Ohjelmallinen ostaminen parantaa mainostajan kontrollia mainontaan
Ekonometria yleistyy yritysmaailmassa

Mittaatko markkinointipanostustesi tehoa oikein?

Vanha markkinointialan vitsi on, että puolet markkinointipanostuksista menee hukkaan, mutta emme tiedä kumpi puoli. Mutta kuinka moni edes mittaa tänä päivänä markkinointipanostusten toimivuutta aidoilla liiketoimintaan liittyvillä mittareilla, eikä pelkästään mediamittauksen huomioarvo- ja tavoittavuusluvuin? Tiesitkö, että kaikkien markkinointipanostusten korrelaatio samoin kuin selitysaste myyntiin, sivustoliikenteeseen tai myymäläliikenteeseen on helposti mitattavissa? Tiesitkö, että businessanalytiikka on jo ekonomiopiskelijoiden suosituimpia koulutusohjelmia - seuraava sukupolvi ei enää ohjaa päätöksentekoa mutulla vaan tutkitulla datalla? Onko oman yrityksesi päätöksenteko vielä mutun varassa?

Mittaa oikeita asioita

Tärkeintä on, että markkinointikampanjoilla on tavoite, ja että niiden toteutumista mitataan. Edelleen kuulee usein sanottavan, että "ei kampanjaa voida mitata", koska se on brändikampanja, tai "vaikutukset ovat pitkäkestoisia, eivätkä näy heti". Kuinka moni yritys sallii tänä päivänä, että käytetään kympppitonneja, tai jopa satoja tonneja kampanjoihin, jotka eivät korreloi myyntiin tai edes kävijäliikenteeseen (asiakkaan Web-sivustolla tai myymälässä) millään tavalla?

Brändin rakentaminen on edelleen tärkeää, mutta toivottavaa on, että brändikampanjatkin paitsi kasvattaisivat tuotteen tai yrityksen tunnettuutta, myös vaikuttaisivat myyntiin, myymäläiikenteeseen tai edes mielikuviin brändistä ja sitä kautta tulevaisuuden ostopäätöksiin. Liian usein näkee yhä mainoskampanjoita, joissa saattaa olla hauska ja mieleenpainuva tarina - mutta juuri kukaan ei muista edes tuoteryhmää - brändistä puhumattakaan, mitä mainostettiin. Silloin kampanjan eurot eivät sada ainakaan omaan laariin - pahimmassa tapauksessa ne menevät suoraan kilpailijoille.

Kaikki selitykset siitä, miten kampanjan tehoa ei voida mitata, ovat tekosyitä. Nykyisen dataohjaavan päätöksenteon aikakautena kaikkea voidaan mitata. Esteenä ei ole se, että kampanja oli brändikampanja, tuotteen myynti tapahtuu jälleenmyyjien kautta tai verkon ulkopuolella, mainos oli offline-medioissa (TV, printti, radio, ulkomainonta) tai että kampanjassa oli mukana useita eri kanavia ja medioita. Jokaisen median, jokaisen eri kanavan vaikutus myyntiin voidaan mitata.

Forbes_marketing

Matemaattista tarkkuutta mittaamiseen

 Ekonometria on taloudellisten asioiden mittaamista tilastomatemaattisin menetelmin. Nämä menetelmät ovat olleet tilastotieteen kirjoissa jo yli sata vuotta, mutta se, että niitä on alettu yhä enemmän ottaa vasta viime vuosina käyttöön, perustuu yksinkertaisiin asioihin:

  • nykyään saadaan yhä enemmän ja yhä tarkempaa dataa asiakkaiden kuluttajakäyttäytymisestä, ostopoluista ja ostotransaktiota edeltäneistä vaiheista; vrt. kanta-asiakasohjelmat, tunnistautumismekanismit verkossa, mobiilissa, kivijalkamyymälöissä
  • mallinnukset voivat olla yhä mutkikkaampia, muuttujia yhä enemmän, ja ne ovat silti mallinnettavissa yhtälöihin, jotka avaavat eri muuttujien korrelaatiot ja selitysasteet myyntiin
  • tietokonekapasiteetti, ohjelmistot ja älyteknologia mahdollistavat yhä pidemmälle vietyjä matemaattisia malleja ja laskukaavojen laskentoja silmänräpäyksessä
  • businessanalytiikan ja markkina-analytiikan koulutus yliopistoissa ja ammattikorkeakouluissa yleistyy, alalle valmistuu jatkuvasti uusia osaajia, jotka ovat hankkineet tietotaitonsa alan korkeakouluissa. Tälle porukalle tulosten mittaaminen, analysointi ja soveltaminen käytännön päätöksentekoon on itsestään selvää.

Datasta päätöksentekoon ja toiminnan ohjaukseen

Toinen vanha markkinointialan klisee on, että data, jota ei oteta käyttöön ja jonka perusteella ei tehdä mitään toimenpiteitä, on hyödytöntä. On aivan sama, kuinka paljon dataa kertyy yritykselle, ja kuinka detaljeihin sillä päästään, jos dataa ei käytetä mihinkään. Markkinointianalytiikan tarkoitus ei ole suinkaan vain tuottaa lisää dataa, vaan johtaa sen avulla toimintaa: tuottaa konkreettiset toimenpidesuositukset, tulkinnat välittömään päätöksentekoon.

Päätöksenteko on monin verroin helpompaa, kun meillä on mitattua dataa markkinoinnin tuloksista ja tehokkuudesta. Haluaisitko sinä matemaattisten metodien avulla:

  • Selvittää kaikkien markkinointikanavien korrelaation myyntiin, sivustoliikenteeseen tai myymäläliikenteeseen?
  • Laskea eri kanavien selitysasteen myynnistä? Entä kaikkien markkinointipanostustesi ja eri kanavien (ml. maksuttomat kanavat) yhteenlasketun selitysasteen myynnistä?
  • Liittää myynnin mallinnukseen myös muita tekijöitä, joiden uskotaan vaikuttavan myyntiin: esim. kilpailijoiden toimenpiteet, hinnoittelumuutokset, tarjouskampanjat, medianäkyvyyden tai jopa säätilan tai lämpöasteet?
  • Tietää, mikä on minkäkin lasketun tuloksen tilastollinen varmuus - prosenttiosuus, joka kertoo sen, ettei tulos johdu pelkästään satunnaisvaihtelusta? Millaista varmuutta sinä vaadit päätöksenteolle - riittääkö 95 %, 98 % tai 99 % luottamustaso?

Kun mutu ei riitä ja sukupolvi vaihtuu

 Päätöksenteossa ja markkinoinnissa on valtava murros edessä. Ei pelkästään kanavat ja viestimet ole digitalisoituneet, vaan myös päätöksenteko on dramaattisesti muuttumassa. Vanhan liiton mutu ja "näin on aina ennenkin tehty" -selitykset eivät enää yritysmaailmassa toimi, kun uusi sukupolvi on korkeakouluopinnoissaan jo orientoitunut "data driven" -maailmaan, jossa kaikki päätöksenteko perustuukin tutkittuun dataan, analytiikkaan ja tilastomatemaattiseen päätöksentekoon.

Perstuntumalla ei enää tehdäkään päätöksiä, kun tulee sukupolvi, joka on mitannut, analysoinut ja laskenut todennäköisyydet, ja ohjaa toimintaa mitattujen tulosten perusteella. Erityisesti A/B-testaaminen ja eri vaihtoehtojen lakkaamaton vertailu lennossa, myös kesken kampanjoiden, on jatkossa arkipäivää. Ohjelmistot ja tekoäly ohjaavat ja auttavat, mutta jonkun pitää osata silti rakentaa kampanjat, valita A/B-testattavat elementit ja ideoida myös luovat ratkaisut, kohderyhmät, kanavavaihtoehdot, joiden toimivuutta ja tuloksellisuutta lähdetään testaamaan.

Automaatiosta ei ole kyse. Ihmiset rakentavat edelleen mallinnukset, ideoivat luovat ratkaisut, kanavat, kohdeyleisöt, mutta ei satunnaisesti ja mutulla, vaan testaamalla ja mittaamalla sekä analysoimalla mittaustulokset. Optimointi on hieno sana, ja siinä auttaa myös tekoäly, mutta käytännössä optimointi edellyttää jo vertailua, mallinnuksia, vaihtoehtoja, joista heikosti toimivia ja liian kalliita voidaan ohjelmistojen ja tekoälynkin avulla lähteä karsimaan ja ohjaamaan panostuksia yhä kustannustehokkaampaan tekemiseen.

Siirry "data driven" -aikakauteen

Mikä on oman yrityksesi tila? Elääkö se vielä mutu-päätösten ja "näin on ennenkin tehty" -logiikan kivikautta - vai onko se jo siirtynyt tiedolla ja tutkimusdatalla johtamisen aikakauteen? A/B-testataanko eri vaihtoehtoja, vai uskotaanko yrityksessä sokeasti siihen, mikä on toiminut aiempinakin vuosikymmeninä?

Ota yhteyttä Econometrics Finlandiin, ja autamme alkuun. Mikään ei ole sen kalliimpaa, kuin uskoa mutuun ja olla mittaamatta ja analysoimatta eri ratkaisujen toimivuutta ja kustannustehokkuutta.

- Ismo Tenkanen 

 

 

 

Kommentit

Feed You can follow this conversation by subscribing to the comment feed for this post.

Verify your Comment

Kommentin esikatselu

This is only a preview. Your comment has not yet been posted.

Working...
Your comment could not be posted. Error type:
Your comment has been saved. Comments are moderated and will not appear until approved by the author. Post another comment

The letters and numbers you entered did not match the image. Please try again.

As a final step before posting your comment, enter the letters and numbers you see in the image below. This prevents automated programs from posting comments.

Having trouble reading this image? View an alternate.

Working...

Kommentoi

Comments are moderated, and will not appear until the author has approved them.

Your Information

(Name and email address are required. Email address will not be displayed with the comment.)