Затем мы создали кривые для двух уровней воронки и проиграли оптимизационные сценарии, которые подтвердили, что TDA довольно точно распределяла доли бюджетов по обоим уровням воронки.
На втором этапе мы перешли к распределению по типам средств распространения рекламы. Для этого мы использовали комбинацию исследований внешнего поставщика (Pointlogic) и эконометрическое моделирование.
В результате мы поняли, что именно нужно менять, и предприняли следующие действия:
• бюджеты на печатную рекламу выросли более чем в два раза;
• бюджеты на ТВ-рекламу были снижены на 20 %;
• снижение бюджетов на баннерную рекламу составило 19 %;
• деньги, изъятые из бюджетов, связанных с баннерной рекламой, были направлены на продвижение с помощью потокового видео.
Так как в данном случае процесс распределения состоял из двух шагов, то мы смогли создать комплекс средств распространения рекламы для каждого уровня воронки, как показано на графике ниже.
В результате этого упражнения мы смогли перенаправить значительную сумму инвестиций в дорогостоящую телевизионную рекламу на более дешевую рекламу с прямой обратной связью и на работу с цифровыми медиа, что позволило компании достичь своих целей и при этом сэкономить миллионы долларов.
Задание на утро следующего понедельника
1. Заставьте эти инструменты работать. К сожалению, для большинства компаний выводы этой главы могут показаться неприемлемыми. Однако реальность состоит в том, что мало кто из маркетологов использует методы эконометрического моделирования для оценки влияния маркетинга на бизнес. Не надо на них равняться. Откажитесь от принятия многомиллионных решений об инвестировании на основании интуитивного подхода. Он приведет вас к катастрофе вне зависимости от общего состояния экономики!
2. Попробуйте воспользоваться интуитивным методом из списка Гарри Генри. Конечно, это крайне грубый инструмент, однако он позволяет вам достаточно быстро произвести расчеты и понять, где вы находитесь. Затем вы можете использовать свои выводы в качестве начальной точки при расчете различных уровней расходов.
3. Затем используйте приведенные выше рекомендации для начала диалога со специализированными компаниями, способными помочь вам оптимизировать маркетинговый бюджет.
4. Наконец, внимательно посмотрите на свои три главные маркетинговые цели и определите, какие из рассмотренных нами инструментов помогут вам превратить их в реальность.
Глава 6
Измерения – каким образом определять эффективные и неэффективные методы работы?
Теперь вы не только можете найти свою целевую аудиторию, но и имеете надежные инструменты для установления контакта с ней с помощью правильной тактики, точного распределения рекламной продукции и адекватного бюджета.
Следующий важный вопрос: каким образом после создания и внедрения плана вы сможете понять, что в нем работает, а что нет? Разумеется, вы можете видеть общую картину: продажи выросли на 12 % или доходы сократились на 4 %, – но это слишком расплывчато. Помните, наша цель состоит в том, чтобы определить, насколько эффективно мы расходуем каждый доллар с точки зрения поставленных целей. Мы все понимаем, что с помощью единственного показателя этого делать нельзя.
Благодаря новейшим разработкам в системах показателей измерять теперь можно практически все (ниже мы остановимся на этом подробнее). Но всегда стоит помнить об одном обстоятельстве: процедуры оценки должны носить дружественный характер – люди и без того тонут в информации и цифрах. Вот почему вам необходимо создать доступные для понимания каждого показатели. На следующих страницах я отвечу на те вопросы, которые обязательно встанут перед вами:
1) что измерять?
2) как измерять (а также как найти то, что вам необходимо измерить)?
3) как рассказывать о том, что вы узнали, доступным для всех образом?
4) как реализовать все это на практике?
Я всегда был сдвинут на компьютерах. Когда мне исполнилось девять лет, у меня появился первый компьютер – это был ZX Spectrum с 116 килобайтами памяти, в которой могло храниться лишь несколько предложений текста.
В возрасте десяти лет я вместе с парочкой друзей занялся программированием на языке Бейсик. Самим себе мы казались совершенно обычными ребятами, и только сейчас я понимаю, как мы ошибались. Что может быть «обычного» в десятилетнем мальчике, не интересующемся ничем кроме программирования? Но продолжим. Вскоре я смог создать свою первую (и последнюю) компьютерную игру: маленький синий персонаж, напоминавший известного Пакмана[11 - Пакман (Pac-Man «колобок») – персонаж многих компьютерных игр, представляющий собой круглое желтое существо с одним ртом.], бегал по желтому экрану и поедал зеленые кактусы.
Когда появился Интернет, я сразу стал его фанатом. Хорошо помню тот день, когда компьютеры с доступом в Интернет впервые появились в лаборатории Антверпенского университета. Небольшие группы иступленных фанатов (боюсь, к тому времени уже полностью чокнутых ребят – их еще называют «гиками») начали проводить в той комнате по многу часов. Мы приходили туда к восьми утра и уходили с закрытием, в девять вечера (в те времена путешествие по Сети не было быстрым и занимало многие часы, так как для загрузки самой простой картинки требовалось не меньше пары минут).
Любопытство к новым технологиям осталось со мной и в моей профессиональной жизни. Когда я принялся изучать Интернет с точки зрения маркетинговых исследований, то довольно быстро понял, какие перспективы открываются перед нами – на серверах, где хранятся веб-страницы, накапливается немыслимое количество информации. Теперь мы могли измерять практически все: отслеживать каждое нажатие кнопки мыши и любое взаимодействие посетителей с веб-сайтами наших клиентов.
Еще работая в Бельгии, я вел проект, связанный с открытием первого вебсайта одного нашего клиента. Я связался с бельгийским провайдером интернет-услуг и попросил его прислать мне файлы логов, созданные сервером и хранящие информацию обо всех действиях на любом сайте, размещенном на его сервере (в том числе и сайте нашего клиента).
Сотрудник провайдера поинтересовался, зачем мне это надо.
Я объяснил, что хочу понять, каким образом посетители используют вебсайт клиента.
«Интересная идея», – сказал мой собеседник. (Это было в 1997 году. А не так давно Forrester Research предсказала, что аналитическое исследование сетевых данных к 2014 году превратится в отдельную отрасль с оборотом в одних только США в один миллиард долларов!)
Логи сервера выглядели примерно так, как показано ниже.
Не пугайтесь. Перед вами всего лишь необработанные данные. Если вы внимательно посмотрите, то увидите целый ряд постоянных величин.
• Время – запись была начата в 2:55:04 утра.
• IP-адрес – как мы уже говорили, этот адрес представляет собой некую аналогию телефонного номера, который компьютер использует в ходе сессии. В данном случае «телефонный номер» имел вид 127.0.0.1
• GET – означает, что компьютер сделал запрос на получение данных.
• Sc-status – этот код показывает, была ли успешно выполнена команда «GET» («304» значит, что все прошло нормально).
Итак, из анализа первого ряда данных мы понимаем, что без пяти три утра компьютер с номером 127.0.0.1 попросил сервер загрузить домашнюю страницу клиента и этот запрос был успешно выполнен. По записям в следующих строчках вы можете видеть, как тот же самый компьютер примерно в то же самое время запрашивает и другие данные. Большинство запросов были связаны с изображениями на домашней странице. (Логи сервера покажут все эти запросы по отдельности.) Файлы логов для этого клиента состояли из миллионов строк. Я принялся группировать их, чтобы узнать, что делали люди в Сети.
Мой рассказ носит столь подробный характер по двум причинам. Во-первых, я хочу продемонстрировать: в данных нет ничего волшебного или невероятно сложного. Если вы потратите совсем немного времени, то поймете, что этот процесс донельзя логичен. Во-вторых, мой пример наглядно показывает, каким образом (особенно в Сети) можно измерять практически любой параметр.
Пока я копался с логами сервера, в Кремниевой долине несколько толковых ребят, осознав потенциал этой идеи, принялись разрабатывать программные продукты, способные проделывать всю компиляцию данных автоматически. (В дни зарождения веб-аналитики самым популярным из них стал, пожалуй, Webtrends Log Analyzer.) Программы изучали файлы логов сервера, а затем ежедневно создавали семидесятистраничный отчет с сотнями показателей, оценивающих происходящее на вашем веб-сайте. Процедура, потребовавшая от меня нескольких дней тяжелой работы, теперь оказалась доступна с помощью единственного нажатия на кнопку. Как только я получил доступ к Webtrends, то сразу настроил программу на анализ сайтов всех своих клиентов. Каждое утро они открывали свои почтовые ящики и находили семидесятистраничные отчеты обо всех действиях на их сайтах за последние сутки. Поначалу они приходили в немалое возбуждение: «Это неправдоподобно!», «Все измеряемо!», «Наша мощь теперь безгранична!»
