Jest pewien słynny cytat, do którego lubię się odwoływać, gdy mówię o pomiarze marketingu: Połowa pieniędzy, które wydaję na reklamę, jest marnowana; problem w tym, że nie wiem która połowa."
Większości marketerów trudno jest uzasadnić wpływ swojej pracy na wynik finansowy firmy. I nie ma znaczenia, jakich narzędzi do pomiaru marketingu używamy.
Właśnie dlatego wciąż wymyślamy nowe terminy i określenia, takie jak „tworzenie popytu” i „ciemne media społecznościowe”, ponieważ chcemy uniknąć odpowiedzialności za liczby lub przejęcia nad nimi kontroli. Tak, powiedziałem to!
Nie oznacza to, że pomiar sukcesu marketingowego jest niemożliwy ani że nie powinno się go przeprowadzać.
Marketerzy muszą myśleć bardziej jak finansiści, a mniej jak marketerzy, aby „mieć miejsce przy stole” (czyli przy stole zarządu). Zdefiniujmy pomiar marketingu, jego znaczenie oraz to, dlaczego ma znaczenie.
Czym właściwie jest pomiar marketingu?
Mówiąc najprościej, chodzi o mierzenie długoterminowego i krótkoterminowego wpływu marketingu na firmę. Lubię dzielić go na horyzonty czasowe, ponieważ tak właśnie działa marketing.
Niektóre działania przynoszą krótkoterminowe rezultaty (sprzedaż, leady, SQL-y), a inne długoterminowe rezultaty (zapamiętywanie marki, świadomość marki, udział w rynku — choć najlepszym sposobem na zwiększenie świadomości marki, jej zapamiętywania i udziału w rynku może być … sprzedawanie większej ilości produktów większej liczbie osób).
Dlaczego to ważne?
Aby wiedzieć, na co przeznaczyć kolejnego dolara. Jeśli tworzysz plan kwartalny lub roczny, odpowiadasz za realizację celu dotyczącego przychodów lub wygenerowanych szans sprzedażowych albo musisz obronić budżet na kolejną kampanię ABM, musisz z dużą pewnością wiedzieć, gdzie uzyskasz określone rezultaty.
Musisz modelować swój lejek, aby zrozumieć, które kanały przynoszą określone wyniki.
To, jak potencjalni klienci przechodzą w dół lejka, oraz wyniki z przeszłości są czasami najlepszym predyktorem przyszłych rezultatów — dlatego zawieraj zarówno zakłady oparte na analizie, jak i ryzykowne zakłady.
Mówiąc inaczej — pomiar marketingu pomaga odpowiedzieć na pytanie: „Gdybyś miał 100M, na co byś je wydał”? (może odpowiedzią byłaby reklama podczas Super Bowl).
Jak MIERZYĆ marketing?
Krótka odpowiedź: za pomocą modeli
Najpierw porozmawiajmy jednak o czymś często pomijanym, a niezbędnym do lepszego zrozumienia tego tematu — przyrostowości.
Zacznijmy od prostej analogii z pizzerią, której ktoś użył, aby mi to wyjaśnić.
Wyobraź sobie, że prowadzisz pizzerię i masz kupony o wartości 5 USD. Zatrudniasz 2 osoby do rozdawania tych ulotek i motywujesz je premią zależną od liczby klientów, którzy pojawią się, aby kupić pizzę, mając w ręku kupon.
Osoba A idzie ulicą i rozdaje ulotki jak największej liczbie przechodniów. Tymczasem osoba B stoi przy drzwiach pizzerii i wręcza ulotki osobom wchodzącym po pizzę.
Która osoba „wygenerowała więcej kuponów”?
Osoba B — klient wchodzący po pizzę i tak chętniej weźmie kupon z rabatem 5 USD. Jednak kupiłby pizzę niezależnie od tego, czy miałby kupon (przecież już wszedł do środka).
Osoba A przyciągnęła jednak więcej osób, które nie kupiłyby pizzy bez kuponu o wartości 5 USD.
Osoba A pozyskała więcej „nowych klientów” lub wygenerowała większą sprzedaż przyrostową, podczas gdy osoba B wygenerowała mniej sprzedaży przyrostowej.
Tak więc, mimo że osoba B otrzymałaby nagrodę za rozdanie największej liczby kuponów i sprzedaż największej ilości pizzy, 90% tych osób i tak kupiłoby pizzę.
Dlaczego mówię o pizzy? Ponieważ przyrostowość jest trudnym problemem do rozwiązania w marketingu. Ile z naszej sprzedaży napędzanej marketingiem było przyrostowe w porównaniu z tym, co klienci kupiliby i tak (bez uczestnictwa w targach lub rejestracji na webinarze itp.)? Nieco niżej zajmiemy się tym tematem.
Czy spodziewałeś się czegoś o narzędziach do atrybucji marketingowej? Ha ha.
Dobrze, kontynuując temat ważnej koncepcji przyrostowości w marketingu, przyjrzyjmy się różnym metodom stosowanym do pomiaru marketingu. Metody te mają na celu ilościowe określenie wpływu działań marketingowych, pomagając firmom skuteczniej alokować budżety.
Zrozumienie tych metod pozwoli Ci podejść do marketingu w bardziej analityczny i roztropny finansowo sposób.
Modelowanie kompozycji marketingowej (MMM)
Modelowanie kompozycji marketingowej (MMM) to technika analizy statystycznej, która ocenia dane historyczne w celu określenia wpływu różnych taktyk marketingowych na sprzedaż, a następnie prognozuje wpływ przyszłych zestawów taktyk.
Uwzględnia wiele zmiennych, w tym warunki gospodarcze, konkurencję, wydatki marketingowe itp.
MMM zapewnia wgląd w skuteczność każdego kanału marketingowego w długich horyzontach czasowych i pomaga zrozumieć, w jaki sposób różne elementy miksu marketingowego przyczyniają się do sprzedaży. Jest przydatne do alokowania budżetów między główne kanały marketingowe oraz do długoterminowego planowania strategicznego.
W przypadku MMM potrzebujesz dużego zbioru danych, aby sprawdzić, jak różne modele statystyczne wyjaśniają dane i dopasowują się do nich oraz który z nich zapewnia najwyższy poziom pewności (tj. najlepiej wyjaśnia dane i wahania; innymi słowy, jest mniej ryzykownym wyborem).
Aby uzyskać lepsze modele, najlepiej korzystać z danych o wyższej częstotliwości, np. danych dziennych, które będą lepiej dopasowane niż dane miesięczne, ponieważ jest ich więcej.
Zaletą MMM jest to, że wykracza poza same kanały internetowe i może pokazać wpływ kampanii billboardowej o wartości 100K na wynik finansowy.
Problem z MMM polega na tym, że podobnie jak w przypadku większości firm B2B, potrzeba więcej danych. Przykładem może być firma sprzedająca przedsiębiorstwom, która zawiera tylko trzy transakcje rocznie.
MMM lepiej nadaje się również do analiz rocznych lub kwartalnych, a mniej do optymalizacji marketingu w ujęciu tygodniowym lub miesięcznym.
Przykłady zastosowania MMM
W 42 Agency wykorzystujemy modele miksu marketingowego dla naszych klientów i przeprowadzamy zaawansowane analizy, aby uzyskać wnioski wykraczające poza atrybucję pierwszego i ostatniego kontaktu.
Jeden z naszych klientów, który wydaje około $1M miesięcznie na media, przeznaczał znaczną część budżetu na reklamy Meta zwiększające świadomość marki i reklamy zasięgowe LinkedIn. Przeprowadziliśmy analizę, aby odpowiedzieć na kilka pytań:
- Czy Meta i LinkedIn generowały MQL/SQLs? (Odpowiedź brzmiała: tak)
- Czy wydatki na reklamy zasięgowe i zwiększające świadomość marki pozytywnie wpływały na SQL / MQL? (Odpowiedź nie była tak jednoznaczna, jak sądziliśmy. W niektórych przypadkach wpływ był negatywny, tzn. prawdopodobnie generowaliśmy mniej MQL, wydając środki na zasięg i zwiększanie świadomości marki)
- Jaki jest efekt utrwalania reklamy w różnych kanałach, tzn. jak długo ludzie pamiętają reklamę po jej zobaczeniu? (FB ma najwyższy AdStock, a AdWords najniższy)
- W którym miejscu występują malejące zwroty z inwestycji? Tzn. przy każdych kolejnych $$ wydanych w różnych kanałach — jaka jest oczekiwana konwersja i koszt konwersji? (Wydatki przekraczające określony poziom przynosiły mniej konwersji przy relatywnie wyższym CPA)
Korelacja nie oznacza związku przyczynowego, ale tworzy interesującą historię.
W przypadku innego klienta dużo zainwestowaliśmy w reklamy wideo na YouTube.
YouTube ma bardzo niski CVR (współczynnik konwersji po kliknięciu), ponieważ 80% reklam na YouTube wyświetla się na telewizorach. Reklamy te świetnie opowiadają jednak historię marki, czego nie potrafią reklamy nastawione na bezpośrednią reakcję, takie jak Google Ads czy Meta.
Chociaż nie mogliśmy bezpośrednio powiązać wydatków na YouTube z konwersjami za pomocą CVR, widoczna była wyraźna korelacja między emisjami reklam na YouTube a konwersjami z kanałów bezpośrednich/organicznych. Ta korelacja oznaczała, że nasze reklamy kierowały potencjalnych klientów do rejestracji za pośrednictwem innych kanałów.
Have an account? Log In
Atrybucja wielopunktowa (MTA)
Modele atrybucji wielopunktowej (MTA) przypisują zasługi każdemu punktowi styku, z którym klient ma kontakt na swojej drodze do konwersji. W przeciwieństwie do MMM, które analizuje miks marketingowy na poziomie makro, MTA działa na poziomie mikro, analizując skuteczność konkretnych działań marketingu cyfrowego — takich jak marketing e-mailowy B2B, reklamy czy SEO / ruch organiczny — w kontekście konwersji.
MTA pomaga marketerom zrozumieć, które punkty styku są najskuteczniejsze w generowaniu konwersji, umożliwiając bardziej szczegółową optymalizację wydatków marketingowych.
Na przykład MTA pozwala nam zwiększyć wydatki na reklamy LinkedIn w przyszłym miesiącu, ponieważ raport z ostatnich 30 dni wykazał, że zapewniały one wyższy współczynnik konwersji do szansy sprzedaży niż reklamy Google.
Podczas gdy MMM może wychwycić wystarczający wzrost skuteczności bez bezpośrednich danych opartych na kliknięciach, MTA wymaga kliknięć i śledzenia (po stronie przeglądarki lub serwera), aby połączyć punkty styku i zbudować ścieżkę klienta.
Główny problem z MTA polega na tym, że w dużej mierze opiera się ono na śledzeniu UTM, kliknięciach i plikach cookie, które są coraz częściej wycofywane.
Warto zauważyć, że MTA nie opiera się na plikach cookie stron trzecich (które są częściej wykorzystywane w reklamie), lecz na plikach własnych (1P). Jednak nawet w przypadku plików cookie 1P przeglądarki takie jak Safari usuwają je po siedmiu dniach. W świecie, w którym potencjalni klienci korzystają z większej liczby urządzeń, przeglądarki blokują skrypty i usuwają odnośniki UTM.
Innymi słowy, śledzenie MTA staje się coraz bardziej złożone, a jego dokładność jest niepewna.
Jeśli korzystasz z banera plików cookie, aby uzyskać zgodę odwiedzających, ale odwiedzający jej nie wyrazi, nie będziesz w stanie śledzić żadnych danych o źródłach poleceń ani innych informacji o tym, jak trafili oni na Twoją stronę.
W analizach będzie to widoczne jako „wizyta bezpośrednia”. Tylko 31% odwiedzających wyraża zgodę na pliki cookie, więc niemal 70% wizyt będzie wyświetlać się jako „bezpośrednie”.
Mógłbym tak ciągnąć przez wiele dni, ale wróćmy do tematu i przyjrzyjmy się kilku modelom MTA oraz ich zastosowaniom.
Popularne modele atrybucji wielopunktowej (MTA)
Oto najpopularniejsze modele MTA, z którymi spotkałem się podczas pracy jako marketer B2B, oraz sposoby ich wykorzystania.
1. Model pierwszego kontaktu
Model pierwszego kontaktu przypisuje 100% udziału w konwersji pierwszemu punktowi kontaktu w ścieżce klienta.
Model ten opiera się na założeniu, że pierwsza interakcja ma największe znaczenie, ponieważ wprowadza klienta w świat marki lub produktu, tworząc podstawę dla wszystkich kolejnych interakcji.
Zastosowanie: Ten model pomaga ocenić skuteczność działań na szczycie lejka, takich jak kampanie budujące świadomość marki. Pomaga nam zrozumieć, w jaki sposób trafiamy do świadomości odbiorców (tj. budujemy świadomość)
Jak go używać: W HubSpot nosi to nazwę Pierwotne źródło i jest częścią standardowego modelu danych. HubSpot / narzędzia analityczne zapisują w plikach cookie pierwszą wizytę użytkownika w witrynie i łączą ją z potencjalnym klientem, gdy ten dokona konwersji.
Zazwyczaj, jeśli używasz parametrów UTM, jest to parametr UTM z pierwszej wizyty użytkownika w witrynie (nie tylko z momentu wypełnienia formularza). Możesz to śledzić w Google Analytics (UA) w sekcji Porównanie modeli > Pierwsze kliknięcie. GA4 usunęło te opcje.
2. Model ostatniego kontaktu
Z kolei model ostatniego kontaktu przypisuje całość udziału w konwersji ostatniemu punktowi kontaktu przed jej dokonaniem. Model ten zakłada, że końcowa interakcja jest najważniejsza, ponieważ znajduje się najbliżej konwersji.
Zastosowanie: Idealny do oceny wpływu działań na dole lejka, takich jak remarketing lub reklamy w wyszukiwarce. Pokazuje, które kanały i komunikaty są najskuteczniejsze w generowaniu konwersji na ostatnim etapie.
Model ten faworyzuje jednak kanały o wysokiej intencji, takie jak Google Ads, w porównaniu z kanałami TOFU, takimi jak LinkedIn, Meta czy treści. Nawet jeśli klienci odkryją Twoją markę dzięki reklamie Meta na Instagramie, Google Ads otrzyma 100% udziału, jeśli używasz wyłącznie modelu ostatniego kontaktu. Może to prowadzić do fałszywego wniosku, że reklamy Meta po prostu nie działają.
Jak go używać: W HubSpot jest to Najnowsze źródło, a w przypadku korzystania z parametrów UTM — parametr UTM przechwycony w formularzu (przy jego przesłaniu). Choć temat ten mógłby stać się przedmiotem dłuższego eseju, Najnowsze źródło w HubSpot stanowi przybliżenie ostatniego kontaktu potencjalnego klienta przed dokonaniem konwersji. Google Analytics (UA i GA4) obsługuje model ostatniego kontaktu w narzędziu porównywania modeli (ostatnie kliknięcie).
3. Model liniowy
Model liniowy rozdziela udział po równo między wszystkie punkty kontaktu w ścieżce klienta.
Model ten zakłada, że każda interakcja w równym stopniu przyczynia się do podjęcia ostatecznej decyzji — od pierwszego zaangażowania po zdarzenie konwersji. Jest łatwy do wdrożenia, ale może nie odzwierciedlać w wystarczającym stopniu wpływu bardziej istotnych punktów kontaktu.
Zastosowanie: Najlepiej sprawdza się, gdy chcesz zastosować proste podejście uwzględniające każdy punkt kontaktu bez nadawania priorytetu konkretnej interakcji. Jest odpowiedni dla firm, w których ścieżka klienta jest płaska i liniowa.
Jak go używać: Wiele zewnętrznych narzędzi atrybucji obsługuje modele liniowe. Model ten był dostępny jako opcja w GA UA, ale GA4 go nie obsługuje. Korzystasz z HubSpot Pro / Enterprise? Możesz również tworzyć raporty atrybucji liniowej za pomocą funkcji Raportowanie atrybucji.
4. Model U-kształtny (oparty na pozycji)
Model U-kształtny, czyli model oparty na pozycji, przypisuje większy udział pierwszemu i ostatniemu punktowi kontaktu — zwykle około 40% każdemu z nich — a pozostałe 20% rozdziela między interakcje pośrednie. Model ten uznaje, że pierwszy i ostatni kontakt mają większe znaczenie.
Zastosowanie: Przydatny w strategiach marketingowych podkreślających znaczenie pierwszego wrażenia i interakcji kończących proces, na przykład w branżach o krótszym cyklu sprzedaży lub podczas wprowadzania nowych produktów.
Jak go używać: Wiele zewnętrznych narzędzi atrybucji obsługuje modele U. W wycofanym już Universal Analytics model ten był dostępny jako opcja, ale GA4 go nie obsługuje.
Jeśli korzystasz z HubSpot Pro / Enterprise, możesz również tworzyć raporty atrybucji U za pomocą funkcji Raportowanie atrybucji.
5. Model W-kształtny
Rozwijając model w kształcie litery U, model w kształcie litery W obejmuje trzy kluczowe fazy podróży klienta:
- Pierwszy kontakt (wprowadzenie)
- Utworzenie leada (zaangażowanie w trakcie podróży)
- Oraz utworzenie szansy sprzedaży (decyzja).
Każdy kluczowy punkt kontaktu otrzymuje znaczną część udziału (zwykle około 30% każdy), a pozostałe 10% jest rozdzielane między inne interakcje.
Zastosowanie: Idealny dla firm z dłuższymi cyklami sprzedaży, obejmującymi wiele etapów zaangażowania, takich jak firmy B2B, w których pierwszy kontakt, kwalifikacja leada i końcowe negocjacje są kluczowymi etapami.
Jak go używać: Użyj atrybucji zewnętrznej, aby stworzyć ten model i zrozumieć trzy kluczowe kamienie milowe na ścieżce potencjalnego klienta (tj. lead/SQL/Closed Won), a następnie określić, co napędza TOFU/konwersję i wygraną transakcję.
6. Model oparty na danych (algorytmiczny)
Model oparty na danych wykorzystuje algorytmy i uczenie maszynowe do analizy wszystkich punktów kontaktu oraz przypisuje udział na podstawie rzeczywistego, zaobserwowanego wpływu każdej interakcji.
W przeciwieństwie do modeli opartych na regułach podejście to dynamicznie dostosowuje się, aby odzwierciedlać różny wpływ każdego punktu kontaktu w odmiennych scenariuszach i segmentach klientów.
Zastosowanie: Najlepszy dla organizacji mających dostęp do dużych zbiorów danych i możliwości analityczne pozwalające przetwarzać złożone modele. Zapewnia najbardziej spersonalizowaną i dokładną atrybucję, ale wymaga znacznych zasobów.
Jak go używać: Spopularyzowany przez Google Ads. Nie sądzę, aby wiele firm B2B dysponowało wystarczająco dużymi zbiorami danych, aby miało to znaczenie.
7. Model wygaszania w czasie
Model wygaszania w czasie przypisuje większy udział punktom kontaktu znajdującym się bliżej w czasie konwersji, opierając się na założeniu, że późniejsze interakcje mają większy wpływ na proces podejmowania decyzji.
Udział przypisywany starszym punktom kontaktu zmniejsza się wykładniczo lub liniowo.
Zastosowanie: Odpowiedni dla kampanii ukierunkowanych na szybkie konwersje, w których uważa się, że aktualność interakcji ma większy wpływ na decyzję klienta.
Jak go używać: Użyj tego modelu wraz z atrybucją HubSpot lub narzędziami zewnętrznymi, aby zrozumieć tempo zawierania transakcji według kanału.
Dodatkowe uwagi dotyczące rozumienia modeli wieloatrybucyjnych
Patrząc poza same modele, ważne jest, aby rozumieć MTA jako sposób uzyskiwania informacji o kanałach, które budują świadomość TOFU, a nie tylko generują konwersje BOFU.
W naszej pracy z markami B2B często widzimy, że Google Ads odpowiada za 80% konwersji w modelu ostatniego kontaktu (który jest powszechnie stosowany). Jednak po przeprowadzeniu modelowania staje się oczywiste, że płatne media społecznościowe, SEO, treści, YouTube itd. budują świadomość TOFU, przekładającą się na Google Ads i konwersje na ostatnim etapie.
Potencjalny klient może usłyszeć o marce w reklamie YouTube lub Meta / LinkedIn i nie dokonać konwersji, ale częstotliwość kontaktu jest wystarczająco wysoka, aby ten sam potencjalny klient wyszukał kategorię lub słowo kluczowe związane z marką w Google, kliknął link do reklamy Google i dokonał konwersji.
Model ostatniego kontaktu przypisałby 100% udziału Google Ads, a model pierwszego kontaktu YouTube lub Meta, ale prawda jest taka, że oba kanały wspólnie doprowadziły do konwersji.
Ale chwileczkę. Nie zapominajmy o przyrostowości.
MTA jest świetne i informuje nas, jakie działania lub interakcje podjął potencjalny klient, które ostatecznie doprowadziły do konwersji.
Nie odpowiada jednak na pytanie: Czy ta osoba i tak coś by kupiła?
Jeden z naszych klientów miał dużą ekspozycję w Google Ads (co jest typowe dla firmy B2B), ale 70% jego budżetu wyszukiwania przeznaczono na wyszukiwania związane z marką (tj. sytuację, w której ktoś wyszukiwał nazwę ich marki).
My (42 Agency) postawiliśmy hipotezę, że 90% osób dokonujących konwersji dzięki wyszukiwaniom związanym z marką dokonałoby konwersji niezależnie od tego, korzystając z bezpłatnych wyników wyszukiwania (SERP).
Stopniowo ograniczaliśmy budżet na wyszukiwania związane z marką i ponownie inwestowaliśmy go w słowa kluczowe związane z kategoriami / przypadkami użycia oraz w inne kanały. Podczas gdy liczba konwersji z wyszukiwarki Google spadła, liczba konwersji z bezpłatnych wyników wyszukiwania znacznie wzrosła, potwierdzając naszą hipotezę, że wyszukiwania związane z marką nie były przyrostowe.
Zanim wyjdziecie na ulice, aby zlikwidować wszystkie kampanie wyszukiwania związane z marką, pamiętajcie, że mają one swoje zastosowanie — szczególnie jeśli działacie na zatłoczonym rynku (np. CRM, narzędzia PM, ATS itd.).
Pomagają „bronić” marki przed konkurencją i zajmować dodatkową przestrzeń na stronie.
Mówiąc o wyszukiwaniu związanym z marką — wielu marketerów unika mierzenia marek, ale to błąd. Marki powinny i mogą być mierzone; muszą funkcjonować w ramach ujednoliconego systemu pomiaru marketingu.
Ale jak dokładnie to zrobić?
Jak mierzyć markę?
Ironią jest to, że najczęstszym sposobem, w jaki osoby zajmujące się marketingiem B2B mierzą markę, jest „ruch bezpośredni”, co jest nieco mylące.
W najlepszym przypadku ruch bezpośredni nie oznacza, że dana osoba jest świadoma marki. Wbrew powszechnemu przekonaniu ruch bezpośredni to każde źródło ruchu (szyfrowane lub nie), w przypadku którego analityka internetowa nie może wykryć strony odsyłającej.
Nie oznacza to, że ktoś wpisuje adres Twojej witryny w pasek adresu.
Lepszym wskaźnikiem zastępczym mogą być zapytania związane z marką (dostępne w Google / Bing Search Console), ale nawet wtedy nie jest to najprecyzyjniejszy sposób pomiaru marki. Potencjalni klienci, którzy znają markę, niekoniecznie odwiedzą Twoją witrynę.
Jaki jest więc najlepszy sposób pomiaru marki? Ankiety, testy geograficzne i testy grupy kontrolnej.
Wspomagana i niewspomagana znajomość marki
Tradycyjnie wykorzystywane przez duże agencje mediowe oraz marki FMCG i CPG ankiety (zarówno wspomagane, jak i niewspomagane) są świetnym sposobem na mierzenie kampanii marketingowych marki.
W przypadku niewspomaganej znajomości marki uczestnicy proszeni są o przypomnienie sobie marek, produktów lub reklam bez żadnych podpowiedzi, co pozwala sprawdzić spontaniczną znajomość marki.
Z kolei wspomagana znajomość marki wykorzystuje podpowiedzi lub wskazówki, które pomagają uczestnikom sobie coś przypomnieć.
Takie ankiety mogą mierzyć wpływ działań marketingowych na świadomość marki i jej rozpoznawalność w czasie. Być może widziałeś je w swoich kanałach YouTube lub mediach społecznościowych:
- „Którą z tych marek rozważyłbyś przy następnym zakupie, gdybyś szukał produktu X?”
- „Którą z tych reklam marek pamiętasz z ostatnich siedmiu dni?”.
Wraz ze wzrostem udziału Twojej marki w rynku powinna rosnąć także jej wspomagana i niewspomagana rozpoznawalność.
Platformy płatnych mediów społecznościowych i wyszukiwarek również oferują takie rozwiązania w ramach swoich zestawów pomiarowych. LinkedIn niedawno wprowadził badania wzrostu rozpoznawalności marki, mierzące zapamiętanie w grupie osób, które zobaczyły Twoją reklamę na LinkedIn, oraz w grupie osób, które jej nie zobaczyły.
Facebook wprowadził coś podobnego. Wcześniej rozwiązania te były dostępne wyłącznie dla dużych reklamodawców na tej platformie, ale obecnie oba są dostępne również dla reklamodawców korzystających z samoobsługi.
Testy geograficzne i testy grupy kontrolnej
Jak mierzyć kampanię OOH, na przykład billboardy? Kiedy robiliśmy to dla siebie i naszych klientów, analizowaliśmy wzrost ruchu z miasta, w którym prowadziliśmy kampanię billboardową, lub wzrost liczby wzmianek o marce.
Podstawą tego podejścia są testy grupy kontrolnej (a gdy są prowadzone na poziomie geograficznym — testy geograficzne).
Testy grupy kontrolnej polegają na wstrzymaniu określonych działań marketingowych wobec wybranego segmentu odbiorców, aby porównać ich zachowanie z zachowaniem osób, które miały kontakt z tymi działaniami marketingowymi.
Ta metoda bezpośrednio mierzy przyrost efektu, pokazując, co wydarzyłoby się bez określonych działań marketingowych. Na przykład Nowy Jork prowadzi kampanię billboardową, ale porównywalne miasto (dla przykładu Toronto) nie ma billboardów. W przypadku obu miast występuje porównywalna różnica w kluczowych wskaźnikach.
Uwaga dotycząca OOH — zakup jednego billboardu na dwa tygodnie nie przyniesie dużego efektu —
Wniosek: Wynajęliśmy mobilny billboard na dwa dni podczas corocznej konferencji HubSpot w Bostonie. Chociaż wywołało to pewien rozgłos w mediach społecznościowych & stało się świetną historią — nie uzyskaliśmy oczekiwanego wzrostu ruchu. Zwróciliśmy jednak na siebie uwagę, robiąc coś postrzeganego jako „drogie” (OOH) & nietypowe.
Od pomiaru do działania
Oto podstawowa idea tego tekstu: możesz i powinieneś mierzyć swoje działania marketingowe oraz działania związane z marką. Nie pozwól, by ktokolwiek powiedział Ci inaczej.
Nawet jeśli to robisz, musisz zbudować system eksperymentowania, który pozwoli Ci szybko testować kolejne rozwiązania i stopniowo wdrażać lepsze pomysły na podstawie tego, czego dowiadujesz się z przeprowadzanych pomiarów.
To temat na zupełnie inny esej. Jednak poza taktykami wymaga on jasnego sposobu myślenia, celowego budowania funkcji marketingowej, która działa zarówno szybko, jak i powoli, oraz zrozumienia, co mierzyć co tydzień, a co co kwartał (lub co rok). Potrzebujesz również odpowiedniego oprogramowania do analityki marketingowej.
Obserwuj nas, aby dowiedzieć się więcej. W międzyczasie możesz również zapisać się do naszego newslettera przygotowanego z myślą o liderach marketingu i otrzymywać najnowsze trendy, spostrzeżenia oraz taktyki bezpośrednio na swoją skrzynkę odbiorczą.
