모바일 앱을 위한 미디어 믹스 모델링: 마케팅 측정에 대한 개인정보를 보호하는 답변?

마케팅과 광고를 측정하고 최적화하려는 모바일 앱 사용자 확보 위한 답이 미디어 믹스 모델링입니까

UA 리더의 꿈은 다음과 같습니다.

• 즉각적이고 정확한 마케팅 인텔리전스
• 채널, 광고 소재, 입찰 및 예산에 대한 실행 가능한 통찰력
• 개인 정보 보호, Apple 준수, GDPR 준수, CCPA-OK 방법론 및 메커니즘
• … 이 모든 것이 엄청난 성장을 창출하는 현명한 통찰력으로 이어집니다.

마케팅 측정 방법론에 있어 이는 어려운 작업입니다. 미디어 믹스 모델링이 모바일 마케팅 담당자에게 이를 제공할 수 있습니까?

뛰어 들어 봅시다.

미디어 믹스 모델링은 마케팅의 선배입니다(그게 나쁜 것은 아닙니다).

정말 친절하게 표현하는 방법은 없습니다. 미디어 믹스 모델링은 오래되었습니다.

마케팅 믹스 모델링 이라고도 불리는 이 방법은 문자 그대로 1950년대와 1960년대부터 사용되어 왔습니다. 마케팅 믹스라는 용어는 하버드 비즈니스 스쿨의 닐 보든(Neil Borden) 교수가 처음으로 1949년에 만들었고, 대형 브랜드들은 매스미디어 시대에 이 개념을 사용해 마케팅 효과에 대한 통계적 모델을 구축했습니다.

이러한 형태에서 미디어 믹스 모델링은 다음과 같은 질문에 답하는 데 효과적이었습니다.

"3대 네트워크의 TV 캠페인에 천만 달러를 지출한다면 Cheerios 판매에 어떤 영향을 미칠까요?"

이러한 답변을 구축하려면 미디어 믹스 모델링에 데이터가 필요했습니다. 즉, 이상적으로는 수년간의 이전 판매 데이터가 필요했습니다. 해당 판매에 미치는 영향. 계절 동향. 경쟁적인 행동. 소비자 물가 지수와 같은 경제 지표. 가격 비교. 가용성 데이터. 더 넓은 문화 운동 등. 마케팅 믹스 모델링은 일반적으로 장기간에 걸쳐 다양한 소스에서 얻은 많은 데이터를 집중적으로 분석하는 데 사용됩니다(아직 작동 중임). 그것이 효과가 있을 때 마케팅 임원은 ABC, NBC, CBS에 천만 달러를 투자하면 우리의 수익에 어떤 영향을 미칠 것인가와 같은 큰 "만약" 질문에 대한 답을 얻게 됩니다.

규모와 역사, 오랜 기간에 대한 이러한 의존은 훨씬 더 빠르게 진행되고 규모가 작은 모바일 사용자 확보 캠페인을 위한 방법론으로서 MMM을 부적격하게 만드는 것처럼 보입니다. 그리고 실제로 제가 최근 Adobe와 아직 베타 단계에 있는 새로운 마케팅 AI 기반 미디어 믹스 모델링 제품에 대해 이야기했을 때 그 의심은 정확한 것 같습니다.

잘 작동합니다. 이 시스템을 통해 한 고객은 광고 지출을 50% 줄이면서도 여전히 10% 성장할 수 있었습니다.

그러나 큰 주의 사항이 있습니다. 연간 5천만 달러를 지출해야 한다는 것입니다.

글쎄요, 가장 큰 모바일 퍼블리셔 중 일부는 그 수준에 있고 그 이상입니다. 그러나 확실히 일반적인 모바일 게시자는 아닙니다. 대부분의 모바일 마케팅 담당자는 예산이 훨씬 적으므로 월 $100,000 지출 또는 월 $50,000 예산에 대해 알아야 합니다.

모바일 마케팅은 데이터에 취했다

솔직하게 말해보자. 모바일 광고는 즉각적인 데이터, 정확한 데이터, 실행 가능한 데이터 등 데이터에 취해 있습니다. 모바일 성장 전문가들은 디지털 이전의 마케팅 측정 모드에 신경 쓸 필요가 없었습니다. 그 이유 중 하나는 그것이 오래되고 부정확하며 번거롭고 비용이 많이 들고 느리기 때문이었습니다.

하지만 대부분 디지털이 꿈을 제시했기 때문입니다. 즉, 정확한 지식과 완벽한 인식, 과학적 마케팅에 대한 순수하고 깨끗하며 대담한 꿈으로 인해 비용이 낭비되지 않습니다.

(물론 사기꾼들은 그 꿈을 좋아했습니다.)

그러나 사기 이상의 어려움에도 불구하고 그 꿈을 이루려면 1960년대 마케터들이 충격은 아니더라도 놀랄 수준의 추적이 필요했습니다. 1994년 웹상의 쿠키로 시작되어 2010년대 초 스마트폰에 하드 코딩된 장치 ID로 이어졌고, 그 직후 사용자가 더 많이 제어할 수 있는 광고 ID로 전환했으며 현재는 2020년대 초중반에 대부분 사라지는 추세입니다.

약 25년 동안 데이터가 없고 엄청난 양의 데이터에서 훨씬 적은 양의 데이터까지 모두 발생했습니다.

그러나 지금까지 모바일 퍼스트 컴퓨팅 시대의 전체 수명 동안 우리는 데이터 과잉 시대에 있었습니다.

MetricWorks를 운영하고 미디어 믹스 모델을 구축하는 Brian Krebs는 “우리는 모바일 분야의 데이터 중독에 빠져 있습니다.”라고 말합니다. “항상 사용 가능했기 때문입니다.”

안녕하세요, 미디어 믹스 모델링입니다. (시대가 변하고 있습니다)

Apple, iOS 14.5, 정부 규제, 사회적 태도 변화로 인해 이러한 시대가 변화하고 있기 때문에 미디어 믹스 모델링이 다시 대화에 등장하고 있습니다. IDFA를 통해 세부적인 데이터를 얻을 수 없고 AAID/GAID 가 어떻게 될지 궁금하다면 다른 방법이 있을 수 있습니다.

어쩌면 5천만 달러의 예산이 필요하지 않을 수도 있고, 우리가 한때 생각했던 것만큼 주변 세계와 경쟁자의 행동, 경제적 변화에 대한 엄청난 수학과 외부 데이터가 필요하지 않을 수도 있습니다.

요일 트렌드, 연중 계절성과 같은 업종별 트렌드, 앱 설치 빈도에 대한 광범위한 업계 트렌드, Google이나 Apple의 추천이나 이벤트와 같은 특정 이벤트와 같은 자사 데이터를 입력하면 GamesBeat 또는 PocketGamer에서 귀하의 게임을 검토했다면 실제로는 그것만으로도 충분하다고 Krebs는 말합니다. 여기에 앱에 대한 마케팅 활동(지출 및 노출수)을 추가하면 모바일 사용자 확보를 위한 MMM의 좋은 기반이 됩니다.

때때로 지출을 다양화해야 합니다. 안정된 상태의 드론으로 인해 효능을 정확히 찾아내기가 어렵습니다. 하지만 이는 노출 수와 공급 가용성에 대한 경쟁이 변화함에 따라 자연스럽게 발생합니다.

현실은 미디어 믹스 모델링이 원래 의도한 목적(대형 국내 및 글로벌 브랜드의 크고 느리며 비용이 많이 드는 캠페인)보다 모바일 사용자 확보에 더 적합할 수 있습니다. 또한 기존 방법보다 증분성이 할 수도 있습니다

Krebs는 “솔직하게 말하면 MMM이 모바일에서 더 잘 작동한다는 사실이 우리에게는 놀라운 일이었습니다.”라고 말했습니다. "더 간단합니다. 더 적은 수의 데이터 포인트가 필요합니다."

하지만 그것만으로도 충분할까?

미디어 믹스 모델링이 제공하지 못하는 것

바라보다. 기술이 유용하기 위해 완벽할 필요는 없습니다. 마지막 클릭 기여가 생각하는 사람은 솔직히 착각입니다. 그럼에도 불구하고 우리는 지난 10년 동안 이를 대체로 사용해 왔으며 틀림없이 좋은 효과를 얻었습니다.

충분히 좋았으니까요.

따라서 질문은 MMM이 의사결정을 추진하기에 충분히 좋은가 하는 것입니다.

이에 답하기 전에 미디어 믹스 모델링이 제공하지 않는 내용은 다음과 같습니다.

아마도 이를 가장 잘 표현하는 세 단어는 즉각성, 세밀성, 명확성일 것입니다. 즉시성은 물론 IDFA(iOS 트래픽의 10~20%에 대해 여전히 존재함)의 비교할 수 없는 영광이었으며 여전히 GAID 기반 어트리뷰션의 빛나는 북극성입니다. Apple의 SKAdNetwork 프레임워크 에는 사용자의 결정에 따라 어느 정도까지는 부족합니다 . SKAN 포스트백을 최대 7일로 재설정할 수 있습니다.)

빠른 최적화를 위해서는 무엇이 효과적인지 최대한 빨리 아는 것이 중요합니다. 예산을 낭비하지 않으려면 가능한 한 빨리 작동하지 않는 것이 무엇인지 아는 것이 중요합니다.

모바일을 위한 미디어 믹스 모델링은 대형 브랜드 소비자 공간에서 필요한 몇 주, 몇 달이 걸리지 않습니다. 하지만 포스트백만큼 빠르지도 않습니다.

세분성은 비슷합니다. IDFA/GAID와 심지어 SKAdNetwork도 소스와 캠페인, SKAdNetwork에 대한 몇 가지 구성 가능한 요소는 물론 IDFA/GAID에 대한 훨씬 더 세부적인 사용자 수준 데이터와 코호팅 등 다양한 요소에 대한 정확한 정밀 데이터를 제공합니다. SKAdNetwork의 데이터는 적지만 여러 이벤트 및/또는 타이머에 대해 인코딩된 값을 포함하는 스마트 사용자 정의 및 하이브리드 포스트백이 도움이 될 수 있습니다.

MMM은 특히 다양한 광고 파트너와 동시에 운영하는 데 익숙한 모바일 성장 마케팅 담당자의 경우 도우미 네트워크, 지원 및 마지막 터치에 대한 약간의 명확성을 포함하여 이러한 각 영역에서 더 적은 정보를 제공합니다. (그렇습니다. 모든 네트워크가 동일한 강에 바늘을 던지고 있다고 주장할 수 있으며 이는 사실입니다. 그러나 모든 바늘과 미끼가 동일한 가치를 가지며 모두 바다에 던져진다고 주장하기는 어렵습니다. 물고기가 모이는 강의 가장 좋은 부분.)

증분 방식은 크리에이티브 최적화에도 어려움을 겪게 됩니다. 물론 시간 경과에 따른 영향을 확인하기 위해 캠페인별로 크리에이티브 변형을 수동으로 제한하여 해결할 수 있습니다. 그리고 개별 플랫폼의 입찰가와 예산은 MMM에 좀 더 불투명해집니다.

그래서… 하이브리드 모델: 차세대 기여

모바일 사용자 확보 팀을 위한 미디어 믹스 모델링을 판매하는 누군가가 나에게 미디어 믹스 모델링은 만능이 아니라고 말했습니다. 그러나 그것은 유용합니다. 그리고 MMP 컨텍스트와 통찰력을 추가합니다.

현실은 추적의 시대가 끝나고 있다는 것입니다.

IDFA는 대부분 사라졌고 지문 채취는 Apple의 지침에 위배되며 Google도 시간이 지남에 따라 일부 개인 정보 보호 정책을 변경할 예정입니다.

차세대 속성이 필요합니다 .

이는 노출수, 클릭수, 비용을 의미합니다. 얻을 수 있을 때 설치합니다. 창의적인 통찰력을 최대한 활용하세요. 채널 및 파트너별 결과(사용 가능한 경우) 상위 유입경로 데이터 및 하위 유입경로 데이터. 자체 앱 내 자사 데이터: 신규 사용자, 참여 패턴, 가입, 구매. 모든 데이터 소스에 대한 입찰 및 예산, 정규화 및 표준화.

현실은 점점 더 어려워지고 있다는 것입니다. 광고 식별자에 대한 마지막 클릭은 간단했습니다. 이제 모바일 성장 전문가에게는 단순한 모바일 트래커가 아닌 완전한 마케팅 데이터 인프라가 필요합니다. 그런데 모바일 광고뿐만 아니라 그 이상에서도 이러한 기능이 필요합니다. 옥외, TV, 웹 및 기타 채널이 중요해지기 시작했습니다.

모든 신호를 결합하는 동시에 소음을 억제하여 성장을 위한 통찰력을 생성하는 것이 다음 과제입니다. 그리고 MMM은 차세대 어트리뷰션의 일부로 그 테이블에 자리잡고 있습니다.

우리에게 이야기하세요

차세대 분석 및 기여를 통해 미래의 마케팅 성장을 보장할 수 있는 방법에 대해 자세히 알아보고 싶으십니까?

우리에게 알려주십시오 . 곧 연락드리겠습니다.