丨目录：

1.  分析背景

2.  分析场景

3.  解决方案

4.  案例应用

▐ 分析背景

媒体类型和销售渠道不断变化，客户旅程变得越来越复杂，单一活动层面的优化已经不能满足客户诉求，品牌方需要在战略和活动层面形成营销的完整视图，完成营销渠道之间效率优化，实现最高的投资回报率。举例来说，线下广告投放，活动促销，私域流量运维，价格定位以及宏观经济条件等都会对整体销量产生影响，营销渠道正越来越多元化，需要对整体营销影响进行解释，因此，需要一种方法来解释销量/营销的组成，量化各影响因素，在宏观层面上，营销到底给商家带来了多少销量，如何量化各个营销因子的贡献，如何进行合理的预算分配，这是战略层面需要解决的问题。

▐ 分析场景

营销组合模型可以帮助品牌方在宏观层面上了解营销组层，辅助预算分配，其分析场景包括3个方面：

1：帮助业务了解驱动因子以及产生的结果。

例如哪个营销渠道带来更多的销量，增加了多少百分比？这里的驱动因子除了营销之外，还包括了定价、竞争活动等，MMM模型可以充分将销量量化到这些因子身上。

2：优化营销开支分配。

MMM作为一个整体渠道（包含了线上和线下）的宏观分析工具，可以用于优化预算开支，对表现良好或不好的渠道进行有条件性的决策，

3：模拟营销表现。

营销组合模型能够帮助业务进行策略性的模拟，通过调整某些因子的值比如下调价格，或增加广告投入，以此来查看销量变化了多少。

▐ 解决方案

方案1：营销组合模型

什么是营销组合模型？

营销组合模型(Marketing Mix Model，简称MMM)是一种统计建模技术（如回归技术），通过该技术可以衡量和预测不同营销投入对销售的影响，从而了解宏观整体的marketing effectiveness并用来在不同的营销渠道中决定最优的预算分配。

MMM的统计分析技术最早由计量经济学家发明，早期用在快消品行业，后续MMM从学术圈带到市场，成为了一个广泛应用的营销分析工具，营销组合模型中的Mix最早指的是Mix of 4Ps（Product，Price，Place & Promotion），MMM分析的目的最早就是为了衡量并找到这4P的最优组合，同时测量并预测不同的营销活动对销售的不同影响。

随着数字营销的广泛普及，除了传统的4P变量，营销投入变得更多元化，比如互联网数字广告、电视、广播、邮件，MMM模型的输入变量可以包含如下几种（下面会详细介绍）：

• Product data 产品数据：主要指品牌产品的基本属性。

• Competing data 竞品数据：主要指行业竞品产品的基本属性。

• Economic data 宏观经济数据：主要指能代表产品所属的宏观经济环境的指标。

• Marketing data 营销数据：主要指不同广告渠道投入的各类指标。

• Conversion data 转化数据：主要指营销目标转化指标。

MMM有什么用？

• 营销因子衡量：更好地了解营销渠道与销量之间的关系。

• 预算分配：获取高投资回报率的营销渠道和低投资回报率的营销渠道，最终更好地优化营销预算。

• 模拟预测：根据给定的各个不同营销渠道的输入预测未来的转化。

营销组合模型的基本步骤

营销组合模型的基本步骤如下所示：

Step1 数据准备

MMM模型需要先准备各类数据，包含数据的种类、粒度与组织形式。

• 该模型的数据种类包含5大类，主要是产品数据、竞品数据、宏观经济数据、营销数据以及转化数据，以某个品牌为例，其数据的种类如下：

  • 产品数据，包括品牌所有商品的平均价格、商品的加权价格（即主流商品的平均价格)、商品的折扣等。

  • 竞品数据，包括竞品的主流商品的加权价格等。

  • 宏观经济数据，包括代表宏观经济环境的指数数据（如CPI、GDP）以及季节性因素（包括是否节假日、是否有大促)等。

  • 营销数据，包括不同渠道的营销投入数据，如线上数字广告，电视广告，广播广告，线下大屏广告的开销，曝光量，点击量，触达人数等

  • 转化数据，包括品牌的销量金额、人数等。

• 该模型是一个宏观分析模型，数据粒度一般是周或月。

• 该模型是一个长周期分析模型，为了保证模型的训练有足够的样本，数据涉及的周期需要超过1年以上。

Step2 数据处理

对于收集到的不同种类的数据，需要进行一些数据，通过业务判断结合一些数据处理方法

缺失值处理

• 估算：估算是一种用估计值填充缺失数据的方法，均值，中位数是最普遍的方法。

• 预测：时间序列预测缺失的数据值。

• 置零：当数据仅在一天内发生交易或促销活动时可用时，可简单地用零替换丢失的数据，以表示当天没有交易或促销。

• 删除：若缺失值较多时，删除缺少数据的更明智。

数据转换

在mmm模型中，一些因子（如数字广告、tv广告）对销量不是线性增长关系，这意味着，广告的增加只能在一定程度上增加销量，一旦达到饱和点，每增加一单位广告投入对销量的影响就会减少，因此，对这些非线性因子需要进行一些转换，从而将它们包含在线性模型中，数据转换主要用于数字广告、tv广告、线下广告等主动广告营销因子，包含如下2个方面：

1. 广告的衰退或滞后效应 不同的媒体其广告的滞后效应可能较大差异，比如以曝光为主的媒体，其广告被用户想起来的时间可能较长，再如电视上播放的广告可能会被记住的时间更长，一般使用adstock公式来描述广告对用户行为的滞后效应，如下所示，t时刻的影响由t时刻本身的投入以及t-1时刻的影响组成：

1. 广告的饱和或收益递减效应 大多数广告都会对销量产生非线性影响，并且它们呈现出收益递减效应，初始广告支出几乎没有影响，直到某个阈值，之后会对销量产生明显的影响，随着投入达到饱和点，这种影响趋于减弱，其影响最小，可以以s曲线变换的形式捕获整个影响，曲线公式和模拟图。

Step3 模型训练

为了保证因子贡献的可累加性，MMM模型在业务上一般选用多元线性回归模型（其公式如下）自变量β是价格，广告投入，宏观经济，线下促销等，因变量通常是销量（或市场份额），在下面这个方程中，自变量与因变量（销量）都是线性的关系，但是根据因子的转化技术可以呈现非线性关系（如上面的各种广告因子，将其进行处理后得到的β是一种带有衰退效应或延迟效应的变量），通过回归分析生成的模型，有助于量化每个输入的影响，方程系数用于描述某个变量一个单位的投入价值的增加带来的销量的增加，即边际贡献。

Step4 分析决策

MMM模型结果可以通过分析支持不同的决策：

解释整体销量的组成：将历史数据输入MMM模型能够得到不同因子的销量贡献，如数字广告贡献了40%的GMV，折扣贡献了20%的GMV，从而帮助决策者在大盘上对生意有一个宏观理解，辅助其进行预算分配。

模拟与预测销量变化：将因子的变化输入MMM模型能够得到销量变化，如数字广告投入增加10%，销量预计增加8%，从而帮助决策者评估变化影响。值得注意的是，因子的变化需要综合考虑，在现实情况下不会存在只有某个营销因子指标升高或降低，其他因子都不发生变化的情况（此外，mmm模型也有可能未考虑全的因子，如某些因子没有纳入），因此，通过模型模拟和预测的销量变化需要在一定业务范围内考虑。

方案2：营销组合与归因模型融合

营销组合模型和归因模型的区别

1. 归因模型的侧重点在于数字营销渠道的最优组合，而MMM 不仅是数字渠道，还有传统媒介、经济因素、行业、竞品等。

2. MMM是一个“宏观”模型，依赖于市场层面的数据(多数以周、月为单位) 归因模型是个“微观”模型，在用户层面做分析，追踪用户（秒级）的广告行为和转化行为。

如何选择？

1. 品牌在线上线下都持续投入营销，至少需要超过60天以上，线上线下都有销量，要理解完整的用户购买旅程，就要同时考虑到线上和线下这两边的触点，则可以考虑mmm。

2. 普通的线上店铺，营销渠道仅数字渠道，则选择归因模型。

MMM+MTA融合模型

广告数据往往不够宏观，比较稀疏，比如分配到每个渠道的时候，某些渠道的数据可能缺失值非常多（即品牌方并没有投放过这些渠道，或者投放并不持续导致长周期内的缺失值较多），从而导致模型精准度下降，或者根本就无法使用这些渠道作为MMM的营销因子，最终无法直接通过mmm模型进行分摊解释，为了能够将营销因素解释到广告渠道级别，行业内经典的做法是，引入MTA （即归因模型)，形成MMM+MTA融合模型，具体来说，如下图所示，会将模型分成两步。

1. 将所有的数字广告作为一个整体因素，与其他因素通过mmm模型进行因子分摊贡献，这个步骤就是上述的传统的MMM模型。

2. 数字广告的贡献再通过MTA (归因模型）进一步分摊到各个广告渠道或各个人群。

▐ 案例应用

MMM模型一般主要应用包括如下两个方面。

解释销量组成

通过MMM模型，能获取到各个因素的销量贡献，从而形成全局的销量组成，如下图所示，在整体销量（1000）组成里面，有30%的销量是产品自身运营的基准销量（只与宏观经济有关） ， 数字营销（数字广告）带来了50%的销量？产品打折会带来了20%的销量，竞品的折扣是一个负向因子（即竞品打折会导致销量被抢占）。

营销模拟与建议

MMM模型可以应用于模拟与预测，可以用于回答改变营销因子后可能引起的销量变化，如下图所示，当数字广告投入增长10%后其销量也增长了10%，数字广告增长20%后，其销量增长16%（说明mmm营销因子的投入是具有饱和效应的），同样，因子中的负面销量也可以进行模拟，如图当竞品折扣增长10%后，销量会下降2%。

关于我们

阿里妈妈SDS(Strategic Data Solutions)团队，致力于用数据让商家和平台的增长战略更加科学有效。我们为阿里妈妈全线广告客户提供营销洞察、营销策略、价值量化及效果归因的技术服务。

投递简历邮箱：

alimama_tech@service.alibaba.com

END

也许你还想看

丨【阿里妈妈营销科学系列】开篇：C.M.O——“人群.渠道.机会”营销分析导论

丨【阿里妈妈营销科学系列】第一篇：消费者资产分析

丨【阿里妈妈营销科学系列】第二篇：消费者行为分析

丨【阿里妈妈营销科学系列】第三篇：受众沟通和品牌认知评价

丨【阿里妈妈营销科学系列】第五篇：多渠道组合路径效率评价

欢迎关注「阿里妈妈技术」，了解更多~

疯狂暗示↓↓↓↓↓↓↓