Adapting marketing mix modelling for the retail marketing environment – A road map for development

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2019-10-23
Department
Major/Subject
Operations and Service Management
Mcode
SCI3049
Degree programme
Master’s Programme in Industrial Engineering and Management
Language
en
Pages
78 + 10
Series
Abstract
Measuring the impact of marketing is essential for improving its performance and justifying marketing decisions to top management. However, marketers often struggle with it, even though various methods are available to them in the literature. A good starting point for marketers is the most popular method, marketing mix modelling (MMM), that is a linear regression fitted in sales and marketing data. Yet, it often suffers from various downsides, such as lack of data, deficient model forms and biases. Researchers have consequently suggested improving it through better data, better models and model validation. However, researchers mainly discuss these areas as a way to improve model accuracy rather than to widen the scope of analysis. Improving modelling granularity would enable marketers to analyse performance on lower levels and broaden their discussion on improvements. Higher granularity could particularly support the retail industry, where marketing is a complex operation because of wide product ranges, geographical reaches and customer bases. Consequently, the goal of the thesis was to analyse how the typical MMM is limited, how model developers could adjust it to meet the needs of the retail marketing environment and what impacts such adjustments would have. We conducted the study through a combination of a literature review and a simulation. The literature review discovered that the typical MMM is limited in use in the retail environment, mainly due to its low granularity that hides the information about the structure of performance. Other flaws include, e.g., the lack of modelling in retail-specific effects, such as stock-up, and the lack of model validation. The most significant opportunity arises from increasing granularity in at least three dimensions: frequency, geography and product hierarchy. Other improvements, in turn, arise from improving accuracy through comprehensive modelling and model validation through simulation. The simulation studied the impact of granularity on available improvement opportunities in the retail environment. A product-level model was able to reach a significant 33.1\% increase in total profit compared to the unoptimised baseline. The traditional model, in turn, was only able to reach a meagre 1.7\% improvement. The result supports the hypothesis that higher modelling granularity leads to more detailed and effective improvement opportunities in retail marketing. Based on the literature review and the simulation, we formed a road map for the development of MMM in the retail environment.

Markkinoinnin vaikutuksen mittaaminen on välttämätöntä markkinoinnin tehostamiseksi ja markkinointipäätösten perustelemiseksi ylimmälle johdolle. Siitä huolimatta, useat yritykset epäonnistuvat siinä. Mittaamista varten on kuitenkin kehitetty menetelmiä, joista yleisin on ns. markkinointi mix mallinnus (MMM). Se kuitenkin kärsii useista ongelmista, kuten epätäydellisistä ja testaamattomista malleista. Parannusalueita on kuitenkin tunnistettu kolmella osa-alueella: parempi data, paremmat mallit ja mallin validointi. Näitä osa-alueita kuitenkin pääsääntöisesti lähestytään mallin tarkkuuden kehittämisen kannalta eikä analyysimahdollisuuksien laajentamisen kannalta. Analyysien laajuutta olisi mahdollista puolestaan parantaa paremmalla datan tarkkuudella eli granulariteetilla. Parempi granulariteetti voisi erityisesti tukea jälleenmyyntialaa, jossa markkinointi on hyvin monimuotoista ja haastavaa hallita, mm. laajan tuotevalikoiman takia. Työn tarkoituksena onkin tutkia, kuinka perinteinen markkinointi mix mallinnus on rajoittunut, kuinka sitä voidaan kehittää jälleenmyyntialalle sopivammaksi ja mitä vaikutuksia parannuksilla olisi. Tutkimus toteutettiin kirjallisuuskatsauksen ja simulaationtutkimuksen yhdistelmänä. Kirjallisuuskatsauksessa havaittiin, että mallinnus on rajoittunut käyttömahdollisuuksissaan jälleenmyyntialalla pääsääntöisesti sen huonon granulariteetin takia, joka piilottaa informaation tehokkuuden rakenteesta. Lisäksi mm. jälleenmyyntialalla ominaisten ilmiöiden, kuten hamstraamisen, mittaaminen on puutteellista ja mallit kärsivät useista epätarkkuuksien lähteistä ja validoinnin puutteesta. Malleja olisi erityisesti mahdollista parantaa lisäämällä granulariteettia ainakin kolmessa dimensiossa: frekvenssi, alueellisuus ja tuotehierarkia. Toinen tärkeä kehitysalue on mallin tarkkuuden parantaminen mm. kattavan mallintamisen ja mallin validoinnista simuloinnilla. Kirjallisuuskatsauksen lisäksi tehty simulaatio tutki granulariteetin vaikutuksia markkinoinnin kehitysmahdollisuuksiin jälleenmyyntiympäristössä. Tuotetason granulariteetilla onnistuttiin saavuttamaan 31.1 \%:n parannus kokonaisvoitossa verrattuna lähtötilaan. Perinteisellä mallilla tulos oli vain 1.7 \%. Tulos tukee hypoteesia, että parempi granulariteetti mallintamisessa tuo enemmän ja merkittävämpiä markkinointikehitysmahdollisuuksia jälleenmyyntiympäristössä. Tutkimuksen lopuksi muodostettiin tiekartta mallintamisen kehittämiseen jälleenmyyntialalle sopivammaksi.
Description
Supervisor
Seppälä, Timo
Thesis advisor
Laine, Hannu
Ervasti, Mikko
Keywords
marketing mix modelling, retail, big data, data granularity
Other note
Citation