Не ROI единым жив маркетинг…

Когда продаешь кондиционеры, относительно легко посчитать ROI рекламной кампании в контексте и таргете. В прошлом даже не заморачивались, а искали “толкового SEO-шника”, который выводил магазин в первые строчки поисковой выдачи по высокочастотным запросам. И бизнес в шоколаде.

Но с учетом того, что поисковики больше не играют в бэкдоры и прочие махинации, совершенствуя свои алгоритмы, а также мгновенно деранжируя любой подозрительный вебсайт, владельцы интернет-магазинов покупают контекст и таргет, и как следствие, умеют считать ROI по всем рекламным инструментам по примерной такой формуле:

ROI = (( CTR x CR x AOV x GM ) - РеклБюджет) / РеклБюджет.

Но все меняется, когда нужен ROI того или иного инструмента, если это не продажа “нутры” или “брендированного OEM из Китая на Вайлдберриз”, а, например, продажи Coca-Cola или стирального порошка.

Тут уже продажи не только в онлайн, но и в оффлайн, а это означает, что ROI отдельного инструмента и канала рекламы посчитать вот тако вот просто в лоб невозможно, потому что:

• потребитель может контактировать с брендом 5–7 раз перед покупкой
• атрибуция покупки может быть ошибочной (например, человек видел ролик, но купил “пивасик”, потому что “дружбан посоветовал” – фраза с проведенных фокус-групп если что :))

Что же, на помощь приходит МММ, не пирамида ( хотя ощущается как пирамида) , а Marketing Mix Modeling (иногда Media Mix Modeling), короче, в любом случае – это моделирование.

Это регрессионная модель продаж от уровня инвестиций в каждый канал с поправкой на внешние факторы (сезонность, погода и т.д.)

Очень упрощенно формула выглядит так –

Sales​=α+​ß1xТВ+β2​xТаргет+β3​xНаружка​+β4​xКонтекст​+…+Ω

где:

Sales – это тотальные продажи за период
α (альфа) – это базовые продажи (здесь уже учтены дистрибуция, сарафанка, повторные покупки без рекламы и так далее) тоже за период,

Ω (омега) – это шум, то что модель не смогла объяснить (естественно чем меньше этот показатель, тем точнее модель), сюда могут относится и действия конкурентов, сбои в логистике и даже какие-нибудь катаклизмы

ß (бета) – это вклад конкретного канала в изменение продаж за период, он измеряется как товарооборот / рекламный бюджет

соответственно, ТВ, Таргет, Наружка – это суммы, потраченные на тот или иной канал за период.

получается примерно такая картинка:

Канал	Затраты (млн.)	β	Вклад β×Траты	ROI (допустим если маржа 30%)
ТВ	10	2.5	25	(25×0.3)/10 = 0.75
Digital	5	3.0	15	(15×0.3)/5 = 0.9
OOH	2	1.0	2	(2×0.3)/2 = 0.3
Search	3	4.0	12	(12×0.3)/3 = 1.2
Итого по МММ			54 млн.

Важно понимать, что полученные 54 млн – это не “прямые продажи”, а “объясненная моделью” часть фактических продаж. а (о)стальное – Ω (омега) – случайные отклонения.

А вот справа уже можно увидеть ROI по каждому каналу рекламы. И вот ведь, кажется самый удачный – это контекст. Что же, Сергей Брин, подмигнул тебе 😉

Теперь вы спросите – а эти беты – откуда? Вооот! Очень правильный вопрос. В прошлый раз когда я такие вопросы задавал меня чуть не выгнали со встречи “кандидатов маркетинговых наук” ))

β оцениваются на  основе исторических данных: «неделя х регион х бренд». Регрессоры – Траты по каналам/GRP по каналам, + цена/промо-давление, величина дисконта, % холодизации, паллетные выкладки, дистрибуция, фейсинги, погода, сезонность и т.д.

А еще хорошо посчитать β холодильной полки, промо-паллета, дисплея, шелф-баннера. но это самое легкое как раз-таки, если также уметь считать OSA.

Отсюда сразу же вопрос – а на сколько “качественные данные”? сможете довериться математической статистике? как вы помните, есть ложь, ужасная ложь и … статистика.

Например, неполно оценены затраты на канал, или рекламные каналы активируются одновременно и значит, потенциально, могут “перетягивать” на себя значение коэффициента β (бета), если траты размазаны по времени и сложно оценить товарооборот после пройденной кампании. Но самый частый момент – это когда кажется, что “Наружка сотворила чудо, о Великий Маниту” или “Селебрити с ТикТока нарекомендовал”, а на самом деле в этот период была -20% скидка в ТОП-3 сетях с тотальной паллетной выкладкой.

И зачем была нужна эта “маркетинговая наука”? Ведь все равно складывается впечатление как в известной поговорке “50% трат моего маркетинга – высокоэффективные, но вопрос в том – какие это 50%”

Но ведь и MMM – это не панацея, а лишь инструмент построения “гипотез”.

Если компания может себе позволить сбор и обработку качественных данных, последующий анализ и построение гипотез на основе этих данных для “принятия решений” – это … неплохо. Все меньше аналитиков будут сидеть дома без работы )))

Важно, в этой статье я лишь, как говорится, поверхностно коснулся, потому как все это считается намного сложнее и, если честно, без хороших знаний в математической статистике, для большинства маркетологов – эти цифры будут восприниматься как простые и иллюзорные решения – “а ну-ка смотрите, вот здесь ROI больше- давайте-ка “навалимся” бюджетом на Digital”. И пшик… Есть у меня один пример)

Как пишет статья в Wiki по МММ на дикоанглийском – многие FMCG/CPG компании из списка Fortune 500 уже больны этой болезнью, а многие другие – в ближайшее время заболеют…

Постараюсь мое скромное мнение изложить о роли ROI в виде аналогии с авиацией – “можно посадить самолет без приборов, но с приборами как-то… спокойнее, а вот сажать самолет только лишь по приборам с закрытыми обзорными окнами – был такой случай в истории, как правило, заканчивается катастрофой”