Zasięg i częstotliwość to kluczowe czynniki skutecznych kampanii reklamowych, ale nie są one często brane pod uwagę w obecnych modelach marketingu mieszanego (MMM) ze względu na brak dokładnych danych o zasięgu i częstotliwości w przypadku niektórych tradycyjnych kanałów medialnych. Modele MMM zwykle korzystają z danych o wyświetleniach, nie uwzględniając faktu, że użytkownicy mogą widzieć reklamy wielokrotnie, a ich wpływ może się zmieniać w zależności od częstotliwości wyświetlania. Aby obejść to ograniczenie, Meridian oferuje możliwość modelowania wpływu dowolnego kanału medialnego na podstawie danych o zasięgu i częstotliwości zamiast pojedynczego wskaźnika wykonania. Takie podejście może zapewnić dokładniejsze oszacowanie wpływu marketingu na wyniki biznesowe oraz pomóc w optymalizacji kampanii dzięki rekomendacjom częstotliwości.
Na potrzeby modelowania dane dotyczące zasięgu i częstości muszą mieć taki sam poziom szczegółowości geograficznej i czasowej jak dane o sprzedaży i elementach kontroli.
Dodatkowo:
Dane o zasięgu powinny zawierać liczbę unikalnych osób, które widziały reklamę kanału w każdym okresie, a nie łączną liczbę osób, które widziały reklamę w poszczególnych okresach.
Dane o częstotliwości powinny być podawane jako łączna liczba wyświetleń podzielona przez zasięg w każdym okresie.
Wpływ mediów to dodatkowy udział w oczekiwanych przychodach. W przypadku kanałów z danymi o zasięgu i częstotliwości wpływ mediów \(i^{th}\) kanału w danym regionie \(g\) i okresie czasu \(t\) jest modelowany w następujący sposób:
Gdzie:
- \(f_{g,t,n}^{[RF]}\) to średnia częstotliwość
- \(r_{g,t,n}^{[RF]}=L_{g,i}^{[RF]}(\overset {\cdot \cdot} r_{g,t,i})^{[RF]}\) to przekształcony zasięg. Jest ona skalowana według liczby ludności i mediany wartości dla kanału. Więcej informacji znajdziesz w artykule na temat danych wejściowych.
Efekt ten jest obliczany przez zastosowanie funkcji Hilla do średniej częstotliwości \(f_{g,t,n}^{[RF]}\) w celu uwzględnienia efektu nasycenia. Częstotliwość przekształcona według metody Hilla dla każdego regionu i tygodnia jest mnożona przez przekształcony zasięg. Następnie wartości te są ważone za pomocą funkcji Adstock, aby uwzględnić opóźnione efekty ekspozycji na media w czasie.
Funkcja Hilla pozwala na uzyskanie efektu medialnego w postaci krzywej S w zależności od częstotliwości, co oznacza, że optymalny średni zasięg w celu zwiększenia skuteczności kosztowej może być większy niż 1. Krzywa w kształcie S odzwierciedla intuicję, że może istnieć optymalna częstotliwość wyświetlania, która zapewnia dodatkową wartość wyniku na wyświetlenie. Pewna minimalna częstotliwość może być potrzebna do zwiększenia rozpoznawalności marki, ale nadmierna częstotliwość może spowodować znużenie reklamą i spadek skuteczności.
Zakłada się, że zasięg ma liniową relację z odpowiedzią w zakresie sprzedaży przy stałej częstotliwości. Zasięg zależy od definicji grupy docelowej, która może być kombinacją różnych grup, z których każda reaguje inaczej na reklamy. Zakładając liniowy efekt zasięgu, możesz domyślnie założyć, że zasięg wśród różnych grup odbiorców zmienia się proporcjonalnie. Możliwe jednak, że wraz ze wzrostem zasięgu całkowitego trudniej będzie docierać do kolejnych osób z listy odbiorców docelowych. W takim przypadku efekt zasięgu może przynosić coraz mniejsze korzyści. Meridian ogranicza efekt zasięgu do wartości liniowej, aby uniknąć nadmiernej parametryzacji modelu, nieidentyfikowalności parametrów i problemów z konwergencją metody Monte Carlo z łańcuchem Markowa (MCMC). Pamiętaj, aby nie ekstrapolować tego efektu liniowego poza zakres obserwowanych wartości zasięgu w danych.
Więcej informacji o zasięgu i częstotliwości znajdziesz w artykule Bayesowski hierarchiczny model Media Mix uwzględniający dane o zasięgu i częstotliwości.
Różnice między założoną częstotliwością w przypadku ROI a optymalizacji
Zakładana częstotliwość w przypadku zwrotu z inwestycji i optymalizacji różni się od siebie. W razie potrzeby możesz dostosować domyślną częstotliwość wyświetlania reklam na potrzeby optymalizacji.
Jak opisano w artykule Zwrot z inwestycji, mROI i krzywe odpowiedzi, ROI mierzy zwrot z inwestycji w kanał w okresie, dla którego model MMM ma dane. Sposób wykonania kanału obejmuje sposób przydzielania wyświetleń w różnych regionach i czasie, a także historyczną częstotliwość tego kanału.
Optymalizacja zakłada, że przyszłe kampanie będą realizowane z optymalną częstotliwością, ponieważ częstotliwość jest często kontrolowana przez reklamodawcę, zwłaszcza w przypadku kanałów cyfrowych. Jeśli optymalna częstotliwość różni się od częstotliwości historycznej, skuteczność kanału w przydziale zoptymalizowanego budżetu może nie odpowiadać jego historycznej skuteczności pod względem zwrotu z inwestycji. Może to być jeszcze bardziej widoczne, jeśli aktualna częstotliwość jest daleka od optymalnej.
Jeśli przyszłe kampanie nie będą realizowane z optymalną częstotliwością, możesz użyć opcji optymalizacji, aby zmienić założoną częstotliwość. Może to być przydatne w przypadku kanałów, które nie mogą być realizowane z określoną średnią częstotliwością.