マーケティングミックスモデリング

マーケティング ミックス モデリング( MMM ) は、さまざまなマーケティング戦術シナリオが製品の売上に与える影響を予測するために使用される予測手法です。MMM は、多変量 回帰などの統計モデルを使用し、売上とマーケティングの 時系列データを使用します。これらは、売上、収益、利益に関して広告ミックスとプロモーション戦術を最適化し、投資収益率を最大化するため に使用されます。

これらの統計的手法を使用することで、マーケティング担当者は広告の広告在庫と時間の経過に伴う広告収益の減少を考慮でき、また過去の広告が現在の販売キャンペーンに及ぼす影響や持ち越し効果も考慮できます。さらに、MMMは製品の共食いやハロー効果の大きさを計算することができます。^[1]

この手法は、専門のコンサルティング会社と学者によって開発され、最初に消費者向けパッケージ商品に適用されました。これは、それらの商品の製造業者が販売とマーケティングのサポートに関する正確なデータにアクセスできたためです。^{[引用が必要]}データの可用性の向上、計算能力の大幅な向上、マーケティング費用の測定と最適化のプレッシャーにより、マーケティングツールとしての人気が爆発的に高まりました。^{[引用が必要]}最近では、MMM は大手消費者マーケティング企業の間で信頼できるマーケティングツールとして受け入れられています。

MMM の根底にあるのはマーケティング ミックス の概念であり、これは企業が顧客の需要を満たすために変更できる一連の変数として定義されます。この用語はニール ボーデンによって開発されました。彼は 1949 年頃からこのフレーズを教育や執筆で使い始めたと主張しています。^[2]彼は同僚のジェームズ カリトンが次のように経営者を描写したことから「マーケティング ミックス」というアイデアを考案したと述べています。

経営者は材料を混ぜる人であり、時にはレシピに従って作業を進め、時にはすぐ​​に手に入る材料に合わせてレシピを調整し、時には誰も試したことのない材料を試したり発明したりする。^[3]

さらに、ボーデンによれば、マーケティングマネージャーは「行動力を検討し、自分が取り組むべきリソースに鋭い目を向けながら、マーケティング要素をうまく組み合わせる必要がある」とのことです。^[2]

これらのマーケティングミックスの「要素」は、マーケティングの4Pを初めて提唱したE.ジェローム・マッカーシーによってさらに詳しく説明されています。 ^[4]

• 価格、
• プロモーション、
• 製品と
• 場所（配布）

マッカーシー氏によると、マーケティング担当者は基本的にこれら 4 つの変数を使用して、マーケティング計画と戦略を作成します。長期的には、4 つのミックス変数をすべて変更できますが、短期的には、製品や流通チャネルを変更することは困難です。

1980年代に、バーナード・ブームズとメアリー・ビトナーは7つのPから成るモデルを構築しました。^[5]彼らは、マーケティングのあらゆる側面における人的要素の重要性を認識するために、既存の変数のリストに「人」を追加しました。また、物理的な製品とは異なり、サービスは購入時にプロセスとして体験されるという事実を反映するために、「プロセス」を追加しました。

マーケティング ミックス モデリング (MMM) は、過去の情報を使用してマーケティング活動が売上に与える影響を定量化する分析手法です。使用できる情報の例としては、シンジケートされた POS データ (製品カテゴリや地理的市場など、選択した一連のパラメータにわたる製品小売販売活動の集約コレクション) や企業の内部データがあります。数学的には、線形または非線形回帰方程式を使用して、さまざまなマーケティング活動と売上の同時関係を確立することによって行われます。MMM は、各マーケティング要素の有効性を、販売量、有効性 (各努力単位によって生成された量)、効率 (生成された販売量をコストで割った値)、投資収益率 (ROI)への貢献度によって定義します。これらの洞察は、マーケティング戦術と戦略を調整し、マーケティング費用を最適化し、さまざまなシナリオをシミュレートしながら売上を予測するのに役立ちます。^[1]

出力は、マーケティング要素がさまざまな側面に与える影響を分析するために使用できます。各要素の寄与度を前年比でプロットした合計に対する割合として表すと、さまざまな要素の有効性が時間の経過とともにどのように変化するかがわかります。寄与度の年間変化は、総売上の変化の何パーセントが各要素に起因するかを示す原因分析によっても測定されます。テレビ広告やトレード プロモーションなどの活動では、有効性などのより高度な分析を実行できます。この分析により、マーケティング マネージャーは、それぞれのマーケティング要素を 1 単位増やすことで得られる売上の増分を知ることができます。活動ごとの詳細な支出情報が利用できる場合は、マーケティング活動の ROI を計算できます。これは、活動の過去の有効性を報告するのに役立つだけでなく、最も効率的なマーケティング活動と最も効率的でないマーケティング活動を特定することで、マーケティング予算を最適化するのにも役立ちます。

最終的なモデルが準備できたら、その結果を使用して「What-if」分析のマーケティング シナリオをシミュレートできます。マーケティング マネージャーは、このマーケティング予算をさまざまな割合で再割り当てし、売上/価値への直接的な影響を確認できます。投資収益率が最も高い活動に支出を割り当てることで、予算を最適化できます。

MMMは、販売量/販売額を従属変数とし、独立変数を様々なマーケティング活動とする統計モデルで構成されています。^[1]このモデルは、総売上高を2つの要素に分解します。^[6]

• 基本売上 – 価格設定、流通、長期的傾向、広告が使用されなかった場合の季節性など、経済に基づく推進要因によって推進される製品の自然な需要またはデフォルトの売上。これらの要因には、ブランド認知度やブランドロイヤルティなどの定性的な要因も含まれます。
• 増分売上 - マーケティングおよびプロモーション活動によって促進される売上。この要素は、テレビ広告、ラジオ広告、印刷広告 (雑誌、新聞)、クーポン、ダイレクト メール、インターネット、特集またはディスプレイ プロモーション、一時的な値下げなどの各マーケティング要素による売上の増分要因にさらに分解できます。これらの活動には短期的な利益 (クーポン、プロモーション) をもたらすものもあれば、長期的な利益 (テレビ、ラジオ、雑誌、印刷) をもたらすものもあります。

マーケティング ミックス分析は、通常、線形回帰モデリングを使用して実行されます。広告ストック変換などの手法を使用して、非線形効果と遅延効果が含まれます。このような分析の一般的な出力には、貢献度円グラフのように、年間総売上高を各マーケティング コンポーネントからの貢献度に分解したものが含まれます。変数が作成されると、複数の反復が実行され、量/価値の傾向を適切に説明するモデルが作成されます。さらに、検証データを使用するか、ビジネス結果の一貫性によって検証が実行されます。

もう 1 つの標準出力は、前年比の売上増と減少の内訳 (「原因別チャート」) です。

時間の経過に伴う販売量をベース（マーケティング活動がない場合に生成される量）と増分（短期的にマーケティング活動によって生成される量）に分解すると、ベース量の変動をブランドの強さと顧客ロイヤルティの指標として分離できます。

マーケット ミックス モデリングでは、テレビ、雑誌、オンライン ディスプレイ広告などの個々のメディアがもたらす売上への影響を判断できます。場合によっては、個々の広告キャンペーンや広告実施が売上に与える影響を判断するために使用できます。たとえば、テレビ広告活動の場合、各広告実施が市場でどのように機能したかを、販売量への影響の観点から調べることができます。また、MMM では、1 週間または 1 か月などの期間内の販売量の反応と関連してグロス レーティング ポイント(GRP)で測定される、さまざまなメディア ウェイトレベルでのテレビの相関関係に関する情報も提供できます。影響を与えるために 1 週​​間に放映する必要がある GRP の最小レベル (しきい値制限) や、逆に、販売量への影響が最大になり、それ以上の活動に見返りがない GRP レベル (飽和制限) に関する情報も取得できます。すべての MMM がすべての質問に明確な回答を得られるわけではありませんが、洞察が得られる可能性がある追加の領域には、1) 15 秒と 30 秒の実行の有効性の比較、2) プライムタイムとオフプライムタイムの時間帯に実行した場合の広告パフォーマンスの比較、3) さまざまな製品またはサブブランドにわたる TV 活動の直接効果とハロー効果の比較などがあります。新製品ベースの TV 活動とエクイティベースの TV 活動がブランドの成長に果たす役割も比較できます。GRP はリーチに変換されます (つまり、GRP を平均頻度で割って、実際に広告を視聴した人の割合を取得します)。これは、TV をモデル化するためのより優れた指標です。

トレードプロモーションは、あらゆるマーケティング計画における重要な活動です。ビジネスとその製品に対する顧客の認知度を効果的に高めるプロモーションスキームを採用することで、短期的に売上を増やすことを目的としています。トレードプロモーションに対する消費者の反応は単純ではなく、多くの議論の対象となっています。反応をシミュレートするための非線形モデルが存在します。MMM を使用すると、トレードプロモーションが増分量を生み出す上でどのような影響を与えるかを理解できます。地域ごとに異なる小売店のそれぞれでプロモーションイベントごとに生み出される量を推定することが可能です。このようにして、最も効果的なトレードチャネルと最も効果的でないトレードチャネルを特定できます。詳細な支出情報が利用できる場合は、毎日低価格、オフシェルフディスプレイなどのさまざまなトレード活動の投資収益率を比較できます。この情報を使用して、最も効果的なトレードチャネルを選択し、最も効果的なプロモーション活動をターゲットにすることで、トレードプランを最適化できます。

ブランドの価格上昇は、販売量にマイナスの影響を与えます。この影響は、MMM で価格をモデル化することで把握できます。モデルはブランドの価格弾力性を提供し、価格のパーセンテージ変化ごとに販売のパーセンテージ変化を示します。これを使用して、マーケティング マネージャーは価格変更の決定の影響を評価できます。

流通の要素については、流通努力を変えることで、言い換えれば、流通の幅や深さの各パーセンテージシフトによって、販売量がどのように変化するかを知ることができます。これは、各チャネル、さらにはオフテイク販売の各アウトレットの種類ごとに具体的に特定できます。これらの洞察を考慮して、流通努力を各チャネルまたは店舗タイプごとに優先順位付けし、最大限の効果を得ることができます。最近のランドリーブランドの調査では、近所のキラナ店での存在感が1％増した場合の増分販売量は、スーパーマーケットでの存在感が1％増した場合の増分販売量の180％であることが示されました。^[7]このような努力のコストに基づいて、管理者は流通にさらに投資する適切なチャネルを特定しました。

新製品が発売されると、関連する宣伝やプロモーションによって、予想よりも多くの販売量が発生するのが一般的です。この追加販売量は、既存の変数を使用するモデルでは完全には捉えられません。多くの場合、発売によるこの増分効果を捉える特別な変数が使用されます。これらの変数と発売に関連するマーケティング活動の寄与を合わせたものが、発売による総寄与となります。異なる発売は、その有効性と ROI を計算することで比較できます。

競争がブランド販売に与える影響は、それに応じて競争変数を作成することで把握できます。変数は、テレビ広告、トレード プロモーション、製品発売などの競合他社のマーケティング活動から作成されます。モデルの結果は、競合他社が自社ブランド販売に与える最大の脅威を特定するために使用できます。クロス価格弾力性とクロス プロモーション弾力性は、競争戦術に対する適切な対応を考案するために使用できます。成功した競争キャンペーンを分析して、自社ブランドにとって貴重な教訓を得ることができます。

テレビと放送: MMM のアプリケーションは、放送メディアにも適用できます。放送局は、特定の番組がスポンサー付きになるかどうかを決定する要因を知りたい場合があります。これは、プレゼンターの属性、コンテンツ、および番組が放映される時間によって決まります。したがって、これらは、番組の販売可能性関数を設計するための独立した変数になります。番組の販売可能性は、プレゼンターの属性、番組コンテンツ、および番組が放映される時間の関数です。

「マーケティング ミックス モデリング」は、「メディア ミックス モデリング」とよく同じ意味で使用されます。ただし、統計モデルを使用するという点では関連があり類似していますが、焦点が異なります。^{[8] [9]}メディア ミックス モデリングは、マーケティング チームが使用するさまざまなメディア チャネルがビジネス成果に与える影響に焦点を当てています。このようなメディア チャネルには、テレビ、デジタル、印刷メディアが含まれます。通常、これらは有料広告活動です。^[10]たとえば、メディア ミックス モデルは、テレビ支出の配分を理解して最適化し、売上を向上させるのに役立ちます。対照的に、マーケティング ミックス モデリングは、メディア チャネル、製品プロモーション、価格設定、配布、広報、スポンサーシップ、クーポン、店内イベントなど、すべてのマーケティング ミックス要素を使用するより広範なアプローチです。^[10]この種のモデルは、マーケティング戦略について情報に基づいた決定を下すために使用できます。

MMM は、マルチタッチ アトリビューション (MTA)と呼ばれる別の方法に似ています。MMM とは対照的に、マルチタッチ アトリビューションの目的は、マーケティング活動の影響を総計ではなく細分レベルで測定することです。MTA が答える中心的な質問は、「インプレッション (または顧客とのあらゆる形式のインタラクション) の結果として、コンバージョン傾向に予想される変化は何か?」です。対照的に、MMM の同等の質問は、「昨年のモバイル広告費の収益率はいくらでしたか?」と「予算配分の 10% をアドレサブル TV にシフトした場合、売上はいくらになりますか?」です^[11]

MMMとMTAのユーザーの中には、これらが異なる目的で使用され、矛盾する結果をもたらす可能性があると主張する人もいます。さらに、2つの方法論の違いにより、企業はそれぞれの測定方法を担当する別々のチームを持つことになります。2つの方法を統一する取り組みはありますが、これにより計画と実装の複雑さが増します。^[11]

典型的なMMM研究は次のような洞察を提供する。

• マーケティング活動による貢献
• マーケティング活動によるROI
• マーケティング活動の有効性
• 支出の最適な配分
• 各アクティビティをより良く実行する方法についての学習（例：1 週間あたりの最適な GRP、15 秒から 30 秒の間の最適な配分、実行するプロモーション、プロモーションに表示する SKU など）。

P&G、^[12]、AT&T、クラフト、コカコーラ、ハーシー、ペプシなど、主に消費財（CPG）企業であるフォーチュン500企業の多くは、MMMをマーケティング計画の不可欠な要素としています。 ^[1]これは、現在MMMサービスを提供している専門会社の存在によっても可能になりました。

マーケティング ミックス モデルは当初、CPG 業界で人気がありましたが、シンジケート データがこれらの業界で利用可能だったため、小売業界や製薬業界にも急速に広まりました。これを本格的な商用アプリケーションで使用した先駆者は、1990 年の Marketing Management Analytics (MMA) と 1989 年の Hudson River Group です。^[要出典]その後、データ会社である Nielsen とIRI が、標準データ契約の一部として MMM をバンドルし始め、これら初期の企業が他の垂直分野に進出するようになりました。

時系列データの可用性は、マーケティング ミックス効果の堅牢なモデリングに不可欠です。通信、金融サービス、自動車、ホスピタリティなどの他の業界で CRM システムを通じて顧客データを体系的に管理することで、これらの業界への普及が促進されました。さらに、Forrester Research のUltimate Consumer Panel (金融サービス)、Polk Insights (自動車)、Smith Travel Research (ホスピタリティ) などのサードパーティ ソースを通じてデータが利用可能になったことで、これらの業界へのマーケティング ミックス モデリングの適用がさらに強化されました。

これらの業界へのマーケティングミックスモデリングの適用はまだ初期段階にあり、特に以下の分野では多くの標準化が必要です。^[要出典]

• 業界をまたいだプロモーション活動の解釈。たとえば、CPG のプロモーションは店頭で行われるため効果に遅れが生じませんが、自動車やホテルのプロモーションは通常インターネットやディーラー マーケティングを通じて展開されるため、効果に遅れが生じる可能性があります。CPG のプロモーションは通常、絶対的な価格割引ですが、自動車のプロモーションはキャッシュバックやローン インセンティブ、金融サービスのプロモーションは通常、金利割引です。
• ホスピタリティ業界のマーケティングには季節性パターンが非常に強く、ほとんどのマーケティング ミックス モデルはマーケティング効果と季節性を混同する傾向があり、マーケティング ROI を過大評価または過小評価します。「プール回帰」などの時系列クロスセクション モデルを活用する必要があります。これにより、サンプル サイズとバリエーションが増加し、純粋なマーケティング効果と季節性を確実に分離できます。
• 自動車メーカーは、マーケティング予算の相当額をディーラー広告に費やしていますが、適切な集約レベルでモデル化しないと、正確に測定できない可能性があります。全国レベル、または市場レベルや DMA レベルでモデル化した場合、これらの効果は集約バイアスで失われる可能性があります。一方、ディーラーレベルまで下げると、同じ地域のディーラー間での消費者の切り替えが無視されるため、マーケティング効果を過大評価する可能性があります。厳密ではありますが正しいアプローチは、消費者の郵便番号とクロスショッピング情報によって決定される重複する「取引エリア」に基づいて、どのディーラーを「追加可能な」共通グループにまとめるかを決定することです。少なくとも、「共通ディーラーエリア」は、ディーラー間の地理的距離と郡の売上シェアに基づいてディーラーをクラスタリングすることで決定できます。これらのディーラー クラスタの月間売上を「プール」して構築されたマーケティング ミックス モデルは、ディーラー広告の影響を効果的に測定するために効果的に使用できます。

マーケティング ミックス モデリングの普及は、サーベンス オクスリー法第 404 条の焦点によって加速されました。この法律では、多額の費用と支出に関する財務報告の内部統制が求められました。消費財のマーケティングは総収益の 10 分の 1 を超えることもあり、マーケティング ミックス モデルが登場するまでは、この支出を評価するために定性的または「ソフト」なアプローチに依存していました。マーケティング ミックス モデリングは、CPG 業界ですでに実証されていたように、マーケティング ミックスの投資を評価するための厳密で一貫したアプローチを提示しました。米国マーケティング協会の調査では、中間管理職よりも上級管理職の方がマーケティングの説明責任の重要性を強調する傾向が高く、説明責任の強化に向けたトップダウンの推進を示唆していることが指摘されています。

マーケティング分析の状況は、ベイジアン マーケティング ミックス モデリング (MMM) の出現によって一変しました。MMM は、確率的アプローチを使用して不確実性を管理し、履歴データを現在の分析に統合します。この方法論は、従来の頻度主義的方法とは対照的で、マーケティング担当者に消費者行動とマーケティング活動の有効性に関する微妙な視点を提供します。

MMM へのベイジアン アプローチの幅広い採用は、オープン ソースの取り組みによって大きく推進されてきました。^[要出典]これらの中で注目すべきは、PyMC-Marketing や LightweightMMM などのツールです。これらのプラットフォームは、広告ストック変換や飽和効果のモデリングなどの手法を使用して、マーケティング予算と戦略の最適化に役立ちます。

ベイジアン MMM は、いくつかの重要な革新を特徴としています。

• Adstock 変換 - この機能は、広告の長期的かつ累積的な影響を捉え、マーケティング担当者がキャンペーンのタイミングと効果を微調整できるようにします。
• 飽和効果 - ベイジアン MMM は、マーケティング投資の収益が減少するポイントを特定するのに役立ちます。これは、効率的な予算配分にとって非常に重要です。
• 予算配分 – さまざまなマーケティング シナリオをシミュレートすることで、企業はベイジアン MMM を活用し、最適化における不確実性をカプセル化する確率的フレームワークを使用して、最も影響力のあるチャネルに支出を向けることができます。

ベイジアン MMM は人気が高まっていますが、ベイジアン統計の深い理解と組織に課せられる計算上の要求など、いくつかの課題があります。ただし、PyMC-Marketing などのツールはオープン ソースであるため、協力的なコミュニティとリソースの共有が促進され、これらの障壁が軽減されます。

考慮すべき他の課題としては次のようなものがある: ^[13]

• データの制限
  • データ量が限られている
  • 相関入力変数
  • データの範囲が限られている
• 選択バイアス
  • 広告ターゲティング
  • 季節性
  • ファネル効果
• モデルの選択と不確実性

対照的に、MMMの信頼性を向上させる機会がある：^[13]

• より良いデータ
• より良いモデル
• モデル評価

マーケティング ミックス モデルは多くの有用な情報を提供しますが、意思決定の目的でこれらのモデルを使用するすべての人が考慮する必要がある、モデルに制約がある 2 つの重要な領域があります。これらの制約については、以下で詳しく説明します。

1. 短期的な売上に焦点を当てると、長期的な資本構築活動の重要性が大幅に過小評価される可能性があります。
2. メディア ミックスの最適化に使用する場合、これらのモデルは、時間的制約の少ないメディア (月刊誌に掲載される広告など) よりも時間的制約のあるメディア (テレビ コマーシャルなど) を優先する明確な偏りを示します。また、幅広いメディアと地域的または人口統計的にターゲットを絞ったメディアを比較する場合にも偏りが生じる可能性があります。

エクイティ構築活動に対する偏見に関連して、マーケティング ミックス モデルを使用して最適化されたマーケティング予算は、効率性を重視しすぎる傾向がある可能性があります。これは、マーケティング ミックス モデルがマーケティングの短期的な効果のみを測定するためです。マーケティングの長期的な効果は、ブランド エクイティに反映されます。マーケティング支出が [ブランド エクイティ] に与える影響は、通常、マーケティング ミックス モデルでは捉えられません。理由の 1 つは、マーケティングがブランド認識に影響を与えるのにかかる期間が長いため、これらのモデルが測定するマーケティングの売上に対する同時またはせいぜい数週間先の影響を超えてしまうことです。もう 1 つの理由は、経済状況や社会状況による一時的な売上の変動は、必ずしもマーケティングがブランド エクイティの構築に効果的でなかったことを意味するわけではないことです。逆に、短期的には売上と市場シェアが低下しても、ブランド エクイティが実際には高くなる可能性が非常に高いです。このエクイティの上昇は、長期的にはブランドの売上と市場シェアの回復に役立つはずです。

マーケティング ミックス モデルがマーケティング戦術が売上にプラスの影響を与えることを示唆しているからといって、それが長期的なブランド エクイティにプラスの影響を与えることを必ずしも意味するわけではありません。マーケティング対策が異なれば、短期的および長期的なブランド売上への影響も異なり、短期または長期のいずれかのみを最大化するようにマーケティング ポートフォリオを調整することは最適とは言えません。たとえば、プロモーションが消費者の効用に対して短期的にプラスの影響を与えると、消費者はプロモーション対象のブランドに乗り換えますが、プロモーションがブランド エクイティに対して与える悪影響は期間を超えて継続します。したがって、プロモーションがブランドに与える悪影響により、ブランドの市場シェアと収益性に対する正味の影響はマイナスになる可能性があります。マーケティング ミックス モデルのみに基づいてマーケティング ROI を決定すると、誤解を招く結果になる可能性があります。これは、マーケティング ミックスがマーケティング ミックスを最適化して増分貢献を高めようとするためですが、マーケティング ミックスはブランド エクイティも促進します。これは、マーケティング ミックス モデルによって測定される増分部分の一部ではなく、ベースラインの一部です。真の「マーケティング投資収益率」は、短期および長期の ROI の合計です。ほとんどの企業がマーケティング ミックス モデルを短期 ROI の測定にのみ使用しているという事実は、ブーズ アレン ハミルトンの記事から推測できます。この記事では、プロモーション支出の測定が容易であるという事実により、従来のメディアから「ライン下」支出への大きなシフトが起こっていることが示唆されています。しかし、学術研究では、プロモーション活動は実際には長期マーケティング ROI に悪影響を及ぼしていることが示されています (Ataman 他、2006 年)。短期マーケティング ミックス モデルは、ブランド追跡データを使用したブランド エクイティ モデルと組み合わせることで、短期および長期の両方で「ブランド ROI」を測定できます。最後に、モデリング プロセス自体のコストは、結果として得られる収益性の向上よりも高くてはなりません。つまり、モデリング努力収益率 (ROME) がプラスである必要があります。^[14]

マーケティング ミックス モデルの 2 つ目の制限は、広告主がこれらのモデルを使用して、さまざまなメディア タイプ間で最適なメディア割り当てを決定しようとするときに発生します。テレビに費やした金額とクーポンに費やした金額を比較するために MMM を従来使用することは、テレビ コマーシャルとクーポンの表示 (たとえば、新聞の FSI での表示) はどちらも非常に時間的制約があったため、比較的有効でした。ただし、これらのモデルの使用が、より広範なメディア タイプ間での比較にまで拡大されたため、細心の注意を払う必要があります。

雑誌広告などの従来のメディアでも、MMM を使用してメディア間の結果を比較すると問題が生じる可能性があります。モデラーは月刊誌の「典型的な」視聴曲線のモデルを重ね合わせますが、これらのモデルは精度に欠けるため、方程式にさらなる変動が生じます。したがって、テレビコマーシャルの有効性と雑誌広告の有効性を比較すると、測定精度が高いテレビに有利に偏ることになります。新しい形式のメディアが急増するにつれて、MMM を使用してその有効性を定量化する場合に、これらの制限を考慮することがさらに重要になります。たとえば、スポンサーシップ マーケティング、スポーツ アフィニティ マーケティング、バイラル マーケティング、ブログ マーケティング、モバイル マーケティングはすべて、露出の時間的特異性の点で異なります。

さらに、マーケティング ミックス モデルへのほとんどのアプローチでは、国または地域レベルですべてのマーケティング活動を総合的に含めようとしますが、さまざまな戦術が異なる人口統計的消費者グループをターゲットにしているため、その影響が失われる可能性があります。たとえば、マウンテン デューによる NASCAR のスポンサーシップは、複数の年齢層を含む NASCAR ファンをターゲットにしている可能性がありますが、ゲーム ブログでのマウンテン デューの広告は、ジェネレーション Y 層をターゲットにしている可能性があります。これらの戦術は両方とも、対応する人口統計的グループ内では非常に効果的かもしれませんが、国または地域のマーケティング ミックス モデルに総合的に含めると、効果がないことが判明する可能性があります。

集計バイアスは、さまざまなメディアの時間的特性のばらつきに関連する問題とともに、これらのモデルが当初設計された方法を超えて使用される場合に深刻な問題を引き起こします。メディアがさらに細分化されるにつれて、マーケティング ミックス モデルを使用してさまざまなメディアと戦術の相対的な有効性を判断する場合は、これらの問題を考慮することが重要です。

マーケティング ミックス モデルは、マーケティング パフォーマンスを評価するために過去のパフォーマンスを使用するため、新製品のマーケティング投資を管理する効果的なツールではありません。これは、新製品の歴史が比較的短いため、マーケティング ミックスの結果が不安定になるためです。また、マーケティングと販売の関係は、発売期間と安定期で根本的に異なる場合があります。たとえば、コカコーラ ゼロの初期のパフォーマンスは非常に悪く、広告の弾力性が低かったことがわかりました。それにもかかわらず、コカコーラは戦略を改善してメディア支出を増やし、パフォーマンスを大幅に改善し、発売期間中の数倍の広告効果をもたらしました。一般的なマーケティング ミックス モデルでは、メディア支出を削減し、代わりに大幅な値引きを推奨していたでしょう。

• Ataman, M. Berk; van Heerde, Harald J.; Mela, Carl F. ( 2010). 「マーケティング戦略のブランドパフォーマンスに対する長期的影響」。マーケティング研究ジャーナル。47 (5): 866–882. doi :10.1509/jmkr.47.5.866。
• Tellis, Gerard J. (2006)。「マーケティング ミックスのモデリング」 。Grover , Rajiv、Vriens, Marco (編)。マーケティング リサーチ ハンドブック: 使用法、誤用、および今後の進歩。pp. 506–522。ISBN 978-1-4129-0997-6。