Preparando-se para a modelagem do mix de marketing: o que você precisa saber

Você vê mais tráfego “não atribuído” e “direto” em sua conta do Google Analytics, mesmo se tiver cuidado com sua marcação UTM? Isso ocorre porque os regulamentos de privacidade de dados protegem os usuários que visitam seu site.

À medida que as regulamentações de privacidade de dados aumentam, os modelos de atribuição podem ter dificuldade para permanecer precisos e valiosos. Muitos usam o Google Analytics 4 para modelagem de atribuição, mas não é compatível com GDPR. Por causa disso, modelos de atribuição como os do Google Analytics serão menos eficazes. Eles não mostrarão com precisão quais canais estão funcionando. É aqui que entra a modelagem do mix de marketing.

Este artigo explora a crescente relevância da modelagem do mix de marketing hoje, como ela difere da modelagem de atribuição e como aproveitá-la de forma eficaz dentro de uma estrutura estratégica.

Comparando modelagem de atribuição e modelagem de mix de marketing

A modelagem de atribuição e a modelagem do mix de marketing são duas abordagens distintas usadas na análise de marketing para compreender o impacto de várias atividades de marketing nos resultados de negócios. Embora ambos tenham como objetivo fornecer insights sobre a eficácia dos esforços de marketing, eles diferem em suas metodologias, escopo e aplicação.

Modelagem de atribuição. Um conjunto de regras que determina como atribuir crédito para conversões. Esses modelos usam pontos de contato digitais nos caminhos de conversão. Por exemplo, o modelo de último toque atribui 100% de crédito ao ponto de contato final imediatamente anterior a uma conversão. Existem também modelos de primeiro toque, redução de tempo, modelos lineares e baseados em dados, para citar alguns.

Modelagem do mix de marketing. Uma técnica de análise que ajuda os profissionais de marketing a medir o impacto de suas campanhas de marketing e publicidade. Eles podem ver como diferentes variáveis ​​contribuem para seus objetivos. As metas geralmente são receitas, conversões, preenchimentos de formulários ou assinaturas.

Simplificando:

• Um modelo de atribuição informa quais atividades de vendas ou marketing recebem crédito por um usuário realizar uma ação específica. Em marketing, costumamos usar relatórios de atribuição para ver quais ações causaram conversões específicas. Por exemplo, podemos saber se a abertura de um e-mail levou ao preenchimento de um formulário.
• Um modelo de mix de marketing é um grande modelo de regressão. Um modelo de regressão tenta entender a relação entre as variáveis. Um exemplo disso poderia ser os padrões climáticos e as receitas. Você ainda pode tentar entender quais ações levam a conversões, mas um modelo de mix de marketing permite introduzir mais dados. A análise pode então informar a relação entre as variáveis. Quando o tempo está ensolarado, mais pessoas visitam sua loja física, o que leva ao aumento das vendas.

Ambos são valiosos para a compreensão do seu marketing. Você também pode executá-los usando aprendizado de máquina e codificação.

Como abordar a modelagem do mix de marketing hoje

Para evitar erros, organize sua análise antes de trabalhar com esses modelos complexos. Por exemplo, recentemente estive analisando alguns relatórios mensais. Executamos relatórios de atribuição para nós mesmos e para nossos clientes. Como conheço nossos dados tão bem, sinalizei o que pareciam ser algumas imprecisões.

Passamos duas horas investigando e encontramos grandes diferenças entre os dados do nosso site e o Google Analytics. Mais especificamente, as discrepâncias estavam entre a API de dados e a interface do Google Analytics.

Sabemos qual deveria ser a métrica, mas nenhuma de nossas fontes de dados corresponde. O problema é que estamos restritos a um conjunto de dados para o modelo de atribuição. Podemos desconsiderar os dados problemáticos se usarmos um modelo de mix de marketing, porque os dados podem ser coletados de outros sistemas para nos dizer o que está funcionando.

Antes de podermos entrar na análise, temos que fazer um inventário. O exemplo mostra por que você deve reunir requisitos e ter uma boa governança de dados antes de usar um modelo de mix de marketing. Se você não tiver um bom controle sobre o que seus dados devem lhe dizer, uma análise complexa não ajudará.

Para entender com o que estamos trabalhando, podemos usar a estrutura dos “5 Ps” para determinar:

• Propósito.
• Pessoas.
• Processo.
• Plataforma.
• Desempenho.

Propósito

É aqui que você indicará por que deseja executar um modelo de mix de marketing. A melhor maneira de organizar seus pensamentos é com uma história de usuário.

“Como [persona], eu [quero], então [isso].”

A história do usuário informa quais são os outros Ps.

• [Persona] conta as pessoas.
• [Quero] informa o processo e a plataforma.
• [Isso] mostra o desempenho.

Esta é a aparência do meu:

• Como CEO, quero entender quais dos meus esforços de marketing digital estão resultando em vendas para que eu possa priorizar orçamento e recursos.

Nesta declaração, tenho muitas informações. Vamos continuar analisando isso.

Pessoas

Afirmei que queria entender os dados, por isso sou a primeira pessoa envolvida. Sabendo que não sou o único responsável pela coleta e análise de dados, posso presumir que precisarei do envolvimento do meu analista. Também precisaremos de nosso recurso de desenvolvimento de negócios para trazer os dados de vendas.

Processo

Afirmei que meu objetivo era entender meus esforços de marketing digital e vendas. Em termos de processo, esta afirmação me diz que preciso fazer algumas coisas. Preciso saber como esses dados estão sendo coletados, a frequência e o formato. É aqui que preciso implementar a governança de dados para que os processos de coleta de dados não sejam o que atrapalhe a execução de um modelo de mix de marketing.

Depois de identificar de quais sistemas preciso extrair dados (na próxima etapa), posso voltar aos processos, garantindo que posso exportar os dados necessários. Se não puder, precisarei desenvolver e incluir novos processos no plano geral. Também precisarei criar um processo para limpar e normalizar os dados, uma vez extraídos, para analisar dados de diferentes fontes.

Se eu estivesse recebendo a história do usuário de uma parte interessada, provavelmente recuaria e pediria um prazo mais específico. É aqui que você provavelmente passará a maior parte do tempo, entre o processo e a plataforma.

Você pode usar um modelo de mix de marketing para analisar dados de diferentes fontes. Essas fontes podem não ter o mesmo formato, portanto você deve criar um processo para combiná-las para análise. Quanto mais dados você quiser usar de diferentes plataformas, mais processos você precisará desenvolver – especialmente se quiser executar novamente o modelo de mix de marketing.

Plataforma

Usando novamente o meio da declaração, afirmei que meu objetivo era entender meus esforços de marketing digital e vendas. Isso me diz de quais plataformas preciso extrair dados porque quero entender os dados de vendas, que serão meu CRM ou software de contabilidade.

Também quero entender meus esforços de marketing digital. Isso significa que primeiro preciso conhecer todas as táticas de marketing digital e depois descobrir quais plataformas possuem dados que posso extrair. O LinkedIn, por exemplo, é mesquinho com a extração de dados, então isso pode ser um problema se esse for um canal que me interessa. Eu poderia facilmente acabar com dados de meia dúzia de plataformas. Já com um modelo de atribuição, normalmente você só tem dados de uma ou duas fontes.

Se eu tiver uma história de usuário bem pensada, não ficarei sobrecarregado tentando coletar dados de todos os meus sistemas. Minha história de usuário afirma “esforços de marketing digital”. Quando tenho muitas campanhas e táticas, posso me concentrar em alguns canais ou em um período mais curto para facilitar o gerenciamento.

Desempenho

Esta é a última parte da história do usuário. Se você não estiver criando uma história de usuário com um resultado mensurável, tente novamente. Na minha história de usuário, afirmei que queria poder priorizar recursos e orçamento. Bem, isso não é um bom resultado. Pode ser verdade, mas não é super mensurável. Como vou saber que fiz isso, priorizei?

A recomendação seria voltar à história do usuário e reescrevê-la para ser mais precisa. Uma versão diferente poderia dizer: “reduzir os gastos em canais ineficazes e aumentá-los em táticas bem-sucedidas”.

Você não precisa fazer Pessoas, Processos e Plataforma em nenhuma ordem específica. Você deve conhecer as plataformas que irão informar o processo e as pessoas. Mas não pule estes Ps. Se você pular a coleta de requisitos e o gerenciamento de dados, isso poderá causar erros dispendiosos e desperdício de recursos.

Olhando para trás, para minha auditoria inicial, vejo que tenho muito trabalho a fazer antes de considerar a execução de um modelo de mix de marketing. Muitas equipes executarão um modelo de mix de marketing usando código e aprendizado de máquina. Ter um plano antes mesmo de começar com seu código tornará sua execução mais eficiente. Em vez de corrigir problemas nos dados, você pode gastar seu tempo ajustando e criando planos de ação.

A boa notícia é que posso dividi-lo em partes menores e mais controláveis. Posso criar processos repetíveis para extrair dados e executar novamente o modelo de mix de marketing. Escolher esse caminho significa que o desenvolvimento inicial demorará mais. No entanto, o processo será muito mais eficiente quando precisar executar novamente a análise.

Adotando a modelagem do mix de marketing para obter insights abrangentes

Um modelo de mix de marketing pode ser uma parte realmente poderosa do seu portfólio de análise. Ao trabalhar em um projeto de dados, é importante preparar-se para o sucesso. A coleta de requisitos e a governança são a parte que todos queremos acelerar, mas não vale a pena tomar atalhos aqui. Reserve um tempo antecipadamente para fazer um plano; sua análise será muito mais valiosa e prática.

Aprofunde-se: o que são plataformas de atribuição de marketing e gerenciamento de desempenho?