Александр Кузьмин: Оценка эффективности рекламы с помощью математического моделирования

Александр Кузьмин

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:

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.

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...B_n.

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...B_n. 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.