Hoe werkt de Marketing Mix Model-budgetsimulatie?

Waar attributiemodellen (zie dat artikel) per bestelling credit verdelen op basis van klikgedrag, kijkt de Marketing Mix Model (MMM) juist kanaalbreed: hoeveel van je totale omzet is historisch gezien toe te schrijven aan de uitgave per kanaal, los van welke klik het laatst plaatsvond.

Het model

Valtracs gebruikt een Bayesiaans mediamix-model (via het open-source PyMC-Marketing-framework) met twee kernaannames per kanaal:

• Adstock (nasleep-effect) -- de uitgave van een week blijft nog een aantal weken meewerken aan omzet, niet alleen in de week zelf. Dit vervalt geometrisch, tot maximaal 8 weken terug.
• Verzadiging (saturation) -- de eerste euro's uitgave in een kanaal leveren meer op dan de laatste; het model neemt afnemende meeropbrengsten mee in plaats van een simpele rechte lijn tussen uitgave en omzet.

Het model wordt maandelijks opnieuw gefit op je eigen historische data (niet vooraf getraind op andere winkels), en levert per kanaal een geschatte bijdrage aan omzet plus een marginale ROI: wat de eerstvolgende euro in dat kanaal naar verwachting oplevert -- een ander en vaak relevanter getal dan de gemiddelde ROAS tot nu toe, juist voor de vraag "waar kan ik het beste bijschalen".

Wat je ermee kan

In de budgetsimulator kan je een ander budget per kanaal invoeren en ziet direct de door het model verwachte omzet-uitkomst, gebaseerd op dezelfde adstock- en verzadigingscurves. Dit is een schatting met onzekerheid, geen garantie -- het model wordt bewust bescheiden qua rekentijd gehouden (dit is een maandelijkse batchberekening, geen realtime research-fit), en de kwaliteit hangt af van hoeveel historische spreiding in je eigen budgetten aanwezig is. Hoe meer je in het verleden al varieerde tussen kanalen, hoe beter het model kan leren wat daadwerkelijk het verschil maakte.