Существует мнение, что практика техник моделирования медиамикса (Media Mix Modelling, MMM) в современном мире теряет актуальность. Специалист по цифровому маркетингу Сэмюэл Скотт явно не согласится с этим тезисом, напомнив нам о всплеске компаний, которые предлагают решения MMM. Рассматривая потенциал Meridian — МММ-платформы от Google, — он пришел к выводу, что будущее маркетинговых измерений именно в МММ. Корреспондент Sostav Мирон Малафай узнал, что по этому поводу думают представители российского рынка и как они оценивают перспективы MMM-решений.
А что там у Google?По мнению Сэмюэла Скотта, все больше маркетологов скептически относятся к эффективности модели атрибуции. Массовое внедрение МММ-платформ, таких как Meridian от Google, способно исправить сложившуюся ситуацию. В своей оценке британский маркетолог ссылается на данные отчета Magic Quadrant for Marketing Mix Modeling Solutions от исследовательской компании Gartner, согласно которому 64% топ-менеджеров по маркетингу уже внедрили MMM-решения. Это объясняется тем, что на фоне развития технологий, деятельности регуляторов и изменения поведения потребителей возможностей использования персональных данных в маркетинге становится все меньше. Вне зависимости от противоречивых оценок Meridian маркетологами, его запуск в любом случае отразится на индустрии, убежден Сэмюэл Скотт.
С последним тезисом согласен директор по маркетингу и стратегическим партнерствам Centra Евгений Кораблев. Он считает, что выход Meridian усилит конкуренцию, которая будет сопровождаться появлением новых бесплатных и открытых решений, а также смещением акцента с простых атрибуционных моделей на комплексный анализ маркетинга.
Head of Media Excellence i.com Никита Ануфриев предполагает, что платформа может задать новые стандарты в области аналитики и сместить акцент с промежуточных метрик — например, цены одного клика — на долгосрочные, такие как LTV (пожизненная ценность клиента). В результате это изменит фокусы в оценке эффективности рекламных кампаний. Кроме того, Meridian может повысить прозрачность данных, укрепив доверие рекламодателей, и расширить возможности для малого и среднего бизнеса, сделав сложные инструменты аналитики и оптимизации более доступными. Это повлияет и на роль маркетологов, сместив их фокус с ручного управления кампаниями на стратегическое планирование и анализ данных.
Операционный директор PPL Digital Gods (входит в PPL COMMUNICATION GROUP) Иван Насонов, отметил несколько преимуществ платформы от Google. Первое — открытый исходный код, который позволяет кастомизировать модель под конкретные бизнес-задачи. Второе — масштабируемость, то есть поддержка больших объемов данных с гибкой адаптацией под индустрию. Кроме того, важна и автоматизация процессов: встроенные модули оптимизации бюджета и сценарного моделирования и интеграция с ML и Bayesian-моделями повышают точность прогнозов. Евгений Кораблев дополнил предыдущего спикера и отметил такие ключевые преимущества Meridian, как:
Реальная картина взаимодействия с аудиторией, так как платформа вместо простых показов измеряет охват и частоту.Поддержка экспериментов для определения эффективности каналов.Глубокая интеграция с экосистемой Google, что упрощает сбор данных, особенно для компаний, уже работающих с Google Ads и YouTube.
Модель атрибуции приказала жить долго?По мнению Сэмюэла Скотта, маркетологи полагались на атрибуцию для оценки результатов ошибочно — будущее маркетинговых измерений именно за МММ.
Наталья Ивановская, CEO Tamburin:
Не стоит ожидать от МММ моделей чудес, они и называются моделями, потому что являются некоторым упрощением реальности. Но ряд важнейших задач они решают — помогают выявить отложенные эффекты инструментов и событий, выявляют тренды, обращают внимание маркетолога на отрицательный вклад действий конкурентов и многие другие специфические задачи, которые не решить другими подходами.
Региональный директор агентства E-Promo (часть E-Promo Group) Иван Афонин допускает реализацию такого сценария, но отмечает, что МММ — не универсальное решение для всех случаев. С одной стороны, любые модели атрибуции часто имеют больший набор ограничений, особенно с точки зрения полноты анализа: они не учитывают офлайн-касания пользователя, внешние факторы и другие переменные. С другой стороны, для новых бизнесов с нестабильными рекламными кампаниями MMM недоступен из-за необходимости наличия определенных данных за большой период времени.
Помимо этого, к неготовности адаптироваться и менять привычные подходы часто приводит незрелость рынка, рекламодателей и партнеров, отметил Иван Афонин. Дополнительным барьером становится необходимость накопления минимально достаточного объема данных для корректной работы моделей, что требует времени и системного подхода к сбору информации.
Иван Афонин, региональный директор агентства E-Promo (часть E-Promo Group):
Переходу к использованию MMM могут способствовать гибкие опенсорс-решения и запрос бизнеса на прозрачную оценку маркетинговых инвестиций и планирования. К поиску альтернативных методов анализа подталкивают и не поддающиеся логическому объяснению тесты на инкрементальность с отрицательными результатами.
MMM и атрибуция решают разные задачи, поэтому одно не может полностью заменить другое, отметила руководитель отдела анализа данных Weborama Наталья Цветкова. Первая модель дает более широкую картину, учитывая влияние множества факторов: сезонность, внешние события, динамику спроса. Это позволяет оценивать маркетинговую эффективность даже в условиях ограниченного трекинга пользователей, когда нет доступа к данным cookie или стабильным идентификаторам.
В то же время для корректных выводов MMM требует продолжительного временного ряда данных — более двух лет — и стабильных рыночных условий. Такие модели чувствительны к аномальным событиям — например, пандемии — что требует постоянной адаптации.
Наталья Цветкова, руководитель отдела анализа данных Weborama:
MMM — хороший инструмент для стратегического планирования, но для тактической оптимизации конкретных кампаний атрибуция остается более эффективным решением. Оптимальный подход — использовать оба метода в зависимости от задач бизнеса.
Никита Ануфриев согласен с мнением Натальи Цветковой. По его словам, MMM-платформы особенно ценны в условиях сокращения пользовательских данных и ограничений трекинга, но стать полноценной заменой модели атрибуции неспособны. Одна из причин — MMM не предоставляют оперативной аналитики, которая необходима для управления диджитал-кампаниями в реальном времени. Например, в e-com и перфоманс-маркетинге важно понимать, какие каналы и креативы приводят к конверсиям здесь и сейчас, что проблематично оценить с помощью MMM. Поэтому оптимальным решением остается гибридный подход, где MMM применяются для стратегического планирования и распределения бюджета, а атрибуция — для более детального понимания влияния каждого рекламного контакта на конверсии.
Иван Насонов, операционный директор PPL DIGITAL GODS (PPL COMMUNICATION GROUP):
MMM может стать ключевым инструментом стратегического измерения маркетинговой эффективности, но полностью не заменит модели атрибуции. Способствовать этому переходу могут снижение доступности данных на уровне пользователя из-за конфиденциальности, способность анализировать офлайн-каналы и устойчивость к блокировщикам рекламы. В то же время MMM не предоставляет детализированных данных о пути конкретного пользователя и не работает в реальном времени. Это дополняющий, а не заменяющий инструмент.
Конфиденциальности быть?Google делает ставку на прозрачность, позиционируя МММ-платформы как ответ на ужесточение правил конфиденциальности. Однако актуальность последней от этого не снижается.
Иван Насонов отметил, что MMM работают с агрегированными данными, соответствуя духу Общего регламента по защите данных (GDPR). Эксперт напомнил о возможности применения дифференциальной приватности, которая позволяет анализировать данные без раскрытия персональной информации. Но лучший подход — on-premise решение, которое работает внутри инфраструктуры компании.
Для минимизации рисков Наталья Цветкова рекомендует внедряющему МММ-инструменты бизнесу соблюдать все требования к сбору и обработке данных на трех уровнях:
пользовательском (информирование о сборе данных и возможность управления ими),техническом (агрегирование, анонимизация, шифрование)организационном (обучение сотрудников, аудит процессов).При этом важно не поддаться соблазну собирать максимум данных в надежде получить более точные результаты, подчеркнула спикер. Избыточный сбор не только усложняет работу с моделью, но и увеличивает риски. Оптимальный подход — использовать ту информацию, которая действительно необходима для анализа.
Евгений Кораблев указывает на необходимость соблюдения требований GDPR и норм российского законодательства по защите данных и рекомендует разработать внутренние правила по анонимизации и безопасности данных.
И еще некоторые вызовыПризнавав большой потенциал МММ-платформ, Сэмюэл Скотт подчеркнул решающее значение наличия исторических данных: при использовании инструмента необходимы сведения за два-три года, чтобы прийти к статистически значимым выводам. Поэтому модели атрибуции так не хотят исчезать. У небольших компаний и стартапов зачастую нет данных за обозначенный период времени, и им приходится полагаться на сервисы, которые используют различные модели атрибуции. С какими еще вызовами может столкнуться бизнес при внедрении МММ-платформ?
По мнению Ивана Афонина, для начала необходимо разобраться в том, как они работают «под капотом», соблюдая условие жизни всех заинтересованных участников процесса в едином понятийном поле. Существенный вызов — адаптация под конкретные бизнес-потребности и специфику.
Никита Ануфриев, Head of Media Excellence агентства i.com:
Для эффективного внедрения MMM необходимы качественные и обширные данные о продажах, рекламных активациях, ценах и внешних факторах. Если данные неполные или неактуальные, построение модели затрудняется. MMM требует регулярной настройки и адаптации к изменениям рынка и потребительских предпочтений, а также постоянной калибровки точности модели. Кроме того, интеграция и анализ данных из разных маркетинговых каналов, включая традиционные и цифровые, могут быть технически сложными, особенно если используются различные платформы с разными формами хранения данных.
Наталья Ивановская, CEO Tamburin:
Tamburin — первая SaaS-платформа на российском рынке на базе МММ. Много кто не верил в ее эффективность, когда мы запускались четыре года назад. Из аргументов — нужно много данных, а у нас нет культуры аккуратного сбора даты; черные лебеди — непредсказуемые события и нестабильность. Но я бы сказала, что главное препятствие — недоверие к непонятному. Если разобраться, что «под капотом» МММ, инструмент сразу становится полезным в бизнесе. За время существования Tamburin культура сбора данных значительно повысилась, а понимание маркетологами основ МММ привело к тому, что во многих компаниях модели стали удобным инструментом оптимизации медиамикса, прогнозирования продаж и даже решения более широких задач, например, ценообразования.
При стабильной рыночной ситуации использование МММ-платформ позволяет выстраивать доказательные прогнозы, оптимизировать бюджеты и принимать стратегические решения на основе данных, отметила Наталья Цветкова. Однако резкие изменения на рынке могут повлиять на точность модели. В таких условиях важно не просто полагаться на прошлые данные, а регулярно пересматривать параметры модели, корректировать прогнозы и учитывать новые факторы, чтобы избежать искажений в оценке эффективности.
Евгений Кораблев, директор по маркетингу и стратегическим партнерствам Centra:
Для российского бизнеса MMM-платформы — способ лучше понять, куда уходят деньги и что действительно работает. Они позволяют точно оценивать отдачу от маркетинга, что особенно важно при ограниченных бюджетах, и помогают адаптироваться к резким изменениям рынка. С открытым кодом такие инструменты можно запускать локально, что снижает зависимость от западных сервисов и помогает соблюдать требования безопасности. MMM не зависит от персональных данных, что делает ее актуальной даже при ужесточении законодательства.
Предварительные итогиПохоже, что Сэмюэл Скотт уже занял одно из мест среди апологетов Meridian, но игроки российского рынка не спешат к нему присоединяться. И во многом это закономерно: после ухода Google из России игрокам диджитал-маркетинга пришлось преодолевать подвешенное состояние, а их возможности резко сократились. Представители отечественной индустрии не столь категоричны в оценке модели атрибуции и считают оптимальным совместное использование MMM и других моделей, выбирая метод под конкретную бизнес-задачу. Сложностей внедрению МММ-решений в России добавляют и турбулентность экономики, а также распространенное среди участников рынка отсутствие планов игры вдолгую. Но не будем забывать о практике внедрения у нас решений, получивших развитие за рубежом. Быть может, МММ-платформы ждет именно этот сценарий — продолжаем наблюдать.