Facebook 广告的营销组合模式

本章节的核心学习要点：

1.洞悉营销组合模型（MMM）于商家媒体预算分配方面的显著价值。

2.明晰构建营销组合模型所运用的方法。

简介

假设您在汉堡连锁餐厅 Patty Stack 的市场部门任职。上级让您为次年编写一份营销规划，并制定预算方案，详细阐述您计划怎样运用营销资金。为达成此项任务，您得清楚不同营销举动（比如电视广告、促销活动、Facebook 广告等）对去年销售成果的影响状况。营销组合模型能够辅助您剖析去年的数据，从而知晓哪些措施有效，预测未来哪些做法能收获良好成效，明确次年怎样最优地分配预算以提升成果。在本章节，我们将深度探究营销组合模型是什么，以及在成效衡量策略中纳入它所具备的重大价值。

定义

营销组合模型也被称作 MMM 或媒体组合模型，属于一套以数据驱动的统计分析手段，用于量化营销活动对销售成果的增量影响以及投资回报率（ROI）。营销组合模型由来已久，是涵盖线上与线下的一整套跨渠道销售成效衡量解决方案。

运作方式

营销组合模型依据历史数据来量化各类变量对销售成果的影响。这些变量既包含与营销相关的，也涵盖非营销类的。最终会获得一个模型，借助该模型，营销人员能够了解哪些因素对过往的销售成果产生了作用，并预测未来营销活动的潜在结果。

营销组合模型对营销者的价值

营销组合模型运用统计模型区分营销因素和非营销因素对关键表现指标（KPI）的影响，使您能够量化自身的媒体投资对线上和线下销售成果的增量影响。获取这些信息后，您就能计算投资回报或单次成效费用等关键指标。不同垂直领域涉及的非营销因素各异，具体涵盖价格、促销、分销以及季节性等等。营销组合模型可助您解答如下问题：

①.我去年投放的电视广告的投资回报是多少？

②.在我所取得的业绩中，有多少是线上营销促成的，多少是线下营销带来的？

营销组合模型的作用不只是报告投资回报或单次成效费用。您还能够利用模型得出的结果针对不同的情境进行规划，构建前瞻性模拟或优化。营销组合模型可助您解答如下问题：

①.我的最佳媒体预算是多少？

②.跨媒体渠道的最佳媒体预算分配方案是什么？

③.未来我应当把资金投向何处？

④.我应该怎样将投资分散到全年的不同时段？

营销组合模型可协助商家通过情景规划和预测做出战略性决策，以营销之外的方式产生影响。营销组合模型可助您解答如下问题：

①.我是否应当提高价格？如果是，应提高多少？

②.促销能为业务增添增量价值吗？

③.我的业绩目标是否合理？

示例

我们再次回到 Patty Stack 的例子。在此例中，营销组合模型能助您：

您将明晰本地电视和报纸广告、Facebook 广告以及优惠时段促销活动各自对销售成果的影响程度。拥有这些信息后，您便能计算出每一项活动的投资回报。此外，借助模型得出的结果，您还能够更深入地了解季节性和新开门店等因素的影响。

模拟多种情境来辅助解答一个问题：倘若选择增加本地报纸广告和 Facebook 广告的预算，同时减少电视广告支出，结果将会如何。只要将这些数据代入模型中，您就能够优化次年的预算分配。

营销组合模型能够帮助 Patty Stack 做出其他战略性决策。例如，是否应当开设更多门店？通过评估去年新开门店对销售成果的影响，Patty Stack 能够决定投资回报是否足够高，以确定是否适合扩增门店。

营销组合模型所用的方法

营销组合模型依据历史数据来衡量不同变量对销售成果的影响。首先，建模者需要明确所有可能产生影响的变量。其中一部分变量可能与营销有关，另一部分则可能与营销无关。下面这个例子展示了影响航空公司销售成果的潜在变量。其中，营销变量以红色呈现，非营销变量以蓝色呈现

营销组合模型运用计量经济学（更确切地说，是基于假设的回归分析）来量化相关因素对 KPI 的影响。在此次分析中，所有可能影响 KPI 的因素（例如：价格点、产品分销、经济因素、媒体投资和店内促销）都被视为独立的变量。常见的 KPI 包含销售收入或销量、交易量、店铺客流量、网站访问量和购买意向等品牌指标。

营销组合模型方程

营销组合模型是呈现变量与 KPI 之间统计关系的一种数学方程。概括而言，这个方程如下所示：

建模时 (t) 的关键表现指标。

基础表现，或者说当其他所有因素都处于最小值（即，没有媒体、促销、季节性和价格影响）时的表现。

系数，或者说变量的变化对 KPI 的影响。

所得模型可基于模型中的独立变量找到使误差平方和达到最小的系数(β)，然后给出最接近的 KPI 预测值。 营销组合模型最常采用的方法是线性回归，这是一种预测分析手段，用于预估上述方程中的所有值。一旦获得模型，您便能够依据模型的系数预测 KPI 值。评估模型表现最常用的方法是将实际销售成果与通过模型预测的销售成果进行对比。预测值越接近实际业绩，表明模型的表现越出色。营销组合模型从来都不是完美的，但它们相当实用。误差越小，模型的实用性越高。

营销组合模型的实际应用

我们再次回到 Patty Stack 的例子。

假设您正在做预算，期望预估一下价格、TVR（电视收视率）和Facebook 广告投放

展示次数这三个变量对销量（您的 KPI）的影响。您依据去年的数据构建了一个营销组合模型。方程中的系数表明每个变量的变化对 KPI 的影响。

销量 = 10,000 -（5,000*价格）+ (500*TVR) +（4,000*Facebook 广告展示次数 [百万次]）拥有这个模型之后，您便能够预测到：

1.如果价格上涨$1 美元，销量会降低 5,000。

2.如果 TVR 增加 1，销量会增加 500。

3.如果 Facebook 广告投放展示次数增加 1,000,000 次，销量会增加 4,000。

您能够利用这些信息来优化次年的预算分配。当然，这只是一个简化的模型。在实际状况下，还有一些其他变量也会影响销量。

艺术与科学的结合

营销组合模型的构建是建模团队与计量经济学软件包相互作用的成果。建模团队决定在模型中纳入哪些变量，计量经济学软件包则为每个变量分配一个系数。整个过程会历经多次迭代。在获取数据、创建变量和构建模型时，建模团队需要做出成千上万的决策。

他们是构建模型的分析师，负责决定在模型中纳入哪些变量和要检验哪些假设。虽然依赖于最佳实践，但他们所做的更多的是一项艺术工作，而非科学工作。

它是统计软件包，将决定β系数（或者说不同变量的变化对 KPI 的影响）以及预估值的精准度和置信度。这是整个工作的科学部分。虽然多种不同的统计方法都可应用于此，但最常用的是基于线性回归的统计方法。

更多相关背景

下面，我们再介绍一些有关营销组合模型构建方法的背景信息。

营销组合模型通常运用 OLS（普通最小二乘法）来确定系数。OLS 是最小二乘法的一种，用于在线性回归模型中估计未知参数。OLS 会选择能够使观察数据与模型预测数据之间差值的平方和达到最小的参数。换言之，它的目标是使误差的平方和最小化。通过 OLS 确定的系数能够给出最接近的 KPI 预测值，在给定变量的情况下，使模型尽可能地接近实际状况。

建模是一个迭代的过程。建模者变更变量输入时，系数也会相应地产生变化。整个过程的最终目标是构建具有强大统计能力的合理模型（即所有系数都有意义的模型）。例如，媒体购买花费会推动销量增长，而提高价格则会致使销量下降。

评估模型优劣的一个关键要点在于误差（模型预测值与实际 KPI 之间的差值）的统计属性。任何模型都存在误差，不可能达到毫无瑕疵的境界。但我们的目标是确保这些误差具有随机性且值很小。例如，模型预测出来的结果不会一直比实际情况更高或更低。

评估模型表现的一个常用统计量是 R 方，或写作 R2。它是指总变化量在模型所能解释的 KPI 中所占的百分比。

知识测验

营销组合模型能够帮助营销者解答下列哪些问题？ 正确答案有 3 项。

1.去年秋季投放的电视广告的投资回报是多少？

2.将 Instagram 快拍预算翻倍会给销售成果带来什么影响？

3.如果提高商品价格，销售成果会怎样？

4.在投放的 Facebook 节日季广告中，哪项广告创意的表现最好？

营销组合模型的构建是建模团队与计量经济学模型相互作用的结果。建模者在其中扮演什么角色？

1.为总是以类似方式影响销售成果的一组变量获取数据

2.提出一组可能影响销售成果的变量，并不断调整，直到为公司和所选 KPI 构建出可靠的模型

3.向营销者提供建议，说明如何有效创建广告以便成功开展营销