Jeigu reklamos užsakovas žinotų, kad geriausiai pardavimus padidina humoristinė reklama per TV3, transliuojama tarp penktos ir septintos valandos vakaro darbo dienomis, ar įsiūlytumėte jam penkis feisbuko įrašus per savaitę už papildomą eilutę biudžete? Ne. Bet ir nereikia.

Tai, kad mūsų darbą galima iš visų pusių apžiūrėti per padidinamąjį stiklą iš tiesų gąsdina, tačiau tuo pačiu visi norime dirbti kuo geriau, pasiekti kuo geresnių rezultatų ir kad kuo daugiau rankų paplekšnotų per pečius. Pasvėrus, kas atneša daugiau naudos, abejonių nekyla: dirbkime geriau, priimkime optimalius sprendimus ir jokie padidinamieji stiklai nebus baisūs. Visgi, pasirodo, retas rinkodaristas tai supranta.

Neretai pasitaiko, kad susitikimuose dėl ekonometrinio reklamos optimizavimo modelio sukūrimo dalyvauja ir užsakovo rinkodaros specialistas, kuris, išgirdęs, ką tas reklamos optimizavimo modelis ketina padaryti, pradeda įvairiausiais būdais jam priešintis. Reklamos optimizavimo modelis, įvertinęs įmonės pateiktus duomenis apie įgyvendintas reklamos kampanijas ir su jomis susijusius pardavimus gali tiksliai numatyti, kokios rinkodaros priemonės a) veikė geriausiai, b) veiks geriausiai ateityje.

Tikslas, atrodytų, labai kilnus, atnešantis naudos, padedantis išvengti nereikalingo investavimo į naudos neduodančias žinutes, tačiau keliantis grėsmę rinkodaristams. Kaip dabar bus, jeigu paaiškės, kad keletą metų sėkmingomis laikytos reklaminės kampanijos sėkmingos buvo ne dėl visų jose naudotų priemonių, o tik dėl kelių jos segmentų? Kaip reikės atsakyti į klausimą, kodėl didelė dalis reklamai skirto biudžeto buvo iššvaistyta nepasiteisinusioms priemonėms vietoje to, kad būtų investuota į tas, kurios išties veikia?

„Gera“ žinia ta, kad tik labai nedaug įmonių, pareiškusių norą efektyvinti reklamos sąnaudas, gali pasinaudoti reklamos optimizavimo modeliais. Tam, kad būtų galima sukurti reklamos prognozavimo modelį, pirmiausia, reikia bent trijų metų pardavimo duomenų prekių lygiu (koks kiekis kokios prekės kokią rinkodaros priemonę taikant buvo parduotas). Taip pat reikėtų duomenų apie per panašų laikotarpį vykdytas reklamines kampanijas (kokios žinutės kokiuose kanaluose kokiu metu kokiai auditorijai buvo transliuojamos). Nei vienų, nei kitų duomenų įmonės paprastai nekaupia, o be duomenų joks matematinis modelis nepajėgus nieko prognozuoti.

Tai ką dabar?

Pasaulinė big data panaudojimo reklamos srityje patirtis rodo, kad matematinė duomenų analizė prognozuojant rinkodaros priemonių pasiteisinimą tampa priemone Nr. 1 vertinant, ar žinutė pasieks tai, ką pasiekti jai suplanuota. Nors Lietuvos įmonės jau aktyviai domisi reklamos investicijų optimizavimu pasinaudojant šiaisi modeliais, iki tol, kol mūsų šalyje toks metodas atsistos į užtarnautą vietą, praeis dar mažiausiai keleri metai.

Taip kad nebijokite. Geriau pasitaisykite. Ekonometriniais reklamos prognozių modeliais naudojasi jau ne viena reklamos paslaugas teikianti agentūra, nes siūlyti tai, kas veikia, yra naudinga. Kai po kelių metų užsakovai bus surinkę reikiamus duomenis, jums nereikės raudonuoti, nes sprendimai, priimti praeityje, nesikėsins į jūsų darbo vietą.

M360
Clustern


Parašykite savo nuomonę
arba diskutuokite anonimiškai čia
Skelbdami savo nuomonę, Jūs sutinkate su taisyklėmis
Rodyti diskusiją Rodyti diskusiją