Media Mix Modeling: распределение бюджета между каналами
Оптимальное распределение бюджета между каналами с учётом насыщения.
Media Mix Modeling отвечает на вопрос, который не решается атрибуцией: сколько добавит следующий вложенный рубль в каждом канале. Атрибуция делит уже случившиеся продажи между источниками, MMM оценивает отдачу как функцию расхода — с насыщением. Насыщение и есть главное: у каждого канала отдача растёт не бесконечно, и после определённого объёма деньги уходят почти впустую. Правильное распределение выравнивает предельную отдачу: бюджет перекладывается из канала, где следующий рубль даёт мало, в тот, где он ещё даёт много. Метод требует истории по расходам и результатам за много периодов и работает на уровне каналов, а не отдельных кампаний.
Как открыть
Инструмент работает внутри PRO-кабинета на ваших ключах Метрики и Директа — данные клиентов никуда не копируются. Доступ — от 990 ₽/мес, первые 15 дней бесплатно и без карты.
Бесплатно и без регистрации — прямо сейчас
Соседние инструменты этой же темы, считают в браузере.
Хочешь сравнить два креатива — сколько показов нужно для уверенного ответа.…
У тебя 100 заявок и 15 сделок — реально конверсия 9-23%, а не «ровно 15%».…
2000 симуляций будущего: насколько вероятно выйти в плюс при шуме в параметрах.…
Частые вопросы
Чем MMM отличается от атрибуции?+
Атрибуция смотрит назад и делит заслуги за случившиеся продажи. MMM смотрит вперёд: как изменится результат при изменении расхода. Первое отвечает «кто привёл», второе — «куда добавить денег».
Сколько данных нужно?+
Много: как правило, год-два помесячной или понедельной истории по расходам и результатам каждого канала. На трёх месяцах модель будет описывать шум.
Подходит ли малому бизнесу?+
В полном виде редко: не хватает ни истории, ни числа каналов. Но сама идея убывающей отдачи применима сразу — именно она объясняет, почему удвоение бюджета не удваивает заявки.
Разобрать тему
Ещё в PRO по этой теме
- 🔗 Markov Chain атрибуция — Какой канал реально привёл клиента — с учётом всех заходов и распределением заслуги между каналами. Используется в Googl…
- 🎰 Bayesian A/B тест — Вместо «значимо/не значимо» — точная вероятность что вариант B лучше A.…