MMMとは何か、なぜマーケターにとって重要なのか？

Original: What is a MMM and why does it matter for marketers?

翻訳: junichi.maruyama

MMM（Marketing or Media Mix Modeling）とは、企業が複数のチャネルにまたがるマーケティングキャンペーンの効果を特定・測定するためのデータ駆動型の方法論です。MMMの目的は、企業が広告やマーケティング戦略について十分な情報に基づいた意思決定を行うことを支援することです。MMMは、テレビ、ソーシャルメディア、Eメールマーケティングなど、さまざまなチャネルのデータを分析することで、どのチャネルが売上やその他のビジネス成果に最も貢献しているかを判断します。外部イベントや指標を含めることで、意思決定者は外部要因（祝日、経済状況、天候など）の影響をよりよく理解し、広告費だけの影響を誤って過大評価することを防ぐことができます。

MMMを使用することで、企業はどのマーケティングチャネルが最もエンゲージメント、売上、または収益を促進しているかを特定することができます。この情報は、マーケティング予算を最適化し、最も効果的なチャネルにリソースを割り当てるために使用することができます。例えば、ある企業がソーシャルメディア、Eメールマーケティング、テレビ広告など、さまざまなチャネルでマーケティングキャンペーンを実施しているとします。しかし、マーケティングチームは、どのチャネルが最も高いROIを実現しているのかがわからない。そこで、MMMが役に立ちます。これらのチャネルから収集したデータを分析することで、強力なモデルが、最も収益を生み出すキャンペーンや、広告費に対して最も効率的なリターンを提供するチャネルを特定し、広告戦略を効果的に最適化できるように支援します。これにより、企業はマーケティング活動を最適化し、予算を適切な方向に割り当てることができます。

長年にわたり、MMMは非常に強力なツールであり、ゲームチェンジャーとして、経験豊富なビジネスが競争に打ち勝つために必要なエッジを与えるものと考えられてきました。MMMは、データ駆動型の意思決定の力を活用することで、企業がマーケティング戦略に賢く投資できるようにし、すべての資金が適切な場所で、適切なタイミングで、適切な方法で使われることを保証します。これにより、顧客エンゲージメントの向上、売上の増加、高い投資収益率など、魅力的な結果を導き出します。

MMMの進化

MMMは数十年の歴史があり、常にマーケティングキャンペーンの効果を測定するための強力なツールでした。このモデルは、季節性、競合他社の活動、マクロ経済動向などさまざまな要因を考慮し、マーケティング活動の全体的な影響を総合的に把握することができます。しかし近年、MMMは、複数のタッチポイントで個々のユーザーを追跡することで、よりきめ細かいアトリビューションを提供するMTA（マルチタッチ・アトリビューション）の影に隠れてしまっている。MTAでは、マーケターは、どのタッチポイントが個々のユーザーのコンバージョンを促進しているかを確認し、それに応じて予算を配分することができます。このような粒度の高さから、MTAは多くのマーケター、特にデジタルマーケティングに携わるマーケターにとって人気のある選択肢となっています。

しかし、GDPR（一般データ保護規則）やCCPA（カリフォルニア州消費者プライバシー法）といった新しいプライバシー規制により、MTAが依存しているクッキーベースのトラッキングは難しくなってきています。つまり、ユーザーレベルのデータではなく、集計データを利用するMMMが今、新たな輝きを放つ勢いを増しているのです。

さて、マーケティングの効果測定には、どちらのツールを選べばいいのか悩みますよね。この2つのうち、MMMを選択する場合、いくつかの考慮すべき要素があります。検討すべき選択肢の1つは、データの一部または全部があらかじめ集計されている場合にMMMを選択することです。また、マーケティング活動がオンラインとオフラインの両方のチャネルを含むかどうかも要因の一つです。これは、オンラインとオフラインの境界線が曖昧になりがちな今日のデジタル時代において、ますます重要です。最後に、地理的なテスト結果など、マーケティング活動に関連する余分な情報がある場合は、MMMがそのデータをモデルに組み込むお手伝いをします。

MMMのメリット

まず、MMMベースの分析では、テレビ、印刷物、ラジオ、OOH（Out-Of-Home）広告など、クッキーでは追跡できないオフライン・チャネルの影響を取り入れることができます。さらに高度なモデリング技術では、さまざまなチャネルが相互に作用することを示すファネル効果や、これらのチャネルの相乗効果を考慮した乗算効果も取り入れることができるものもあります。さらに、MTAでは見過ごされがちな、マーケティング活動の長期的な影響に関する洞察を提供することもできます。MMMは、より拡張性が高く、広い地域や国全体のマーケティング活動の影響を測定するために使用することができると考えられています。

また、MMMは、個々のユーザーデータではなく、集計データを使用することで、企業がプライバシー規制に準拠するのに役立ちます。つまり、ユーザーのプライバシーを侵害することなく、マーケティング活動の効果を測定することができるのです。

本ブログでは、MMMの主な機能と、Databricks Lakehouse Platformが堅牢で拡張性の高い最新のMMMソリューションの構築を支援する方法について説明します。

共通の課題を解決する

MMMは、コンサルティング会社、広告主、ソフトウェアベンダーなど、さまざまな企業によって構築されています。企業がマーケティング費用を最適化する方法を模索し続ける中、MMMはROIを測定する方法としてますます注目されるようになりました。しかし、スケーラブルで堅牢なMMMソリューションの構築は、困難なタスクとなります。このセクションでは、企業が拡張性の高いソリューションを構築する際に直面する一般的な課題をいくつか紹介します。このセクションでは、一般的な課題のいくつかを説明します。

MMMソリューションの構築における最も大きな課題の1つは、上流のデータソースです。データサイエンスと機械学習チームは、標準的な収集方法がない計量経済学データのようなサードパーティデータを含むMMMデータについて、異なるソースからのデータストリームをつなぎ合わせる必要があります。さらに、データソースはレガシーデータベース、Hive、sftpフラットファイルなど、さまざまな場所に散在していることが多く、必要なデータを取得することが困難です。さらに、データは毎月手動でリフレッシュする必要があり、面倒で時間のかかる作業となります。

MMMの正確な結果を得るためのもう一つの障害は、データの不在である。例えば、経済データの取り込みやトラディショナル/オフラインメディアのデータが欠落していることはよくあることで、結果の正確性を大きく阻害する可能性があります。この課題は、規制によってデータの収集と共有に制限がかかる可能性のある、複数の国に拠点を持つ企業にとって特に顕著になる可能性があります。現代のAI時代において、機械学習モデルの一形態であるMMMソリューションは、AIの新興分野に関連する課題やリスクから免れることはできません。インジェストからインサイトダッシュボードに至るまで、データソースからモデルへのリネージュを追跡することは、従来のアプローチにとって大きなハードルであり、透明性と説明責任を維持することを難しくしている。

さらに、チームのサイロの存在が、スケーラブルなMMMソリューションの構築を阻害することもあります。モデル構築はしばしば分離された環境で行われるため、技術やビジネスの機能ドメインにまたがる水平方向と、組織レベル、ブランド、カテゴリー、ビジネスユニットにまたがる垂直方向の両方で、チーム間の障壁が発生します。モデル、コード、データのバージョン管理方法がないため、MMMソリューションに不整合や不正確さが生じる可能性があります。さらに、扱いにくいレガシーコードは、ソリューションの保守や更新を困難にし、大規模なリファクタリング作業が必要になることもあります。さらに、手作業によるプロセスがしばしば発生し、分析は通常、数ヶ月に一度だけの作業として行われ、より自動化され、反復可能で信頼性の高いDSMLパイプラインの一部としてではなく、個人や小さなチームが繰り返さなければなりません。

最後に、データの公開とインサイトの共有はしばしば遅延し、個別の統合を必要とします。このため、利害関係者が情報に基づいた意思決定を迅速に行うことが難しくなり、意思決定がさらに遅れて機会損失を招き、ますますペースが速くダイナミックな経済環境（特に競合他社が光の速さで動いている場合）で対応する俊敏性に欠けることになります。また、既存のMMMソリューションの多くは、顧客やパートナーとの効果的なコラボレーションに必要な柔軟性やプライバシー保護に欠けています。

その結果、企業はAI時代のMMMの導入にあたり、DSML技術に関連する独自の課題とリスクを考慮した、包括的で綿密なアプローチを取る必要があります。

Databricks Lakehouseでスケーラブルで柔軟なMMMを構築しよう

Reference diagram

Databricks Lakehouseは、企業が拡張性と柔軟性を兼ね備えた現代的なMMMソリューションを構築するための統一プラットフォームを提供することを目的としています。

Databricks Lakehouseの最も大きな利点の一つは、様々な上流データソースを統合することができる点です。つまり、オフラインのエコノメトリックスデータ、メディアキャンペーンデータ、CRMデータなど、MMMに欠かせないさまざまなデータソースを、このプラットフォームがまとめて、単一の真実のソースに統一することができる。これは、企業が異なるソースからの大量のデータを扱わなければならない、今日のデータ駆動型の世界では特に有効です。

Databricks Lakehouseのもう一つの重要な利点は、データパイプラインを合理化できることで、MMMに大きな利益をもたらすことができます。MMMのプロセスでは、データインジェスト後、さまざまなマーケティングチャネルの変換とKPIへの影響の分析が必要ですが、これにはさまざまなソースからの幅広いデータの配列が扱われます。レイクハウスは、データの取り込み、処理、変換を自動化し、データパイプラインを手動で管理するのに必要な時間と労力を削減することができます。これにより、データの品質監視を行いながら、データを段階的に提供することができます。

さらに、データそのものだけでなく、コードやモデルの成果物、ジョブの繰り返しなど、すべてのデータ資産の系統を確実に確立する系統追跡システムを提供することは、Databricks Lakehouseの大きなメリットです。データ利用の完全な透明性とトレーサビリティを提供し、企業が自信を持ってデータ駆動型の意思決定を行うことを可能にします。これはMMMの文脈では特に重要で、データの正確性と信頼性は、マーケティングチャネルが売上に与える影響を理解し、マーケティング費用の配分をシフトするために重要です。

モデリングフェーズに移ると、Databricks Lakehouseの主要な差別化要因の1つは強力なDSML機能であり、これは特にファーストクラスのML RuntimeとMLOpsツールに顕著に表れています。MMMモデリングにおける重要なタスクの1つは、大規模な事前設定と変数の変換であり、これには多数の反復が必要です。MLflowは、マーケティング担当者が独立変数（フィーチャー）の導出と変換、およびモデルでの使用状況を追跡することを可能にします。さらに、Databricks Feature Store は、フィーチャーエンジニアリングのベストプラクティスを奨励し、DSML チームにフィーチャーの作成、発見、再利用に必要なツールやインフラを提供します。これにより、モデリングプロセスが合理化され、ビジネス成果の予測精度が向上します。これらの機能により、マーケターはデータの潜在能力をシームレスに活用し、より多くの情報に基づいた効果的なマーケティングの意思決定を行うことができるようになります。

DatabricksがMMMチームに多大な効率化をもたらすことは、もう明らかでしょう！Databricksを使えば、シングルノードのデータサイエンティストでも、チューニングとトレーニングを分散し、クラスタ全体で複数のシナリオと構成を同時に実行し、ブランド、カテゴリー、地域にわたる独立したモデルを並行して構築できます（以下のデモを参照）：

MLランタイムは、完全に管理され、安全で、コラボレーション可能なML環境であり、DSチームがDS環境を起動、構築、維持することなく、DSチームの生産性を直接活用します。さらに、作業の共有を容易にすることで、異なるチームが採用する一貫性のないアプローチを防止し、共同作業の流れを促進します。たとえば，マーケットプレイスからデータを調達したり，Dun & Bradstreet，S&P，Edgar，気象データ，市場調査などのソースから調達したデータをLakehouseのよく管理された場所に保存したりして，不足データを入力するメカニズムを開発することも一つの解決策です．このようなアプローチによって、データやコードに関してチームが車輪の再発明をすることを防ぎ、最終的に時間とリソースを節約することができます。しかし、この再利用の欠如と車輪の再発明は、コードとパイプラインの残りの部分にも当てはまるため、MMMをチームのサイロに移動して効率を高め、不一致を最小限に抑える必要があることを認識しておくことが重要です。

Lakehouseのオープンソースの性質は、PythonのPyMCやRのRobynなど、MMMで人気のあるオープンソースライブラリをすべて実行できる理想的な環境を提供します。この機能により、ユーザーは特定のニーズに対応するソリューションを構築し、ベンダーロックインを回避することができます。

最後になりますが、BI統合とDatabricksマーケットプレイスを備えたDBSQLにより、MMMチームはモデルの洞察を簡単に公開することができ、新しいモデリングプロジェクトをデータ収集からMMM Executiveの実用的な洞察に導くまでの時間を短縮することができます。すべてのデータとAIの活動を統合し標準化することで、LakehouseはMMMソリューションだけでなく、チームが今日と明日取り組む他のあらゆるデータとAIソリューションを構築するのに最適な場所となります。

Databricks for LakehouseがMMMで複数チャネルのマーケティングキャンペーンを最適化するのに役立つことをご紹介します。 Access the solution accelerator.