Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть

математики мы возвращаемся обратно к формуле (Продажи = ?4 ? маркетинг) и считаем бету незначительной в статистическом смысле слова. Фактически здесь не наблюдается никакой существенной корреляции. Совсем иначе обстоят дела с брендом B, где связь заметна сразу.

Эконометрическое моделирование помогло нам найти взаимосвязь маркетинговой политики и продаж. Иными словами, мы смогли нарисовать кривую, оптимальную с точки зрения всей совокупности точек. Визуально заметно, что к верхней линии ближе куда больше точек, чем к нижней.

Пока все идет неплохо. Однако мы не хотим всякий раз рисовать эти линии от руки, а кроме того, не каждая ситуация в реальной жизни будет столь же простой. Нам необходимо научить компьютер рисовать эти линии и находить тенденции даже там, где мы сами их не видим.

Вот каким образом мы добились этого. Мы попросили компьютер рассчитать дистанцию между каждой точкой и линией. Затем мы попросили его сложить величины всех этих дистанций. Показатель суммы дистанций отражает степень соответствия. Чем выше сумма, тем хуже соответствие. Именно таким образом компьютер может рассчитать, какая линия лучше всего соответствует всем точкам, образующим облако.

Теперь, после того как нам стал ясен алгоритм, компьютер может нарисовать сотни линий и выбрать одну с наименьшей суммой, то есть с наибольшим соответствием. То же самое можно сделать в отношении показателей продаж и цен, продаж и дистрибуций. В сущности, мы не только можем, но и должны использовать систему для создания кривых расходов и отдачи для каждой переменной, способной повлиять на объем продаж.

Как только нам стали понятны все кривые, которые мы хотим создать, мы можем попросить компьютер найти оптимальную точку на каждой кривой, позволяющей увидеть, сколько мы должны потратить, чтобы обеспечить максимально возможный возврат на наши инвестиции в маркетинг, – и ни долларом больше.

Как вы можете заметить, эконометрическое моделирование – довольно сложная процедура, которую обычно проводят дорогостоящие специалисты. Многие компании попросту не могут себе позволить их услуги. Но даже компаниям, использующим эконометрику, часто приходится прикладывать немалые усилия, чтобы включить результаты исследований в процессы принятия решений. В итоге им приходится обращаться к слишком простым способам: разработке маркетингового бюджета в зависимости от объема продаж или использованию данных предыдущего года с поправкой на инфляцию. Почему? Дело в том, что компании не понимают те подспудные предположения, на которых основаны эконометрические заключения. Поэтому они предпочитают простые методы (о которых я рассказывал выше) – интуитивно понятные и более доступные, хотя и не основанные на реальных данных.

Дабы помочь компаниям, не имеющим возможности позволить себе эконометрическое моделирование или не способным понять его преимущества, давайте обсудим некоторые альтернативы.

Искусство гибридного метода

В свое время в тайны гибридного метода меня посвятил мой коллега Дэвид Коппок, получивший степень доктора экономики в Йельском университете. Он занимался созданием сложных эконометрических моделей еще в то время, когда я собирал Lego в детском саду.

Согласно подходу Дэвида, эконометрика используется там, где имеются доступные данные, а когда нет данных, пустоты заполняются нашими предположениями. Как только у вас появится набор данных и расчетов, гибридный подход Дэвида потребует от вас ответа на четыре вопроса.

• Минимум. Если взять кривую осведомленности, о которой мы говорили выше, то каково будет значение параметра осведомленности, если мы вообще не будем тратить на него денег (крайняя левая часть кривой)?

• Максимум. Какого значения параметра осведомленности мы могли бы достичь в случае неограниченного бюджета (крайняя правая часть кривой)?

• Настоящий момент. Чему равны уровни осведомленности и затрат на данный момент?

• Приращение. Как, с нашей точки зрения, изменится параметр осведомленности, если мы будем увеличивать или уменьшать свои инвестиции на X %?

Для своих клиентов я часто использую гибридный метод при создании кривых отклика. Иногда я сталкиваюсь с их сопротивлением этому «ненаучному» методу. Клиентов беспокоит слишком большое количество предположений. Но они не во всем правы, поскольку в рамках гибридного процесса мы всегда используем все доступные данные или эконометрические модели. Однако при отсутствии идеальных данных нам не обойтись без предположений.

В сущности, когда вы используете такие довольно грубые показатели, как отношение рекламного бюджета к объему продаж, то делаете куда более серьезные предположения относительно связи между затратами и тем, что вы получаете взамен. Например, вы сначала предполагаете, что реклама имеет один и тот же эффект в отношении различных продуктов; затем предполагаете, что содержание рекламного сообщения не имеет большого значения; после этого вы предполагаете, что реклама имеет линейный эффект, то есть если затраты 1 доллара на рекламу приводят к продажам на 2 доллара, то затраты 10 долларов приведут к продажам на 20 долларов, – и так далее. Теперь вы понимаете, почему я считаю, что методы приближенного подсчета – это не лучший путь, в отличие от гибридного подхода (даже при отсутствии достаточного объема данных).

Использование гибридного метода при построении кривых отдачи имеет три основных преимущества. Посмотрим на них.

1. У вас появляется возможность соединять фактические данные с суждениями и интуицией. Возьмем довольно известную и крайне необычную маркетинговую кампанию бренда Dove с участием реальных женщин. Факты могли бы подсказать нам, что рекламная кампания, показавшая хорошие результаты по итогам тестирования (как в случае с Dove), принесет компании 1,50 доллара продаж на каждый доллар затрат. Однако вы на собственном опыте знаете, что подобные рекламные объявления, входящие в резонанс с ожиданиями рынка (как показало качественное исследование этой рекламы), – в состоянии привести к еще более высоким результатам, поэтому можно адаптировать график расходов и отдачи и убедиться в том, что каждый доллар затрат принесет вам 1,70 доллара продаж.

2. После создания кривой отдачи (с использованием эконометрики, предположений или их комбинации) она может использоваться для оптимизации. Например, вы можете просто импортировать кривую в Excel-файл, а затем перебирать различные переменные, чтобы получить в итоге более точный прогноз.

3. Процесс создания кривой протекает открыто и завязан на сотрудничестве, поскольку принимающие решения руководители понимают, что лежит в черном ящике, и по этой причине склонны в большей степени доверять нашим рекомендациям. Они знают, откуда берутся данные, то есть на основании какой информации создаются кривые расходов и отдачи.

Использование такого гибридного подхода позволяет лишить процесс эконометрического моделирования покрова таинственности.

Создание бюджета в период экономического спада

Пока что все наши предположения основывались на том, что отделу маркетинга будут без особых проблем выделять бюджет на их работу. Но сколько компании могут позволить себе тратить на рекламную политику в тяжелые времена? Я отлично помню рецессию в сентябре 2008 года. Крупные клиенты – а в борьбе за них я тогда играл крайне незначительную роль – моментально исчезли из нашего поля зрения. Об этом я расскажу подробнее.

Летом 2008 года Ogilvy работала над презентацией для Wachovia, на тот момент четвертого по размеру банка в США. Для нас это был крупнейший тендер года. Мы пережили уже несколько раундов отбора. Банк сократил список финалистов до двух компаний, и уже с самой первой встречи нам было ясно, что его руководители очень нуждались в тщательно проведенном анализе (в конце концов, они были типичными банкирами).

Настало время презентации, которую мы проводили перед СЕО и председателем правления Wachovia Бобом Стилом. Обычно аналитики Ogilvy присутствуют лишь на первых встречах, в самом начале процесса,