Инкрементальность: измерение влияния рекламных кампаний
В этой статье Mobio расскажет об инкрементальности в маркетинге и эффективных методах измерения истинной отдачи от рекламных кампаний...
Платная реклама направлена на получение дополнительного дохода за счет повышения ценности бренда и побуждения к таким действиям, как покупки или загрузка приложений. Ключ к оценке эффективности рекламы заключается в понимании того, какие конверсии являются прямым результатом рекламы, а какие произошли бы в любом случае. Измерение, атрибутирование и анализ маркетинговой активности может быть сложной задачей. В этой статье Mobio разберет, что такое инкрементальный анализ и какие существуют способы оценки влияния рекламной кампании.
Понимание инкрементальности в маркетинге
Инкрементальность — это реальная добавочная прибыль, создаваемая, когда определенные действия приводят к желаемым результатам. В частности, при вовлечении мобильных пользователей инкрементальность представляет собой показатель прироста (например, количество установок или доход), который возникает при инвестировании средств в маркетинговые усилия.
Исследование инкрементальности помогает измерять истинное влияние рекламных кампаний, отвечая на основные вопросы:
- Как реклама влияет на конверсию?
- Какова реальная окупаемость инвестиций (ROI) рекламной кампании?
- Как маркетинговые усилия бренда повлияли на долю рынка?
- Что произойдет, если увеличить или уменьшить бюджет канала X?
- На каких каналах лучше оптимизировать показатели активности?
- Как правильно распределить рекламный бюджет?
Тема инкрементальности становится все более популярна благодаря некоторым факторам, влияющим на маркетинговые измерения:
Проблемы атрибуции
С введением более жестких правил конфиденциальности и ограничений на данные атрибуция становится все более сложной, ведь для пользователей iOS, которые не делятся своим IDFA, традиционная атрибуция больше невозможна. Внедрение SKAdNetwork для атрибуции iOS в качестве де-факто решения дает ограниченную информацию о долгосрочной эффективности кампании, а это затрудняет точное измерение влияния рекламных инвестиций.
Отличие платных и органических пользователей
Рекламодатели сталкиваются с проблемой разделения платных и органических пользователей, которые взаимодействуют со своими мобильными приложениями. Это связано с маркировкой пользователей, не использующих IDFA, в системах Mobile Measurement Partners (MMP) как «органических».
Как происходит разграничение понятий атрибуции и инкрементальности, можно представить, сильно сузив количество исходных данных. Допустим, у вас есть некий продукт Х, который успешно реализуется или приносит стабильные конверсии (100 в месяц). Вы решаете добавить продукт Y, запустить на него рекламу и атрибутировать. Выбранная модель за условленный период времени присвоит продукту Y определенное количество продаж — 50. Однако инкрементальность продукта Y будет меньше:
Несмотря на простоту, этот пример достаточно наглядно отражает саму суть инкрементальности, которая заложена и в ее названии — какую дополнительную ценность несут маркетинговые активности (“incremental” в переводе с английского и есть “дополнительный”). Определить влияние рекламных кампаний на производительность практически всего, включая кросс-канальные, WOM, оффлайн и даже не медийные тактики, можно только запустив инкрементальные тесты.
Инкрементальный анализ и тестирование
Представьте себе такой сценарий: вы выделяете часть своего бюджета на продвижение рекламы на YouTube, но позже решаете остановиться из-за высоких затрат на привлечение клиентов (CAC). Удивительно, но продажи падают не только через YouTube, но и через прямые просмотры и органику. Даже конверсия из других маркетинговых каналов снижается. Это и есть спад инкрементального эффекта.
Что же такое инкрементное тестирование? Это контролируемый эксперимент, цель которого — различить конверсии, вызванные рекламными кампаниями, и те, которые происходят естественным образом (органические). Для проведения такого теста основным подходом является A/B-тестирование, которое можно запускать на таких платформах, как Facebook*, Instagram*, Twitter, AppsFlyer или разрабатывать свои собственные эксперименты.
Вот как это работает: разделите вашу аудиторию на две группы — группу А и группу Б, которые демонстрируют одинаковое поведение. Проводите кампании только для группы А, а группа Б пусть служит контрольной группой без рекламы. Поскольку конверсии группы Б полностью органичны, то любое увеличение, наблюдаемое в группе А, можно отнести к результатам маркетинговых усилий. Самый простой пример:
Группа А (экспериментальная группа, показ рекламы): 120 установок.
Группа Б (контрольная группа, без рекламы): 100 установок.
Основываясь на этих числах, мы можем рассчитать две важные метрики: подъем и прирост. Повышение представляет собой увеличение группы A в сравнении с группой Б (20 дополнительных установок или увеличение на 20%). Инкрементальность измеряет процент конверсий в группе А, которые можно отнести к влиянию маркетинга (20 установок составляет 16,7% от общего числа конверсий в группе А). Чем выше % инкрементальности, тем, соответственно, эффективней сработала рекламная кампания.
Надо понимать, что приведенный выше пример упрощен, и служит только отправной точкой для понимания инкрементального анализа. Более сложные модели расчета (например, регрессионные) учитывают влияние множества внешних факторов (сезонность, колебания валютного курса при расчете iROAS и т.д.) и p-value для статистических расчетов. Важно осознавать нюансы анализа прироста за пределами упрощенной иллюстрации и учитывать их воздействие на снижение (или повышение) инкрементального эффекта.
Для наглядности рассмотрим продукт, основанный на подписке, с низким коэффициентом оттока — около 15%. Предположим, мы запускаем кампанию ремаркетинга, нацеленную на пользователей, у которых осталось 5 дней до конца подписки, побуждая их продлить ее. В этом случае ожидается, что коэффициент инкрементальности будет низким. Почему? Потому что даже без ремаркетинговой кампании большинство пользователей, скорее всего, и так продлят подписку, так как Churn Rate ~ 15%. Этот пример демонстрирует, что такой фактор, как "горячая" аудитория, может давать меньший % инкрементальности за счет более высоких органических коэффициентов конверсии.
Для наглядности рассмотрим продукт, основанный на подписке, с низким коэффициентом оттока — около 15%. Предположим, мы запускаем кампанию ремаркетинга, нацеленную на пользователей, у которых осталось 5 дней до конца подписки, побуждая их продлить ее. В этом случае ожидается, что коэффициент инкрементальности будет низким. Почему? Потому что даже без ремаркетинговой кампании большинство пользователей, скорее всего, и так продлят подписку, так как Churn Rate ~ 15%. Этот пример демонстрирует, что такой фактор, как "горячая" аудитория, может давать меньший % инкрементальности за счет более высоких органических коэффициентов конверсии.
Байесовский метод позволяет еще точнее вычислить вероятность того, что нужное действие пользователя было вызвано воздействием рекламы, но при расчете нужно углубляться в такие понятия, как апостериорная вероятность, бета- и гамма- распределения и несовместные гипотезы, которые невозможно рассчитать самостоятельно в таблице Excel (но вы можете попробовать).
Эволюция воронки конверсии от некогда простой модели "клик-покупка" в сложный и многоканальный ландшафт подчеркивает необходимость глубоких аналитических подходов, позволяющих улавливать и изучать многоплановое взаимодействие между каналами, сегментами аудитории и платформами, на которых размещается реклама бренда. Инструменты для поддержки технической части проведения A/B-тестов со сложными математическими расчетами предоставляют сервисы для сбора и аналитики данных и сами рекламные площадки.
Способы расчета инкрементальности
Инкрементальное тестирование в зависимости от необходимой сложности и точности проводится как за счет инструментов, встроенных в рекламный канал, так и самостоятельно. Основные способы оценки влияния рекламной кампании:
A/B-тесты в простом формате
Классическое A/B-тестирование подразумевает сравнение реакции пользователей на рекламу (разницу в восприятии разными сегментами аудитории или воздействие разных рекламных креативов). Инкрементальные тесты показывают отличие показателей при рекламной активности и при естественной органике, как в примере с экспериментальной и контрольной группами А и Б.
Анализ соответствия
Анализ соответствия между прогнозируемыми моделями обычных продаж и реальными показателями при рекламной кампании. Схематичный пример:
- Замеряем baseline.
- Прогнозируем тренд.
- Корректируем прогноз с учетом внешних факторов (сезонная составляющая, улучшение продукта, фаза луны и т.д.).
- Сравниваем после проведения рекламной кампании спрогнозированные результаты с фактическими.
Отключение рекламного канала
Этот метод особенно эффективен для триггерных объявлений, где нет длительного воздействия или остаточного эффекта на целевые действия. Не подходит, если трафик из органических источников нестабилен. Методика предполагает прекращение всех маркетинговых мероприятий и установление базового значения конверсий из органических источников. Однако этот способ сопряжен с некоторыми рисками, особенно при работе с большими объемами платного трафика — полное отключение канала может потенциально привести к потере дохода. Кроме того, эта тактика не исключает влияния внешних факторов, таких как сезонность, которые могут повлиять на конечные результаты.
Поэтапный запуск рекламных каналов
Проводится после измерения органических конверсий или продаж. Сравнивая результаты поочередного подключения с базовым уровнем, можно определить эффективность каждого канала на основе его прироста. Однако данный метод может не отражать синергетический эффект marketing mix стратегий, когда несколько каналов работают вместе для повышения общей эффективности. Оценка целостного воздействия интегрированных маркетинговых усилий требует более комплексного подхода.
Аномальное масштабирование на отдельный канал
Значительно увеличивая рекламный бюджет для конкретного канала, можно наблюдать соответствующее влияние на другие каналы, их эффективность и потенциальное влияние на всю экосистему маркетинга.
Brand lift
Это встроенный инкрементальный тест, который проводится со стороны рекламной площадки. Он фокусируется на измерении изменений в восприятии, осведомленности и отношении пользователей к бренду в результате рекламных усилий. Тест позволяет оценить влияние запуска кампании на важные показатели бренда:
- Ad Recall — показывает, насколько хорошо целевая аудитория запомнила рекламу.
- Brand Awareness — оценивает влияние рекламы на узнаваемость и известность бренда среди потребителей.
- Purchase Intent — измеряет увеличение процента пользователей, которые склонны совершить покупку после просмотра рекламы.
- Product Consideration — определяет, как часто пользователи выбирают продукт после просмотра рекламы.
- Brand Favorability — изучает, как просмотр рекламы влияет на отношение к бренду по сравнению с конкурентами.
- Ad Message Recall — измеряет, насколько эффективно аудитория запоминает конкретное сообщение, переданное в рекламе.
Проведение исследования Brand Lift требует масштабных опросов и сбора данных. Также этот способ является дорогостоящим — Facebook* проводит такое тестирование с помощью инструмента “Эксперименты” с минимальными требованиями к бюджету рекламной кампании от $5k для Гаити и $30k для США (распределение по гео можно посмотреть здесь). Google также выставляет свои требования к минимальному бюджету, необходимому для исследования Brand Lift, в зависимости от страны (смотрите здесь).
Метод Brand Lift в основном фокусируется на показателях, связанных с брендом, и не дает полного понимания других метрик эффективности, таких как продажи, привлечение клиентов или ROI, тем более при влиянии параллельных маркетинговых кампаний и общих рыночных тенденций.
- Conversion-lift (AB-тестирование по фактическим действиям). Такие тесты проводятся рекламными платформами для отслеживания дополнительных конверсий, вызванных маркетинговыми активностями компании на канале. Этот метод уже устаревает в связи с ужесточением правил конфиденциальности. Facebook* описывает процесс тестирования на своем канале (уточняя, что для исследований, запущенных после 13 июля, разбивки по полу, возрасту и стране не предоставляются) следующим образом:
Conversion Lift работает и для рекламы на YouTube и TrueView Discovery:
- Измерение инкрементальности с помощью Mobile Measurement Partners. AppsFlyer, например, проводит тесты с такими интегрированными партнерами:
Факторы, влияющие на тестирование
Чтобы обеспечить точные результаты при проведении инкрементальных тестов, следует обратить внимание на некоторые факторы:
- Сезонность: учитывайте время проведения тестов и избегайте их проведения в пик сезона для вашего бренда. Согласованность во времени поможет обеспечить точное сравнение и предотвратить искажение результатов.
- Выбросы и перекрывающиеся аудитории: поддерживайте беспристрастную контрольную группу, сводя к минимуму влияние внешних факторов, таких как другие цифровые каналы или медиа-партнеры. Будьте осторожны с изменениями в одной части воронки, которые могут совпадать с тестированием другой, так как это может повлиять на итоговые результаты.
- Размер сегмента и продолжительность тестирования: отрегулируйте время тестирования в зависимости от конкретных обстоятельств вашего бизнеса, обеспечив статистическую значимость и избегая поспешных выводов. Если ваш бизнес привлекает большой объем трафика и генерирует множество конверсий, вы можете проводить тесты с меньшей выборкой и при этом получать статистически значимые результаты. И наоборот, если у вас не крупный бизнес и в нем меньше конверсий, рекомендуется увеличить продолжительность тестирования. При проведении встроенных тестов платформы сами отслеживают, когда происходит сбор необходимого массива данных.
- Краткосрочное влияние: во время тестирования вы можете наблюдать временное снижение результатов. Однако это следует рассматривать как показатель того, что ваша реклама работает, а маркетинговые активности влияют на результаты.
В последние годы изменения в законодательстве и политике конфиденциальности потребительских данных создали проблемы для отслеживания файлов cookie и мобильных идентификаторов, в результате чего становится все труднее эффективно отслеживать отдельных пользователей. И вполне естественно задаться вопросом, в какой степени наша реклама способствует росту продаж, доходов и общему успеху бизнеса, как произошло бы продвижение продукта естественным образом без нашего вмешательства и действительно ли оправданы наши инвестиции в ASO, социальные сети и другие каналы.
Инкрементальность предлагает подход к измерению, который позволяет определить влияние рекламной тактики на ключевые показатели эффективности бизнеса, даже не полагаясь на файлы cookie или данные на уровне пользователя, а рассматривая причинно-следственные связи рекламной деятельности в целом.
Однако, несмотря на то, что измерение инкрементальности сегодня актуально как никогда, существует некоторая путаница, связанная с понятиями инкрементальности и атрибуции, хотя они имеют разные значения и служат разным целям. Модели атрибуции фокусируются на распределении стоимости конверсии между различными точками контакта, предлагая понимание пути клиента, инкрементальность же позволяет глубже проникнуть в сферу причинно-следственных связей, раскрывая конверсии, которые не произошли бы без нашей маркетинговой тактики. В следующей статье Mobio более детально рассмотрит отличия этих понятий, их преимущества и недостатки, а также влияние инкрементальных тестов на оптимизацию моделей атрибуции.
*Meta признана экстремистской организацией и запрещена в России, деятельность ее соцсетей Facebook и Instagram также запрещена в РФ
Переходите в наш Telegram-канал и будьте в курсе всех digital-новостей.
Рекомендуем!
Популярные новости
19 декабря 2024, 14:33
19 декабря 2024, 11:38
19 декабря 2024, 09:37
18 декабря 2024, 10:28
17 декабря 2024, 13:05
