Wat is Marketing Mix Modeling?
MMM kijkt op een hoger niveau dan de losse klik. In plaats van één klant door de funnel te volgen, analyseert het over een langere periode hoe je uitgaven per kanaal samenhangen met je omzet. Zo zie je het effect van een kanaal ook als je de individuele klantreis niet volledig kunt meten.
Het model houdt rekening met factoren die je met klikken nooit vangt: het effect van bereik dat pas later tot een aankoop leidt, seizoensinvloeden, prijsacties en zelfs externe factoren als het weer. Daardoor geeft het een completer beeld van wat je marketing echt oplevert, ook voor kanalen waar geen klik aan te pas komt, zoals tv, radio, outdoor of een influencercampagne.
Hoe werkt Marketing Mix Modeling?
In de kern is MMM een regressieanalyse. Het model legt je omzet over de tijd naast je media-inzet en andere factoren, en rekent uit hoeveel elk kanaal statistisch aan die omzet bijdroeg. Drie mechanismen maken het geschikt voor marketing.
Basislijn en incrementele bijdrage
MMM splitst je omzet in een basislijn, wat je sowieso zou verkopen zonder advertenties, en de incrementele bijdrage die je media daar bovenop leverden. Zo zie je niet alleen dát er omzet was, maar hoeveel je marketing er echt aan toevoegde.
Adstock: reclame werkt na
Een advertentie die iemand vandaag ziet, kan volgende week nog tot een aankoop leiden. MMM vangt dat vertraagde effect met adstock, oftewel carry-over: het spreidt het effect van media-inzet over de tijd uit in plaats van alles aan dezelfde dag toe te schrijven.
Verzadiging: elke euro werkt minder hard
Kanalen kennen afnemende meeropbrengst. De eerste euro’s in een kanaal leveren veel op, maar naarmate je meer uitgeeft wordt elke extra euro minder effectief. MMM modelleert die verzadigingscurve, en juist dat maakt het bruikbaar om te bepalen waar een extra euro budget nu het meeste oplevert.
Wat MMM meet dat klik-attributie mist
Klik-attributie is sterk in detail: het laat per klik zien wat er in de journey gebeurde. Maar het ziet alleen wat klikbaar en meetbaar is. Alles daarbuiten valt weg.
MMM vult precies dat gat. Het meet de bijdrage van kanalen zonder klik, het effect van bereik en merkbekendheid dat pas later omzet oplevert, en de invloed van factoren buiten je marketing om. Daardoor stuur je niet langer automatisch op de onderkant van de funnel alleen maar omdat die het best meetbaar is. Meer over die valkuil lees je in waarom Google en Meta je conversies dubbel tellen.
Waarom MMM nu weer belangrijk wordt
MMM bestaat al decennia, oorspronkelijk bij grote merken die tv- en printcampagnes wilden doorrekenen. Toch wordt het juist nu weer relevant. Doordat third-party cookies verdwijnen en privacyregels het individueel volgen beperken, wordt klik-attributie minder compleet. MMM leunt niet op die individuele data en heeft daar dus geen last van.
Bovendien is het toegankelijker geworden. Waar MMM vroeger maanden handwerk van dure bureaus vroeg, zijn er nu open-source modellen zoals Meta’s Robyn en Google’s Meridian die het proces grotendeels automatiseren. Daardoor komt het ook binnen bereik van bedrijven die geen groot analyticsteam hebben.
MMM versus attributie: waarom je beide wilt
MMM en attributie zijn geen concurrenten, maar twee brillen op dezelfde vraag. Attributie kijkt van onderaf: het volgt individuele touchpoints en laat op detailniveau zien welke kanalen in een klantreis zaten. MMM kijkt van bovenaf: het schat statistisch de bijdrage van elk kanaal aan je totale omzet, ook zonder die kanalen te kunnen volgen.
Het mooiste is de combinatie. Attributie geeft het detail van de journey, MMM geeft het grote plaatje van wat je budget over de hele linie oplevert, inclusief de niet-klikbare effecten. Samen vangen ze elkaars blinde vlekken op. Meer over de modellen aan de attributiekant lees je in attributiemodellen.
Incrementaliteit: de derde bril
Attributie en MMM beantwoorden allebei de vraag welk kanaal bijdroeg, de een van onderaf en de ander van bovenaf. Er is een derde manier die daar direct antwoord op geeft: gewoon uitzetten en kijken wat er gebeurt.
Dat heet een incrementeeltest. Met een geo-test zet je een kanaal in een deel van het land uit en in de rest aan, en vergelijk je de omzet tussen die gebieden. Met een holdout houd je een willekeurig deel van je doelgroep bewust buiten de campagne. In de eenvoudigste vorm zet je een campagne een periode helemaal uit en kijk je wat je totale omzet doet.
Zo’n test kost tijdelijk omzet en levert maar één antwoord per keer, dus je doet hem niet elke week. Maar hij is wel de zuiverste toets die er is, en hij is goud waard om je MMM mee te ijken: als het model en de test hetzelfde zeggen, weet je dat je op het model kunt sturen.
Waar de test het meest oplevert, is bij campagnes met een verdacht hoge gerapporteerde ROAS: remarketing, doelgroepen uit je eigen klantenbestand en campagnes op je merknaam. Daar bereik je mensen die je al kenden, en is de kans het grootst dat je betaalt voor omzet die er toch wel was.
Wanneer loont MMM, en hoeveel data heb je nodig?
Hier zit de belangrijkste voorwaarde, en meteen de reden waarom MMM niet voor iedereen is. Het is een statistisch model, en statistiek heeft volume nodig. Zonder genoeg data zijn de uitkomsten onbetrouwbaar.
Concreet vraagt een bruikbaar model doorgaans om een paar dingen: minstens twee tot drie jaar historie, of in elk geval genoeg tijdvakken om patronen en seizoenen te herkennen; voldoende omzetvolume zodat het effect boven de ruis uitkomt; en genoeg variatie in wat je per kanaal uitgaf, want als je budget nooit verandert, kan het model niet zien wat een verandering doet.
Heb je te weinig omzet, een te korte historie of nauwelijks variatie in je budgetten, dan kan het model het signaal niet van de ruis onderscheiden. Voor grotere adverteerders met flinke budgetten en meerdere kanalen levert MMM juist veel op, want daar scheelt een paar procent beter verdelen direct geld. Voor kleinere adverteerders is goed opgezette multi-touch attributie, gekoppeld aan de echte omzet, in de praktijk de betere start.
Hoe wij MMM aanpakken
Bij ons draait MMM live bij de grootste klanten. We voeden het model met dezelfde schone, first-party data die ook onze klik-attributie voedt, zodat beide op precies dezelfde bron draaien in plaats van in twee gescheiden werelden. Zo hoef je niet te kiezen tussen detail en overzicht, maar krijg je allebei in hetzelfde beeld, gekoppeld aan je echte omzet.
Diezelfde modellen gebruiken we ook voor onze prognoses en signalen: waar kom je deze maand uit, en wijkt een kanaal statistisch af? Dat draait op regressie en betrouwbaarheidsintervallen, niet op losse gemiddeldes. Meer daarover lees je bij de belangrijkste marketing KPI’s.
Veelgestelde vragen
Wat is een voorbeeld van Marketing Mix Modeling?
Stel dat je adverteert op Google, Meta én tv. Klik-attributie ziet de tv-campagne niet, want daar valt niets op te klikken. MMM legt je omzet over de tijd naast al je uitgaven en rekent uit dat de tv-campagne bijvoorbeeld voor een deel van de omzetstijging zorgde, ook al is er geen enkele klik aan te koppelen.
Wat is het verschil tussen MMM en attributie?
Attributie volgt individuele touchpoints in de klantreis en werkt op detailniveau. MMM kijkt statistisch naar het verband tussen media-inzet en omzet op een hoger niveau, zonder individueel volgen. Attributie is fijnmazig maar mist niet-klikbare effecten; MMM vangt die juist wel.
Is Marketing Mix Modeling hetzelfde als econometrie?
MMM is een toepassing van econometrische technieken op marketing. De statistische methoden komen uit de econometrie, maar MMM richt zich specifiek op het doorrekenen van media-inzet naar omzet.
Heb ik cookies nodig voor MMM?
Nee. MMM werkt op geaggregeerde data over de tijd en volgt geen individuen. Daardoor heeft het geen cookies of toestemming voor tracking nodig en blijft het overeind in een cookieless wereld.
Hoeveel data heb je nodig voor MMM?
Doorgaans minstens twee tot drie jaar historie, voldoende omzetvolume en genoeg variatie in je budgetten per kanaal. Zonder die basis kan het model het effect van je marketing niet betrouwbaar van de ruis onderscheiden.
MMM en je dagelijkse cijfers in één beeld
Het echte voordeel ontstaat als MMM en je dagelijkse klik-data in hetzelfde dashboard samenkomen, gekoppeld aan je echte omzet. Dan hoef je niet te kiezen tussen het grote plaatje en het detail, en stuur je op wat je marketing werkelijk oplevert in plaats van op wat een platform over zichzelf beweert.
Wil je weten of MMM iets voor jou is, en hoe het samenkomt met je klik-data? Bekijk hoe Conscious Attribution beide samenbrengt, of vraag de gratis analyse aan.