Инкрементальный анализ в маркетинге: как оптимизировать бюджет на рекламу

Один из побочных эффектов пандемии — она помогла многое прояснить в маркетинговых бюджетах. Расходы на маркетинг должны окупаться, а проверка расходов особенно полезна в периоды финансовой нестабильности.

Фокус на бюджетах означает фокус на конверсии. Это заставляет нас подробнее рассмотреть, что такое атрибуция и инкрементальность.­­ Хотя эти два термина часто путают, они означают разные вещи.

Атрибуция позволяет определить, какие маркетинговые каналы привели пользователя к конверсии. Мы можем задать модель атрибуции в Adobe или Google Аналитике. Если конверсии по последнему клику из поисковой рекламы предшествовали четыре взаимодействия пользователя с нашими собственными каналами (бесплатным и платным), то ценность этой конверсии должна быть распределена между всеми четырьмя взаимодействиями.

Показатель инкрементальности помогает ответить на вопрос: «Сколько конверсий мы бы получили в любом случае, не тратя денег на рекламу?»

Инкрементальность сложно измерить. Во-первых, нужно собрать много данных. Во-вторых, под инкрементальностью руководители часто имеют в виду разные вещи, и это усложняет процесс.

Чтобы лучше понять этот показатель, рассмотрим три типа инкрементального анализа в маркетинге и как их можно использовать.

1. Инкрементальный анализ отдельного канала

Предположим, вы тратите большие суммы на поисковую рекламу. Руководитель, которого интересует инкрементальность, может спросить: «Какую часть конверсий, полученных через поисковую рекламу, мы бы и так получили бесплатно благодаря показу информации о нашей компании в результатах обычного поиска?»

Это инкрементальный анализ отдельного канала.

Вы можете провести исследование роста конверсий для рекламы с прямым откликом. Вы также можете измерить инкрементальность отдельного канала для рекламы бренда. В этой статье описано, как это сделать для рекламы в контекстно-медийной сети Google и в YouTube.

Другой способ — рандомизированные контролируемые эксперименты. Это эксперименты на уровне пользователя (в отличие от тестов с геотаргетингом, например, сравнительных исследований рынка). Они позволяют выявлять причинно-следственные связи, то есть определять, изменилось ли поведение потребителя благодаря объявлению. В них целевые пользователи случайным образом разделяются на две группы, одна из которых видит объявления, а другая — нет. Это позволяет сравнивать пользователей, которые посмотрели и могли бы посмотреть рекламу.

Можно сказать, что инкрементальный анализ отдельного канала не полностью отражает показатель инкрементальности, и это будет правдой. Но он помогает понять, как оптимизировать рекламу на уровне конкретного канала.

Вы можете измерить инкрементальность отдельного канала для рекламы бренда.

Если вы ежемесячно тратите на поисковую рекламу 2 млн долларов, а показатель инкрементальности составляет 16%, необходимо понять, какие ключевые слова дают эти 16%. После этого рассмотрите варианты оптимизации обычного поиска, если он недостаточно эффективен. Затем выделите больше бюджета на эти ключевые слова — они приведут к дополнительным конверсиям.

2. Инкрементальный анализ всех используемых рекламных платформ

При размещении рекламы вам может быть доступно несколько вариантов: например, вы можете показывать объявления в Google Поиске, контекстно-медийной сети Google и в YouTube.

Руководитель может задать вам вопрос: «Каков показатель инкрементальности на всех платформах Google, где мы размещаем рекламу?»

Это называется инкрементальным анализом всех используемых рекламных платформ.

Пример инкрементального анализа всех рекламных платформ

Дает ли оплата рекламы на этих платформах дополнительные конверсии? Скорее всего, нет.

Некоторые конверсии, полученные через Google Поиск, вы могли бы получить и через YouTube. Через Поиск вы могли бы получить все те же конверсии, что и через КМС, и так далее.

Поскольку проанализировать поведение пользователей на разных рекламных платформах сложно, на большинстве платформ нельзя измерить показатели инкрементальности.

Хороший способ проанализировать инкрементальность всех используемых рекламных платформ — чистые сравнительные исследования рынка, в которых сравнивается поведение пользователей в контрольном и экспериментальном регионах. Если вы тратите большие суммы на определенную рекламную платформу, можно использовать расширенное моделирование, например моделирование конверсий.

Инкрементальный анализ используемых рекламных платформ помогает оптимизировать бюджет на эти платформы и выбрать наиболее подходящие настройки рекламы.

3. Инкрементальный анализ маркетинговой стратегии

Анализ всей маркетинговой деятельности провести сложнее всего.

Руководитель, которого интересует инкрементальность, может спросить: «Каков показатель инкрементальности на уровне всей маркетинговой деятельности, в которую я вкладываю средства?»

Это инкрементальный анализ маркетинговой стратегии.

Другими словами, каков показатель инкрементальности для всех расходов на рекламу в Google, КМС, Facebook, кино, печатных материалах, YouTube и на телевидении, а также на многоканальный маркетинг и рекламные акции?

Сколько продаж фактически приносят все эти расходы? Вы можете задать этот же вопрос о показателе бренда, таком как узнаваемость без подсказки или готовность. Насколько выросла бы эффективность продвижения бренда по определенному показателю без расходов на рекламу?

При правильном измерении инкрементальность может существенно влиять на ваши маркетинговые решения. Но измерить ее сложно. Результаты измерений могут на первый взгляд противоречить друг другу. В один год оплата билбордов в каждом городе может быть совершенно бесполезна в контексте инкрементальности. В другой год билборды дают такое инкрементальное повышение в эффективности продвижения бренда, что можно убрать рекламу в социальных сетях.

Инкрементальность маркетинговой стратегии, как и используемых рекламных платформ, можно измерить с помощью сравнительных исследований рынка.

Концепция инкрементальности должна быть понятна вне зависимости от размеров компании и бюджета.

Маркетологи, которые проводят большие кампании на разных каналах, часто используют моделирование маркетинг-микса (МММ). При правильном использовании этот метод подходит для оценки эффективности рекламы и оптимизации бюджетов для разных типов объявлений при долгосрочном планировании бюджета. Но у МММ есть свои недостатки. Во-первых, при использовании этого метода каждый канал рассматривается обособленно. Из-за этого инкрементальный анализ можно эффективно провести только для отдельных каналов. Во-вторых, как показывает практика многих компаний, на модели МММ часто влияет человеческий фактор. Эти модели также требуют больших финансовых и временных вложений, если вам нужно получить значимые сигналы.

Мы предлагаем следующий подход:

• Использование нескольких алгоритмов на основе машинного обучения, чтобы понимать основные связи между данными, исключая человеческий фактор.
• Построение графика влияния на уровне всей маркетинговой стратегии без учета анализа отдельных каналов.
• Анализ условных зависимостей между всеми случайными переменными для определения коэффициентов и повторение этой процедуры для меньших наборов данных.

Интеллектуальный метод МММ дает широкие возможности масштабирования и позволяет проводить как ретроспективный (насколько эффективно мы расходовали средства), так и прогнозный (сколько мы должны потратить на основе кривых сокращающихся доходов) анализ.

Независимо от размеров компании или бюджета важно понимать концепцию инкрементальности и хорошо овладеть инкрементальным анализом. Он не только даст преимущества в маркетинговой сфере, но и может обеспечить дальнейший рост.

«Манго Страхование» — сервисная страховая компания, которая хочет своей стратегией изменить рынок. Поэтому мы часто применяем инкрементальный анализ, перед тем как выводить на рынок новые продукты, вносить изменения в функционал или вводить новые механики и каналы продвижения. Инкрементальным анализом мы воспользовались и перед тем, как предложить клиентам возможность оформить страховку на год.

«Манго» работает по подписной модели, когда клиент платит за страховку ежемесячно и в любой момент может отказаться от продления подписки. Это дает гибкость клиентам и отличает нас от других игроков на рынке. Но есть у такой модели и серьезный минус — отток клиентов. Нам приходится удерживать пользователей и создавать для них дополнительную ценность продукта. На рынке страхования это особенно сложно — уровень доверия здесь низкий, а сам продукт — это нечто эфемерное, ведь страхового случая может и не произойти. Решить эту проблему нам помог новый продукт — оформление страховки на год.

Мы не просто кастомизировали продукт, а вывели совершенно другую модель. Инкрементальный анализ помог нам увидеть, как это скажется на общей выручке, распределении клиентов, каналах, целевой аудитории. Также мы смогли понять, будет ли переток из одного формата в другой. Мы рассматривали все возможные риски: новый продукт не взлетит или каннибализирует основной, снизится конверсия в покупку, выручка и общие объемы продаж, упадет количество клиентов.

Мы запустили страховку на год (она существенно отличалась по стоимости и сумме покрытия) и стали смотреть, как будет меняться ситуация в целом, как она повлияет на Churn rate (отток клиентов), как пользователь будет принимать решение.

В результате мы увидели менее 1% отмен годовой подписки, хотя процент оттока по ежемесячной подписке был гораздо выше. Мы заметили также, что конверсия в покупку по новому предложению не ниже, чем по местным страховкам, при этом не произошло серьезной каннибализации. Годовой подпиской мы привлекли новую ЦА со страховым опытом, хотя в нее не целились. Раньше у нас не получалось сформировать доверие этой ЦА, так как потенциальные клиенты считали модель ежемесячной подписки несерьезной. Страхование на год вперед привлекло людей, которые привыкли оформлять страховку сразу на длительный срок. Так мы увеличили выручку и решили проблему оттока клиентов.

Без инкрементального анализа было бы трудно понять, как знакомая нам аудитория отреагировала бы на продукт, кто стал бы пользоваться годовой подпиской и как это отразилось бы на продуктовой линейке и выручке. Я считаю, что это необходимый инструмент для компаний, которые постоянно совершенствуются и стараются предлагать клиентам новые решения.

Автор: Avinash Kaushik