Optimalizujte svůj marketingový mix

a zlepšete svou návratnost investic

Modelování
marketingového
mixu

Co přináší Mi.MMM?

Odhalí skutečný dopad vašich marketingových aktivit

Mi.MMM je automatizované moderní modelování marketingového mixu. Představuje řešení SaaS (software as a service) pro marketingové manažery, CMO a další vedoucí pozice z marketingu se zodpovědností za výnosy. Díky němu pochopíte do detailů přínos marketingu a optimalizujete alokaci rozpočtu s cílem výrazně zlepšit svou marketingovou ROI.

Získejte jasná doporučení
pro efektivnější rozdělení rozpočtu mezi online a offline kanály

Mi.MMM je navržen, tak aby vám pomohl vyřešit současné výzvy z oblasti měření a podpořil efektivní řízení marketingu

Výzva 1

Chybí vám konstruktivní podklady k zodpovězení klíčových marketingových otázek

Navzdory dostatečnému množství reportů a analýz ředitelé a manažeři marketingu nezískávají potřebné odpovědi na klíčové otázky. 

Jaký objem zisku přinesly jednotlivé (online a offline) mediální kanály?

Jak budou ovlivněny prodeje, pokud ve svém marketingovém plánu provedu „X“ změn?

Jak velký nárůst zisku mi přináší obchodní a propagační aktivity?

Jak mám alokovat marketingový rozpočet napříč všemi kanály tak, aby mi přinesl maximální plnění KPI?

Jaká je optimální investice pro každý marketingový kanál?

Kde nejlépe ponížit investice, pokud je potřeba snížit marketingový rozpočet o „X“ %?

Výzva 2

Měření a optimalizace ROI je stále obtížnější

  • Změny ze stran iOS 14
  • Omezení 3rd party cookies 
  • Neustálý přesun zákazníků mezi onlineoffline prostředím
  • 10 a více zařízení připojených k internetu připadne v průměru na jednu domácnost
  • Stoupající počet marketingových nástrojů, které reportují ve svůj prospěch
  • Pokles možností, jak sledovat chování uživatelů, ztěžuje získávání spolehlivých výsledků z nástrojů multi-touch atribuce

Příklad vyhodnocení MMM pro evropskou online značku DTC

Identifikujte skryté příležitosti pro růst nebo úsporu nákladů

Výsledky ROI (návratnosti investic) po kanálech

Zlepšení díky změně rozdělení rozpočtu
(stejné investice, ale jinak přerozdělené mezi kanály, zohledňuje klesající výsledky kanálů): zvýšení zisku o + 14 %

6 pilířů Mi.MMM

Automatizované MMM řešení vychází ze základů strojového učení

Optimalizace rozpočtu

Najděte nejlepší rozdělení marketingového rozpočtu mezi všechny kanály, abyste dosáhli co nejvyššího zisku pomocí optimálního rozdělení marketingového rozpočtu mezi všechny kanály.

Jasná doporučení, kde byste měli zvýšit/snížit výdaje a o kolik.

Obvyklá skrytá příležitost je 8–15% úspora nákladů.

Porozumění inkrementu

Identifikujte skutečný inkrementální přínos zisku (či jiných KPI – profitu, instalací aplikací nebo akvizici nových zákazníků…).

Mi.MMM může být kalibrováno za pomoci marketingových testů a experimentů. Díky tomu dojde ke zpřesnění výpočtu MMM, jelikož do modelu budou zahrnuty vybrané body v čase, u kterých byl experimentem potvrzen přínos daného kanálu / marketingové aktivity.

Identifikujte a změřte dlouhodobý účinek budování značky nebo jiných brandových aktivit.

Plánování a modelování scénářů

Pomocí intuitivního uživatelského rozhraní modelujte různé scénáře „co by se stalo, kdybych změnil investici v kanálu X o Y“.

Vyzkoušejte různá omezení, jako například: „Investice do televize se mohou oproti loňskému roku zvýšit maximálně o 20 %“ a najděte nejlepší rozdělení rozpočtu vzhledem k těmto omezením.

Zahrňte očekávané změny v cenách médií.

Automatická integrace dat

Online mediální data, offline mediální data, externí signály, jako je počasí atd. – to vše lze stahovat automaticky a zapracovat do MMM výpočtu.

Data na úrovni trhu a konkurence.

Kontinuální zpracování

Denně aktualizované výsledky a přehledy modelů máte k dispozici prostřednictvím uživatelského rozhraní a integrace s předními nástroji BI (Tableau, PowerBI, Google Data Studio,…).

Výsledky a signály z Mi.MMM lze integrovat do vašich platforem a nástrojů pro bidding.

Bez cookies a s ochranou osobních údajů

Nejsou potřeba data na úrovni uživatele ani data založená na cookies.

Ochrana soukromí je na prvním místě.

Kolik stojí Mi.MMM?

Cenové nabídky

Jednorázová analýza MMM

31 990
  • Jednorázová MMM analýza
  • Příprava dat a vyhodnocení
  • Komplexní výstup s doporučeními ohledně optimalizace marketingových výdajů
  • Exekutivní shrnutí pro CMO
  • Workshop s našimi konzultanty k diskusi nad výsledky


MMM Basic

6 190 měsíčně
  • Automatizovaný MMM s denní aktualizací
  • Optimalizace rozpočtu
  • Vizualizace v Tableau, PowerBI nebo Google Data Studio
  • Průběžný přehled výpočtů a denní aktualizace výsledků
  • Až 2 souběžné modely
  • Automatizované zpracování dat a příprava
  • Bez dlouhodobého závazku – možnost službu kdykoliv zrušit
  • E-mailová podpora
  • K implementaci není potřeba IT
oblíbené

MMM Enterprise

Cena na míru pro větší detail nás kontaktujte
  • Vše z nabídky MMM Basic
  • Modelování scénářů
  • Neomezené množství modelů
  • Vyhrazený konzultant / analytik
  • Pravidelné výsledky a doporučení pro váš marketingový tým
  • K implementaci není zapotřebí IT
  • Školení interního týmu
  • Enterprise-level SLA

Napište nám

Obratem se ozveme a domluvíme se s čím vám můžeme pomoci.

Nabídka Implementace
- Jednorázová analýza MMM

Napište nám. Obratem se vám ozveme a domluvíme se na dalších krocích.

Nabídka implemetace
- MMM Basic

Napište nám. Obratem se vám ozveme a domluvíme se na dalších krocích.

Nabídka Implementace
- MMM řešení na míru

Napište nám. Obratem se vám ozveme a společně se domluvíme na dalších krocích.

Choose the Right Tier for You

PREMIUM

Choose the Right Tier for You

STANDARD

Choose the Right Tier for You

GROWTH

Choose the Right Tier for You

STARTER

Coming Soon

Predictive analytics in GA4

One of the new and exciting features of GA4 is called “predictive metrics” – with these you can learn about your customers and their shopping behavior. These are added automatically to your data and are based on Google’s machine learning expertise.

GA4 currently includes the following predictive metrics:

  • Purchase probability: The probability that a user who was active in the last 28 days will log a specific conversion event within the next 7 days.
  • Churn probability: The probability that a user who was active on your app or site within the last 7 days will not be active within the next 7 days.
  • Predicted revenue: The revenue expected from all purchase conversions within the next 28 days from a user who was active in the last 28 days.

You can create audiences based on these values and leverage them in your advertising campaigns – for example, you could exclude users who have a high purchase probability as you may assume that these users will buy anyways and you don’t have to spend additional marketing dollars on them (test it) or try to win back an audience with higher churn probability with a special campaign or communication.

Data export to BigQuery

Google BigQuery is a cost-effective and highly-scalable cloud data warehouse optimized for high performance on very large data sets. With GA4 you can export all your event-level data to BigQuery for additional analytics or data science initiatives.

Example use cases might be

  • Joining GA4 data with other sources in your company – CRM, customer data, backend sales, and margin data.
  • Using GA4 data for advanced customer analytics for a better understanding of customer lifetime value or churn prediction.
  • Automate reporting in your BI tool.
  • Move the data to your on-premise or cloud data lake and data warehouse.

Example use cases might be

  • Joining GA4 data with other sources in your company – CRM, customer data, backend sales, and margin data.
  • Using GA4 data for advanced customer analytics for a better understanding of customer lifetime value or churn prediction.
  • Automate reporting in your BI tool.
  • Move the data to your on-premise or cloud data lake and data warehouse.

You will need to have a Google Cloud account set up and maintained for this purpose. That is why we are here and can solve all the infrastructure for you and with you!

Free data driven attribution in GA4

Since 1/2022 GA4 has made a data-driven attribution model available to all users – unlike in Universal Analytics where the DDA model was only available to GA360 customers.

DDA is an algorithmic attribution model that quantifies the value of each touchpoint in the user journey (such as campaign click) and it does so by smart modelling behind the scenes without human bias that is always present in rule-based models.

The DDA model in GA4 is also better than the one on GA360 as it takes into account up to 50 touchpoints in the user journey vs. the GA360 only took 4 touchpoints.

It is also possible to set the default attribution model to DDA (or another model) from the old Last Non-Direct Click. And then all your reports and data exported to BigQuery will use the newly selected model as default.

DDA in Google Analytics 4 excludes almost all direct visits from receiving credit – you may or may not like that, but as it’s been always the case with attribution we recommend validating any model using marketing experiments.

World without Cookies and GA4

GA4 is built for a world where more and more users opt out of cookie consent and other methods for data collection.

Google uses machine learning modeling to fill in the data gaps – some of these are already in the current GA4 others will be deployed in the future.

For example, modelling conversions allows GA4 to properly attribute conversions without user identification – this is crucial for optimized advertising campaigns and automated bidding. This covers situations such as some browsers limiting the time window for first-party cookies, conversions for unconsented users, Apple’s App Tracking Transparency (ATT) impacts, cross-device user behaviour, and others.