MMM 营销组合建模日益智能化,但单靠模型仍无法完成营销归因全部工作
新一代自动化 MMM(营销组合建模)平台让营销归因分析更快更易用,但作者对比多个建模方案发现,同一份数据可得出明显不同的渠道贡献结论。文中一个现成模型估计 10 个付费媒体渠道贡献约 75% 的新客,同一数据交给数据科学家的独立定制模型则估计合计不足 1%。作者指出贝叶斯模型在数据信号弱时会被行业先验主导,主张将平台速度与定制分析、业务知识和受控实验结合,避免把精致的答案当成确定的答案。
自动化 MMM 降低了营销归因分析的门槛,但结论可信度高度依赖数据质量和假设设置,尚不能直接作为预算分配依据。
- 影响同一份数据在不同模型下渠道贡献可相差几十个百分点,按单一模型结果重分预算存在风险;数据信号弱时行业先验可能主导答案;定价、分销等模型外变量缺失会放大对媒体的高估。
- 参考可考虑用同一批数据同时跑现成平台与独立定制模型,比对渠道贡献差异;值得在重分预算前补充地理留存组或提升实验校准;先盘点定价、竞品、分销等变量是否在模型之外。