En anteriores artículos hemos explicado qué es un Marketing Mix Modeling (MMM), qué ventajas respecto otras metodologías de evaluación publicitaria tiene, y cómo atacar con éxito el mantenimiento de un modelo MMM en el tiempo.
En este post explicaremos cómo la colaboración entre una consultora y un cliente es fundamental para llevar a cabo un proyecto MMM.
Históricamente, sólo aquellas grandes empresas con grandes presupuestos se podían permitir la ejecución de proyectos MMM -encargados a grandes consultoras de negocio o a más pequeñas consultoras boutique muy especializadas en modelización de datos en las áreas de marketing y comercial.
Pero durante los últimos años, la situación ha cambiado significativamente. Hoy día podemos decir que los proyectos MMM han dejado de ser coto privado de grandes consultoras: actualmente, existen multitud de herramientas y recursos relacionados con MMM (algoritmos, librerías, BBDD, comunidades de developers, etc) disponibles de forma abierta en entornos colaborativos.
El centro de gravedad de conocimiento de las agencias de analítica avanzada y ciencia de datos está cambiando, pasando de un enfoque con un gran peso de la parte técnica (desarrollo de modelos, algoritmos) a un enfoque mucho más combinado técnica-negocio, en el que es igualmente importante el desarrollo del modelo así como su encaje en la capacidad de comprensión y descripción de las principales variables de negocio.
Sin ninguna duda, la estrecha colaboración entre la consultora y el cliente es la base para el éxito de un proyecto MMM.
De entrada, se necesita un compromiso de la organización al más alto nivel (CEO, CMO), por varias razones:
En concreto, las tareas en las que el cliente debe colaborar con la consultora durante la ejecución de un proyecto son las siguientes:
Definición del perímetro del proyecto, estableciendo las bases sobre:
Hay que identificar todas las posibles variables a incluir en la modelización de las ventas. En general, para las variables de paid media (campañas de pago) y variables orgánicas (fuentes internas tipo newsletters, canales propios de RRSS, etc), la principal decisión radica en qué variables tomar y si se desdobla alguna variable en varias (por ejemplo, tener “TV” como una única variable o separar el plan de medios por “cadenas de TV”) o se agregan variables en una única (por ejemplo, no tener “periódicos” y “revistas” por separado sino agruparlos en “medios impresos”).
Las variables de contexto son especialmente relevantes en el modelo, ya que añaden características que potencialmente podrían mejorar la calidad del modelo (mayor ajuste del modelo a las ventas reales). Las variables de contexto reflejan que el modelo incluye aspectos muy relevantes para el negocio más allá de las variables más directamente vinculadas con un esfuerzo de comunicación y marketing.
Gran parte de los datos de un modelo MMM están bajo los sistemas del cliente. Su colaboración a nivel de extracción de los mismos es fundamental en el desarrollo del proyecto.
No existe un único modelo posible que explique las ventas con un nivel de ajuste aceptable. De hecho, múltiples modelos pueden tener un resultado similar a nivel de ajuste del modelo a las ventas… pero con una composición de variables muy distinta en cada caso. Entonces, la selección, filtrado y elección final del modelo a presentar es una tarea colaborativa entre cliente y consultora, y que requiere de una dinámica de crítica constructiva que finalmente permita llegar a una solución consensuada, creíble y óptima teniendo en cuenta todos los aspectos considerados.
Así que, llegados hasta aquí, permíteme introducirte a Kraz, agencia de datos. Desde Kraz nuestro equipo especializado y pionero en ciencia de datos con más de 15 años de experiencia podrá asesorarte en todos estos puntos de forma eficiente y rentable.
No se han encontrado artículos relacionados.
Your email address will not be published. Required fields are marked *
Δ