Компания тратит значимый бюджет на ТВ-рекламу и наружную рекламу параллельно с performance-каналами в интернете и хочет понять, как распределить годовой бюджет между ними. MMM показывает один набор выводов, а отчёты performance-команды по последним кликам показывают другой. Как подойти к принятию решения о распределении бюджета в этой ситуации?

Короткий ответ

Нет единственно верного способа «помирить» MMM и performance-отчёты механически — нужно явно признать, что они измеряют разные вещи (MMM — агрегированный инкрементальный эффект на уровне рынка, last-click — распределение наблюдаемых кликов внутри онлайн-каналов) и выстроить процесс принятия решений, который сочетает оба источника с поправкой на их слепые зоны, желательно подтверждённый дополнительными geo-экспериментами.

Как это работает подробнее

Last-click и аналогичные отчёты performance-команды в принципе не видят вклад ТВ и наружной рекламы (там нет кликов для атрибуции), поэтому систематически переоценивают вклад видимых онлайн-каналов, в том числе конверсии, которые на самом деле стали результатом офлайн-рекламы, но прошли через клик по брендовому поиску; MMM видит общую картину, но с меньшей гранулярностью и более длинным циклом обновления, и её точность сильно зависит от качества исходных данных и спецификации модели.

Что использовать на практике

• Практика. Практический подход — использовать MMM (при достаточном качестве и истории данных) для стратегического распределения бюджета между крупными категориями каналов (офлайн vs онлайн), а performance-отчётность — для тактической оптимизации внутри онлайн-бюджета, и периодически сверять выводы через geo-holdout тесты, которые могут независимо подтвердить или поставить под вопрос вклад крупных офлайн-статей расходов.

Подводные камни

• Риск ошибки. Частая ошибка — доверять исключительно той модели, которая выгодна конкретной команде (performance-команда будет склонна опираться на last-click, который подтверждает ценность их каналов, а медиа-команда, отвечающая за ТВ — на MMM), без независимой проверки и без признания интересов сторон в интерпретации данных. Компромисс: Здесь явный компромисс между скоростью и операционной простотой (last-click даёт быстрые и однозначные цифры для тактических решений) и полнотой картины (MMM и эксперименты дороже, медленнее, но точнее отражают инкрементальность на уровне всего медиамикса). Критерии выбора: размер бюджета на офлайн-каналы (оправдывает ли он стоимость MMM и экспериментов), скорость, с которой нужно принимать решения, и готовность организации инвестировать в независимую аналитику, а не полагаться на отчётность заинтересованных команд. Кандидат должен явно обсудить конфликт интересов между командами как часть решения, а не только методологию.