CMOs haben oft eine genaue, auf ihren Erfahrungen basierende Wahrnehmung, wenn es darum geht, wie effektiv ihr Medienmix ist – doch selten überblicken sie das große Ganze. Nachdem Forbes Insights ermittelt hat, dass über 80 Prozent der Marketer vorhaben, in den nächsten zwölf Monaten den Einsatz von Predictive Analytics (also Vorhersagen anhand von Analysedaten) im Marketing zu erhöhen, ist das Media Mix Modelling (MMM) nun als bewährter Ansatz wieder in den Fokus vieler Marketingleiter gerückt. Es ermöglicht es ihnen, besser zu verstehen, wie sich Mediaspendings auf performance-basierte KPIs ausgewirkt haben und wie sich zukünftige Strategien auf den ROI auswirken werden. Ein Überblick.
Wie bestimmt Ihr Unternehmen derzeit seinen Medienmix? Zu oft höre ich immer noch von rein instinktiv getroffenen Entscheidungen, Sätzen wie „Wir haben es immer so gemacht“ und davon, dass sich Unternehmen zu sehr auf die Empfehlungen von Agenturen verlassen. In den letzten Jahren ist genau das zunehmend zu einem Problem geworden, denn Medienformen und Vertriebswege werden immer vielfältiger und Customer Journeys immer komplexer. Viele Unternehmen analysieren ihren Medienmix zwar ausreichend, doch die Ergebnisse bleiben zu statisch, werden in einer Schublade abgelegt und nicht wieder hervorgeholt.
Media Mix Modelling schafft hier Abhilfe –Forbes schätzte sogar, dass Unternehmen ihre Mediaspendings damit um bis zu 25 Prozent senken können. Das Prinzip hinter dem Smart-Data-Ansatz ist es, verschiedene Datenquellen (Vertriebs- und Marketingdaten des Werbetreibenden Unternehmens,seiner Wettbewerber, des Marktes, der Makroökonomie, des Wetters usw.) zusammeln und die vergangenen Mediaspendings anhand von statistischen Modellen mit der Geschäftsentwicklung (klassische KPIs sind Umsatz und Einnahmen) zu verknüpfen. Die Analyse liefert dann eine Reihe von Empfehlungen, die helfen,die Mediaspendings zukünftig zu optimieren – inklusive optimaler Kampagnenlaufzeit, Budget-/Mediendruck und dem passenden Medienmix. So entsteht ein vollständiger Überblick über die Marketingleistung – sowohl auf strategischer als auch auf Kampagnenebene. Das kann helfen, Budgets zwischen den verschiedenen Kanälen, Strategien und Media Placement-Optionen neu aufzuteilen,die Auswirkungen künftiger Marketing- und Medien-Investitionen besser abzuschätzen und den höchstmöglichen ROI über alle Kanäle und Produkte hinweg zu erzielen.
Das MMM ist ein besonders nützliches Tool für Unternehmen, die in On- und Offline-Medien, aber vorzugsweise auch in TV investieren. Fernsehwerbung hat immensen Einfluss auf ein Unternehmen, sowohl was den Umsatz angeht als auch die Markenwahrnehmung. Allerdings wird der wirkliche ROI erst über einen längeren Zeitraum deutlich. Mit dem Prinzip des MMM ist es auch möglich – im Gegensatz zu den meisten anderen, eher auf kurze Sicht orientierten Analyse-Tools – die langfristige Wirkung von TV-Werbung zu erfassen.
Was sind die wichtigsten Erfolgsfaktoren?
Das gesamte Unternehmen– von der höchsten bis zur untersten Ebene – muss hinter dem MMM stehen, umwirklich Erfolge erzielen zu können. Dabei wird es Gewinner, aber auch Verlierer des Modells geben, so dass alle Abteilungen, vom Vertrieb über Marketing, Media bis hin zur Produktentwicklung und Kommunikation, den MMM-Prozess aktiv in ihren Arbeitsalltag integrieren müssen.
Das Projekt wird idealerweise von einer Führungskraft unterstützt und von einer Person gemanagt,die/der ein analytisches Gespür hat und für ihre bzw. seine Objektivität bekannt ist. Das Team sollte im Kleinen anfangen und nach einem Proof of Concept streben, indem es Modelle mit begrenztem Umfang entwickelt, die dafür aber relativ früh Erfolge einbringen. Bis das Modell im Großen übernommen werden kann, ist erstmal eine Vorlaufzeit von mindestens ein bis zwei Jahren erforderlich. In dieser Zeit gilt es, intensiv zu testen und – wenn nötig – zu optimieren. Entscheidend ist auch, dass Erkenntnisse mit allen relevanten Stakeholdern sowohl auf Unternehmens- als auch auf Agenturseite regelmäßig ausgetauscht und diskutiert werden. In der Realität wird der ideale Medienmix ehrlicherweise dann immer ein Kompromiss aus Einschränkungen beim werbenden Unternehmen, Agentur-Empfehlungen, Budgetbeschränkungen sowie Modell-Ergebnissen sein.
Es ist außerdem wichtig, dass die Daten vollautomatisiert bereitgestellt werden, um sicherzustellen, dass der gesamte Modellierungsprozess diese Daten rechtzeitig verarbeiten kann. Im Gegensatz zu Offline-Kanälen ist dies bei Online-Kanälen relativ einfach. Eine manuelle Dateneingabe ist angesichts der Datenmenge, die für ein valides MMM benötigt wird, nicht realisierbar.
Wo liegen die Grenzen des Media Mix Modelling?
Das Media Mix Modelling ist eine durchaus effektive Methode, um Unternehmen bei der Optimierung ihrer Mediaspendings zu unterstützen – und dennoch: Es gibt auch im Marketing keine Kristallkugel, die die Zukunft vorhersagen kann. Ereignisse wie der Dieselgate-Skandal in der Automobilindustrie, Vulkanausbrüche in der Tourismusbranche oder weitere PR-Krisen in den unterschiedlichsten Branchen– alle haben massive Auswirkungen auf den Erfolg von Marketing-Kampagnen, sind aber nicht vorhersehbar. Kein Algorithmus wird jemals in der Lage sein,derartige Krisensituationen vorauszusagen.
Da alle Erkenntnisse auf Daten basieren, hängt die Wirkkraft jedes Modells immens von der Qualität der zuvor gesammelten Informationen ab. Ein effektives MMM erfordert deshalb umfangreiche und genaue Dateneingaben über einen statistisch-gültigen Zeitraum hinweg. Denn klar ist: Eine einmalig erhobene Datenprobe bietet nicht die Komplexität von Informationen, die für den Aufbau eines effektiven Modells erforderlich ist. Stehen nur begrenzte Informationen zur Verfügung, müssen Unternehmen immer abwägen, ob eine MMM-Prognose letztlich wirklich valide genug ist. Hinzu kommt, dass es äußerst kompliziert ist, genug Daten aus dem eigenen Unternehmen, von Partneragenturen und externen Dienstleistern zu sammeln und die Bereitstellung der Daten vertraglich festzuhalten.
Quo vadis Media MixModelling?
Es sind spannende Zeiten für das MMM. Die Modelle werden immer feingliedriger, mit Tages- statt Wochenprognosen. So gibt es Modelle, die sich in Richtung Kreativ- und Publisher-Ebene entwickeln und nicht nur Sender-Empfehlungen liefern, sondern auch entsprechende Uhrzeiten und Programme nahelegen. Ein Prozess, der sich in Zukunft wohl noch verstärken wird.
