MMM במילים פשוטות: מה המודל מראה ומה לא

MMM במילים פשוטות הוא ניתוח סטטיסטי של נתוני מכירות והוצאות שיווק מהעבר, שמטרתו להעריך כמה כל ערוץ תרם לתוצאה. המודל מחבר בין כל הערוצים, כולל כאלה שאין להם פיקסל, אבל הוא לא רואה אנשים בודדים, לא מייחס המרה לקליק מסוים ולא מנבא ביקוש עתידי.

בקצרה

• MMM בודק קשרים בין הוצאות שיווק למכירות על פני תקופה, ברמת המקרו, ולא ברמת המשתמש הבודד.
• המודל יכול להתייחס לערוצים שאין להם פיקסל או מעקב המרות, כי הוא עובד עם נתוני מכירות והוצאות.
• בלי שונות אמיתית בהוצאות לאורך זמן, המודל לא יצליח להפריד בין השפעות של ערוצים שונים.
• ייחוס שונה בין דוח פלטפורמה לבין המודל הוא דבר צפוי, ולא בהכרח טעות.
• התוצאות משמשות להחלטות על חלוקת תקציב בין ערוצים, לא לאופטימיזציה יומיומית של קמפיין בודד.

מה זה מודל MMM ומה הוא מנסה לענות

MMM (Marketing Mix Modeling) הוא ניתוח סטטיסטי של נתוני מכירות והוצאות שיווק היסטוריים, שמטרתו להעריך כמה כל ערוץ תרם לתוצאה. השאלה שהמודל מנסה לענות עליה היא פשוטה: אם הוצאנו סכום מסוים על ערוץ אחד לאורך תקופה, מה קרה למכירות באותה תקופה, אחרי שמנטרלים גורמים אחרים שהשפיעו עליהן.

המודל לא בודק אנשים. הוא בודק דפוסים. אם הוצאות על ערוץ עלו בחודש מסוים והמכירות עלו גם כן, בזמן שערוצים אחרים לא השתנו, זהו רמז סטטיסטי שהערוץ תרם. הרמז הזה מתחזק ככל שיש יותר שבועות של נתונים עם תנועה אמיתית בהוצאות, ונחלש כשכל הערוצים זזים יחד או כשההוצאות כמעט לא משתנות.

מכאן נובע ההבדל המרכזי בין MMM לבין דוחות של פלטפורמות פרסום. דוח של Google Ads או Meta מציג רק את מה שקרה בתוך אותו חשבון, לפי הייחוס שהפלטפורמה עצמה מגדירה. MMM מנסה לחבר בין כל הערוצים, כולל ערוצים שאין להם פיקסל בכלל, כמו רדיו, שלטים, חסויות או שיתופי פעולה. הוא עושה זאת על ידי השוואה בין מה שקרה למכירות לבין מה שהיה אפשר לצפות שיקרה בלעדי הפרסום.

אם אתה רוצה לראות איך נראית שכבת התכנון שמעל הנתונים, יש דף על תחזיות וסימולציות תקציב שמתאר איך בונים תרחישים מתוך ההיסטוריה של החשבון.

מה המודל כן מראה

MMM מראה תרומה משוערת של כל ערוץ לתוצאה, ואת הכיוון שבו כדאי לזוז עם התקציב. כשהמודל עובד על מספיק נתונים עם שונות אמיתית, הוא מצליח להראות איזה ערוץ תרם יותר ממה שהיה נראה מדוחות הפלטפורמה, ואיזה ערוץ תרם פחות.

הוא מראה גם נקודות של תשואה פוחתת. אם הגדלת תקציב לערוץ לא מגדילה מכירות באותה מידה, המודל יכול לזהות את התקרה הזו. זה אחד היתרונות הגדולים שלו, כי הוא לא מסתכל רק על מה שקרה בפועל אלא גם על מה שהיה קורה בהוצאה אחרת.

ומה הוא עוד מראה: את השפעתם של גורמים חיצוניים שלא קשורים לפרסום. עונתיות, חגים, שינוי מחיר, פתיחת סניף, מתחרה חדש. אם לא מנטרלים את הגורמים האלה, קל מאוד לייחס לפרסום מכירות שבאו מסיבות אחרות. המודל מנסה לעשות בדיוק את ההפרדה הזו.

מה המודל לא מראה בכלל

MMM לא מזהה מה קורה לאדם ספציפי, לא מייחס המרה לקליק מסוים ולא מחליף מעקב המרות מדויק כמו זה שמוגדר ב-Google Ads. הוא לא רואה משתמשים, הוא לא רואה קליקים, והוא לא יודע מי ראה מודעה ומי לא.

הוא גם לא מנבא ביקוש או עונתיות עתידית. המודל מתאר קשרים מתוך מה שכבר קרה. אם מחר משתנה ההתנהגות של השוק, המודל לא יידע על כך מראש. הוא ימשיך לתאר את העולם כפי שהיה בתקופת הנתונים, עד שיצטברו נתונים חדשים.

יש עוד מגבלה שקל לפספס. אם אין שונות בהוצאות או שינויים בתמהיל הערוצים, המודל יתקשה לייחס השפעה לאף ערוץ. עסק שהוציא אותו סכום על אותו ערוץ בכל חודש לא נתן למודל שום דרך להשוות בין מצבים. בלי שינוי אין מה למדוד.

איך MMM מתייחס לנתונים מפלטפורמות כמו Meta ו-Google Ads

נתוני הפלטפורמות משמשים כקלט למודל, אבל הם לא מקבלים עדיפות אוטומטית על פני מקורות אחרים. לדוגמה, Meta מציגה המרות לפי הקצאה משלה, ו-MMM בודק אם המספרים האלה מתיישבים עם מכירות בפועל. אם לא, המודל יציע ייחוס אחר.

זו הסיבה שייחוס שונה בין הפלטפורמה למודל הוא דבר צפוי, ולא בהכרח טעות. כל צד מודד משהו אחר. הפלטפורמה מודדת מה שקרה בתוך החשבון שלה, לפי החוקים שלה. המודל מודד מה שקרה למכירות הכוללות, לפי הנתונים של העסק.

כדאי לזכור שהפלטפורמות עצמן לא מסכימות ביניהן. אותו משתמש יכול להיספר גם ב-Meta וגם ב-Google Ads, כי כל אחת מהן רואה רק את החלק שלה. MMM מנסה לפתור בדיוק את הבעיה הזו, אבל הוא לא פותר אותה במדויק, אלא בהערכה.

ממה מורכב מודל MMM אמין

מודל אמין מורכב משלושה חלקים: נתונים, שונות וגורמים חיצוניים. אם אחד מהם חסר, המודל ייתן תמונה חלקית.

1. נתוני מכירות והוצאות לאורך זמן. בלי סדרה היסטורית של מכירות בפועל ושל הוצאות לפי ערוץ, אין על מה להריץ את הניתוח. הנתונים צריכים להיות עקביים, באותה רזולוציה של זמן, בלי חורים.
2. שונות אמיתית בהוצאות ובתמהיל הערוצים. המודל לומד מהשינויים. אם התקציב היה קבוע, אין שינויים ללמוד מהם.
3. ניטרול גורמים חיצוניים. עונתיות, מחירים, מבצעים, אירועים חיצוניים. כל אלה צריכים להיכנס למודל כהסברים חלופיים, אחרת הם ייוחסו בטעות לפרסום.

איכות הנתונים קובעת את איכות המסקנה. זה נשמע טריוויאלי, אבל בפועל זה השלב שבו פרויקטים נופלים. נתוני מכירות ממערכות שונות שלא מדברות ביניהן, הוצאות שמפוצלות בין חשבונות, קמפיינים שנסגרו ונפתחו מחדש. כל אלה מקשים על המודל להבדיל בין ערוצים.

כמה זמן נדרש לבנות מודל MMM אמין

התשובה תלויה בכמות הנתונים ההיסטוריים שיש לך ובתדירות השינויים בתקציב. בלי מספיק שבועות של נתונים עם שונות אמיתית בהוצאות, המודל לא יוכל להפריד בין השפעות של ערוצים שונים.

אין מספר קסם אחד שמתאים לכולם. עסק עם מכירות יומיות ותנודתיות גבוהה יגיע לנתונים שמישים מהר יותר מעסק עם מכירות נדירות. קטגוריה עונתית חזקה דורשת לפחות מחזור עונתי שלם כדי להבין את הדפוס. עסק עם הוצאות כמעט קבועות יצטרך קודם כל לייצר שונות, לפני שהמודל יוכל ללמוד משהו.

מבחינת עבודה שוטפת, המודל לא נבנה פעם אחת ונשאר קבוע. הוא צריך רענון תקופתי, כי השוק משתנה, מתחרים זזים, ומחירי המדיה זזים. אם לא מרעננים, המודל מתאר עולם שכבר לא קיים.

השוואה: MMM מול דוח פלטפורמה

הטבלה הזו לא אומרת שאחד מהם טוב מהשני. הם עונים על שאלות שונות. דוח פלטפורמה עונה על השאלה "מה קרה בחשבון שלי". MMM עונה על השאלה "מה קרה לעסק שלי, ומה חלקו של כל ערוץ בכך".

איך משתמשים בתוצאות MMM בפועל

התוצאות משמשות בעיקר להחלטות על חלוקת תקציב בין ערוצים, ולא לאופטימיזציה יומיומית של קמפיין בודד. אם המודל מראה שערוץ מסוים תורם פחות ממה שחשבת, אפשר לבדוק אם להעביר אליו פחות כסף ולחזק ערוץ אחר.

לפני שינוי כזה, שווה להריץ בדיקה קטנה ולמדוד את ההשפעה. המודל הוא כלי החלטה, לא הוראה. הוא נותן כיוון, ואת הכיוון הזה מאמתים בשטח. אם המודל אומר שערוץ מסוים רווחי, מגדילים אליו תקציב בהדרגה ובודקים אם המכירות עולות בהתאם. אם הן לא עולות, ייתכן שהמודל פספס גורם חיצוני, או שהגענו לתקרת התשואה הפוחתת.

כדאי גם לזכור ש-MMM לא מתאים לבדיקת שינוי קטן. הוא עובד על תקופות ארוכות, לא על ימים. שאלות של "האם להעלות את הצעת המחיר בקמפיין הזה" נשארות בתחום של הפלטפורמה. שאלות של "האם להעביר תקציב מערוץ אחד לאחר" הן בדיוק המקום שבו MMM עוזר.

אם אתה רוצה להעמיק בצד המדידה, יש חומר על MER ו-ROAS ומתי כל מדד משקף את המציאות, ועל חישוב LTV ואיפה להזין אותו בפרסום. שני אלה משלימים את התמונה ש-MMM מנסה לבנות.

איפה MMM נכשל בפועל

רוב הכישלונות של MMM לא קשורים למתמטיקה, אלא לנתונים ולציפיות. הנה מה שקורה בפועל.

נתונים מפוזרים. מכירות במערכת אחת, הוצאות בחשבונות נפרדים, קמפיינים שנפתחו ונסגרו. המודל מקבל תמונה חלקית ומחזיר מסקנה חלקית.

ציפייה לדיוק שאין. MMM נותן הערכה, לא מספר מדויק. מי שמצפה לייחוס ברמת הקליק יאכזב. זו לא מגבלה של מימוש ספציפי, זו מהות השיטה.

שונות שלא קיימת. עסק שהוציא תקציב קבוע לאורך זמן לא נתן למודל כלום ללמוד ממנו. הפתרון הוא לייצר שונות מבוקרת, כלומר לשנות תמהיל באופן יזום ולמדוד את ההשפעה.

רענון שלא מתבצע. מודל שנבנה לפני שנה מתאר שוק שכבר השתנה. בלי רענון תקופתי, ההמלצות מתיישנות.

שימוש לא נכון בתוצאה. המודל לא נועד להחליף שיקול דעת. הוא כלי שמזין החלטה, לא מחליף אותה.

הצעד הבא

לפני שמתחילים פרויקט MMM, כדאי לוודא שיש לך נתוני מכירות והוצאות לאורך זמן, ושיש בהם שונות אמיתית. בלי זה, אין על מה להריץ את הניתוח. אם הנתונים קיימים, הצעד המעשי הראשון הוא לבנות תרחיש תקציב מתוך ההיסטוריה של החשבון, לראות איך נראית חלוקה אחרת בין ערוצים, ולהשוות אותה למה שקרה בפועל.