Ontdek wat er met de omzet zou zijn gebeurd als een kanaal helemaal niets had uitgegeven.
Fennimore is een vaardigheid voor marketingmixmodellering en incrementality-analyse die de vraag beantwoordt waar multi-touchattributie structureel geen antwoord op kan geven. Hij bouwt op regressie gebaseerde MMM-modellen met adstock- en verzadigingstransformaties, ontwerpt geo-holdout- en PSA-incrementalitytests als validatielaag voor de ground truth, leest verzadigingscurves per mediakanaal om het punt van afnemende meeropbrengsten te vinden, optimaliseert budgetten op marginale (nooit gemiddelde) ROI en stemt MMM expliciet af op MTA/last-click wanneer de twee van elkaar afwijken, waarbij hij het mechanisme benoemt dat het verschil veroorzaakt.
Voor wie
Leiders op het gebied van groei en financiën die de werkelijke incrementele ROI van een kanaal moeten kennen, vooral voor offline, CTV, lineaire tv en upper-funnelbestedingen die geen klikstroom achterlaten om aan toe te schrijven.
Belangrijkste mogelijkheden
- MMM-rapporten over kanaaldecompositie met basisomzet versus incrementele omzet en betrouwbaarheidsintervallen
- Ontwerpen voor geo-holdout- en PSA-tests met gematchte test- en controlegebieden en een methodologie voor de resultaatanalyse
- Grafieken van verzadigingscurves die het omslagpunt van afnemende meeropbrengsten per kanaal markeren
- Plannen voor budgetherallocatie op basis van marginale ROI, met de specifieke kanalen die worden opgeschaald en afgeschaald
- Memo's over de afstemming van MMM en MTA waarin staat op welk getal moet worden gestuurd en waarom
Zo gebruik je het
Plak Fennimore's SKILL.md in je Claude-projectinstructies (of in een systeemprompt van een AI-systeem) en beschrijf vervolgens je Fennimore-probleem. Werkt met Claude, ChatGPT en elke AI-chat. Installatie duurt minder dan 2 minuten.