Как выбрать метод аналитики для маркетингового бюджета: итоги вебинара Okkam
Главный вывод вебинара: универсального метода аналитики нет. Подход зависит от задачи, доступных данных и того, насколько быстро нужен ответ. На практике аналитические проекты могут начинаться с быстрой аналитики, переходить в эконометрику или сразу требовать серьезной модели.
Быстрая аналитика: когда ответ нужен сейчас
Быстрая аналитика используется, когда решение нужно принять за одну–две недели, а данных для полноценной модели недостаточно или ждать ее построения невозможно. Однако задача не в том, чтобы сделать упрощенную версию большой эконометрической модели, а в том, чтобы подобрать метод под конкретный бизнес-вопрос.
В Okkam через такую практику проходит более 300 клиентских задач в год. Для решения используют бенчмарки, результаты предыдущих исследований и эконометрических проектов, регрессионный анализ, кластеризацию и другие методы в зависимости от задачи.
«Быстро не равно некачественно, не равно поверхностно. Мы концентрируемся на решении кейса: не копаем в ширину, мы копаем в глубину. Наша задача — подобрать методологию решения под конкретную историю».
Елена ПерельдикРуководитель по внедрению аналитических продуктов Okkam
Перераспределить бюджет внутри портфеля и получить +14% пользователей
В одном из кейсов у крупного бренда с тремя сервисами была практическая задача: за две недели понять, как перераспределить уже существующий бюджет и привлечь больше пользователей в экосистему.
Для каждого сервиса построили модели по двум типам KPI и посмотрели на кривые эффективности. Они показали, что доля бюджета далеко не всегда соответствует доле результата. Кроме того, обнаружился эффект взаимного влияния сервисов: коммуникация одного из них помогала расти другому.
В результате 32% бюджета перераспределили между сервисами: долю мастер-бренда увеличили с 4% до 36%, а инвестиции в сервисы сократили. Такой сплит позволил спрогнозировать рост пользовательской базы на 14% без увеличения общего бюджета.
Рассчитать бюджет для нового бренда, у которого еще нет истории продаж
Противоположная задача в другом кейсе, связанном с быстрой аналитикой: здесь не было достаточной истории, на которой можно было бы выстроить ретроспективную модель. Новый FMCG-бренд поставил цель получить 1% рынка за год и хотел понять, какой уровень знания и какой объем инвестиций для этого необходимы.
Команда последовательно связала бизнес-цель с маркетинговыми KPI. Анализ показал корреляцию между уровнем покупки бренда и его долей рынка: для достижения доли в 1% нужен уровень покупки 2,4%. Затем с помощью метаанализа данных по 147 категориям определили необходимый уровень знания бренда — 12,4%. После этого рассчитали несколько бюджетных сценариев. При этом выяснилось важное ограничение: даже максимальный из рассмотренных бюджетов позволял достичь только 0,85% доли рынка.
То есть аналитика в этом случае помогла не просто посчитать бюджет, а проверить реалистичность самой бизнес-цели и увидеть разрыв между желаемым результатом и доступными инвестициями.
Эконометрика: когда нужно увидеть больше факторов и взаимосвязей
Если одного быстрого ответа недостаточно: необходимо одновременно проверить несколько гипотез, разделить влияние разных факторов и получить основу для долгосрочной стратегии, — делаем эконометрику.
В Okkam для таких задач используют собственный эконометрический фреймворк «Ферматрица» .Разработчики опубликовали открытый код, чтобы сам подход и инструментарий можно было изучать и использовать независимо. На вебинаре Александр Мешков, директор по анализу бизнес-данных Okkam, показал три кейса, в которых стандартной аналитической модели было недостаточно.
«Нетривиальные задачи требуют более сложного инструментария. Поэтому у нас есть собственный эконометрический фреймворк — как раз для случаев, которые выходят за пределы базовой эконометрики. Год-два назад мы решили сделать его открытым, чтобы подход к моделированию стал прозрачнее, и убрать барьер между заказчиком и моделью».
Александр МешковДиректор по анализу бизнес-данных Okkam
Найти разные медиамиксы для разных аудиторий
Один из описанных кейсов, связанных с эконометрикой, показал, почему один медиасплит может быть неэффективным для широкой аудитории. Аудиторию крупного бренда разделили на семь сегментов и для каждого отдельно оценили эффективность медиаканалов.
Разница оказалась существенной: эффективность отдельных инструментов между сегментами различалась в три раза и более. Поэтому вместо одного универсального медиамикса модель позволила сформировать семь разных сплитов — по одному для каждого сегмента. Такой подход дал +10% к ROI против +4% при классической эконометрической оптимизации.
«Если у вас широкая целевая аудитория и она включает в себя отдельные сегменты, в них можно выловить много интересного. Один и тот же инструмент может очень по-разному работать на разных группах. И это дает возможность строить оптимальный сплит для каждой аудитории, а не искать один универсальный вариант».
Александр МешковДиректор по анализу бизнес-данных Okkam
Увидеть эффект ритейл-медиа там, где агрегированный анализ его теряет
Другой кейс был посвящен офлайн-ритейл-медиа. Проблема здесь в самой природе инструмента: размещения происходят в конкретных торговых точках и в разное время. Если объединить все точки в один ряд, отдельные всплески продаж наложатся друг на друга, и эффект кампаний может буквально раствориться в общем шуме.
Модель построили с детализацией до торговых точек. На агрегированном уровне вклад ритейл-медиа оценивался примерно в 0,5%, тогда как модель на уровне торговых точек показала около 5% прироста продаж.
Более того, такая детализация позволила оптимизировать сразу два параметра — не только общий бюджет, но и его распределение между торговыми точками. В одном из сценариев при одинаковом бюджете в 120 тысяч рублей размещение в шести точках по 20 тысяч рублей дало на 42% больший прирост продаж, чем размещение в двух точках по 60 тысяч рублей.
От бизнес-вопроса — к подходящей аналитике
Кейсы быстрой аналитики и три кейса эконометрики показали главное: аналитика начинается не с выбора инструмента, а с формулировки вопроса.
Иногда компании нужно принять решение за две недели — тогда важно быстро собрать доступные данные, подобрать подходящую методологию и получить рабочий вектор. В других случаях вопрос требует серьезной модели, большого количества данных и проверки нескольких факторов одновременно. А иногда проект естественным образом проходит оба этапа: быстрая аналитика помогает сформулировать гипотезу и принять срочное решение, а затем эконометрика проверяет и масштабирует результат.
«У нас нет одного умного продукта. Мы всегда выбираем практику и метод под вопрос. Если что-то горит или нет данных — это один маршрут, если понятно, что нужно копать глубоко и долго, — другой. Бывает и так, что проект начинается с быстрой аналитики, а потом эволюционирует в эконометрику».
Дмитрий АнтохинДиректор по интеллектуальным ресурсам Okkam
Задача аналитики — не просто найти показатель эффективности отдельного канала.
Она должна помочь понять, какой вопрос сейчас действительно нужно решить, какие данные для этого нужны и какой уровень глубины даст бизнесу полезный ответ.
Другие статьи
