Я знаю, что половина моего рекламного бюджета расходуется впустую.
Беда в том, что я не знаю, какая именно половина.
Джон Ванамейкер,
создатель первой в мире сети универмагов.
Почти 175 лет прошло со дня рождения знаменитого американского коммерсанта, основателя первой в мире сети универмагов (Wanamaker's), которой ввел в своих магазинах понятие фиксированных цен, тем самым запретив продавцам торговаться с покупателями. Кроме этого, Джон Ванамейкер стал первым современным рекламодателем, выкупив колонки в газетах для рекламы своих магазинов, за что не зря впоследствии его стали называть отцом современной рекламы. Его цитата про «рекламный бюджет» как нельзя лучше отражает то, что уже в наше время происходит на рекламном рынке.
Безусловно, появление интернета сократило выкидывание рекламных денег на ветер: аналитики, маркетологи и даже рекламисты почти научились рассчитывать отдачу от вложений в рекламные кампании в интернете (ROI) и оценивать эффективность интернет-маркетинга. Активно используются системы статистики, вроде Google Analytics и Яндекс.Метрики, составляются системы ключевых показателей эффективности (KPI) сайтов и рекламных кампаний, рассчитываются такие показатели, как стоимость за лид (CPL), стоимость за заказ (CPO) и другие. Но как оценивать эффективность рекламы, если Ваш сайт – не более чем визитка Вашей кампании и на нем ничего нельзя заказать или оставить заявку? Что делать, если помимо рекламных кампаний в интернете, Вы еще размещаетесь в 3 журналах и даете рекламу на 2-х радиостанциях? Что делать, если основная цель Вашей рекламы в интернете (и любой другой) – это не посещения сайта Вашей компании, а посещения Вашего универмага в центре города? Как в этом случае не выкинуть половину Вашего рекламного бюджета в корзину рекламных агентств и площадок? Далее, не вдаваясь в технические детали, я приведу Вам пример того, как можно получить ответы на все эти вопросы.
Жаль, что знаменитый Джон Ванамейкер не имеет возможности прочитать эту статью и узнать-таки, какую именно половину своего рекламного бюджета он тратил впустую, однако, давайте отдадим ему должное и представим себя владельцем универмага. Ваша основная задача – увеличить посещаемость Вашего торгового центра за счет рекламы, чтобы потом обоснованно увеличить арендную ставку в Вашем универмаге и получать больше денег с арендаторов.
Вы уже испробовали различные каналы привлечения посетителей в этом году, в том числе и интернет-рекламу, и теперь размышляете над оптимальным набором каналов медиамикса и распределением рекламного бюджета на будущий год. В прошлом году в интернете Вы размещали баннеры на тематических ресурсах, писали и рассылали статьи в различные интернет-издания, нанимали SMM-агентства для проведения специальных проектов. Кроме этого, Вы выкупали рекламные блоки в нескольких популярных печатных изданиях, а один раз даже разместили рекламный ролик на радио. Несколько раз в течение года вы проводили распродажи и BTL-акции внутри Вашего универмага.
Сейчас перед Вами лежит толстая кипа бумаг с годовыми данными о посещаемости и продажах вашего универмага, стоимостью, временем и площадками размещения Вашей рекламы (интернет, газета, радио, BTL), из которых Вам предстоит сделать непростой вывод об эффективности каждого канала, и составить оптимальный медиаплан на будущий год. Вы знаете, что каждая рекламная активность в этом году в той или иной степени повлияла на посещаемость Вашего универмага, вопрос только какая и в какой степени. Кроме этого, Вы помните о таких факторах, как сезонность и выходные и праздники.
Визуально это выглядит так:
По сути дела у Вас есть некоторое количество факторов, влияющих на зависимую переменную, то есть посещения универмага. Напомню задачу – определить степень влияния каждого фактора на посещения универмага. Давайте представим себе упрощенную модель реального мира, в котором на посещения Вашего универмага влияет только стоимость размещения рекламы в одном единственном журнале. То есть увеличение числа посетителей Вашего универмага прямо пропорционально стоимости размещения рекламы и при этом каждый выпуск журнала читает одно и то же число читателей. Тогда зависимость посещений Вашего универмага от стоимости размещения рекламы в прессе можно представить в виде обычной линейной функции:
Y=aX+b
Y –посещения Вашего универмага;
X – стоимость рекламы в прессе;
b – некоторый постоянный уровень посещения Вашего универмага (который сохранялся бы и при полном отсутствии рекламы);
a – коэффициент, показывающий отношение между посещениями и стоимостью рекламы.
Вы 2 раза разместились в журнале, при этом в первый раз Вы купили рекламный блок за 5 рублей и получили 10 посетителей, а во второй раз вложили в рекламу 30 рублей и получили 100 посетителей.
Для наглядности, расположим эти точки на плоскости:
Имея исторические данные за 2 размещения рекламы, Вы без труда смогли решить систему линейных уравнений с двумя неизвестными и определить коэффициенты «a» и «b». Зная коэффициент «а» и постоянный уровень посещаемости Вашего универмага «b», Вам бы не составило труда узнать, какое количество посетителей пришло бы в Ваш торговый центр, если бы Вы вложили в рекламу N рублей. Разделив N рублей на количество посещений торгового центра, Вы бы узнали стоимость одного посетителя с учетом вложений в рекламу в прессе.
Теперь немного усложним ситуацию и представим, что каждый выпуск журнала читает разное число читателей.
Вы вполне удовлетворены соотношением затрат на рекламу и количеством новых посетителей Вашего универмага и размещаете свою рекламу еще в 2 номерах.
Стоимость размещения, руб. |
Количество посещений универмага, человек |
5 |
10 |
30 |
100 |
20 |
70 |
30 |
80 |
Для наглядности, расположим эти точки на плоскости:
Из курса школьной математики, Вы должны помнить аксиому о том, что прямую можно провести через любые две точки. Из графика выше невооруженным глазом видно, что провести прямую через 4 точки вам не удастся, а значит, не удастся однозначно определить коэффициенты «а» и «b» Вашего линейного уравнения. Это в свою очередь значит, Вы не сможете однозначно сказать, какое количество посещений Вы получите, если вложитесь в рекламу в следующий раз.
Вернемся к реальному миру. Помимо большого числа размещений по каждому рекламному каналу, у Вас еще есть множество факторов, влияющих на единственную зависимую переменную – посещения Вашего торгового центра. В реальном мире визуально уравнение выглядит так:
Задача при этом не меняется – мы должны понять, как каждый из факторов влияет на посещения универмага. В упрощенном примере с линейной функцией мы уже выяснили, что степень влияния фактора на посещения универмага определяет коэффициент «a» при переменной X. В уравнении, приведенном выше, переменных и коэффициентов может быть гораздо больше и исторические данные тут не помогут определить коэффициенты B1, B2, B3...Bn.
На помощь приходит методология, которая применяется компании WebProfiters, основанная на эконометрическом анализе исторических данных. Эта методология позволяет на основе исторических значений и анализе колебаний в данных (отклонений от нормального значения) построить математическую модель и определить каждый их коэффициентов B1, B2, B3...Bn. Что, как мы помним, определяет степень влияния каждого фактора на зависимую переменную, в нашем случае – посещения универмага. В основе методологии лежит регрессионный анализ.
Методология универсальна: имея исторические данные за значимый период времени (например, год или два – в зависимости от объема маркетинговых активностей) о размещениях рекламы (тип, стоимость, объем, показы, охват и другие), можно определить степень влияния каждого рекламного канала на важные бизнес-метрики (в том числе продажи).
Зная коэффициент влияния каждого фактора на KPI, Вы сможете оптимизировать медиаплан (ROI каждого канала, бюджет каждого канала), и определить оптимальный маркетинговый микс на будущее.
Приведу пример того, как математическое моделирование позволяет оптимизировать медиаплан и наконец-таки понять, какая именно половина Вашего рекламного бюджета тратится впустую.
Первое, что определяется в процессе моделирования – это значимость построенной модели. Так как мы моделируем некоторую функцию на основе исторических данных, появляется возможность сравнить построенную модель с реальными данными. Выглядит это так:
Где R2 определяет значимость модели. Цифра в 86% говорит о том, что мы на 86% уверены в том, что построенная модель не является случайным результатом.
Далее мы определяем степень влияния каждого фактора на KPI, а также переменную «a» – базовый уровень моделируемого показателя, который сохранялся бы при полном отсутствии рекламы (напоминаю, что в рассматриваемом варианте использования моделирования показатель – это посещения универмага):
Как мы видим из рисунка выше, некоторые факторы (светло-зеленый цвет) отрицательно влияли на посещения универмага. Не трудно догадаться, что это – фактор сезонности.
Также мы имеем возможность декомпозировать полученный график, и детально рассмотреть влияние каждого фактора на посещения универмага, например, влияние различных промо-активностей внутри универмага на его посещаемость:
Из рисунка выше видно, что Промо-Акция 7 (выделена розовым цветом) оказала наибольшее положительное воздействие на посещаемость.
Зная затраты на размещение рекламы по каждому каналу, а также влияние каждого канала на KPI, мы можем посчитать приблизительную стоимость одного пункта KPI (в нашем случае – одного посетителя) по каждому каналу, а также оптимизировать медиаплан:
Подведем итоги: методология позволяет на основе исторических данных о размещении рекламы моделировать и прогнозировать влияние тех же или схожих рекламных и маркетинговых каналов, а также независимых факторов, вроде сезонности, на KPI бизнеса. В данной статье был рассмотрен пример использования методологии для оценки степени влияния всех возможных факторов на посещения торгового центра. В результате моделирования, за счет оптимизации медиаплана, средняя стоимость посетителя торгового центра сократилась на 18%, что при рекламном бюджете в 5 миллионов рублей дает экономию в 900 тысяч рублей.