Как оптимизировать маркетинговый бюджет компании

Романтический образ бизнеса vs реальность? Как бы активно мы не продвигали идеологию клиентоориентированности, не вели воодушевленные беседы про цели и миссии компании сделать этот мир лучше, а людей счастливее, за романтическим образом «благородного рыцаря» скрывается простая и приземленная цель любого бизнеса — получение максимальной прибыли и зарабатывание денег.

В конечном счете, истинная движущая сила бизнеса заключается в стремлении увеличить доходы и обеспечить финансовую стабильность.

Какой показатель мы побежим проверять в отчетах? В первую очередь — это окупаемость инвестиций (ROI), а не какой-нибудь Customer Satisfaction Score (CSAT), которая показывает соответствие продукта или услуги ожиданиям клиента.

Действительность такова, что Data Driven подход стал неотъемлемой частью нашей бизнес-среды. Сегодня можно (и нужно!) посчитать практически все что угодно и собрать любые данные для использования в бизнес-стратегии. Рост технологий в сфере данных открыл для бизнеса «ящик Пандоры», где данные — не то, чем кажутся. Даже цифры в таблицах могут не показывать объективную картину. Данные могут вводить в заблуждение, создавая иллюзию успеха там, где его нет, или скрывая проблемы, которые требуют внимания.

Разберем пример, как происходит маркетинг в обычной жизни. В ролях — Аня, 27 лет, сотрудница консалтинговой компании. Аня очень устала — по 10 часов в день в офисе, еще 3 часа от «Подольска» до «Белорусской». 13 часов из жизни мимо.

Беспощадный AWARENESS. Как-то, добравшись до офиса, Аня взглянула в окно потухшим взглядом и увидела счастливую девушку на билборде в обнимку с новенькой BMW и воскликнула: «Я достойна!»

«Следующая станция Белорусская…» Подбираясь к выходу, Аня взглянула на телефон соседа, с которого на нее смотрела BMW, и поняла, что это знак!

Неистовый INTEREST. Теперь маркетинговым каналам не надо выискивать Аню из 144 миллионов жителей России. Аня мониторит интернет и уже подписана на всех автоблогеров. Аня поборола баннерную слепоту, и теперь она видит свою BMW везде — в социальных сетях, в кино, на улице, в метро. Лайкает посты, скачивает презентации, читает блоги, подписывается на рассылки.

Безудержный DESIRE. Как и любые отношения, будь то романтические или платонические или клиентско-исполнительские, отношения с брендом требуют такого же развития. Маркетологи отправляют Ане письмо с секретной информацией, что ей и только ей, они готовы отдать машину почти за даром! Безусловно, потому что ей BMW очень подходит, в отличие от всех девушек.

— Шах! — подумали маркетологи.

— Шиш… — подумала Аня. Она не купится. Аня во всех этих маркетинговых приемчиках разбирается и ее не провести.

И она принимает решение промониторить, а что же остальные автодилеры предложат ей? В целом, Аня финансово достаточно грамотная, да и, пожалуй, BMW она бы смогла себе купить. Но покупка, совершенно точно, должна быть выгодна и обдуманна досконально. Аня включает дата-дривен хардкор функционал и начинает собирать информацию: конкурентов, цены, предложения, альтернативы, кредитные программы. Изучать отзывы клиентов автодилеров. Записываться на тест драйвы.

Неотвратимый ACTION. Спустя месяц мучительных изучений предложений, пересмотрев 100500 дилерских сайтов, Аня выявила несколько вариантов, которые совершенно и бесповоротно обнаглели: кто-то не предложил скидку, кто-то насчитал ей допов на годовую зарплату, кто-то в целом ничего, но отзывы сервисного обслуживания — волосы встают дыбом, а у кого-то сммщики нахамили в социальных сетях, предложив ей рассмотреть вместо бмв ведро с гвоздями, а не разводить демагогию под их постами.

Решительности у Ани поубавилось. Поставила процесс на паузу. Да и квартал надо закрывать, а не в интернете сидеть круглые сутки.

В этой коротенькой истории любви одного человека и одной машины, вы можете наблюдать, как много событий произошло до покупки.

Давайте разберем подробнее.

Сначала Аню ненавязчиво «тронули» AWARENESS-коммуникации в виде наружной рекламы, инфлюенсерского касания и даже programmatic, которые «случайно» появлялись в ее поле зрения, показывая, что в Москве где-то есть счастливая жизнь автолюбителя, что многие люди ей живут и радуются. Постепенно эти ненавязчивые сигналы сформировали у Ани подсознательное ощущение, что она тоже может стать частью этого мира.

Далее Аня взаимодействует с брендом активнее, изучает блоги, знакомится с социальными сетями, подписывается на email-рассылку автодилера, изучая продукт и погружаясь в водоворот еще сильнее.

Ане приглянулись несколько дилеров, но не приняв окончательного решения, последней коммуникацией перед долгожданным «да» случился партнерский маркетинг через рекламу в YouTube shorts.

Итого список точек касания:

Вырисовывается ряд вопросов: так какой же канал из этого списка является ключевым? Какие точки касания сработали хорошо, а какие просто слили маркетинговый бюджет?

В течение всего Аниного пути от осведомленности и формирования интереса до покупки участвовало минимум 12 точек касаний. Для того, чтобы распределить ценность между этими 12 коммуникациями, нужно выбрать правила, по которым мы будем интерпретировать данные. То есть определить что для бизнеса есть «плохо», а что «хорошо».

Выбор метода интерпретации данных в какой-то степени субъективен, так как зависит от целей бизнеса, его специфики, предпочтений и текущего положения дел компании.

Поскольку интерпретация данных может быть субъективной и зависит от выбранных подходов, для упрощения этого процесса используются специальные инструменты, одним из которых является атрибуция.

Есть несколько видов атрибуционных моделей.

Last Touch. Самая простая модель. Она присваивает 100% ценности за конверсию последнему касанию (лид/визит/звонок), которое произошло непосредственно перед самой конверсией.

В примере с Аней вся ценность идет последнему каналу — YouTube shorts (1— единица). Получается YouTube Shorts заработали принесли прибыль компании, а остальные 11 касаний — это слив бюджета.

First Touch. Модель присваивает 100% ценности за конверсию первому касанию, которое произошло в начале пути клиента. Кто был первый, тот и самый эффективный.

В нашем кейсе все заслуги приписывались бы только наружной рекламе. Клиент пришел благодаря ей, а остальные коммуникации и добивания не помогли в пути.

Time Decay. В этой модели ценность за конверсию распределяется ценность между всеми касаниями. Но чем ближе касание к моменту покупки, тем больше его значимость. Здесь ценность постепенно угасает по мере удаления от финальной конверсии — распределяется по убывания от первого к последнему каналу.

U-shaped — модель, в которой особое внимание уделяется первому и последнему касаниям. Чаще 40% ценности отводится первому касанию и 40% последнему, а оставшиеся 20% равномерно распределенными между остальными касаниями. В нашем примере, все заслуги получает первый (наружная реклама) и двенадцатый (YouTube shorts) каналы, а остальные — утешительные призы за участие.

Data-Driven — модель анализирует реальные данные и использует алгоритмы машинного обучения для распределения ценности между всеми касаниями на пути к конверсии. В отличие от фиксированных правил в других моделях, Data-Driven динамически оценивает вклад каждого канала на основе того, как пользователи взаимодействуют с брендом. Это позволяет учитывать не только последовательность касаний, но и их значимость для конкретного клиента. В результате, атрибуция становится более точной и адаптируется к изменениям в поведении аудитории, что делает её идеальной для компаний с многоканальными стратегиями. Здесь ценность будет распределяться в зависимости от того, какие закономерности будут вычислены с помощью ML.

Это не весь список атрибуций, список можно продолжать еще на некоторое количество страниц. Так же есть разные модификации уже перечисленных моделей. Исходя из разных правил интерпретации, мы можем получить совершенно разные выводы о результате каналов.

Мы получили 7 совершенно разных выводов о работе каналов и маркетинговых коммуникаций. Что демонстрирует нам субъективность оценки:

Принимая решения об отказе от каких-либо маркетинговых коммуникаций, стоит помнить, что данные субъективны и время от времени нужно подвергать сомнению выбранный вами инструмент интерпретации — смотреть на свои же данные под разным углом. Нет единой атрибуционной модели, которая подходит абсолютно для всех. И не всегда уже выбранная модель отлично «сидит» на бизнесе.

Поэтому рекомендую:

Тщательно анализировать пути клиента и экспериментировать с разными моделями.

Экспериментируйте с разными подходами — от First Touch и Last Touch до Multi-Touch и алгоритмических моделей. Сравнивайте их результаты и смотрите на них под разным углом. И, возможно, что вы с удивлением обнаружите, что какой-то канал более ценный, чем вы ранее думали.

Используйте современные технологии для настройки наиболее точной для вашего бизнеса атрибуции. Инструменты на базе искусственного интеллекта и машинного обучения способны автоматизировать процесс и предложить более актуальные данные для принятия решений.

Обогащайте данные полезной информацией, не забывайте об интеграции данных со всех маркетинговых платформ, каналов, CRM-систем, сайтов, блогов — это создаст полную картину взаимодействия клиента с вашим брендом и позволит глубже понять, как каналы влияют на поведение покупателей.

*Социальная сеть Facebook запрещена на территории РФ