Marketingové koncepty

Marketing Mix Modeling: atribuce, která přežila smrt cookies

Marketing Mix Modeling (MMM) je statistický model, který odhadne příspěvek každého marketingového kanálu k tržbám — pomocí historických dat o útratě, tržbách a externích faktorech. Žádné cookies, žádný tracking. Práce s daty, ne s identifikátory.

Princip

Tržby = základ + (Google Ads × a) + (Meta Ads × b) + (TV × c) + sezónnost + počasí + …

Příklad

Model na dvouletých datech ukáže: každá vložená koruna do Google Ads přinesla v průměru 4,20 Kč tržeb, do Meta Ads 2,80 Kč a do influencerů 3,50 Kč. Pomocí toho rozdělíte rozpočet podle skutečné návratnosti, ne podle atribuce v platformě.

Pozor: MMM dává odpověď na strategickou otázku „jak rozdělit rozpočet“. Neřekne vám, kterou konkrétní reklamu pauznout dnes.

Proč MMM zažívá renesanci právě teď

MMM není nové. Procter & Gamble a Coca-Cola ho používají od 60. let — jako jeden z mála způsobů, jak měřit efekt TV reklamy bez možnosti sledování. Pak přišly cookies a tracking, atribuce byla rychlá a levná, MMM upadlo do zapomnění mimo nejvíc velké korporáty.

Po roce 2021 se situace převrátila. Apple s App Tracking Transparency vzal Meta Ads přes polovinu konverzí. Safari a Firefox blokují třetí strany kompletně. GDPR a zákony o soukromí vyžadují souhlas. Atribuce, která fungovala v roce 2018, dnes systémově lže — a MMM, které nepotřebuje žádný uživatelský tracking, najednou nabývá smyslu i pro středně velké firmy.

K dispozici jsou navíc open-source nástroje — Robyn od Mety a Meridian od Googlu. Co dříve stálo statisíce dolarů ročně od specializovaných agentur, jde dnes postavit s analytikem za 2–6 měsíců. Pro firmu, která utrácí ročně přes 20 milionů Kč na marketing, to často znamená nejlepší poměr cena/přesnost.

Hlavní nástroje a přístupy

MMM si nepostavíte přes víkend. Tady jsou nejčastější způsoby, jak ho mít — od open-source nástrojů po dodavatele:

Princip

Statistická regrese, která rozkládá tržby na příspěvky kanálů, sezónnosti a externích faktorů.

Pět cest, jak na MMM

01

Robyn (open-source od Mety)

Bezplatný R balíček, který automatizuje většinu MMM práce. Vyžaduje analytika, který umí R, a aspoň 2 roky týdenních dat.

Zdarma + průmyslový standard pro středně velké firmy.

Vhodné pro firmy s vlastním datovým týmem. Setup 2–4 měsíce, pak provoz cca 2–5 dní měsíčně na aktualizaci.

02

Google Meridian (open-source od Googlu)

Novější bezplatný framework v Pythonu. Plně Bayesovský model — dává intervaly spolehlivosti místo bodových odhadů.

Zdarma + statisticky robustnější než Robyn.

Lepší pro firmy, které chtějí vědět nejen průměr, ale i nejistotu odhadu. Vyžaduje silnější analytickou znalost.

03

Komerční MMM platformy (LiftLab, Recast, Northbeam MMM)

SaaS nástroje, které postaví MMM za vás. Vy nahrajete data, oni dodají model + dashboard.

Od ~$2 000 do $10 000+ měsíčně (~50 000–250 000 Kč/měs).

Vhodné pro firmy bez vlastního datového týmu, které chtějí MMM bez investice do interních lidí. Rychlejší než Robyn (často 4–8 týdnů).

04

Klasická MMM agentura (Nielsen, Analytic Partners, Ipsos)

Tradiční dodavatelé MMM, často se zaměřením na velké inzerenty s TV reklamou. Projekt 3–6 měsíců, opakování ročně.

$50 000+ za projekt (~1,2 mil. Kč+), typicky pro inzerenty utrácející $5M+ ročně.

Nejvyšší kvalita, ale jen pro firmy, které mají na to rozpočet. Většina SMB to nepotřebuje.

05

Zjednodušený spend-share model (DIY)

Pravidelně sledujte podíl útraty každého kanálu vs. podíl na celkových tržbách. Pokud kanál bere 30 % rozpočtu, ale dělá jen 10 % MER-připisovaných tržeb, je něco špatně.

Zdarma + zvládne to Excel.

Není to plnohodnotný MMM, ale poskytne vám 60 % insightu za 5 % práce. Vhodné pro malé e-shopy, než vyrostou na plný MMM.

Kdo by měl MMM používat

MMM má smysl, jen když máte dost dat a útraty. Tady jsou orientační hranice:

Velikost / typ firmyDoporučený přístupProč
Roční marketingový rozpočet pod 5 milionů KčŽádné MMMAtribuce + MER stačí, na MMM nemáte dost dat
Rozpočet 5–25 milionů Kč ročněZjednodušený spend-share + atribucePlný MMM ekonomicky nevychází
Rozpočet 25–100 milionů Kč ročněRobyn nebo komerční SaaSOpen-source MMM s analytikem 1× ročně
Rozpočet nad 100 milionů Kč ročně, multi-channelKomerční MMM nebo MeridianPlný MMM se kvartálním updatem
Velký inzerent s TV nebo OOH reklamouKlasická MMM agenturaTV efekt klasická atribuce nezachytí
Velmi mladý startup (do 2 let)Žádné MMMNemáte ještě dost historických dat

Pravidlo palce: MMM dává smysl od chvíle, kdy nepřesnost atribuce stojí víc, než cena MMM. Pro většinu firem to je rozpočet od 25 milionů Kč ročně.

Kdy MMM dává špatné odpovědi

MMM je dobrý model, ne magie. Čtyři situace, kdy ho výsledky můžou zavést:

  • Nedostatek dat nebo příliš málo variability

    MMM se učí z toho, jak se mění útrata a tržby v čase. Pokud utrácíte v každém kanálu stejně každý měsíc, model nemá co rozeznat. Aby fungoval, potřebujete buď přirozenou variabilitu (sezónnost, kampaňový kalendář) nebo úmyslně měněné rozpočty.

  • Nelze odhadnout efekt nového kanálu

    MMM modeluje minulost. Pokud chcete spustit TikTok Ads a nikdy předtím jste je nepoužili, MMM vám neřekne, kolik z nich dostanete. Musíte je nejdřív rozjet, vygenerovat 6+ měsíců dat, a teprve pak ho do MMM zařadit.

  • Pomalá zpětná vazba

    MMM aktualizujete obvykle 1× kvartálně nebo měsíčně. Pokud uděláte změnu dnes, výsledek uvidíte za 6–12 týdnů. To je v pořádku pro rozdělování ročního rozpočtu, ale ne pro denní rozhodování o kampaních.

  • Skrytá kolinearita (kanály se chovají podobně)

    Pokud vždycky zvedáte Google Ads a Meta Ads současně (např. před sezónou), MMM nedokáže rozlišit, který z nich opravdu funguje. Občas je potřeba úmyslně zvednout jen jeden, nebo provést incrementality test pro doplnění.

Související pojmy a kdy je použít

MMM samo o sobě nestačí. Tady jsou metody, které ho doplňují:

Atribuce

Marketing Attribution — kdo dostane kredit

Atribuce řeší jednotlivé konverze v reálném čase. MMM řeší celkové trendy v týdnech a měsících. Atribuce: taktická. MMM: strategická. Nejlepší, když používáte obě a navzájem se kontrolují.

Incrementality

Inkrementální testy — měření skutečného efektu

MMM odhadne efekt z historie. Inkrementality změří efekt v terénu. Pokud se obě metody shodují, máte v rukou pravdu. Pokud se liší, je to červené světlo.

MER

Marketing Efficiency Ratio — návratnost celého marketingu

MER je rychlý zdravotní stav celého marketingu — vidíte ho denně. MMM je hluboká analýza, která vám řekne, co ten zdravotní stav přesně způsobuje.

Co je MER →
ROAS

Return on Ad Spend — návratnost reklamy

ROAS z platformy je ovlivněný atribucí. MMM-derived ROAS je objektivnější. Velký rozdíl mezi platformovým a MMM ROAS znamená, že atribuce v platformě lže.

Co je ROAS →

Tři chyby, které dělá většina firem

  1. 01

    Berou výsledky MMM jako absolutní pravdu

    MMM je model — má svoji nejistotu. Pokud vám MMM ukáže, že Google Ads ROAS je 4,2 ± 1,5, skutečná hodnota je někde mezi 2,7 a 5,7. Rozhodujte podle směru a velikosti rozdílů mezi kanály, ne podle konkrétních čísel.

  2. 02

    Nedoplňují MMM incrementality testy

    MMM odhaduje. Incrementality měří. Pokud máte na top 3 kanálech velký podíl rozpočtu, alespoň jednou ročně doplňte MMM A/B testem. Pokud se výsledky shodují, můžete MMM věřit. Pokud se rozcházejí, model přepište.

  3. 03

    Aktualizují MMM jen 1× ročně

    Trh se mění rychle. Útrata konkurence, nový kanál, makroekonomika. MMM postavený v lednu může být v červnu zastaralý. Pro středně velké firmy aktualizujte kvartálně. Pro velké inzerenty měsíčně.

Časté otázky

Kolik dat MMM potřebuje?
Minimum jsou 2 roky týdenních dat (104 datových bodů). Pro stabilní výsledky se doporučuje 3 roky. Měsíční data jsou na hranici použitelnosti — 36 bodů je málo na věrohodný model. Pokud máte jen 12–18 měsíců dat, MMM zatím nedělejte.
Jak dlouho trvá MMM postavit a kolik to stojí?
Robyn nebo Meridian s vlastním analytikem: 2–4 měsíce, náklad hlavně mzda analytika (80–160 hodin pro první stavbu, méně pro aktualizace). Komerční SaaS (Recast, LiftLab): 4–8 týdnů, $2 000–10 000 měsíčně. Klasická MMM agentura: 3–6 měsíců, od $50 000 za projekt.
MMM nebo incrementality testy — co je lepší?
Obojí. MMM dává širší obrázek („kolik každý kanál přispívá“) levněji a rychleji. Incrementality dává přesnější odpověď pro jednotlivé kanály, ale stojí ušlé tržby. Velké firmy používají MMM jako primární metodu a incrementality jako roční validaci.
Můžu MMM postavit vlastní silou bez konzultanta?
Ano, ale potřebujete analytika se zkušenostmi se statistikou a R/Pythonem. Robyn má dobrou dokumentaci, ale není to klik-a-hotovo. Plánujte 2–4 měsíce ramp-up. Pokud nemáte interního analytika, komerční SaaS bude často levnější než najímat ad-hoc konzultanta.
Jaký je vztah MMM a GDPR / cookie deprecation?
MMM používá agregovaná data (týdenní útrata, týdenní tržby) — žádná osobní data, žádné cookies. Z hlediska GDPR a smrti third-party cookies je MMM imunní. Proto zažívá renesanci. Klasická tracking-based atribuce s každým rokem trpí víc; MMM dlouhodobě sílí.

Lupli zatím plné MMM nezvládne — co umíme dnes

Plný MMM zatím nestavíme. Ale připravujeme zjednodušený spend-share model, který vám za 30 vteřin ukáže rozdělení rozpočtu mezi kanály a srovná ho s podílem na MER.

  • Reálný přehled o útratě a tržbách napříč Google Ads, Meta Ads a GA4
  • MER a spend-share grafy jako příprava na plný MMM
  • 30 vteřin do prvního napojení účtů