Эконометрическое моделирование: максимизируем отдачу

Эконометрическое моделирование — мощный аналитический инструмент для максимизации отдачи от маркетинговых инвестиций. Он позволяет на основе математического и статистического моделирования решить ряд задач маркетинговой и коммуникационной активности: сформировать маркетинговый микс, оптимизировать портфель брендов и продуктов, уточнить медиамикс коммуникаций, построить медиаплан рекламной кампании, оценить влияние и опасности со стороны конкурентов и как итог — спрогнозировать ведущие бизнес-показатели клиента

В BrandScience эконометрическое моделирование интегрировано в общий процесс работы с брендом клиента, и прежде всего — в стратегическое и медиапланирование. Отдел также может выполнять задачи непосредственно по запросам клиента, связанным с моделированием различных решений в его маркетинговой стратегии. В основе эконометрического моделирования лежит статистический анализ ключевых бизнес-показателей и маркетинговых инструментов. При этом выделяются целевой показатель (который и подлежит оптимизации) и группа влияющих факторов (как внутренних, так и внешних). В качестве целевого показателя для большинства товаров FMCG наиболее релевантным является выручка от продаж (в натуральном либо денежном эквиваленте) — как наиболее адекватный индикатор результатов бизнеса. Категория потребительского ритейла с огромным количеством товаров не всегда корректно оценивается валовой выручкой, так как ассортиментная политика может меняться. С финансовой точки зрения ориентироваться надо на маржинальность и итоговую прибыль. Однако эти данные обычно конфиденциальны и не выходят за рамки компании-клиента. Поэтому в качестве разумной альтернативы специалисты BrandScience используют трафик в магазинах — он не только отражает спрос на товары, но еще и является показателем успешности рекламной кампании (эффект и эффективность которой и представляют интерес). Для расчета ROI в денежном эквиваленте используется конверсия посетителей в покупателей и средний чек.

Для построения математической модели в BrandScience используют проверенные на практике подходы. При выборе влияющих факторов естественное желание — учесть их как можно больше. На деле, однако, это приводит к излишне перегруженной модели, которая дает хорошее понимание исторических данных, но не позволяет сделать достоверный прогноз из-за трудности предсказать поведение всех использованных факторов. Поэтому нужен разумный баланс — необходимо брать только самые важные факторы, в основном те, которыми можно управлять и которые имеют значимую динамику в период моделирования. В случае возникновения сильных расхождений модели и факта в конкретные периоды времени в модель добавляют новые факторы.

В общем случае в качестве влияющих факторов в модель включаются: дистрибуция (количество магазинов), ценовая политика (как ценовые промо, так и общее соотношение уровня цен с ценами конкурентов), сезонность (продажи или уровень трафика за несколько лет), собственная медиаактивность во всех каналах, значимая активность конкурентов. Разумеется, в зависимости от анализа стоящей задачи список факторов может быть скорректирован. В качестве математического аппарата при построении модели эконометристы BrandScience используют линейную регрессию и метод наименьших квадратов. Более сложные функциональные зависимости создают проблему ложных моделей, которые с математической точки зрения будут более совершенными, но по здравому смыслу не будут соответствовать действительности, в частности точности определения влияющих факторов. По словам Владимира Степанова, директора по развитию продуктов BrandScience, «модель должна быть настолько сложной, насколько это необходимо, и настолько простой, чтобы быть понятной неспециалисту (в том числе клиенту)». Такую модель можно адекватно интерпретировать и использовать для стратегических и оперативных решений, а также прогнозирования.

Модель всегда строится под конкретного клиента, при этом источниками данных для целевых и влияющих параметров служат его данные (которым придается важнейшее значение), данные синдикативных и заказных маркетинговых исследований, а также собственные исследования, проводимые BrandScience, — Snapshots. Эта работа занимает обычно от трех до пяти недель. Особенностью процесса моделирования в BrandScience является и то, что по его окончании клиенту наряду с результатами анализа и вытекающими из него решениями передается и сама разработанная модель в виде программного продукта с прозрачным и понятным интерфейсом. Обучение и консалтинг по использованию данного продукта также входит в сервис агентства.

«Подготовка модели — интерактивный процесс, — объясняет Владимир Степанов. — Не стоит воспринимать проект по разработке модели как «отдал данные — получил рекомендации». Всегда необходимы встречи и обсуждение вопросов и промежуточных результатов с рабочей группой клиента. Только они знают свою категорию и свой продукт, как никто другой. В таких обсуждениях всегда проще разобраться, какие факторы необходимо добавить в модель, что могло привести к необъяснимым изменениям в продажах в определенный период (у нас не было товара, были проблемы с производством, у конкурентов были проблемы с лицензией и т.д.)».

Безусловно, эконометрическое моделирование имеет ограничения. Во-первых, оно не даст правильного ответа относительно тех решений или активностей, которые не присутствовали раньше и по которым, соответственно, нет исторических данных. Во-вторых, специфика статистики заключается в том, что требуется определенное количество наблюдений, чтобы можно было говорить об устойчивости тех или иных взаимосвязей. Поэтому для хорошего понимания сезонности и тенденций в целевом показателе необходимы данные за 2–3 года наблюдений, причем с достаточной и четко определяемой точностью. В-третьих, моделирование главным образом оценивает краткосрочный эффект от рекламного воздействия, который наступает в течение недели или с некоторым запозданием (в зависимости от медианосителя). Определение средне- и долгосрочного эффектов намного сложнее, и их прогнозирование требует других подходов.

В итоге, располагая адекватной моделью, становится возможно:

• Оценить влияние заложенных в модель факторов на ключевой показатель, в том числе роль медиа (например, «за счет рекламы на радио мы дополнительно привлекли 2 млн человек»);

• Рассчитать ROI по медиа (например, «1 рубль, вложенный в ТВ-рекламу, приносит 1,4 рубля дополнительных продаж»);

• Провести оптимизацию медиасплита на заданный уровень общего бюджета либо рекомендовать уровень общего бюджета и сплит для достижения заданного уровня ключевого показателя;

• Решить еще целый ряд оптимизационных и прогностических задач.

Правильно построенная модель позволяет добиться хороших результатов с точки зрения совпадения с действительностью. Так, для одного из клиентов в категории продуктового ритейла специалисты BrandScience сделали четыре эконометрические модели — по разным городам. В качестве целевого показателя был выбран трафик в магазинах. Результаты проверки прогноза трафика через полгода показали, что расхождения между моделями и фактическими значениями были минимальными — это является доказательством того, что модели корректно описывают целевой показатель с точки зрения влияния медиаинвестиций (при прочих более-менее равных условиях).

Иван Трофимов, руководитель аналитической группы BrandScience, отмечает: «Эконометрика — прекрасный инструмент для повышения эффективности инвестиций. Однако есть два важных условия, чтобы им воспользоваться:

• Данные о своем бизнесе необходимо начинать собирать как можно раньше и организовать их сбор и хранение должным образом. Много примеров того, как крупные высокотехнологичные компании оказываются в ситуации, когда данных о бизнесе или нет, или они организованы таким образом, что ими сложно воспользоваться.

• Готовность вносить изменения и ломать свои стереотипы — часто по результатам моделинга даются рекомендации, которые идут вразрез с устоявшимися привычками или правилами (медиамикс, медиавеса, флайтинг и т.д.). Даже если такие рекомендации кажутся слишком радикальными, всегда стоит прислушаться к ним и протестировать (например в отдельном регионе), как они скажутся на эффективности маркетингового микса».

В качестве примеров рассмотрим результаты построений реальных эконометрических моделей в BrandScience для конкретных клиентов.

Планирование маркетингового микса (FMCG-клиент, моделирование продаж)

Задачи:

• Выявить маркетинговые факторы, влияющие на продажи;

• Определить рекламный бюджет, необходимый для увеличения продаж на 10%, если дистрибуция вырастет на 10% (Рис. 1).

Для решения задач была построена математическая модель, включающая все значимые факторы, влияющие на продажи. Ее анализ показал следующее:

1. Основные факторы, влияющие на продажи: дистрибуция, отношение цены к средней цене категории,

ТВ-реклама;

2. Для того чтобы продажи выросли на 10% (8,5% за счет роста дистрибуции и 1,5% за счет большей активности на ТВ), необходимо увеличить объем ТВ-рекламы на 14%.

Рис. 1. Чувствительность продаж

Дистрибуция ↑ 10% → Продажи ↑ 8,5% (0,85×10)

Продажи ↑ 1,5% ← ТВ-рейтинги ↑ 14% (0,11×14)

Планирование медиамикса (сеть розничных магазинов, моделирование посещений)

Задачи:

• Определить основные факторы, влияющие на посещения;

• Оценить эффективность рекламы по медиа (Рис. 2);

• Оптимизировать медиамикс (Рис. 3).

Результаты анализа, выводы и рекомендации клиенту:

1. Ключевые факторы — рост доходов, расширение сети, рост количества обслуживающего персонала, наличие товаров самой популярной категории, реклама;

2. Вклад рекламы в общий объем посетителей сети — 16%;

3. ТВ и пресса — наиболее эффективные каналы коммуникации с точки зрения ROI;

4. Затраты на ТВ в зоне убывающей отдачи, в то время как пресса не реализовывает свой потенциал, наружная реклама не имеет оптимального уровня;

5. Для максимизации общего ROI рекомендовано перераспределение 20% ТВ-бюджета на прессу и 5% — на наружную рекламу.

Рис. 2. Эффективность рекламы по медиа

Рис. 3. Медиамикс

Оптимизация плана рекламных кампаний (FMCG, моделирование знания марки)

Задачи:

• Сравнить эффективность разных типов кампаний — промо, продуктовые новинки, имидж;

• Понять, эффективно ли поддерживать BTL на ТВ;

• Оптимизировать план кампаний с точки зрения недельных весов, периодов вне эфира, соотношения разных типов кампаний.

Результаты анализа и выводы:

• Промо и новинки в 4–5 раз эффективнее имидж-кампаний в краткосрочном периоде;

• Эффект имиджевых кампаний длится в 1,5 раза дольше и формирует базу постоянных посетителей.

Рекомендации клиенту:

1. Изменить соотношение имидж/новинки с 85:15 а 75:25;

2. Увеличить недельные веса на 50 GRPs;

3. Оптимальный флайтинг ТВ-кампании — 2 недели в эфире и 1 вне;

4. Продолжать поддерживать BTL-события на ТВ.

В итоге знание бренда выросло на 17% (в 1, 5 раза больше, чем в предыдущие годы) благодаря предложенной оптимизации.

Эффективность продвижения: промо vs обычная поддержка (автомобильный бренд)

Задача: проанализировать влияние конкретной промокампании на тест-драйвы в автосалонах. Параллельно шла стандартная национальная рекламная кампания.

С помощью регрессионного анализа было установлено, что эффективность (отдача на 1 потраченный рубль) промо в 3,3 раза выше обычной поддержки (Рис. 4). При этом, конечно, по своим масштабам эффект промо не дотягивает до регулярной поддержки, но с задачей точечного привлечения дополнительных потенциальных клиентов справляется отлично.

Рис. 4.