O uso do alcance e da frequência é um fator crucial em campanhas publicitárias eficazes, mas não é considerado com frequência nas Modelagens de Marketing Mix (MMMs) atuais devido à falta de métricas precisas de alcance e frequência para alguns canais de mídia tradicionais. Normalmente, as MMMs usam impressões como entrada, sem considerar o fato de os usuários terem sido expostos a anúncios várias vezes. Além disso, o impacto pode variar com a frequência de exposição. Para superar essa limitação, o Meridian permite modelar o efeito de qualquer canal de mídia com base nos dados de alcance e frequência, em vez de uma única métrica de execução. Essa abordagem pode gerar estimativas mais precisas do impacto do marketing nos resultados comerciais e ajudar a otimizar a execução da campanha com recomendações de frequência.
Para fins de criação de modelos, os dados de alcance e frequência precisam estar no mesmo nível de granularidade geográfica e temporal que os dados de vendas e controles.
Além disso:
Os dados de alcance devem representar quantos usuários únicos viram o anúncio do canal em cada período, não o número cumulativo de usuários alcançados em períodos consecutivos.
Os dados de frequência devem representar o número total de impressões dividido pelo alcance de cada período.
O efeito de mídia é a contribuição cumulativa para as vendas esperadas. Para canais com dados de alcance e frequência, o efeito da mídia do \(i^{th}\) canal na região geográfica \(g\) e do período \(t\) é modelado da seguinte maneira:
Em que:
- \(f_{g,t,i}^{[RF]}\) é a frequência média
- \(r_{g,t,i}^{[RF]}=L_{g,i}^{[RF]}(\overset {\cdot \cdot} r_{g,t,i})^{[RF]}\) é o alcance transformado. Esses dados são ajustados considerando a população e o valor da mediana do canal. Para mais informações, consulte Dados de entrada.
Esse efeito é calculado aplicando primeiro a função de Hill à frequência média \(f_{g,t,i}^{[RF]}\) para se ajustar aos efeitos de saturação. A frequência transformada por essa função em cada região geográfica e semana é multiplicada pelo alcance transformado. Esses valores são ponderados pela função de Adstock para capturar os efeitos defasados da exposição de mídia ao longo do tempo.
A função de Hill permite que o efeito da mídia tenha a forma de S como uma função de frequência, ou seja, o alcance médio ideal para a eficiência de custo pode ser maior que um. A curva em forma de S reflete a intuição de que pode haver uma frequência ideal para o valor incremental do resultado por impressão. Uma certa frequência mínima pode ser necessária para reforçar o recall da marca. Já a frequência excessiva pode resultar em fadiga de anúncios e retornos menores.
Supõe-se que o alcance tenha uma relação linear com a frequência fixa de retenção de resposta de vendas. O alcance depende da definição do público-alvo, que pode ser uma combinação de grupos diferentes, cada um com capacidade própria de resposta à publicidade. Ao assumir um efeito de alcance linear, você pode presumir de maneira implícita que o alcance em diferentes públicos-alvo muda proporcionalmente. No entanto, é possível que o aumento do alcance total atrapalhe a alcançar outros membros do público. Nesse caso, o efeito do alcance pode diminuir os retornos marginais. O Meridian limita o efeito de alcance para que ele seja linear, evitando a superparametrização do modelo, a incapacidade de identificação do parâmetro e problemas de convergência de Monte Carlo via cadeias de Markov (MCMC, na sigla em inglês). Não extrapole esse efeito linear muito além do intervalo de valores de alcance observados nos dados.
Para mais informações sobre alcance e frequência, consulte Modelo de mix de mídia hierárquico bayesiano que incorpora dados de alcance e frequência (link em inglês).
Diferenças entre a frequência presumida para o ROI e a otimização
Há diferenças entre esses casos. Se necessário, ajuste a frequência presumida para a otimização.
Como explicado em ROI, mROI e curvas de resposta, o ROI comum mede o retorno do investimento do canal considerando a execução dele no período em que a MMM tem dados. A forma de execução inclui como as impressões são alocadas em regiões geográficas e ao longo do tempo, além da frequência histórica desse canal.
A otimização pressupõe que as campanhas futuras serão executadas na frequência ideal, já que a frequência costuma ser controlada pelo anunciante, principalmente em canais digitais. Se a frequência ideal for diferente da histórica, a performance de um canal na alocação otimizada do orçamento não será igual à performance histórica do canal de acordo com o ROI. Isso poderá ser exacerbado se a frequência atual estiver longe da ideal.
Se as campanhas futuras não forem executadas na frequência ideal, use a opção de otimização para alterar a frequência presumida. Talvez isso ajude canais que não podem ser executados com uma frequência média específica.