14.2.2019 | Data Science

ROMI – mittaamisen ABC

Hype ROMIn ympärillä on kasvanut. Aiheesta on käyty keskusteluja LinkedInissä ja kirjoitettu muun muassa Markkinointi & Mainonta -lehden sivustolla. Advanced Analytics tiimin Senior Data Scientist Ilkka Keskiväli kertoo kuuden vuoden ja yli sadan ROMI-mallinnuksen kokemuksella, mitä ROMI:lla tarkoitetaan, miten sitä mitataan ja miten sitä hyödynnetään markkinoinnissa.

ROMI "Return on marketing investments" mittaa markkinointi-investointien tuottoa. ROMI kertoo, kuinka paljon markkinointiin investoidut eurot ovat tuottaneet myyntiä, katetta tai liikevaihtoa.

 

ROMI ”Return on marketing investments” mittaa markkinointi-investointien tuottoa. ROMI kertoo, kuinka paljon markkinointiin investoidut eurot ovat tuottaneet myyntiä, katetta tai liikevaihtoa. Sen avulla voidaan mitata markkinoinnin toimenpiteiden vaikutuksia, oppia tuloksista ja hyödyntää tietoa tulevien toimenpiteiden optimoinnissa. Kun mittausta tehdään säännöllisesti, huomataan jatkuvaa kehitystä markkinoinnin tehokkuudessa.

ROMIa voidaan mitata monella eri tavalla ja tasolla. Ekonometrinen mallinnus antaa suosituksia markkinoinnin tehokkuuden parantamiseksi pääasiassa strategisen tason suunnittelua varten. Ekonometristä mallinnusta voidaan toki hyödyntää myös taktisen tason suunnittelussa, esimerkiksi mallinnuksen pohjalta rakennetun skenaariotyökalun avulla.

Kun halutaan tutkia tarkemmin digitaalisen markkinoinnin tehokkuutta, kannattaa tehdä attribuutiomallinnus. Dagmar on kehittänyt Markovin ketjuun perustuvan attribuutiomallinnuksen, jossa huomioidaan konversioon päätyneiden asiakaspolkujen lisäksi asiakaspolut, jotka eivät ole päätyneet konversioon. Attribuutiomallinnuksen tuloksia hyödynnetään pääasiassa taktisen ja operatiivisen tason digitaalisen markkinoinnin tehostamisessa.

Yllä mainitut mittaustavat vaativat ainakin jonkin verran manuaalista työtä, mutta markkinointia voidaan optimoida myös automatisoidusti. Dagmarin kehittämällä ohjelmallisen ostamisen optimointisovelluksella voidaan kasvattaa konversiomääriä ja pienentää konversiohintoja kymmenillä prosenteilla hyödyntämällä koneoppimista. Optimointisovellus toimii operatiivisella tasolla täysin ilman manuaalista työtä.

Kun mittaamista toteutetaan kaikilla tasoilla, saavutetaan huikeita tuloksia. Mikään malli tai tapa mitata ei ole täydellinen, joten tärkeintä on aloittaa mittaaminen jostain, jonka jälkeen tulokset tulee viedä käytäntöön. Tehtyjen muutosten jälkeen mitataan systemaattisesti – ja opitaan yhä lisää.

Mittaamisen voi aloittaa esimerkiksi AB-testauksella, jolla on mahdollista saada tuloksia hyvinkin ketterästi. Mittaamista kehitetään samalla, kun ensimmäisiä tuloksia hyödynnetään käytäntöön. Näin oppimiskäyrä kasvaa koko ajan.

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