Het gesprek ging niet over dashboards of de zoveelste conversiegrafiek. Wat hier op tafel lag, was het hart van moderne marketingintelligentie: hoe meet je écht wat werkt, en hoe kom je daarover tot gezamenlijke besluiten binnen een organisatie?
De mythe van het perfecte model
Marketing Mix Modeling (MMM) staat opnieuw vol in de belangstelling. Aan tafel zaten professionals die soms al jarenlang modellen draaien en experimenteren met verschillende methoden, van regressie tot Bayesiaans. En één ding werd meteen duidelijk: dé waarheid bestaat niet.
Hoewel MMM volgens een deelnemer het beste model blijft om de incrementele impact van media op sales te meten, is het ook een model met haken en ogen. “Je moet al snel achttien parameters schatten met weinig datapunten. Dan krijg je discussie over betrouwbaarheid,” aldus een deelnemer. En hoewel Bayesiaanse modellen meer flexibiliteit bieden – bijvoorbeeld door eerdere kennis uit experimenten mee te nemen – zijn ook die sterk afhankelijk van aannames en interpretatie.
Wat vooral opviel: niemand vertrouwt het model blindelings. MMM is waardevol, maar ook kwetsbaar, en wordt vaak ingezet als discussiestarter binnen de boardroom – niet als sluitend bewijs.
Wat is MMM, en waarom is het nu relevanter dan ooit?
Marketing Mix Modeling (MMM) is een analysemethode waarmee marketeers de impact van verschillende marketingkanalen — zoals tv, radio, online advertenties en out-of-home — op zakelijke doelstellingen zoals omzet of merkgroei kunnen meten. Het model maakt gebruik van geaggregeerde data (bijvoorbeeld op dag- of weekniveau) en schat het incrementele effect van elk kanaal, waarbij het rekening houdt met factoren zoals seizoensinvloeden, promoties en externe gebeurtenissen.
Hoewel MMM al sinds de jaren zestig wordt toegepast, beleeft het momenteel een heropleving. Dat komt doordat er binnen marketing een sterkere behoefte is ontstaan aan aantoonbare accountability, zeker nu budgetten onder druk staan en beslissingen in de boardroom scherper onderbouwd moeten worden. Tegelijkertijd nemen de beperkingen van digitale attributiemodellen toe door privacywetgeving en het verdwijnen van third-party cookies. Dankzij nieuwe tooling, open-sourcemodellen en verbeterde infrastructuur is het bovendien een stuk eenvoudiger én goedkoper geworden om MMM zelf te draaien of in te passen in bestaande analyseprocessen.
MMM focust zich op het meten van incrementele impact — de vraag: wat gebeurt er als ik dit kanaal weghaal? — en leent zich daardoor uitstekend voor structurele, strategische keuzes: hoeveel levert een brandcampagne op? Welke combinatie van kanalen is duurzaam effectief? Wat gebeurt er als we stoppen met tv?
Het beroemde marketingcitaat “de helft van mijn reclamebudget is weggegooid geld, ik weet alleen niet welke helft”, vaak toegeschreven aan de Amerikaanse ondernemer John Wanamaker, is nog steeds actueel. Juist in dat spanningsveld is MMM een van de krachtigste instrumenten om daar eindelijk scherper zicht op te krijgen.
De strijd tussen branding en performance
De klassieke tegenstelling tussen sales en branding bleek springlevend. Meerdere deelnemers deelden hoe moeilijk het kan zijn om de waarde van merkbouw in cijfers te vangen. “De discussie gaat altijd over korte termijn omzet, maar dat is niet het enige wat telt,” aldus een deelnemer. En hoewel brandingcampagnes vaak ook bijdragen aan sollicitaties, klantloyaliteit of retentie, worden die effecten zelden goed gemeten. Een deelnemer vatte het bondig samen: “Branding is belangrijk, maar staat niet in het dashboard.”
Toch zagen veel aanwezigen ook beweging. Onder druk van de CMO of CFO worden zowel branding en attributie investeringen vaker onderbouwd met scenario’s of simulaties. Daarmee komt marketing stap voor stap dichterbij de taal van de boardroom.
Organiseren met onzekerheid
Eén rode draad door de ochtend: onzekerheid is onvermijdelijk, maar geen excuus om niets te doen. Sterker nog, de meest volwassen organisaties zijn juist goed in het werken mét onzekerheid. “We werken met scenario’s, schatten ranges in, en sturen op relatieve uitkomsten,” klonk het. Zelfs wanneer niet alles perfect meetbaar is, blijft het mogelijk om richting te geven, mits de aannames helder zijn.
En dat betekent ook: stevige keuzes maken. Sommige bedrijven sturen actief op ‘cost per signal’ – wat is de waarde van een extra signaal in termen van merk of sales? Anderen zetten kleine, politiek acceptabele schuiven in het budget om leerervaringen op te doen. Zoals één deelnemer zei: “Beter duizend euro op Bing dan Google, als dat ons nieuwe inzichten oplevert.”
De waarde van deze besloten uitwisseling
Wat de bijeenkomst extra bijzonder maakte, was de openheid. Ondanks het complexe en technisch geladen onderwerp, ontstond er een open sfeer waarin deelnemers ervaringen deelden over wat werkte – en vooral ook wat niet. De commissie DDE speelde hierin een cruciale rol. Door ruimte te maken voor deze verdieping bracht die partijen bij elkaar die elkaar in het dagelijks werk zelden treffen, maar die wél veel van elkaar kunnen leren.
Van eerste experimenten met MMM tot rijpe, organisatiebrede modellen: iedere aanwezige vond herkenning, inspiratie of bevestiging. En hoewel niet iedereen het over alles eens was, was één ding zeker: dit zijn de gesprekken die het vak verder brengen.
Word jij ook onderdeel van dit netwerk?
Ben jij verantwoordelijk voor marketinganalyse, budgetsturing of data-gedreven besluitvorming? De DDMA Commissie Data, Decisions & Engagement zoekt versterking. Of neem deel aan een volgende Elite-sessie om mee te praten op topniveau. Meer weten? Kijk op ddma.nl of neem contact op via info@ddma.nl.
Luuk Ros
Ook interessant
DDMA Elite – Marketing ROI: leren sturen met onzekerheid
Dit zijn de ‘harde’ succesfactoren voor een robuuste experimentatiecultuur
