All about ROMI – kaikki ROMIsta. ROMI-mallinnuksen valintaopas

ROMI, MMM, myynnin mallinnus, ekonometrinen mallinnus. Rakkaalla lapsella on monta nimeä. Kaikilla viitataan markkinoinnin vaikuttavuuden ja tehokkuuden mittaamiseen tilastollisten menetelmien keinoin. Minkälaisia vaihtoehtoja markkinoijalla on ja miten valita itselle sopivin niistä? Dagmar Driven Director Ilkka Keskiväli kokosi pienen ROMI-mallinnuksen valintaoppaan.

Säännöllinen ROMI-mittaus opettaa kasvattamaan markkinoinnin tuottoa

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, markkinoinnin tehoa voidaan kasvattaa jatkuvasti.

Mittaamisen työkalut ovat kehittyneet viime vuosina merkittävästi parempien rajapintayhteyksien ja uusien toimijoiden tullessa markkinoille. Muuttuva maailmantilanne asettaa myös mittaamiselle uusia vaatimuksia; strategisempien aikajänteiden mittauksien rinnalle on noussut uusia ratkaisuja markkinoinnin tehokkuuden mittaamiseen.

ROMI-mallinnuksen yleisimmät vaihtoehdot markkinoijalle:

Mallinnus kumppanin kanssa

Markkinoinnin tehokkuutta on mitattu perinteisesti markkinointi- ja tutkimustoimistojen toteuttaman mallinnuksen avulla. Toimistoilla on pääsy asiakkaan markkinointidataan, jota rikastetaan asiakkaan omalla datalla ja ulkoisilla datalähteillä. Näin saadaan luotettava kuva myynteihin vaikuttavista tekijöistä.

Markkinoinnin lisäksi muut baselineen vaikuttavat tekijät erotellaan tarkasti – kuinka suuri vaikutus brändillä, hinnoittelulla tai kilpailijoiden toimenpiteillä on myynteihin.

Koska asiakkaiden ostopolut ovat monimutkaisia, mallinnuksessa ei pidä keskittyä pelkästään myynnin mallinnukseen. Dagmar Driven mallinnuksissa otamme ostopolut huomioon – rakennamme myynnin lisäksi mallit myös verkkosivu- ja hakukoneliikenteelle. Näin saamme markkinoinnin vaikuttavuudesta mahdollisimman realistisen kuvan ja voimme hyödyntää tuloksia luotettavasti markkinoinnin optimoimiseksi.

Skenaariotyökalun avulla tulokset viedään ketterästi käytäntöön
Perinteinen mallinnus on erityisesti strateginen työkalu, jolla saadaan holistinen näkymä asiakkaan myynteihin vaikuttavista tekijöistä. Mallinnuksen avulla voidaan tehdä myös ennusteita ja skenaarioita tulevien kampanjoiden vaikutuksista. Dagmarin asiakkaiden käytössä on ollut jo lähes 10 vuoden ajan mallinnuksen skenaariotyökalu, jonka avulla tulevia markkinointi-investointeja on ketterä optimoida. Näiden optimointien avulla Dagmarin asiakkaat ovat parantaneet markkinoinnin tehokkuuttaan keskimäärin 30 % ensimmäisen vuoden aikana, kun mallinnusta on tehty jatkuvasti, esim. kvartaaleittain.

Mallinnus Open Source -työkaluilla

Suurimmat mediat – Google ja Meta – tarjoavat nykyään omia työkalujaan markkinoijien käyttöön. Googlen työkalun nimi on LightweightMMM ja Metan työkalu on Robyn. LightweightMMM on valmis python-kirjasto ja Robyn on valmis R-paketti. Molemmat auttavat mallinnuksessa, mutta ilman syvempää teknistä taustaa mallinnusta ei ole helppoa toteuttaa.

On myös hyvä muistaa, että mallinnuksen tekeminen on vasta ensimmäinen vaihe kokonaisuutta – tulokset on vielä saatava hyödynnettävään muotoon. Tulokset täytyy analysoida johtopäätöksiksi ja toimenpidesuosituksiksi tuleville kampanjoille, mikä vaatii syvempää ymmärrystä mm. markkinoinnin käytännön rajoituksista.

Mallinnus SaaS-palveluna

Perinteisiä mallinnuksia tekevät nykyisin myös niihin erikoistuneet yritykset, jotka tarjoavat mallinnusta SaaS-palveluna. Vaikka toimijat saattavat kutsua mallinnuksia automaattisiksi, datan keruu on tosiasiassa pitkälti manuaalista. Lisäksi tuloksia joutuu odottelemaan useita kuukausia – sisältäen mallinnusjakson, datankeruun ja mallinnustyön. Tulokset tarjotaan useimmiten dashboard-työkalun kautta.

Open Source -työkalujen tapaan SaaS-palvelut eivät sisällä johtopäätöksiä ja toimenpidesuosituksia – mallinnuksen tärkeintä vaihetta.

Dagmar on kasvattanut asiakkaittensa markkinoinnin tehokkuutta mallinnusten avulla jo 10 vuoden ajan. Omien mallinnusten ja muiden toimijoiden SaaS-palvelujen kautta saatavien tulosten perusteella uskallamme väittää, että jos mallinnuksen tuloksia ei viedä käytäntöön, se jää täysin hyödyttömäksi työkaluksi.

Mallinnus täysin reaaliaikaisilla työkaluilla

Dataputkien automaation avulla myös mallinnus on mahdollista automatisoida ja toteuttaa reaaliaikaisesti. Kaikki data ei kuitenkaan ole vielä automatisoitavissa. Siksi Dagmar kehitti kontribuutiomallinnuksen, jolla selvitetään digitaalisen markkinoinnin tehokkuus konversioiden näkökulmasta. Mallinnuksessa huomioidaan kaikki data, jonka kerääminen voidaan automatisoida.

Dagmarin Datacron® -palvelun avulla kerätään digitaalisen markkinoinnin kontaktit, investoinnit, konversiot sekä asiakkaan oma data ja ulkoisista datalähteistä saatava data kontribuutioalgoritmille hyödynnettävään muotoon. Kontribuutioalgoritmi laskee joka yö päivittyvällä uudella datalla markkinoinnin vaikuttavuuden ja tehokkuuden. Tiedot päivittyvät samalla dashboard-työkaluun. Dashboardista saatavien suositusten pohjalta Dagmarin suunnittelijat voivat tehdä nopeasti toimenpidemuutoksia, joiden vaikutukset ovat mitattavissa jopa seuraavana päivänä.

Tulevaisuudessa kontribuutiomallinnukseen lisätään uusia datalähteitä, mielenkiintoisimpina offline-mediat. Näin kontribuutiomallinnus lähenee pian perinteistä mallinnusta – silti huomattavasti nopeampana ja ketterämpänä työkaluna. Tulevaisuudessa kontribuutiomallinnuksen avulla voidaan ohjata automaattista mediaostamista laajasti, yli kaikkien medioiden.

Tämän blogin kirjoitti

Ilkka Keskiväli

Director, Advanced Analytics

ilkka.keskivali@dagmar.fi

+358408618967

Ilkka on Advanced Analytics -yksikön vetäjä, jonka intohimona on tiedolla johtaminen ja sen mahdollistaminen sekä käyttöönotto asiakasorganisaatioissa.