
Modernisera marknadsföringsinsikter.
Adobe maximerar marknadsföringens verkningsgrad samtidigt som man omvandlar driften genom datadriven planering.

80%
ökning av avkastningen på medieinvesteringar på fem år
Produkter:
Mål
Optimera marknadsföringsbudgeten genom att mäta den inkrementella påverkan av annonsering och mediekanaler
Göra marknadsföringsdata enhetliga i alla kanaler för att få konsekventa insikter och möjliggöra bättre beslutsfattande
Maximera avkastningen på investeringen i olika kampanjer genom att snabbt tilldela om budgetar med datadrivna insikter
Resultat
80 % ökning av avkastningen på medieinvesteringar på fem år
75 % tillväxt av medieandelen av digitala prenumerationer
AI-as-a-Service-ramverket levererar snabbare, åtgärdbara insikter för flexibilitet i beslutsfattandet
Marknadsföringen tar över rodret
För tio år sedan stod Matt Scharf, vice president of growth marketing performance på Adobe, inför ett fragmenterat landskap avseende marknadsföringsmätningar. Marknadsföringskanalerna fungerade oberoende av varandra och olika team ansvarade för varje kanal, som webbannonsering, betald sökning och sociala medier.
Att rapportera marknadsföringens bidrag till företagets vinst var en utmaning eftersom varje kanal mättes oberoende, ofta med olika nyckelvärden. Detta gjorde det svårt att jämföra resultaten i olika kanaler eller anpassa dessa nyckeltal till det viktiga mål som företagets intäkter utgör. Något som gjorde det ännu värre var att nyckeltalen ibland inte stämde med intäktstrender, vilket kunde skapa ytterligare konflikt mellan marknadsförings- och ekonomiavdelningen.
”Metoden ledde till inkonsekvent rapportering i de olika kanalerna ‒ det var inte alltid äpplen som jämfördes med äpplen. Det begränsade även vår förmåga att ha kvalificerade samtal med ekonomiavdelningen om budgeten och vad marknadsföringen bidrog med, liksom även att hitta vägar för att skaländra vårt bidrag till verksamheten”, förklarar Scharf.
Eftersom de insåg att en enhetligare metod krävdes, ledde Adobes marknadsföringsavdelning framtagningen av en lösning som utvecklats till dagens Adobe Mix Modeler, ett AI-drivet verktyg som integrerar mätning och planering på en och samma plattform.
Med Mix Modeler kunde Scharf och hans team analysera data i de olika kanalerna, vilket ledde till enhetliga och utförliga insikter i var de skulle investera marknadsföringsbudgeten för att få maximal avkastning. Detta gav marknadsföringsteamet självförtroendet att fatta snabbare, mer välunderbyggda beslut baserade på mätvärden som intäkter och avkastning på investeringen, vilket positionerade marknadsföringen som en viktig faktor för affärstillväxt.

”Mix Modeler hjälpte oss att slippa gissa när vi mätte kanalernas resultat, så att vi kunde utforska nya kanaler som uppkopplad TV och influencermarknadsföring med större tillförlitlighet och noggrannhet.”
Matt Scharf
Vice President, Growth Marketing Performance, Adobe
Enhetliggöra mätning i ett splittrat medielandskap
Innan Mix Modeler, kämpade Scharfs team med att mäta framgången på nya annonseringsplattformar som detaljhandelsmedier, uppkopplad TV och influencermarknadsföring. ”Vi tenderade att använda kanaler som var lätta att mäta, som betald sökning, webbannonser och e-post. Bristen på sofistikerade mätverktyg begränsade emellertid vår förmåga att utforska nyare plattformar med hög potential. Det berodde inte på att vi inte ville, men vi var fast i att förlita oss på det vi kunde mäta effektivt vid tidpunkten, vilket begränsade vad vi kunde bidra med till företaget”, säger Scharf.
Ett annat betydande hinder var de nya sekretessförordningarna som kom, vilket gjorde det svårt att samla in korrekta data. När tredjepartscookies fasades ut, började till och med etablerade kanaler som webbannonser att förlora värdefulla spårningsinsikter.
”Vi insåg att vi kommit till vägs ände med att förlita oss på cookiebaserade attribueringsmodeller. När cookies började förlora sin tillförlitlighet, särskilt för de kanaler vi ville utforska, visste vi att vi måste ändra riktning. Det fungerade inte att bara släcka bränder med de här problemen längre ‒ vi var tvungna att se framåt, vart branschen var på väg, för att framtidssäkra vår strategi”, drar sig Scharf till minnes.
Samtidigt förändrades marknadsföringslandskapet snabbt, och Scharfs team behövde snabbare insikter för att hålla jämna steg med trender, konkurrenternas aktiviteter och ett föränderligt konsumentbeteende. Pressen att reagera snabbt på marknadsförändringar krävde en ny strategi för marknadsföringsmätning.
”Vi har en mycket djupare relation till vårt ekonomiteam. Nu sitter vi ned med dem och visar hur våra mål ligger i linje med de bredare affärsnyckeltalen.”
Matt Scharf
Vice President, Growth Marketing Performance, Adobe
Utveckla en lösning
För att möta de här utmaningarna började Scharf och hans team skapa Mix Modeler, en AI-driven lösning som kunde avhjälpa begränsningar med cookiebaserad mätning och anpassa sig till ett föränderligt marknadsföringslandskap. Lösningen är utformad för att förena uppifrån-och-ned-data och nedifrån-och-upp-data, möjliggör prestandaanalys nästan i realtid och ger prediktiva insikter som stödjer förmågan att snabbt experimentera med nya kanaler vilket kan resultera i en mer diversifierad mediemix. Med den här moderna lösningen är Adobes marknadsföringsteam rustat att fatta snabbare mer välunderbyggda beslut, vilket snabbar upp tillväxten och tåligheten på en marknad som utvecklas snabbt.
Teamet kan nu mäta inkrementell påverkan ‒ ett bidrag som kan attribueras till marknadsföringsaktiviteter utifrån en baslinje ‒ i olika kanaler, så att de kan optimera mediebudgeten med tillförsikt. ”Mix Modeler hjälper oss att slippa gissa när vi mäter kanalernas och kampanjernas resultat, så att vi kan utforska nya kanaler med större tillförlitlighet och noggrannhet”, säger Scharf. Lösningens inlärningsteknik med tvåvägsöverföring, som är patentsökt, gör att teamet kan enhetliggöra data både på en övergripande och mer detaljerad nivå, vilket löser problemet med ”äpplen och äpplen” som de tidigare stod inför med inkonsekventa mätvärden. Genom att samordna uppifrån-och-ned-insikter med nedifrån-och-upp-insikter kan de nu förutsäga kampanjresultat korrekt, allokera budgetar med tillförsikt och göra justeringar i realtid för att maximera genomslaget.
Ett av de viktigaste resultaten är förbättrat samarbete mellan marknadsförings- och ekonomiteamen. Nu kan Scharfs team diskutera hur deras marknadsföringsåtgärder stödjer kvartalsmål för verksamheten och riskprofiler, vilket gör marknadsföring till en reell vinstdrivande faktor och gör ekonomiavdelningen tryggare i sina budgetrekommendationer och framtida investeringsstrategier. ”Vi har en mycket djupare relation till vårt ekonomiteam. Nu sitter vi ned och med dem och visar hur våra mål ligger i linje med de bredare affärsnyckeltalen”, säger Scharf. “Vi har kommit så långt att vi kan lita på våra projektioner nästan som sanningar, och vi kan ha kvalificerade samtal om vad marknadsföringen kan täcka, var det kan finnas luckor och hur vi kan utvidga eller justera kanaler för att möta målen.” Genom att samordna dem utifrån samma gemensamma resultatmått ‒ intäkten ‒ gör Mix Modeler så att båda teamen kan tala samma språk, vilket skapar en delad förståelse och vision för tillväxten.
Borta är dagarna när Adobe förlitade sig på mediebyråer för att få prestandainformation, en förändring som har effektiviserat hur insikter hanteras. Scharf och hans team kan nu ta mer ansvar för Adobes data och försäkra sig om transparens och att de ligger i linje med de övergripande målen. Verktyget gör också att teamet kan generera och dela mer detaljerade insikter med byråpartner, vilket låter mediepartnerna fokusera på att identifiera och implementera målinriktningsstrategier och taktiker som genererar resultat. Lösningen har tjänat som en användbar katalysator för att fostra ett mer balanserat och samarbetsinriktat förhållande mellan Adobe och dess mediepartner.
”Vi har byggt en stark relation med våra byråteam, där vi stämmer av med dem varje vecka. Tillsammans analyserar vi globala resultat från Mix Modeler och samarbetar om vad som fungerar och inte fungerar”, säger Scharf.
Mäta framgången i olika kanaler
Sedan de började använda verktyget för marknadsföringsmätning och -planering har Adobe sett mätbara förbättringar av sina marknadsföringsåtgärder. Den här optimeringen har bidragit till en 80 % högre avkastning på mediebudgeten under de senaste fem åren och har spelat en stor roll för ökningen på 75 % av mediernas andel av prenumerationsökningen för Adobes produkter för digitala medier globalt.
Eftersom de får frekventa datadrivna insikter kan teamet anpassa sina strategier för att optimera hur mediebudgeten spenderas mycket snabbare. Den här smidigheten gör att Adobe kan maximera sin avkastning på investeringen i olika kampanjer och etablera en grund för skalbar framgång. ”Med Mix Modeler kan vi optimera med precision både kvartalsvis och oftare än så. Genom att kontinuerligt bedöma prestandadata kan vi snabbt omfördela budgetar och finjustera vår strategi när affärsbehoven förändras, vilket gör marknadsföring till en enhetlig, tillväxtdrivande kraft för Adobe”, säger Scharf.
Framförhållning
Allt eftersom Adobe fortsätter att utveckla sina marknadsföringsstrategier kommer lösningen att spela en avgörande roll för att driva på innovationen.
”Mix Modeler har gett oss en ledande position att expandera vår investeringsmix över olika kanaler istället för att kämpa med mätningsutmaningarna som alla organisationer måste förhålla sig till. Den här grunden kommer att låta oss utveckla och expandera våra mätningsstrategier så att vi kan möta en bredare uppsättning affärsmål, produktområden, prestandamätvärden och kundstadier”, säger Scharf.
Adobes framgång speglar en bredare trend i branschen: övergången till datadriven marknadsföringsmätning där smidighet, korrekthet och transparens prioriteras. Mix Modeler blev inte allmänt tillgängligt förrän nyligen, men det började utvecklas och användas internt redan för tio år sedan, och har kontinuerligt förfinats sedan dess. Det stödjer nu företagets marknadsföringsverksamhet i multimiljarddollarklass. Med sin fasta beslutsamhet att kontinuerligt utveckla sin strategi är Adobe i en bra position för att uppfylla de moderna marknadsförarnas behov när dessa utvecklas
Läs den här guiden och se hur du kan maximera marknadsföringsavkastningen med Adobe Mix Modeler.
Titta sedan på det här webbinariet från Adobe för att se hur Mix Modeler kan förbättra era planerings- och mätningsstrategier: AI-driven marknadsföring: Förbättra er strategi med avancerad marknadsföringsmätning.