14.12.2017 | Analytiikka

Ekonometrinen mallinnus ja 30 % kasvu markkinoinnin tuottoon

Dagmar on tehnyt vuosien 2012-2017 aikana noin 150 ekonometristä mallinnusta Suomessa toimiville eri toimialojen yrityksille. Mallinnusten hyödyntämiseen sekä liiketoiminnan ja markkinoinnin haasteiden ratkaisuun on kehitetty oma skenaariotyökalu. Jatkuvan mittauksen ja skenaariotyöskentelyn ansiosta markkinoinnin tuottoa voidaan kasvattaa ensimmäisen vuoden aikana keskimäärin 30 %.

 

Ekonometrisissä mallinnuksissa voidaan tutkia erilaisia liiketoiminnan mittareita, kuten liikevaihtoa, myyntikappaleita, asiakasvirtaa, verkkotrafiikkia tai sovelluslatauksia. Mallinnukset auttavat ymmärtämään sisäisten ja ulkoisten tekijöiden vaikutuksia mittareihin ja optimoimaan markkinointitoimenpiteitä yhä tehokkaammiksi.

Perusasiat kuntoon

Ekonometrisissä mallinnuksissa pätee klassinen sääntö Gargabe in-Garbage out. Tärkeintä on datan kuranttius: datan on oltava saatavilla, luotettavaa ja kuvattava haluttua ilmiötä. Viimeisin näistä on äärimmäisen tärkeä koko mallinnuksen onnistumiselle: lähtödatan on kuvattava ilmiötä, jota halutaan mitata.

Kun halutaan selvittää esimerkiksi sitä, kuinka paljon digitaalisessa kanavassa näytetyt mainokset tuottavat myyntiä, mallinnuksessa ei voi käyttää euromääräistä suuretta, koska se antaa virheellisen kuvan näkyvyydestä. Väärän suureen käyttö selittävänä tekijänä vaikuttaa lähes aina negatiivisesti tulosten hyödynnettävyyteen. Pahimmillaan se tuottaa myös virheellisiä johtopäätöksiä eri tekijöiden vaikutuksista.

Menetelmistä

Jos lähtödata ei ole kunnossa, edistyneinkään menetelmä ei saa luotettavasti selville sisäisten ja ulkoisten tekijöiden tai markkinointitoimenpiteiden yhteyttä liiketoiminnan mittareihin.

Sanotaan, että yksinkertainen on kaunista ja niin on tässäkin tapauksessa. Kokemustemme perusteella monimutkaisten menetelmien käyttäminen ei välttämättä tuo vaadittua lisähyötyä suhteessa niistä aiheutuviin haittoihin.

Menetelmän valintaan vaikuttaa viime kädessä se, mihin kysymyksiin halutaan vastauksia: kuinka paljon painoarvoa annetaan esimerkiksi mallin ennustekyvylle tai sille, että voidaan määritellä ja selittää yksittäisen tekijän vaikutuksia hyvinkin tarkalla tasolla.

Skenaariotyökalu mallinnuksen tulosten konkretisointiin ja hyödyntämiseen

Mallin rakentaminen on vasta pohjatyötä kokonaisvaltaisen näkemyksen tuottamiseen. Ekonometrinen mallinnus saadaan hyödynnettyä maksimaalisesti ennustavan skenaariotyöskentelyn avulla. Sitä varten Dagmar on kehittänyt web-käyttöliittymällä varustetun työkalun.

Skenaariotyökalu mahdollistaa tulosten hyödyntämisen kampanjoiden optimoinnissa ja se on tehokas apuväline liiketoiminnan ja markkinoinnin haasteiden ratkaisuun. Työkalun avulla voidaan ennustaa myyntiä (tai muuta mallinnettavaa suuretta) erilaisten input-skenaarioiden perusteella, jolloin voidaan vastata muun muassa seuraaviin kysymyksiin:

 

Screenshot Dagmarin kehittämän skenaariotyökalun käyttöliittymästä.

 

Avainroolissa jatkuva prosessi

Ekonometrisen mallinnuksen hyödyt kotiutuvat parhaiten jatkuvassa prosessissa, jossa malleja päivitetään säännöllisesti tuoreella datalla. Näin esimerkiksi mallien ennustetarkkuus säilyy ja ROMI:n kehitystä voidaan seurata. Jatkuva prosessi avaa tien ”testaamisen ja oppimisen”-kulttuuriin: esimerkiksi uusien sisältöjen, konseptien, toimenpiteiden ja kanavien toimivuudesta saadaan nopeasti palautetta.

Skenaariotyökalun avulla liiketoiminnan mittareille tehdään ennusteet, joiden toteutumista voidaan seurata reaaliaikaisesti. Ennustetarkkuus paranee koko ajan lisääntyvän datan myötä. Jatkuvan mittauksen ja skenaariotyöskentelyn ansiosta markkinoinnin tuottoa voidaan kasvattaa ensimmäisen vuoden aikana keskimäärin 30 %. Ekonometrinen mallinnus maksaakin itsensä takaisin hyvin nopeasti, jopa 17-kertaisesti ensimmäisen vuoden aikana.

Kun haluat lisätietoa mallinuksen saloista tai saada käyttöösi kehittämämme ennustetyökalun, ota yhteyttä: Senior Data Scientist Ilkka Keskiväli, ilkka.keskivali@dagmar.fi

 

Lue myös:

HS ja Dagmar avasivat markkinoinnin vaikutusmekanismeja

Ilkka Keskivali

Ilkka Keskivali

Ilkka Keskiväli on Senior Data Scientist, jonka intohimona on tutkia dataa ja pyrkiä selvittämään sen taakse kätkeytyvää totuutta. Lahtelaisena futismiehenä aika kuluu kentän laidalla ja VR:n kyydissä.

Lisää aiheesta