，我们需要记住的一件事是：数据力度越细越小越能带来更深度的洞察。如果你使用MMM的目的是产生公司/部门/产品层面的洞察，你的数据也需要达到同样的粒度。最后，因为你的业务，销售，网站用户，顾客获取等等很有可能被外部因素影响，例如季节波动，经济大环境的上下浮动等，你需要将你的模型尽可能的减少“噪声”。尽量全方位的考虑可能影响模型的所有因素，这意味着你能够尽可能排除将营销预算错误的归因于不真实因素的可能性。

2. 营销的延期效应

并非所有营销都能立即见效。今天，即使不是大多数，但已经有很多消费者在购物中经历考虑或决策的阶段，从建立意识开始，直到他们做出购买还是不购买的决定。因此，我们进行的任何营销活动与我们实际看到的消费者访问、购买、注册等行为之间存在时间差。这个时间差通常被称为延期效应。不同的产品具有不同时长的考虑阶段（比如你购买晚餐的食物可能不需要买一个新的笔记本电脑那样长时间的考虑和说服）。考虑阶段可以用衰减率（Decay rate）来表示。衰减率是营销支出从一个时期到另一个时期的衰减比率。

那么延期效应可以表示为：

其中At是我们在t时间内营销的实际效果，而 λ 是衰减率。衰减率会因营销渠道而异，因此我们需要测试出哪种程度的衰减水平最符合我们的数据。

3. 收益递减

收益递减的概念是在营销上花费的第一个$1美元比第二个$1美元更有效，而第二个$1美元比第三个$1美元更有效，依此类推。

在这种情况下，该概念可以应用于以下基本假设：营销活动只会在一定程度上在消费者心中产生对品牌的认知，此后我们开始看到饱和效应，这意味着我们继续增加营销支出带来变化的效率将越来越低。即在营销渠道中的额外支出不会带来额外的品牌认知度和销量。

有多种方法可以对收益递减进行建模（如负指数函数，幂函数等），因此我们也需要测试哪种方法最适用于我们的数据。考虑到这种饱和的可能性，以及我们为获得额外KPI所需要付出的投入，我们可以找到每个渠道的最佳营销支出水平——当向该渠道再投入$1美元不再产生足够的产出时，这就是最佳支出水平。

从上面的图表示意了营销支出与预期KPI产出之间的非线性关系。结合我们之前提到的MMM公式，在这里现在变成了线性和非线性部分的总和。

由于MMM的非线性特征，通常会使用Python或R来实施模型，以提高效率。这类编程语言有出色的统计库，可用来处理很多繁重的数据工作。

4. 从模型挖掘商业价值

在了解了MMM的基本原理以后，如何才能让模型成功？你可以对模型进行迭代，直到最终得到一个能够描述现实的模型，但是这并不一定可以转化为一个成功的模型。

既然构造MMM模型的本意是利用历史数据来推动真正的商业价值，那么利用MMM可以达到什么程度就决定了模型是否成功。

下面我们将讨论如何有效的使用模型结果在推动业务增长的决策。MMM有两个主要作用：描述和预测。正如名称所述，MMM会给你一个关于过去发生了什么的描述性概述，以及你的营销如何被消费者所接受。预测的作用允许你利用新构建的模型和其与历史数据的关联来预测市场营销的未来影响和优化市场预算，从而最大化ROI和增长。

描述

利用MMM对过去发生什么进行描述时经常使用的图表是贡献图和收益递减曲线

贡献图：

贡献图主要用来展示非点击营销（线下营销）如何促进业务增长。根据我们为MMM推导出的函数形式，我们可以通过模型分析历史数据，并让模型结果帮助我们确定营销预算的效果，从而准确评估增量营销对于我们基准销售的影响。

此外，贡献图可以为我们展示非营销因素如竞争对手的定价，季节性，失业等如何影响ROI。通过贡献图来展示营销带来的影响，而不是简单地看模型的系数，是一种更简单的评估绩效的方法。

下面我们可以看到一个随机产生的时间序列下，按照周数电视对于销售的贡献。不需要看电视的MMM模型系数，只评估预算对销售的贡献趋势，我们就可以得到大量有用的信息。

不仅上面的图表会提供很多有用的信息，在比较营销渠道之间的贡献趋势和历史支出以及外部因素（季节性，失业等）的贡献趋势时，同样可以获得大量有价值的信息。

收益递减曲线：

在经历了你独特营销渠道饱和率的迭代过程之后，便获得了有关你的市场如何接受营销的具体信息了。对于市场饱和的一般性假设，你需要想清楚的核心问题是：你是否花了超过市场饱和点的营销费用？比较营销渠道的收益递减曲线可以给你提供一些可操作的信息，比如可以说明哪些渠道在投资回报率方面比其他渠道更有效，或者是哪些渠道需要更高的支出来突破异常波动。

预测

营销组合模型（MMM）能够帮你建模和描述事实。它是一个不仅可以描述过去发生的事情，而且还可以在一定程度上预测你未来的营销活动将带来的投资回报的有用工具。

对未来的预测我们应该要持保留态度，但我们仍可以使用营销组合模型（MMM）中的信息辅助做出明智的决定。但要注意的是，这些预测只有和推动我们营销组合模型（MMM）的历史数据一样准确，才能代表你的商业状况。

在基本层面上，对于“预测未来”我们其实就是构建可能发生的情景并观察在该情景下的营销组合模型（MMM）的结果。这种假设情景分析是很有用的，我们可以在推进一步，就是使用营销组合模型（MMM）来优化未来的可能发生的情景和预算。

本质上意味着，对于给定的营销预算，由于我们现在知道了市场对每个独特渠道的反馈是什么样的，所以我们可以将资金从已经饱和了的、有较低ROI或低效的渠道转移到更有效的渠道。即使我们可以手动去进行这项工作，并在最终预测ROI方面得到一定的改善。但为了更好地利用营销组合模型（MMM）的价值，我们可以利用算法进行优化 (python里的SciPy包可以在global 和local里优化任务)。因此，通过对所有渠道使用响应函数，我们可以构造出一个优化算法。这样就可以在潜在的预算分配的解决方案空间中进行模拟，从而识别出一种可以得到最高ROI的分配方式。

在这篇的文章中，我们介绍了让你可以从的营销组合模型（MMM）中找到商业价值的方法，但这也只是冰山一角。根据不同的情形，营销组合模型（MMM）中提供的的信息可以有很多应用方式。如果你想快速渗透营销行业，在实操中积累实战经验、掌握营销组合模型的应用，那就千万不要错过MarTechApe的宝藏项目《营销组合建模企业级实战训练营》，一个专门培养优秀数据分析师/数据科学家的企业级别实战项目，拥有企业真实数据（改编）与行业标准流程。项目经历可成为简历上的履历！项目正在预约优惠中哦！

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。