Oltre l’A/B testing: il nuovo modo per testare l’efficacia delle tue campagne

Michela Rossi, Vito Anello, Daniele Giuliani / Gennaio 2021

In italia, l'87% dei nuovi consumatori automotive entra nelle concessionarie come primo punto di contatto prima di acquistare l'auto dal dealer1. Nonostante questo, le aziende automobilistiche e i concessionari possono utilizzare gli strumenti online per generare lead offline.

Misurare l’efficacia di una strategia di marketing può essere difficile per qualsiasi tipo di attività, ma lo è in particolar modo per il settore automotive, caratterizzato da un contesto multicanale, in costante evoluzione e con numerosi touchpoint. E in un periodo di instabilità e incertezza economica come quello che stiamo vivendo, cresce il bisogno delle attività di prendere decisioni che siano in grado di generare un impatto misurabile e valutare i risultati di una campagna. La misurazione diventa ancora più difficile in un contesto omnicanale e in costante evoluzione, in cui i touchpoint sono molteplici e le abitudini di acquisto in continuo cambiamento.

La aziende possono usare nuove strategie di misurazione per ottenere un quadro olistico dei risultati. Possono, ad esempio, eseguire esperimenti per attribuire qualsiasi incremento dei KPI esclusivamente alla spesa pubblicitaria.

L’esperienza di Nissan con gli esperimenti di incrementalità

Quando l’azienda automobilistica Nissan ha scelto le campagne locali di Google su Rete di ricerca, Maps, Display e YouTube per generare visite alle concessionarie, voleva essere sicura che questa strategia avesse un impatto misurabile. L’azienda aveva bisogno di calcolare con certezza l’efficacia della campagna locale nel generare un aumento di lead alle concessionarie, per ottimizzare al massimo gli investimenti e avere la certezza di investire budget in azioni che portassero risultati concreti.

Per rispondere a questa esigenza, Nissan, supportata dall’agenzia OMD, ha attivato un Geo-Experiment su Google Ads della durata di sei settimane col fine di misurare gli effetti causali ed incrementali delle variazioni della spesa pubblicitaria. L’esperimento consiste nel separare differenti aree geografiche non sovrapposte in gruppi di trattamento e di controllo ed esporre uno di questi gruppi al cambiamento nel piano media, mantenendo le attività dell'altro gruppo come da strategia. In questo modo è possibile affermare che qualsiasi cambiamento nei risultati è generato dalla campagna in questione.

Attraverso questo esperimento è stato possibile ottenere una misurazione precisa dei risultati offline generati dalla campagna online, scegliere come audience gruppi di persone non sovrapposte e provare statisticamente la relazione causale tra spesa pubblicitaria e incremento dei KPI negli specifici gruppi di controllo.

Grazie agli esperimenti di incrementalità, il team di Nissan può affermare con certezza che le campagne locali hanno generato un aumento incrementale del 7% dei lead offline acquisiti. Ciò si è tradotto in un incremento del ROAS del 6.3x.

benefici_esperimenti_incrementalita.jpg

I 3 benefici degli esperimenti di incrementalità

Ottimizzazione

Viviamo un momento in cui bisogna allocare in maniera ancora più efficace e ponderata il budget di marketing. Poter ottimizzare la campagne rispetto alle strategie che funzionano meglio è un grande beneficio per i marketer, che, in questo modo, possono valutare con certezza l’impatto di una strategia rispetto ad un’altra.

Flessibilità

Gli esperimenti di incrementalità possono essere condotti su diverse tipologie di campagne, con diverse quantità di budget allocato e soprattutto per misurare diversi KPI. Questa flessibilità ci consente anche di adattare le campagne in tempo reale rispetto all’evoluzione del percorso d’acquisto e ai cambiamenti nel comportamento dei consumatori.

Semplicità

L’attivazione di un Geo Experiment su Google è semplice e immediata poiché il framework è già incluso all’interno della piattaforma. Una volta correttamente impostato e selezionato i gruppi di test e controllo, implementazione, monitoraggio e analisi dell’esperimento sono automatici.

Come massimizzare copertura e risultati con la giusta strategia di misurazione