メディアへの投資が機能していることを、どうクライアントに証明すればよいのでしょうか。ROASのスクリーンショットから話を始めるのはやめましょう。クライアントがいま信頼する証拠は三つの要素で構成されます。各チャネルがベースラインにどれだけ上乗せしたかを示すモデル、それを裏付ける実験、そして数字が動いた理由を説明するエビデンスです。マーケティング・ミックス・モデリングが再び注目されているのは、その一つ目をうまく担えるからです。
最新の実例は湾岸地域から届きました。Campaign Middle Eastによると、パフォーマンスエージェンシーのTRKKNは、Googleのオープンソースのマーケティング・ミックス・モデルであるMeridianを使い、ビューティー小売企業Facesの3年分のデータを分析しました。11チャネルにわたる分析の結果、既存予算を再配分するだけで、8.5%の増分売上の向上と10.8ポイントのROI改善が見込まれました。
マーケティング・ミックス・モデリングは、なぜ再び注目されているのでしょうか？
ほかの手法では誰も納得しなくなったからです。プラットフォームのダッシュボードは、自らがもたらしたと考えるコンバージョンを報告します。つまり、メディアを販売するプラットフォーム自身がその効果を測定しているのです。ラストクリック・アトリビューションは、最後に接触したタッチポイントに貢献を与えるため、検索やリターゲティングを過大評価し、そもそも需要を生み出した施策を冷遇してしまいます。
MMMは別のアプローチを取ります。オフラインを含むすべてのチャネルについて支出と売上を時系列で分析し、それぞれがベースラインを超えてどれだけ貢献したかを推定します。個々のユーザーを追跡する必要はありません。さらに、Meridianのようなオープンソースの選択肢が登場したことで、導入の障壁は高額なライセンス料ではなく、データエンジニアリングと専門知識になりました。
FacesのデジタルマーケティングディレクターであるHarry Lonerganは、Campaign Middle Eastにこう語っています。「Meridianのおかげで、ラストクリックのパフォーマンスに見えるものから一歩先へ進むことができました」。これこそ、多くのクライアントが口にしたいと思っている言葉です。
FacesとTRKKNの事例は、実際に何を示したのでしょうか？
詳細は一読の価値があります。そのままテンプレートとしても使えるからです。TRKKNは、Facesの既存のGoogle Cloud環境内で、データエンジニアリング、モデル構築、導入を主導しました。モデルは、2023年から2025年までのサウジアラビアにおけるオンラインとオフラインのマーケティングデータおよび売上データを対象としました。
重要なアウトプットは三つありました。第一に、どのチャネルが増分売上を生んでいるかを示し、売上の19%がキャンペーンによるものだと特定しました。第二に、各チャネルのレスポンス曲線と飽和曲線を推定し、追加支出がどこで収穫逓減に陥るかを示しました。第三に、予算シナリオをモデル化しました。8.5%という数字はここから導き出されたものです。分析では、Performance Maxが最も強力なチャネルとなりました。
エージェンシーが求めなかったものに注目してください。追加予算です。提案は、すでにある予算を動かすことでした。また、このフレームワークは一度限りのレポートではなく、新しいデータが入るたびにROIを再評価する継続的なものです。TRKKNのマネージングディレクターであるVimal Badianiは、こう述べています。「マーケターに、より良い意思決定を行うためのエビデンスと自信を与えることなのです」。
クライアントがメディアROIを信じるには、どのようなエビデンスが必要でしょうか？
単一の手法だけでは不十分です。各レイヤーはそれぞれ異なる問いに答え、それぞれ異なる弱点を抱えています。
| エビデンスのレイヤー | 答える問い | 代表的な手法 | 弱点 |
|---|---|---|---|
| プラットフォーム報告のROAS | このチャネルは、それ自身の尺度で見てどれだけ効率的だったか？ | 広告マネージャーのレポート | 自己採点であり、増分効果を無視している |
| マーケティング・ミックス・モデリング | 各チャネルはベースラインを超えてどれだけ上乗せしたか？ | 数年分の支出と売上の統計モデル | 「何が」は説明できても「なぜ」は説明できない。一貫したデータが必要 |
| インクリメンタリティテスト | このチャネルがリフトをもたらしたのか？ | ジオホールドアウト、コンバージョンリフト調査 | 時間がかかる。通常は一度に1チャネルずつ |
| 飽和曲線 | 追加支出はどこで回収できなくなるか？ | MMMの出力 | 精度は基となるモデル次第 |
| オーディエンスと競合のエビデンス | 成果はなぜ動いたのか？ | ソーシャルリスニング、競合広告の分析 | 実データに遡れない限り、逸話の域を出ない |
多くのエージェンシーは1行目だけを提示し、あとは祈るばかりです。予算を守り抜くエージェンシーは、5つすべてを提示します。
メディア予算は、なぜ誤った場所に配分されてしまうのでしょうか？
経済学者はこれを「市場の失敗」と呼びます。市場は、買い手と売り手が十分な情報を持っているときには資源をうまく配分します。情報が欠けていたり、一方の側に偏っていたりすると、お金は誤った場所に流れ、そこにとどまり続けます。
メディアバイイングはその典型例です。クライアントには、プラットフォームが見ているものが見えません。エージェンシーはクライアントより多くを見ていますが、少なくとも部分的には、支出額に連動した報酬を受け取っていることが少なくありません。プラットフォームは自らのパフォーマンスを報告します。誰もが部分的な情報に基づいて合理的に行動し、その結果、ラストクリックで見栄えのよいチャネルに予算が積み上がる一方で、需要を生み出すチャネルは予算不足に陥ります。Facesがすでに支出していた予算を動かすだけで8.5%の向上が見込まれたという事実は、事実上、その配分の誤りの大きさを示しているのです。
解決策はデータを増やすことではありません。明確さを共有することです。ビジネスの世界では、明確さがつながりを生みます。クライアントとエージェンシーが同じエビデンスを見て、同じように読み解けば、話し合いは支出の正当化から、次にどこへ投じるかの決定へと移っていきます。
クライアントが信頼するメディアROIのストーリーは、どう構築すればよいのでしょうか？
- ビジネス成果とベースラインを合意する。売上、新規顧客、利益率のいずれかを定め、マーケティングを行わなかった場合に何が起きていたかを率直に見積もります。
- 一貫したデータ履歴を揃える。オンラインとオフラインのチャネル別の支出と成果に加え、価格設定、プロモーション、季節性のデータを集めます。Facesは11チャネル・3年分のデータを使用しました。
- モデルを実行する。Meridianのようなオープンソースのモデルを使うか、専門パートナーに依頼します。単一のROI数値ではなく、チャネル別の貢献度と飽和曲線を求めましょう。
- 1つの分析結果を実験で検証する。モデルが予算過多と判断したチャネルでジオホールドアウトを行うのが、最も説得力のあるテストです。
- 理由を説明する。チャネルごとの分析結果に、実際に発信され、目にされた内容を組み合わせます。出稿したクリエイティブ、競合がローンチしたもの、オーディエンスの会話がどう変化したかです。
- 要求ではなく、再配分を提示する。既存予算を動かすシナリオと、それによって見込まれる成果を示します。
- モデルを更新し続ける。新しいデータが入るたびに再実行すれば、ROIは年に一度の論争ではなく、常に続く対話になります。
メディアROIにおいて、クリエイティブとローカルな文脈はどう位置づけられるのでしょうか？
MMMは、どのチャネルが機能したかを教えてくれます。しかし、メッセージが何をもたらしたかについてはほとんど語りません。そしてこのギャップは重要です。Campaignは、Publicis London、System1、Effieによる新たな調査を報じました。グローバルキャンペーンとローカル市場向けの施策を比較したこの調査では、グローバルキャンペーンのほうが商業的な成果が少ないことがわかりました。メッセージと市場の適合度がそれほど成果を左右するのであれば、チャネルだけの説明は答えの半分にすぎません。
これは、多くのROI資料に欠けているもう半分です。第3四半期にペイドソーシャルが期待を上回ったとモデルが示せば、クライアントが次に尋ねるのは「なぜか」です。クリエイティブのおかげでしょうか？競合が鳴りを潜めたからでしょうか？オーディエンスの話題が変化したからでしょうか？Defy Monitorは、AIが導き出したすべての結論を、その背後にある実際に公開された投稿まで遡ることで、この問いに答えます。戦略は、アンケートではなく、オーディエンスや競合が実際に発信している内容からリバースエンジニアリングされます。Defy Monitorは測定の代わりではなく、測定と並行して活用するもので、Defyのプラットフォームの一部です。
