В преддверии публикации статьи по проекту ROI эксклюзивно для Sostav.ru, Екатерина разбирает и анализирует основные подходы и методики, используемые в разных странах для анализа эффективности рекламы на радио.

Трудно сегодня не обращать внимания на то, что рекламодатели всё чаще стали требовать от традиционных СМИ такие же аргументы в подтверждение эффективности вложений, какие им предоставляет интернет-реклама.

Все медиа – от ТВ до наружной рекламы – стремятся обзавестись digital-воплощениями, дающими возможность оценить вклад медиарекламы в генерацию желаемых действий целевой аудитории.

Можно сколько угодно критиковать использование магического слова «программатик» по отношению к традиционным форматам, но нельзя закрывать глаза на то, что все традиционные медиа сейчас стоят на пороге того драматического момента, когда доказательства эффективности для каждого конкретного клиента станут тем пропуском, без которого доступ к рекламному пирогу будет заказан.

Пожалуй, одним из немногих исследований, делавшихся в интересах всего медиаканала, стало знаменитое исследование «у гладильной доски». Впервые оно было проведено в 1981 году рекламным агентством Saatchi&Saatchi в Новой Зеландии. А в 1995 году данные были обновлены.

Суть исследования состоит в том, что респондентов, а точнее респонденток, приглашали принять участие в тестировании не радиорекламы, а средства для глажки. Когда дамы начинали гладить бельё с использованием нового средства, им включали радио – фоном, просто для того, чтобы работа шла веселее. А потом замеряли знание и вспоминаемость рекламы и брендов, которые упоминались на радио в течение процесса глажки.

В данном случае было не так уж важно, реальные рекламные ролики шли во время исследования или специально созданные. Важнее было доказать, что люди воспринимают радиоэфир, даже несмотря на то, что во многих случаях он является всего лишь фоном для создания настроения.

Были и другие подобные исследования, например, английское «The Nation and the Mood», проведённое в 2011 году. А ещё - глубокое качественное исследование с использованием томографа и энцефалографа, проведенное в США и Индии, показывающее, как именно отличается восприятие человеческим мозгом редакционного и рекламного контента на радио и ТВ. Однако такие исследования по-прежнему являются относительной экзотикой.

Гораздо чаще рекламодатели заказывают ad hoc – исследования с замером знания своей марки и/или её рекламы (слогана, ролика и пр.) до рекламной кампании, во время неё и после. Опросы могут быть как личные, так и телефонные или в виде интернет-анкетирования.

Объединяет такие исследования одно: получаемые данные весьма точны, но закрыты рекламодателем. Даже если бы они и были открыты, вряд ли можно было бы без потерь перенести их на другой бренд, другой медиасплит, не говоря уже о другой товарной категории.

В зависимости от детальности анкеты в ходе таких исследований можно получить как данные по общему эффекту от рекламной кампании, так и вспоминание по отдельным медиа. Однако сомнительно, что для радио такая детализация сработает адекватно. Как уже говорилось выше, радио очень часто служит фоном для других дел, и человек слушает его и впитывает информацию, даже не осознавая этого.  В результате эффективность радио оказывается заниженной, а за его счёт очки набирают другие медиа – те, которые принято потреблять, не отвлекаясь.

Ещё один подход к замерам эффективности радиорекламы – это запуск одновременной рекламной кампании с разными медиасплитами в разных регионах. Суть метода состоит в том, что одновременно в разных городах запускается рекламная кампания одинакового креатива, но использующая разные медиасплиты. Замеры знания рекламируемой марки (а в некоторых случаях, и объёмы продаж) сравниваются, выявляя вклад разных медиа.

Такие подходы вряд ли набрали бы популярность в России, даже если бы на это хватило денег. Причина – очень серьёзные отличия в менталитете и медиапотреблении в разных регионах. Плюс к тому, у нас всё ещё доминируют крупные федеральные СМИ, эксперименты на которых и обходятся дорого, и технически реализуются непросто. 

Однако есть немало стран, где федеральное вещание отнюдь не превалирует, и сделать в одном городе рекламную кампанию, например, только на ТВ, а в другом, соседнем, дополнить его ещё и радио – это абсолютно выполнимая задача.

В этом случае можно провести опросы в достаточно большой выборке ЦА в разных городах и сравнить результаты. Конечно, тут очень важно, чтобы население в городах было похоже по образу жизни и менталитету, тогда результаты использования разных медиамиксов будут абсолютно валидны. Иногда вместо прямого замера знания марки используют данные о продажах. Но такой вариант возможен только для FMCG-рекламодателей.

Подобного типа исследования проводились в основном в европейских странах. Например, в Великобритании или Голландии. Хотя, есть данные и из США.

Пожалуй, классический вариант исследования эффективности радио – это замеры знания марки до и после рекламной кампании в сочетании с дневниковыми исследованиями медиапотребления на время флайта. Такая технология позволяет выделить группу активных телезрителей и тех, кто мало смотрел телевизор, но слушал радио с рекламными сообщениями, а также тех, кто потреблял в основном радио, и вообще не потреблял СМИ.

Эти методики уже давно стали классикой. В сегодняшнем мире они, пожалуй, уже выглядят тяжеловатыми и слишком затратными, хотя, безусловно, остаются вполне корректными и применимыми.

И всё же интересно, что нового может предложить исследовательская индустрия для радио?

Естественно, новшества лежат в основном в сфере использования Big Data, Data Fusion и анализа данных поведения целевой группы в интернете.

В качестве примера использования Data Fusion для анализа эффективности радио можно привести масштабное исследование Audio Effect, проводимое в Германии. Для выяснения эффективности радиорекламы в ходе исследования проводится совмещение данных потребительской панели GFK и аудиторных данных по радио, производимых компанией TNS (собственно, Data Fusion).

Слияние данных двух исследований позволяет напрямую сравнивать объёмы покупок

рекламируемых товаров среди слушателей и не-слушателей радио. Таким образом удаётся вычислять необходимый рекламодателю показатель ROI. Причём эта возможность появляется в ходе одного исследования сразу для многих товарных групп и брендов, но наиболее достоверный результат можно получить в основном для продуктов и брендов FMCG.

Соединить данных двух источников очень непросто. Во-первых, для того чтобы с точностью распространять данные по потреблению отдельных брендов на всю генеральную совокупность, нужно сформировать большую выборку в потребительской панели. Во-вторых, для успешного слияния данных, как правило, необходимо значительное превосходство выборки одного из исследований над выборкой другого. Иначе правильный фьюзинг будет невозможен с технической точки зрения.

Тем не менее, это направление работы с данными можно назвать весьма перспективным.

Похожее масштабное исследование с использованием слияния наборов данных проводилось в США. Речь шла о соединении данных о покупках, которые были взяты с обезличенных карточек постоянных покупателей сети супермаркетов Catalania, с данными PPM (portable people meter) об аудитории радио, которые поставляет на американский рекламный рынок компания Nielsen.

Природа данных в этом случае несколько другая, но результат похож: в рамках одного исследовательского продукта удалось получить прямые данные по ROI сразу для многих рекламодателей. Если объёмы выборки обеспечивают достаточную точность, можно вычислять заветные цифры ROI, распространяя данные о продажах в панели на всех покупателей.

Ещё одно интересное исследование было направлено на получение оценок вклада разных СМИ в поисковую активность в интернете. Оно проводилось для многих брендов компанией Brand Laboratory совместно с Radio Marketing Service в Германии. В рамках исследования изучалась связь вложений в рекламу с динамикой поисковых запросов бренда и/или продукта.

Инструментом исследования явилась математика в чистом виде. На входе имелись данные о поисковых запросах и рекламных вложениях в разные медиа, на выходе получилась математическая модель, показывающая (или не показывающая) связь между вложениями в рекламу и поисковыми запросами, зафиксированными Google Adwords. Модель строилась на основании анализа временных рядов и корреляционного анализа. Высокие цифры коэффициента детерминации (в опубликованном кейсе – 0.96) позволили утверждать, что построенная матмодель хорошо объясняет взаимосвязи в данных.

Конечно, до вожделенного ROI добраться не удалось, но стоимость клика, приведённого разными медиа, посчитать с помощью такого метода вполне реально.

У этого подхода есть свои безусловные преимущества. Во-первых, анализируются уже существующие данные. То есть, не надо тратить время, деньги и прочие ресурсы на так называемую «полевую» стадию исследования. Во-вторых, появляется возможность добавления новых факторов, изменения временных отрезков и прочих вводных с повторением анализа.

Но, как это всегда и бывает, у медали две стороны. Гибкость вводных модели накладывает на исполнителя сверхобязательства по контролю точности. А широкие возможности моделирования актуальны только тогда, когда данные, взятые для анализа, достаточно представительны.

Ожидать достоверный результат можно в случае, если в день Google Adwords фиксирует тысячи, сотни или хотя бы десятки поисковых запросов на заданные слова. Причём подавляющее их большинство можно с уверенностью отнести только к представленному для анализа бренду. Если же речь идёт об аналитике редких запросов, то единственным выходом может стать увеличение временных интервалов для анализа. А это возможно только тогда, когда в течение всего промежутка времени внешняя ситуация (конкурентная среда, экономика, политические факторы) остаётся относительно стабильной.

Тем не менее, такой подход представляется очень перспективным благодаря относительной дешевизне и гибкости и имеет все шансы занять свою нишу в сфере исследований эффективности рекламы.

В качестве краткого резюме этого обзора методов, используемых для расчётов эффективности радиорекламы, можно сказать следующее.

Хотя классические методологии анализа эффективности никто не отменял, они постепенно разбавляются новыми подходами. Суть инноваций в исследованиях эффективности в основном лежит в области привлечения цифровых технологий и больших массивов данных (Big Data).

Конечно, фьюзинг данных начал использоваться довольно давно, но только сейчас, когда мощные компьютеры позволяют относительно легко соединять огромные массивы данных, такие подходы стали активно набирать популярность. Слияние данных медиапотребления с данными потребительских панелей или объёмов розничных продаж позволяет наконец-то получить данные об эффективности рекламы по целому набору продуктов и брендов одновременно.

Конечно, исследователь должен очень аккуратно действовать, соединяя данные разных источников, особенно, если эти данные имеют разную природу (например, данные PPM о слушании радио и обезличенные данные карт постоянного покупателя). Но в случае успеха получается богатый и разнообразный результат.

Другое, довольно новое, направление использования цифровой среды для анализа рекламных вложений в цифровые медиа – анализ поисковых запросов или посещаемости сайтов, накладываемый на медиаплан. При жёстком контроле достоверности и представительности входной информации для математической модели на выходе получается, во-первых, целостная, а во-вторых, достаточно детальная картина эффективности вложенных в рекламу средств. Однако при анализе главное – следить за корректностью вводных данных и точностью результата.

В целом, появившиеся недавно новые технологии в исследованиях эффективности рекламных вложений для радио выглядит довольно заманчиво. Данные получаются комплексно, и радио, на исследование которого часто не хватало ресурсов, начинает обрастать новыми метриками. Хочется надеяться, что та прозрачность и измеримость, начало которой положила интернет-реклама, распространится постепенно и на офлайновые (пока ещё) СМИ.

Если же параллельно в сознание рекламодателя внедрится различие между посетителями-людьми и посетителями-униками, и станет возможным отличать ботов от реального пришедшего человека, то нас ждёт время небывалой прозрачности в рекламе.

Текст: Екатерина Ерошкина, директор департамента коммерческого маркетинга ЕМГ

Источник: Sostav.ru