Overzicht van Mix Modeler

Bekijk deze video voor een snel overzicht van de mogelijkheden van de Mix Modeler.

Met Mix Modeler, aangedreven door Adobe Sensei, kunnen marketers campagnes meten en de planning op alle kanalen holistisch optimaliseren: betaald, verdiend en bezeten. De uniforme methodologie van de Commissie meet incrementeel op zowel marketingpunten als geaggregeerde niveaus, en zorgt voor volledig consistente resultaten.

Mix Modeler biedt het incrementele effect van alle marketingactiviteiten op zakelijke en campagneresultaten via een holistische (end-to-end) meettoepassing voor digitale en offline marketing.

Mix Modeler biedt de volgende soorten geoptimaliseerde en activeerbare inzichten op strategisch en tactisch niveau, zodat u beter kunt begrijpen:

  • marketinguitgaven en de daaruit voortvloeiende prestaties langs verschillende kanalen, en
  • aanbevolen investeringsniveaus om toekomstige bedrijfsdoelstellingen te verwezenlijken.

Voor deze functionaliteit combineert Mix Modeler:

  • bottom-up (event-level) gegevens en top-down (aggregeniveau) gegevens;
  • externe marktfactoren en interne factoren, en
  • voorspellende en overdrachtsmethoden voor machinetolken.

Het bidirectionele overdrachtleren van AI/ML verenigt marketing mixmodellering (MMM) en multi-touch attributie (MTA) resultaten om verenigbare resultaten over meting en planning in een koekjeswereld te verzekeren.

Bidirectioneel leren van overdracht {align="center" width="500"}

Mogelijkheden

Mix Modeler biedt de volgende mogelijkheden:

Capaciteit
Beschrijving
Mate van incrementele prestaties
Begrijp het stijgende ROI en effect van marketing over bedrijfsdoelstellingen of tactische campagnedoelstellingen.
Resultaten in MMM en MTA verenigen
Betere beslissingen nemen door de samenvoeging van modellen van marketingmixmodellen en modellen van multitouch-attributie (MTA) via transfer learning.
Begroting optimaal toewijzen
Optimale begrotingstoewijzing vaststellen op basis van marketinguitgaven en impact op doelen.
Begrotingsscenario's maken en vergelijken
Ontwikkel veelvoudige begrotingsplannen en vergelijk hun effect om optimale besluiten voor uw zaken te nemen.

Marketing Mix Modeling (MMM)

Modellering van marketingmix in de Mix Modeler is een privacyvriendelijke analyse voor het leren van machines die wordt gebruikt om de incrementele impact van verschillende marketingtactieken en bedrijfsfactoren op conversiemetriek te meten. Het helpt ondernemingen en marketers begrijpen

  • de doeltreffendheid van hun marketingstrategieën;
  • de gevolgen van bedrijfsfactoren voor het gedrag van de klant, en
  • Wat drijft ROI en omzettingen.

Deze uitgebreide analyse stelt bedrijven in staat om marketingbudgetten strategisch toe te wijzen over verschillende bedrijfsonderdelen, regio's, kanalen en campagnes, en tegelijkertijd voorspellende inzichten te verschaffen in de zakelijke impact van toekomstige gebeurtenissen.

De marketingmogelijkheden van de Mix Modeler voor mix-modellering vormen de basis voor het oplossen van de volgende gebruiksgevallen:

  • Directierapportering: directeuren inzicht geven in de werkelijke incrementele impact van marketing, zowel als geheel als per kanaal, regio, SKU, enz.
  • Strategische planning: Maak kennis met marketingstrategieën op lange termijn en stel realistische doelstellingen en benchmarks voor toekomstige campagnes vast
  • Uitgebreide meting: holistische analyse van hoe verschillende marketing- en bedrijfsfactoren interageren en bijdragen tot de totale verkoop en prestaties
  • Scenario-analyse: bedrijven toestaan verschillende marketingscenario's en -strategieën te simuleren en hun resultaten te voorspellen

Multi-Touch Attribution (MTA)

De multitouch-toewijzing in Mix Modeler is een optionele machine-learninganalyse die u kunt gebruiken om credits toe te wijzen aan aanraakpunten op gebeurtenisniveau die leiden tot conversiegebeurtenissen. Deze toewijzing wordt door marketers gebruikt om het marketingeffect van elk individueel marketingaanspreekpunt te kwantificeren voor klantentransacties die traceerbaar zijn. Deze aanraakpunten voor digitale marketingcampagnes zijn doorgaans weergave- en klikfuncties, verzending via e-mail, het openen van e-mail en het klikken op betaalde zoekopdrachten. Multi-touch-attributie kan de meeste offline aanraakpunten, zoals gedrukte advertenties, billboards of tv-reclames en bedrijfsfactoren, niet meten. Deze aanraakpunten hebben alleen gegevens op overzichtsniveau die niet aan klantreizen kunnen worden gekoppeld.

De multitouch-attributie van Mix Modeler ondersteunt twee scores:

  • Algoritmische scores, waaronder incrementele en beïnvloede scores:

    • De beïnvloede score is de fractie van de omzetting die elk marketing aanraakpunt voor verantwoordelijk is.
    • De incrementele score is de hoeveelheid marginale impact die rechtstreeks wordt veroorzaakt door een marketingaanraakpunt. Deze score verwijdert de basislijn (het gedeelte van omzetting dat zonder marketingactiviteiten is bereikt) van de beïnvloede score.
  • Op regels gebaseerde scores, waaronder First touch, Last touch, Linear, U-shaped en Time-Decay.

U kunt de multitouch-kenmerkmogelijkheid van Mix Modeler in de volgende gebruiksgevallen gebruiken:

  • Toewijzing van de campagnebegroting: de beslissingen over de toewijzing van de begroting via het marketingkanaal inlichten.
  • Optimalisatie van campagnes: binnen elk kanaal, begrijp welke campagnes, creatieve producten, en sleutelwoorden beter werken waarvoor SKU's of Geos. Op deze manier kunt u naar elk kanaal kijken, zodat het marketingteam hun tactiek kan optimaliseren.
  • Toekenning op het niveau van de gebeurtenissen op het volledige-kanaalniveau: begrijp de invloed van marketing over de volledige klantenreis. Bijvoorbeeld gratis account voor betaalde conversie en hoger.
  • De evaluaties van de partner: Evalueer de doeltreffendheid van agentschappen en partners, die op attributieresultaten worden gebaseerd.

Zie Modelvisie - Attributie over hoe u toegang krijgt tot de multi-touchattributie-inzichten binnen de Mix Modeler.

recommendation-more-help
d5f9b631-c793-4214-8dc7-f78d1750e4f4