Um dos nossos clientes, um gigante de eletrônicos de consumo, muito tempo havia medido o seu impacto publicitário uma mídia de cada vez. Como a maioria das empresas ainda fazem, ele mediu como sua TV, impressão, rádio e anúncios online funcionavam de forma independente para impulsionar as vendas., A empresa não tinha percebido a noção de que os anúncios interagem cada vez mais. Por exemplo, um ponto de TV pode pedir uma pesquisa Google que leva a um clique-através Em Um anúncio de exibição que, em última análise, termina em uma venda. Para diferenciar a forma como os seus anúncios funcionam em conjunto através dos canais de mídia e de vendas, o nosso cliente adoptou recentemente novas técnicas sofisticadas de análise de dados. As análises revelaram, por exemplo, que a TV consumia 85% do orçamento em uma campanha de novos produtos, enquanto os anúncios do YouTube-uma fatia de 6% do orçamento—eram quase o dobro eficazes em incitar pesquisas on—line que levaram a compras., E anúncios de busca, em 4% do orçamento total de publicidade da empresa, gerou 25% das vendas. Armada com essas ricas descobertas e as últimas análises preditivas, a empresa realocou seus dólares de publicidade, realizando um aumento de 9% nas vendas sem gastar um centavo a mais em publicidade.esse tipo de insight representa o Santo Graal no marketing—sabendo exatamente como todas as partes móveis de uma campanha impulsionam coletivamente as vendas e o que acontece quando você as ajusta. Até recentemente, a imagem estava confusa, na melhor das hipóteses., Media-mix modeling, introduzido no início da década de 1980, ajudou os profissionais de marketing a ligar dados de scanner com publicidade e decidir como alocar recursos de marketing. Durante cerca de 20 anos, toda a gente se empanturrou nesta fruta de baixo peso, até ao advento do marketing digital no final dos anos 90. com a capacidade de monitorizar cada clique do rato, a medição da relação causa-efeito entre a publicidade e a compra tornou-se um pouco mais fácil. Os comerciantes começaram a rastrear a ação mais recente de um consumidor on-line-digamos, um clique em um anúncio banner-e atribuindo um comportamento de compra a ele.,
combinado com um punhado de técnicas de medição honradas no tempo-pesquisas de consumidores, grupos de foco, modelos de media—mix, e atribuição do último clique-tais métodos obsoletos têm embalado muitos comerciantes em complacência. Eles erroneamente pensam que têm um controle sobre como sua publicidade realmente afeta o comportamento e impulsiona a receita. Mas essa abordagem é retrógrada: trata em grande parte os pontos de contato publicitários—em-loja e anúncios de exibição on—line, TV, Rádio, Correio direto, e assim por diante-como se cada um trabalha em isolamento., Tornando as coisas piores, diferentes equipes, agências e compradores de mídia operam em silos e usam diferentes métodos de medição como eles competem pelos mesmos recursos. Esta prática ainda comum, o que chamamos de medição de faixa de natação, explica por que os comerciantes muitas vezes contribuem erradamente resultados específicos para suas atividades de marketing e por que o financiamento tende a duvidar do valor do marketing. (Veja a exposição “saia das suas pistas de Natação.”) Como um CFO de uma empresa Fortune 200 me disse, ” Quando somo os RIS de cada um dos nossos silos, a empresa aparece duas vezes maior do que realmente é.,”
os consumidores de hoje estão expostos a uma ampla e fragmentada gama de pontos de contato de marketing através de mídia e canais de vendas. Imagine que ao ver um ponto de TV para um Toyota Camry, um consumidor usa seu dispositivo móvel para Google “sedans”.”Up pops a paid search link for Camry, as well as car reviews. Ela clica através do carro e do site do motorista para ler algumas opiniões, e ao ler, ela percebe um anúncio de exibição de um concessionário local, mas não clicar nele. Uma revisão contém um link para vídeos do YouTube que as pessoas fizeram sobre seus Camrys., No YouTube, ela também assiste Toyota inteligente “Camry reinventou” Super Bowl anúncio de oito meses antes. Durante sua viagem para o trabalho naquela semana, ela vê um Toyota billboard que ela não tinha notado antes e, em seguida, recebe uma peça de correio direto da empresa oferecendo um negócio de tempo limitado. Ela visita sites de concessionários locais, incluindo aqueles promovidos em carro e motorista e na peça de correio direto, e finalmente vai para um revendedor, onde ela test-dirige o carro e compra-lo.,o director de marketing da Toyota deve fazer duas perguntas: como é que esta combinação de exposições ad interagem para influenciar este consumidor? A Toyota está investindo os montantes certos nos pontos certos na viagem de decisão do cliente para impulsioná-la a ação?as mudanças sísmicas na tecnologia e no comportamento dos consumidores durante a última década produziram um registro granular, virtualmente infinito de todas as ações que os consumidores tomam online., Adicione a isso os oceanos de dados de DVRs e set-top boxes digitais, checkOut varejo, transações de cartão de crédito, logs call center, e miríade de outras fontes, e você descobre que os comerciantes agora têm acesso a um anteriormente inimaginável trove de informação sobre o que os consumidores vêem e fazem.
a oportunidade é clara, mas o desafio também é. Como disse o célebre estatístico e escritor Nate Silver ,” todos os dias, três vezes por segundo, produzimos o equivalente à quantidade de dados que a Biblioteca do Congresso tem em toda a sua coleção impressa. A maior parte é … ruído irrelevante., Então, a menos que você tenha boas técnicas para filtrar e processar a informação, você vai se meter em problemas.”
neste novo mundo, os comerciantes que se mantêm com métodos de medição 1.0 analytics tradicionais fazem isso em seu perigo. Esses métodos, que olham para trás algumas vezes por ano para correlacionar as vendas com algumas dezenas de variáveis, estão perigosamente ultrapassados. Muitas das maiores multinacionais do mundo estão agora implantando analytics 2.0, um conjunto de capacidades que podem mastigar terabytes de dados e centenas de variáveis em tempo real., Ele permite que essas empresas criem uma imagem ultra-alta definição de seu desempenho de marketing, executar cenários, e mudar as estratégias de anúncio no momento. Habilitados por recentes saltos exponenciais no poder da Computação, Análise baseada em nuvem e armazenamento de dados barato, essas ferramentas preditivas medem a interação da publicidade através de mídia e canais de vendas, e eles identificam exatamente como variáveis exógenas (incluindo a economia mais ampla, ofertas competitivas, e até mesmo o clima) afetam o desempenho de ad. As análises resultantes, simplificando, revelam o que realmente funciona., Com estes insights orientados por dados, as empresas podem muitas vezes manter seus orçamentos existentes, mas alcançar melhorias de 10% a 30% (às vezes mais) no desempenho de marketing. baseado nos modelos matemáticos pioneiros desenvolvidos pelo professor de marketing da UCLA e co-fundador da MarketShare Dominique Hanssens, a nossa empresa fornece soluções analíticas 2.0 a muitas grandes empresas globais. Os modelos quantificam os efeitos transversais e transversais do marketing, bem como os efeitos diretos e indiretos de todos os drivers de negócios, e o software emprega a computação em nuvem e capacidades de grandes dados., Os casos que apresentamos neste artigo são retirados de nossas empresas clientes. Numerosas outras empresas—como VivaKi, Omniture e DoubleClick-surgiram nos últimos anos para atender a crescente demanda por análises avançadas.
the Move to 2.0
Powered by the integration of big data, cloud computing, and new analytical methods, analytics 2.0 provides fundamentally new insights into marketing’s effect on revenue., Envolve três atividades amplas: atribuição, o processo de quantificação da contribuição de cada elemento de publicidade; otimização, ou “jogos de guerra”, usando ferramentas de análise preditiva para executar cenários de planejamento de negócios; e alocação, a redistribuição em tempo real dos recursos em todas as atividades de marketing de acordo com cenários de otimização. Embora essas atividades sejam descritas neste artigo como passos sequenciais, elas podem ocorrer simultaneamente na prática; saídas de uma atividade alimentam-se em outra iterativamente, de modo que a capacidade analítica melhora continuamente.,
Atribuição.para determinar como as suas actividades de publicidade interagem para conduzir as compras, comece por recolher dados. Muitas empresas com as quais trabalhamos afirmam, no início, que não têm os dados necessários em casa. Quase sempre não é esse o caso. As empresas estão inundadas de dados, embora dispersos e, muitas vezes, involuntariamente escondidos. Normalmente existem dados relevantes nas Vendas, Finanças, Atendimento ao cliente, distribuição e outras funções fora do marketing.
saber em que se concentrar-o sinal em vez do ruído—é uma parte crítica do processo., Para modelar com precisão seus negócios, as empresas devem coletar dados em cinco grandes categorias: condições de mercado, atividades competitivas, ações de marketing, resposta do consumidor e resultados de negócios. (See the exhibition ” Optimizing Advertising.”)
com dados detalhados que analisam métricas de vendas de produtos e publicidade por meio e localização, análises sofisticadas podem revelar o impacto das atividades de marketing em vias de natação—por exemplo, entre um meio, digamos televisão, e outro, mídia social. Chamamos a esses efeitos indiretos “taxas de assistência”.,”Reconhecer uma assistência depende da capacidade de rastrear como o comportamento do consumidor muda em resposta a investimentos publicitários e atividades de vendas. Para simplificar um pouco demais: uma análise poderia pegar um ponto em cliques dos consumidores em um anúncio de banner on-line após um novo spot de TV vai ao vivo-e ligar esse efeito a mudanças nos padrões de compra. Isso iria capturar a “assistência” do spot para o anúncio do banner e fornecer uma imagem mais verdadeira do ROI do anúncio da TV., Mais sutilmente, a análise pode revelar os efeitos de assistência de anúncios com os quais os consumidores não se envolvem ativamente—mostrando, por exemplo, um salto de 12% na atividade de pesquisa de um produto após a implantação de um anúncio banner que apenas 0,1% dos consumidores clicam.
esta visão traduz-se diretamente para qualquer publicidade que os consumidores encontram, mas não pode agir especificamente, incluindo anúncios de TV, colocações de mídia social, PR, exibições online ou ao ar livre, anúncios móveis e promoções na loja. Pensa no anúncio do anúncio do comprador da Toyota., O anúncio em si provavelmente não a fez conduzir até ao concessionário e comprar um carro. Mas pode tê-la empurrado para olhar para a peça de correio direto quando chegou, o que, em última análise, inspirou a visita ao concessionário—uma viagem completa do cliente que agora podemos medir. É difícil ou impossível quantificar tais efeitos de assistência em um nível individual, particularmente quando envolvem anúncios off-line, então a análise 2.0 funciona expondo esses efeitos., Ele usa uma série sofisticada de modelos estatísticos de equações simultâneas que remontam vários efeitos inter-relacionados em uma visão que explica com precisão o comportamento do mercado.os perigos da medição simplista das faixas de natação eram pessoais para um dos executivos de marketing do nosso cliente., Logo no início de sua carreira, em um alto-perfil de empresa de e-commerce, a equipe de marketing apresentado para financiar alguns resultados da campanha que tinha sido gerado utilizando a introdução tradicional de analytics métodos:
as Coisas rapidamente tornou-se estranho quando finance apontou que a unidade de negócios gerou apenas us $110 milhões em receitas de us $50 milhões a menos do que o relatado total. A discrepância surgiu porque, sem bons dados, os líderes em cada pista de natação reivindicaram o mesmo balde de receita.,
essa lição ficou com este executivo quando ele se propôs a ajudar a resolver o problema da indústria de atribuição incorreta. Ele acabou se juntando a uma empresa de tecnologia de consumo que abraçou com entusiasmo a analytics 2.0. Lá ele criou uma plataforma de análise para revelar como as atividades de publicidade e força de vendas da empresa interagiram.
exemplos como estes destilam necessariamente a complexidade da análise 2.0., Em análises reais realizadas por uma grande empresa, modelos estatísticos podem representar centenas ou milhares de permutações de táticas de publicidade e vendas, bem como variáveis exógenas como geografia, taxas de emprego, preços, estação do ano, ofertas competitivas, etc. Quando você analisa cada permutação de uma campanha publicitária de acordo com essas variáveis, a complexidade da tarefa e a necessidade de computação em nuvem e armazenamento se tornam claras., Você também percebe que tais análises permitem, por exemplo, ver instantaneamente como um novo anúncio de TV afeta os padrões de pesquisa online dos consumidores—e, em seguida, para mudar a sua palavra-chave-Estratégia de ofertas de busca para comprar palavras relevantes como o anúncio está em execução. Eles também podem ajudá-lo a identificar o efeito real do Facebook tanto na receita de curto prazo e no capital da marca de longo prazo.optimização.uma vez que um comerciante quantificou a contribuição relativa de cada componente de suas atividades de marketing e a influência de fatores exógenos importantes, jogos de guerra é o próximo passo., Envolve o uso de ferramentas de análise preditiva para executar cenários de planejamento de negócios. Talvez você queira saber o que vai acontecer com a sua receita se você cortar a publicidade de exibição ao ar livre para uma determinada linha de produto em 10% em San Diego—ou se você transferir 15% do seu produto-relacionado TV Ad gastos para pesquisa e exibição on-line. Talvez você precisa identificar as implicações para a sua publicidade se um concorrente reduz os preços em Tóquio ou se os preços do combustível subir em Sydney.,trabalhando com as grandes quantidades de dados coletados e analisados através do processo de atribuição, você pode atribuir uma “elasticidade” a todos os motoristas de negócios que você mediu, desde Anúncios de TV até Anúncios de busca a preços de combustível e temperaturas locais. (Elasticidade é o rácio da variação percentual numa variável em relação à variação percentual noutra.) Conhecer as elasticidades de seus motoristas de negócios ajuda você a prever como as mudanças específicas que você faz irão influenciar os resultados particulares. Se a elasticidade de seus anúncios de TV em relação às vendas é .,03, por exemplo, dobrar o seu orçamento de TV ad produzirá um aumento de 3% nas vendas, quando todas as outras variáveis permanecem constantes. Em suma, a modelagem Analytics 2.0 revela como todas as elasticidades do motorista interagem para afetar as vendas. (Veja a exposição ” como os anúncios interagem para aumentar as vendas.”)
jogos de guerra usam as elasticidades reais de seus motoristas de negócios para executar centenas ou milhares de cenários em minutos., Em um processo típico de jogos de guerra, os membros da equipe definem metas de marketing (tais como um determinado objetivo de receita, meta de compartilhamento, ou objetivo de margem), muitas vezes em vários produtos e mercados. Lançando o vasto banco de dados de elasticidade driver, software de otimização gera um conjunto de cenários mais prováveis, juntamente com recomendações de marketing para alcançá-los. O software também pode testar o que-se cenários específicos: por exemplo, como as vendas de nossa caminhonete midsize em Denver serão afetados se os preços do gás subir 5% e lançamos uma campanha combinada TV e online promovendo um desconto de $300?,
na Ford, o diretor de comunicação de marketing Matthew VanDyke lidera uma equipe multifuncional envolvendo ele, finanças, marketing e outras funções. O grupo é encarregado de otimizar os mil milhões de dólares da Ford em gastos publicitários. Usando análises avançadas, a equipe rotineiramente executa milhares de cenários envolvendo centenas de variáveis para medir os efeitos prováveis de diferentes estratégias de ad sob uma gama de circunstâncias complexas., As análises incorporam insights a partir do passo de atribuição, permitindo à Ford prever de um cenário para o próximo como as mudanças no investimento publicitário em um meio são susceptíveis de afetar o desempenho do ad em outros, e como fatores exógenos podem influenciar os resultados.por exemplo, como o interesse dos consumidores em veículos eficientes em termos de combustível tem crescido, o gerente de ciência de marketing da Ford, Mike Macri, e sua equipe têm usado jogos de guerra para avaliar rapidamente quais mercados serão receptivos a mensagens criativas sobre eficiência de combustível e redirecionaram recursos de publicidade em conformidade através de seus parceiros de agência., Na verdade, estes jogos de guerra estão conduzindo várias campanhas de mídia para a Ford.
a análise preditiva também permite a Ford para mudanças de jogo de guerra no planejamento de mídia e compras, tanto nacional e localmente. Por exemplo, descobriu que o gasto global digital da empresa, embora apropriado, estava exagerando visualização digital e subinvestindo na busca. Além disso, antes que a empresa utilizasse o planejamento de cenários de guerra, os orçamentos de marketing nacionais e locais eram tratados separadamente e raramente coordenados., Tinha sido difícil para a Ford para determinar, por exemplo, quanto ele deve fornecer fundos para o concessionário grupos, sejam de consumo de incentivo níveis diferem entre os vários carros e regiões em seu portfólio, e como reforço social-media de gastos e redução da mídia tradicional compra iria afetar as vendas para jovens condutores. A War gaming permitiu que Ford previsse como esses cenários iriam acontecer antes de realmente fazer mudanças. O resultado: mudanças do orçamento nacional para os orçamentos locais produziram dezenas de milhões de dólares em novas receitas, sem nenhuma variação líquida no orçamento total do ad.,
Marketers também estão usando analytics 2.0 para executar o que-se cenários para a publicidade de lançamentos de novos produtos, ad compra em mercados onde os dados são limitados, e os efeitos potenciais de movimentos de surpresa por concorrentes. Por exemplo, como um cliente global da empresa de electrónica de consumo da nossa empresa estava a preparar-se para lançar um produto em mudança de jogo num mercado emergente onde os dados históricos de vendas e marketing eram escassos, ele usou análises avançadas para rever o comportamento publicitário dos concorrentes e prever com precisão os seus gastos para os próximos lançamentos., Usando essas previsões e cenários de otimização, a empresa entrou com sucesso no mercado com uma compreensão muito mais clara da paisagem estratégica e ajustou seus planos rapidamente para abordar novas dinâmicas competitivas.Repartição.
Gone are the days of setting a marketing plan and let it run its course-the so-called run-and-done approach. Como a tecnologia, as empresas de mídia, e os compradores de mídia continuam a remover o atrito do processo, a publicidade tornou-se mais fácil de transactar, colocar, medir e expandir ou matar., Os comerciantes podem agora ajustar ou alocar prontamente a publicidade em diferentes mercados em uma base mensal, semanal ou diária—e, online, mesmo de uma fração de segundo para o próximo. Alocação envolve colocar os resultados de sua atribuição e esforços de guerra no mercado, medindo resultados, validando modelos (ou seja, executando experimentos no mercado para confirmar os resultados de uma análise), e fazendo correções de curso.,
em uma das maiores empresas de software do mundo, a gerência sênior percebeu que precisava de mais responsabilidade e precisão em seu marketing, uma vez que as decisões de alocação historicamente não tinham sido baseadas em análise científica. Para entender quais atividades de marketing estavam conduzindo leva a seu site, revendedores e parceiros de varejo—e assim gerando vendas—a equipe de liderança de marketing usou a analytics 2.0 para revelar como todos os seus componentes de marketing interagiram.,usando modelos que, em última análise, representavam centenas de variáveis, a empresa quantificou a combinação precisa de anúncios que mais efetivamente estimularam os testes de software, quais as atividades dos revendedores geraram mais lucros, e como a publicidade em uma categoria de produtos influenciou a compra em outras categorias. Com esses insights, a empresa realocou Dólares de marketing para os seus vários produtos B2B e B2C. Mudanças entre gastos off-line e on-line, bem como investimentos na construção de marcas, aumentaram as receitas em milhões de dólares incrementalmente.,
o sistema de análise 2.0 desta empresa ganhou credibilidade com a gestão executiva, está agora a conduzir decisões de alocação minuto-a-minuto, e está a ser lançado globalmente. Como resultado, o ROI de publicidade da empresa quase duplicou nos últimos três anos.
cinco passos para a implementação
Analytics, uma vez que uma função de pesquisa back-of-the-house, está se envolvendo no desenvolvimento de estratégia diária e operações. Executivos que foram pioneiros em equipes de marketing digital há 10 anos estão avançando para o escritório da OCM., Já conectados para medição, eles são muitas vezes surpreendidos com a imaturidade analítica da indústria de publicidade mais ampla. Estas novas CMOs estão a assumir maior responsabilidade pelos orçamentos tecnológicos e estão a criar uma cultura de tomada de decisão baseada em factos no âmbito da publicidade. A consultoria em tecnologia Gartner estima que dentro de cinco anos, a maioria das CMOs terá um orçamento de Tecnologia maior do que os diretores de tecnologia fazem.
tecnologia é necessária, mas não suficiente para mover uma organização para a análise 2.0., Em nossa experiência, essas iniciativas requerem cinco passos, que podem ser implementados até mesmo por pequenas empresas:
Em primeiro lugar, abraçar a análise 2.0 como um esforço em toda a organização que deve ser defendido por um patrocinador executivo de Nível C. Muitas vezes, surgem bolsas de Resistência a novas abordagens analíticas, pois elas desafiam crenças mantidas de perto sobre o que funciona e o que não funciona. buy-in de Nível Superior é essencial para ajudar a promover a clareza de visão e alinhamento nos estágios iniciais.
Em segundo lugar, atribua um diretor ou gerente de mente analítica para se tornar a pessoa indicada para o esforço., Deve ser alguém com fortes capacidades analíticas e reputação de objectividade. Esta pessoa pode apresentar-se à OCM ou sentar-se numa equipa multifuncional entre marketing e finanças. À medida que o projeto se expande, ele ou ela pode ajudar a orientar o planejamento de negócios e alocação de recursos em todas as unidades.
terceiro, armado com uma lista priorizada de perguntas que você procura responder, realizar um inventário de dados em toda a organização. A inteligência que é essencial para uma análise bem sucedida 2.0 esforços são muitas vezes enterrados em muitas funções além do marketing, desde o financiamento ao serviço ao cliente., Identificar e consolidar esses conjuntos de dados díspares e criar sistemas de coleta contínua. Trata os dados como se fossem propriedade intelectual, dado o seu valor patrimonial.
4th, start small with proofs of concept involving a particular line of business, geography, or product group. Construir modelos de escopo limitado que visam a obtenção de Vitórias precoces.em quinto lugar, testar agressivamente e introduzir os resultados no modelo., Por exemplo, se a sua análise de otimização sugere que a mudança de alguns gastos de publicidade de TV para exibição on-line irá aumentar as vendas, tentar uma pequena experiência local e usar os resultados para refinar seus cálculos. Testes no mercado é velho hat—o que é novo é obter o direito de atribuição de cross-media para que o seu teste é mais eficaz.
Quando as empresas têm vários canais de vendas, como varejo, on-line, Revendedores de Valor Agregado, ou vários produtos e geografias, a análise 2.0 pode se tornar mais complexa do que as equipes internas podem lidar., É quando os fornecedores com capacidades específicas de análise e computação são necessários. Mas qualquer empresa pode iniciar a viagem e construir grande parte da infra—estrutura necessária para a análise—e a cultura do marketing adaptativo-in-house. O desafio é tanto organizacional quanto computacional. De qualquer forma, a escrita está na parede: Marketing está rapidamente se tornando uma guerra de conhecimento, insight, e vantagem assimétrica obtida através da análise 2.0. As empresas que não adotam análises de próxima geração serão ultrapassadas por aqueles que adotam.
Deixe uma resposta