Когда процентные показатели темпа роста видеорекламы перестали быть трехзначными, а в СМИ начали фигурировать термины "насыщение рынка" и "KPI", большую актуальность получил вопрос измерения эффективности. В поисках ответа логично провести параллель с ТВ-рекламой, считает Владимир Мотин, руководитель продаж стратегических проектов Another Point.
За много лет размещения маркетологи вывели формулы, которые рассчитывают, сколько нужно TRP (target rating points, целевые рейтинги, – единица измерения ТВ-рекламы, приведенная к ЦА), чтобы получить необходимое увеличение потребления и знания бренда.
На первый взгляд с онлайн-видео все должно происходить так же просто. Однако первые же медиапланы по этому инструменту вызвали множество вопросов. Насколько эффективным будет размещение видео на низкоохватных порталах (а по сравнению с ТВ они все были таковыми)? Почему стоимость за тысячу контактов дороже в 2–10 раз, чем на ТВ? Каким должен быть период кампании? Действительно ли ролики будут просмотрены целевой аудиторией?
Чтобы понять, как ответить на эти вопросы и отследить эффективность видеорекламы в интернете, мы используем два подхода. Предлагаем рассмотреть их на примере категории FMCG как оперативно реагирующей на изменение информационной среды вокруг себя из-за наиболее частого потребления.
РАСЧЕТ ЭФФЕКТИВНОСТИ ОНЛАЙН-ВИДЕО ОТ ТВ-РЕЙТИНГОВ
Для расчёта знания/потребления продукта на ТВ производители FMCG выработали формулу, неотъемлемой частью которой является TRP.
TRP = (количество контактов с рекламным сообщением / размер целевой аудитории) ? 100
Где количество контактов с рекламным сообщением (OTS, opportunity to see) — сколько раз зрители увидят наш ролик. Этот показатель не связан с охватом. Пример: 1000 контактов могут произойти, если 1000 человек увидит ролик рекламодателя по одному разу (1000 ? 1), также 1000 контактов происходят, когда 100 человек увидели ролик по 10 раз каждый (100 ? 10).
Размер целевой аудитории – это количество людей, которым необходимо продемонстрировать ролик рекламодателя. Этот показатель также не связан с охватом, потому что охват — это число людей, которым мы фактически показали ролик, а размер ЦА — это вся аудитория, которую нам нужно охватить, получилось у нас это или нет.
Из формулы видно, что прямой связи TRP c охватом нет, но есть косвенная. Реклама с одинаковым количеством TRP может охватывать разную аудиторию. Предположим, для охвата аудитории женщин 20–45 лет со средневысоким доходом мы выбрали два канала — "Россия 1" и "Домашний". На каждый из каналов распределили одинаковое количество целевых рейтингов — по 500, причем масштаб канала не влияет на размер аудитории, которую нам необходимо охватить. Если количество рейтингов (500) и размер нужной аудитории по каналам одинаковые, исходя из формулы TRP = (контакты / размер ЦА)*100 видно, что количество контактов также будет одинаковым.
Но телеканал "Россия 1" имеет большее количество зрителей из выбранной нами аудитории, чем "Домашний". Значит, один ролик на "Домашнем" будет смотреть меньшее количество женщин, чем на "России 1". Поэтому, чтобы увеличить количество контактов на "Домашнем", нам необходимо поставить большее количество роликов. Также при показе двух роликов на одном канале аудитория может пересекаться, а значит, и охват будет меньше. Чтобы высчитать, сколько роликов в среднем увидит один человек из ЦА за период рекламной кампании, необходимо воспользоваться формулой:
Общее количество контактов (OTS) / охват (Reach) = среднее количество контактов с рекламным сообщением (frequency).
Получается, что на ТВ мы изначально задаем охват, выбрав определенные каналы, и на выходе делаем прогноз, с какой средней частотой в таком случае пользователи увидят наше рекламное сообщение.
Если проецировать расчеты на онлайн-видеорекламу, то можно вывести такую формулу целевых рейтингов:
TRP = (количество контактов с онлайн-видео / размер аудитории) ? 100
Где количество контактов с онлайн-видео — сколько раз пользователь увидит наш ролик в интернете.
Есть много систем расчета необходимой частоты показа рекламы. Мы создали свой метод, основанный на расчете частоты по Остроу (скачать калькулятор вы можете здесь ). Этот расчет позволяет учесть множество факторов: особенности рынка (развитость бренда, частоту потребления, узость ЦА), медиа зависимости (клаттер, используемый канал коммуникации) и качество рекламного сообщения (соответствие РИМ продукту, новизна сообщения, сложность сообщения).
Размер целевой аудитории – это те пользователи, которым мы хотим показать нашу видеорекламу.
В онлайн для определения охвата кампании важен выбор портала/плеера. При этом у нас есть возможность заранее выставить частоту трансляции нашей рекламы. Если частота будет низкой, возрастет охват и, вероятно, период кампании – ролик не будет показываться одним и тем же пользователям более N раз и будет "ждать" появления новых cookies. В силу того, что на пользователя приходится несколько браузеров на компьютере и смартфоне, в зависимости от набора инструментов и пересечения аудиторий на них мы предлагаем сокращать онлайн-охват в формуле в 2–4 раза.
Итак, если у вас уже есть формула для расчета знания/потребления продукта посредством ТВ-рекламы, к TRP ТВ мы можем прибавить и TRP онлайн-видеорекламы, тем самым получив единый KPI эффективности видеорекламы. Однако сделать это можно при общем знаменателе – размере ЦА. Мы предлагаем брать размер аудитории (audience size) в M’Index , предварительно задав пол, возраст и доход. Размер аудитории в таком случае будет отражать ЦА, отталкиваясь от телезрителей. Мы принимаем данный способ за верный, так как пока невозможно найти достоверных данных по пересечению зрителей ТВ и пользователей онлайн (включая зрителей онлайн-видео). Также необходимо учитывать то, что зрителей ТВ по стране сегодня значительно больше, чем пользователей интернета.
ПРОГНОЗИРОВАНИЕ ПРОДАЖ ОТ ОНЛАЙН-ВИДЕО
Описанный нами вариант расчета эффективности дает возможность получить единый маркетинговый KPI – сумму целевых рейтингов. Однако он далек от бизнес-целей клиента, например, продаж. Также если у рекламодателя не выработана формула корреляции рекламы к ROI, наш расчет окажется совершенно бесполезен из-за принципиальных отличий потребления разных товаров. Рассмотрим несколько примеров.
На диаграмме показаны отношения знания к потреблению в категории популярного женского товара – колготок.
Очевидно, что при увеличении знания рекламодателя в этой категории мы получаем прямо пропорциональное увеличение потребления.
Теперь рассмотрим соотношение покупки к знанию, но уже в другой категории товаров FMCG – майонез.
Как видно на схеме, самой высокой лояльностью и потреблением обладает бренд, занимающий пятое место по знанию среди конкурентов.
Если в одной и той же категории – FMCG – данные так разнятся, то как понять, сколько необходимо разместить видеорекламы, чтобы получить продажи? Для ответа на этот вопрос, мы пользуемся специальными расчетами.
Итак, сначала определяем ЦА, на которую мы будем воздействовать с целью стимулирования к покупке. На этот этап необходимо обратить особое внимание, так как изначально неверно заданная ЦА обречет на провал всю кампанию. Чтобы определить эффективно охваченную аудиторию, необходимо сделать расчет на широкоохватной видеоплатформе. Полученные показатели делим на понижающий коэффициент, связанный с наличием нескольких cookies на одного потребителя. При использовании нескольких видеопорталов учитываем возможность пересечения аудиторий.
Из полученной аудитории высчитываем % тех, кто обращает внимание на рекламу. Данный показатель можно получить из исследований категории выбранного продукта M’Index.
Теперь высчитываем % аудитории, которая не лояльна только к определенному бренду, а готова переключаться и пробовать новые продукты, в том числе и продукт нашего бренда. Данный показатель также можно получить из исследований потребления определенного продукта M’Index.
Доля голоса – фактор, который сложно отследить в онлайне. Однако исследовательские компании ежеквартально анонсируют новые, более точные подходы в исследовании медиабаинга в онлайн. Мы рекомендуем смотреть активность конкурентов за тот же квартал предыдущего года и высчитывать нашу долю голоса.
Далее высчитываем % проникновения дистрибуции товара по выбранному региону. Например, если в выбранном городе только 70% аудитории имеют продовольственный магазин рядом с домом с продукцией вашего бренда, то и аудиторию нужно умножать на 70%.
Теперь определяем повышающий коэффициент для учета увеличения лояльности к бренду из-за PR-активности (популярный конкурс или PR бренда известной личностью может увеличить продажи, на сколько – вычисляется опытным путем).
Корректирующий коэффициент учитывает рыночные, экономические и политические условия, изменяющие отношение к бренду или потребление категории в целом. Например, повышение потребления продуктов с русским брендом на фоне обострения политических отношений РФ с другими странами.
И наконец, в зависимости от продукта, указываем, сколько упаковок покупает один потребитель за период рекламной кампании.
Все показатели умножаем и получаем прогноз продаж продукции нашего бренда.
Расстояние между зрителем рекламы и розничным потребителем достаточно большое. Если бы большая часть потребления продуктов приходилась бы на e-commerce, отследить путь потребителя было бы гораздо проще и результаты были бы точнее. Однако нынешняя ситуация на рынке показывает, что прогноз продаж от всех видов рекламы – ключевая задача маркетинговых отделов, занимающихся розничными продажами. И оба описанных нами способа могут помочь создать фундамент для собственной формулы продаж компании.
