Marketing Mix Model

La proliferación de estos modelos ha revolucionado el ecosistema: incrementando la accesibilidad y activando el desarrollo, se han alcanzado grados de sofisticación en la medición de estrategias de medios jamás vistos hasta ahora.

Esta migración, desde licensed-software hacia soluciones open-source, está ganando impulso. Fiel reflejo de esta tendencia es la evolución en búsquedas relacionadas con “MMM”, con un incremento del 32%¹ en 2023 con respecto al 2022.

Esta accesibilidad ha derivado en la expansión de enfoques creativos y basados en datos para la medición del marketing, promoviendo una cultura de experimentación e innovación dentro de la industria. Como resultado, el panorama de MMM continúa evolucionando rápidamente, con el paradigma open-source actuando como fuerza impulsora.

Se pueden identificar tres características principales que emergen de los casos de uso de open-source:

1. Rentabilidad. Uno de los grandes atractivos del software open-source es su naturaleza económica. Su disponibilidad gratuita, incluso para aplicaciones comerciales, lo convierte en una opción altamente rentable y accesible.

2. Innovación.  El software open-source se enriquece a través de la contribución de los usuarios, fomentando la proliferación de ideas innovadoras y constantes mejoras. A medida que contribuyen personas de diversos orígenes, surgen nuevas ideas y mejoras.

3. Flexibilidad. El código fuente se puede modificar para adaptarse a las necesidades específicas de un usuario, lo que permite la creación de soluciones a medida.


No obstante, también es importante considerar ciertos riesgos asociados al uso de modelos open-source:

1. Soporte. A menudo, el soporte técnico para software open-source puede ser limitado o inexistente. Los usuarios generalmente dependen de la comunidad de usuarios para obtener ayuda y solucionar problemas, incrementando el grado de incertidumbre para resolver problemas.

2. Integración. La integración con otros componentes de software puede plantear un desafío.

3. Experiencia. Para adaptar un modelo open-source a las necesidades específicas de una organización, es crucial contar con un equipo de analistas experto.

Desde un punto de vista estratégico, las empresas que buscan implementar modelos de MMM pueden considerar tres enfoques principales en función de sus capacidades y flujos de trabajo:

• Interno: un equipo interno construye y mantiene la solución, requiriendo el conocimiento del negocio y la experiencia técnica para lograr resultados positivos. Las empresas pueden optar por desarrollar su propio modelo desde cero o adaptar y personalizar un modelo open-source existente. Este enfoque está ganando popularidad y ya representa el 44% del mercado total².
  
  
• Outsourcing: consiste en una externalización completa del proyecto MMM, delegando su operacionalización en un tercero, y brindando una solución end-to-end al cliente. Proporciona un alto grado de satisfacción, con un 93% de los encuestados indicando que sus esfuerzos fueron efectivos².
  
  
• Híbrido: combina el flujo de trabajo entre la empresa y terceros. Mientras la empresa lidera y mantiene la solución, el tercero actúa como proveedor de orientación en diversos aspectos relacionados con la estrategia, operacionalización o la experiencia técnica.

Entre los tres enfoques, existe una tendencia creciente en la internalización de modelos. Esta dinámica incrementa las posibilidades de que las empresas se enfrenten a nuevos retos, tanto a nivel organizativo como operacional.


¿Cuáles son los principales retos a los que se enfrenta una compañía en la internalización del proceso de MMM?

1) La configuración de un equipo de científicos de datos resulta imperativa en una internalización de MMM exitosa.

2) La cooperación con sponsors dentro de la organización es fundamental para el éxito en la implementación del MMM.

3) Configurar la infraestructura para la toma de decisiones basadas en MMM implica implementar una gama de herramientas, desde bases de datos hasta simuladores de escenarios con dashboards.

4) Garantizar un alto grado de colaboración entre marketing, equipos de negocio y científicos de datos.

La clave del éxito para atajar estos retos reside en un framework accionable que garantice la operativización de los modelos:

Framework

La integración de herramientas open-source en MMM puede transformar significativamente la manera en que las empresas miden y optimizan sus estrategias de medios. Sin embargo, para rentabilizar al máximo estos beneficios, es crucial la participación integral de toda la organización.

Las herramientas open-source permiten a las empresas crear sus propios sistemas de MMM avanzados. No obstante, hacerlo internamente presenta desafíos. No solo requiere contar con un equipo altamente capacitado y las herramientas tecnológicas apropiadas, sino también desarrollar una estrategia efectiva para el uso eficiente de los datos. Un plan bien estructurado es esencial para definir la hoja de ruta del proyecto, desde la definición de objetivos claros hasta la gestión y mantenimiento continuo del sistema.

A medida que el MMM sigue cambiando en el panorama open-source, es importante alinear la estrategia analítica con los objetivos comerciales de la empresa. Al fomentar una colaboración efectiva y emplear la estrategia adecuada, las organizaciones pueden obtener una comprensión más profunda del retorno de inversión en sus actividades de marketing. Esto les permite asignar su presupuesto de manera más eficiente, optimizar sus campañas publicitarias y, en última instancia, impulsar el crecimiento del negocio.

Aunque la implementación de MMM puede ser compleja, los beneficios a largo plazo de una gestión eficaz de los datos y una toma de decisiones estratégica justifican ampliamente el esfuerzo.

[1] Google Trends. (2023). Trend data for Marketing Mix Modelling. Retrieved
November 22, 2023.

[2] Sagefrog, (2023). 2023 B2B marketing mix report: Data-driven insights for your marketing plan. Sagefrog.

Contactos:

Davide Fabrizio
Socio Inteligencia Artificial & Data

Carlos Real
Director Inteligencia Artificial & Data

Karen Flores
Senior Manager Inteligencia Artificial & Data