Sales Lift и CR: почему при оценке эффективности РК правильнее смотреть на обе метрики

Sales Lift и CR: почему при оценке эффективности РК правильнее смотреть на обе метрики

В условиях, когда фокус на результативности стал приоритетом для маркетологов, важно понять, как эффективно использовать медийный бюджет для достижения реальных продаж. На какие метрики обращать внимание? Разбираем эти вопросы с Programmatica.com.

Понятия и формулы

Sales Lift - метрика, показывающая инкрементальный прирост продаж (либо других целевых действий) в результате рекламной активности.

Здесь видим разницу между метриками sales lift и CR.

CR, conversion rate (кол-во купивших/кол—во видевших) - это общая способность аудитории совершать целевые действия.

В случае с CR мы знаем, как конвертит аудитория, видевшая рекламу. Но мы не знаем, покупала бы она меньше, если бы рекламу не видела.

Именно поэтому мы рекомендуем оценивать эффективность рекламных кампаний, вычисляя чистый эффект рекламы (=sales lift), а не только общую конверсию. По результатам этих измерений масштабировать эффективные таргетинги и приостанавливать неработающие.

Какие целевые действия могут быть замерены метрикой sales lift?

По сути можно замерить прирост практически любых целевых действий (заявки на сайте/ регистрации на мероприятия/посещение страниц «Заказ оформлен» или «Корзина»/офлайн посещения локаций). Правда, корректно его называть тогда не sales lift, а, например, register lift или page-veiw lift или visit lift.

В российской практике sales lift чаще всего замеряет влияние онлайн-рекламы на офлайн-продажи.

Также замерять можно не только влияние онлайн-рекламы, но и радио, различных вариантов промо (размер скидки/подарки/бонусы) и сравнивать их между собой – как в офлайн, так и в онлайн-магазине.

Sales Lift и CR: почему при оценке эффективности РК правильнее смотреть на обе метрики

Как офлайн покупатели оказываются в онлайн платформе?

Если коснуться самого распространенного варианта - замера влияния онлайн рекламной кампании на офлайн-продажи, как офлайн-покупатели идентифицируются в онлайне? По-разному в зависимости от инструментов на стороне владельца данных о продажах.

Ритейл и фарма – запоминают историю покупок по карте лояльности, которая используется при покупке. Покупки без карты – не запоминают. Чтобы пользоваться картой, как мы помним, мы привязываем к карте номер нашего телефона.

Вот и связь онлайн с офлайн: покупки офлайн совершают мобильные телефоны, привязанные к картам лояльности. Аудитории на базе мобильных телефонов распознаются большинством рекламных платформ: VK, MyTarget, Яндекс, программатик-платформ. До 90% объема аудиторий на базе мобильных телефонов доступны для открутки рекламы.

Аптечные сети также привязывают онлайн-покупки к номеру телефона, который указывается при оформлении заказа. Таким же способом копят историю онлайн кассы Атола.

Аптечные сети также привязывают онлайн-покупки к номеру телефона, который указывается при оформлении заказа. Таким же способом копят историю онлайн кассы Атола.

Для рекламных кампаний не все покупатели передаются в рекламную платформу. Они сегментируются по определенным признакам на стороне data-поставщика например, "те, кто покупал категорию за X период с Y частотой" или "те, кто покупал категорию со стоимостью SKU выше Z руб."). Далее уже этот сегмент мобильных телефонов передается data-поставщиком в платформу и происходит создание рекламной кампании с таргетингом на этот сегмент. Только при условиях открутки на данных поставщика возможно замерить эффект онлайн-рекламы на офлайн-продажи.

Почему эффект чистый?

Может быть, вы замерили не эффект рекламы, а сезонность или эффект скидки на полке, которая была в период кампании?

Группа видевших испытывает на себе те же факторы, что и группа не видевших (то есть у них те же шансы увидеть промо/скидку, купить в сезон). Кроме того, обе группы, как мы помним, принадлежат одному и тому же сегменту покупателей в определенной сети за определенный период.

Можно пойти глубже.

Группы видевших и не видевших рекламу должны быть уравнены, чтобы потенциалы к покупке у 2-х групп были схожими. Стоит выровнять следующие показатели:

  • пол
  • возраст
  • средний чек в категории за период
  • время последней покупки бренда и т д.

Почему нельзя ограничиваться одним параметром

O2O отчет (online to offline отчет) – отчет о влиянии онлайн-рекламной активности на офлайн-действия (обычно, офлайн-продажи).

Исследуя продажи, вызванных рекламной активностью, мы не ограничиваемся метрикой sales lift.

Рассматриваем отчет как более широкое понятие и, кроме метрики sale lift, смотрим на CR сегмент. Кстати, замеряя эффективность сегментов, часто в отчетах получаем CR и sales lift зеркально противоположные: сегмент, у которого выше CR, имеет ниже sales lift. Это легко объяснить, т. к. сегмент с высоким CR имеет органически высокую конверсию и без воздействия рекламы.

Собирая O2O, считаем инкрементный ROI, обращаем внимание на динамику продаж между периодами, сезонность, поведение конкурентов (дают ли они скидки и проводят ли рекламные кампании параллельно). Настаиваем на использовании в одном флайте нескольких сегментов, а не одного, чтобы иметь возможность сравнить performance нескольких ЦА.

Это дает возможность рассматривать отчет как комплексное исследование, приносящее подтверждение или опровержение маркетинговых гипотез, выявлять инсайты, оптимизировать бюджеты на медийную рекламу, находя максимально эффективные форматы/УТП/аудитории/рекламные платформы и их сочетания.

Полная формула

Мы обещали привести полную формулу расчета sales lift – выполняем обещание.

Sales Lift и CR: почему при оценке эффективности РК правильнее смотреть на обе метрики

На российском рынке впервые её начали использовать ритейлеры, а за ними ряд других Data-поставщиков и агентств при создании отчетов, применяя отношение продаж между периодами.

Это позволяет с еще большей точностью оценить вклад рекламы в продажи, максимально нивелируя перекосы значений СR 2-х групп по причине промо-акций, сезонности и других внешних событий между периодами.

А что за рубежом?

Американское издание Repsly в статье «Sales Lift Calculation: Measuring Effective In-Store Promotions» (Расчет sales lift: замер эффективности промо в ин-стор) рассказывает о необходимости замерять эффективность офлайн-промо на полках магазинов и другую промо и медийную активность.

Автор опускает действие по нормализации объема продаж и не использует расчет CR 2-х групп, а оперирует цифрами абсолютных объемов продаж:

Sales Lift и CR: почему при оценке эффективности РК правильнее смотреть на обе метрики

Actual sales – объем продаж в деньгах, сгенерированный в период промо-акции/рекламной кампании.

Baseline sales – эстимированный объем продаж за тот же рекламный/промо период, если бы рекламы / промо не было (в нашей интерпретации: «не видевшие рекламу»)

Издание предлагает 3 различных способа расчета baseline sales:

  • Pre-post анализ: заключается в сравнении продаж в пре-периоде, равном периоду рекламной кампании, с продажами в период рекламной кампании;
  • Средний объем продаж прошлого года: этот метод очень похож на предыдущий, только пре-период выбирается не близлежащий, а похожий в прошлом году;
  • Предсказание продаж: необходимо сделать предсказание, каково было бы количество продаж, если бы промо не было. Базироваться необходимо на определенных факторах (продажи за предыдущий период, продажи прошлого года, сезонность, активность конкурентов) и сравнить предсказанные продажи с actual sales (реальными продажами в период промо-акции рекламной кампании)

Автор считает такую аналитику обязательным элементом успеха рекламной кампании. Аналитика эффективности – один из элементов data-driven стратегии, как и осуществление сбора и анализа собственных данных, корректной работы с ними.

Подводим итоги

Подготовка рекламной кампании - это грандиозная работа, но её анализ является не менее ответственной задачей. Только понимая, какова эффективность, в том числе в деньгах от той или иной активности, можно эффективно тратить рекламные бюджеты. Мы поделились с вами нашим видением этого вопроса и будем рады узнать в комментариях, какие метрики используете вы.

Материал подготовлен Натальей Некрасовой и Ангелиной Барановой.

Больше IT новостей здесь @programmatica_com.

erid:2VSb5yLQC8Q

44
11
Начать дискуссию