Bez wątpienia marketerzy myślą o danych i zbiorach big data. Niewielu z nich stosuje jednak konsekwentne podejście badawcze do planu optymalizacji i pomiarów. Tommy Wiles z Google Media Lab przygotował wskazówki, które pozwolą marketerom wykorzystać naukowe metody badawcze i eksperymentalne podczas zarządzania kampaniami.

Na studiach nie lubiłem zajęć z metod badawczych. Uczono mnie podstaw metody naukowej i odróżniania korelacji od związku przyczynowego. Szkolono mnie z niezliczonych typów badań (np. z różnic między badaniami przekrojowymi a podłużnymi czy pretestami a posttestami).

Teraz, jako marketer, widzę, jak cenny był ten obowiązkowy kurs. Być może nie pamiętam już za dobrze związków organicznych i miałbym kłopot z wyciągnięciem całki, ale podstawowa znajomość metody naukowej i korzyści płynących z drobiazgowego prowadzenia eksperymentów okazała się nadzwyczaj przydatna.

Metody badawcze są często ignorowane w pomiarach skuteczności kampanii marketingowych. Jednak w Google Media Lab (czyli wewnętrznym zespole odpowiedzialnym za planowanie, kupowanie i wykorzystywanie przestrzeni reklamowej dla Google) jesteśmy przekonani, że zastosowanie drobiazgowego procesu badawczego ma ogromny wpływ na dokładność uzyskanych wyników. Dzięki nieograniczonemu i błyskawicznemu dostępowi do danych skrupulatne prowadzenie eksperymentów może zadecydować o powodzeniu zarówno obecnych, jak i przyszłych kampanii. Oto cztery kroki, które pozwolą zastosować podejście badawcze w pomiarach.

Dzięki nieograniczonemu i błyskawicznemu dostępowi do danych skrupulatne prowadzenie eksperymentów może zadecydować o powodzeniu zarówno obecnych, jak i przyszłych kampanii.

Cztery kroki do wykazania skuteczności marketingu za pomocą eksperymentów

1. Zacznij od hipotezy sformułowanej w oparciu o cel

Dobry pomiar zaczyna się od powiązania danych z realnymi celami biznesowymi. Aby jednak naprawdę opanować optymalizację i analizę kampanii, potrzeba eksperymentów – a te zaczynają się od hipotezy, ponieważ daje ona punkt wyjścia do testów i badań.

Hipoteza powinna wiązać się z danymi statystycznymi, które pomogą potwierdzić cel kampanii. W Google zaczynamy od ogólnego celu biznesowego, po czym przechodzimy do celów marketingowych i celów kampanii. W każdym przypadku koncentrujemy się na pojedynczym celu, co pozwala nam jasno zdefiniować kryteria sukcesu. Następnie upewniamy się, że cele są ze sobą zgodne.

Niedawno przeprowadziliśmy np. test w kampanii promującej Androida, wychodząc od następującej hipotezy: umieszczenie w jednostkach reklamowych wielu elementów marki pozwoli realizować cel kampanii (w tym wypadku – podnoszenie świadomości marki) skuteczniej niż umieszczenie tylko jednego elementu marki (widać to poniżej na rysunku w kroku 2).

Zastanawiając się nad celem kampanii, bierzemy pod uwagę bardziej „miękkie” kwestie, takie jak świadomość, wiedza, rozważanie zakupu i zamiar konsumentów. Ich działania i zachowania dzielimy na pary, np. testowanie – zakup lub lojalność – użycie. Następnie mierzymy działania i nastawienie odbiorców, używając tagów lub ankiet internetowych. O tym powiem więcej w opisie kolejnego kroku.

2. Opracuj rygorystyczną strategię testową i nie pomyl korelacji ze związkiem przyczynowym

Po opracowaniu hipotezy i powiązaniu jej z celem kampanii można przejść do tworzenia planu testów. Nie warto poprzestawać na obserwacjach i korelacji. Postarajmy się zaprojektować i przeprowadzić eksperymenty, które pozwolą zbadać związek przyczynowy.

Wiele osób sądzi, że eksperyment sprowadza się do zmiany jakiegoś parametru i obserwacji efektu tego działania. Problemem przy takim podejściu jest brak grupy kontrolnej oraz pominięcie rygorystycznej metodyki badawczej, która pozwala przetestować hipotezę. Kiedy prowadzimy eksperyment w Google Media Lab, definiujemy grupę kontrolną i grupę eksperymentalną. Pozwala to mierzyć zmiany działań i nastawienia odbiorców oraz wpływ, jaki ma na nie ekspozycja na reklamy.

Wracając do wcześniejszego przykładu z Androidem – po określeniu hipotezy przeprowadziliśmy testy z wykorzystaniem trzech różnych reklam banerowych i sprawdziliśmy wpływ dwóch zmiennych: logo Androida oraz maskotki Androida. Podzieliliśmy odbiorców kampanii na trzy grupy (patrz niżej) i przeprowadziliśmy pomiary dla każdej z nich, porównując wynik z wynikiem grupy kontrolnej, która nie widziała żadnych reklam. Następnie zmierzyliśmy „znajomość niewspomaganą”, czyli zdolność danej osoby do rozpoznania marki bez podsuwania jej listy nazw do wyboru. Ostatecznie udało nam się ustalić, że najwyższą świadomość marki zapewniało umieszczenie na reklamie zarówno maskotki, jak i logo Androida.

Kampania Androida – studium przypadku: testowanie logo i maskotki

3. Zadbaj o to, by zmienne testowe były zgodne z rygorem eksperymentalnym

Badacze często mówią o odchyleniach w eksperymentach. Społeczność marketingowa niezbyt dobrze rozumie ten problem, chociaż jest on powszechny. W Google unikamy odchyleń dzięki eksperymentom z grupą kontrolną i grupami eksperymentalnymi. Następnie randomizujemy te grupy, a dotyczące ich pomiary przeprowadzamy jednocześnie. Dzięki temu unikamy w eksperymentach odchyleń czasowych (wynikających z wcześniejszego lub późniejszego czasu pomiarów) i związanych z podziałem odbiorców.

W eksperymencie obejmującym kampanię promującą Androida skonfigurowaliśmy trzy grupy, a każda z nich miała grupę kontrolną. W sumie mieliśmy sześć „komórek”. Następnie mierzyliśmy zmiany w świadomości, jakie wystąpiły w każdej z grup eksperymentalnych. Ograniczyliśmy też liczbę zmiennych modyfikowanych podczas testowania. Dzięki kontrolowaniu takich czynników możemy ustalić związek przyczynowy. Dało nam to pewność co do zebranych danych i zmian, które mogliśmy wprowadzać w kolejnych kampaniach.

4. Wybierz skuteczne narzędzia pomiarowe i stosuj je systematycznie

Największa korzyść z dostępu do danych to możliwość dzielenia i analizowania ich na różne sposoby. Dlatego tak ważne są narzędzia pomiarowe. My używamy np. DoubleClick i Google Analytics Premium do organizowania naszych danych źródłowych (dotyczących m.in. lokalizacji, pory dnia, wcześniejszego zachowania i zainteresowań oraz wykorzystania witryny). Narzędzia te pozwalają nam korzystać z właściwych danych i docierać do odpowiednich odbiorców w kampaniach. Wyobraźmy sobie, jakie korzyści dawałaby dostępność danych uzyskanych we wcześniejszych kampaniach w przypadku następnego zakupu zautomatyzowanego (takie zakupy były omawiane w pierwszym artykule z serii „Kulisy marketingu Google”).

Następnie możemy rozszerzyć analizy i testy na nasze kolejne marki. Pozwala nam to zbierać informacje o sprawdzonych metodach obejmujące różne marki i kampanie. W końcu możemy ocenić i porównać skuteczność środków przeznaczonych na wiele różnych kampanii i przedstawić te dane w raportach.

Opisane powyżej kroki 1-3 wystarczają w przypadku pojedynczej kampanii, ale idealnym rozwiązaniem jest standaryzacja narzędzi i metod w pomiarach danych ze wszystkich kampanii. Pozwala ona opracować wyczerpujące porównania między różnymi kampaniami i wydawcami, a zebrane informacje mogą posłużyć do zdobycia przewagi nad konkurencją we współczesnym ekosystemie, obejmującym wiele różnych kanałów.

Dobry pomiar opiera się na badaniach

Obecnie dużo słyszy się o big data i możliwościach, jakie daje naukowe podejście do marketingu. Najlepsi marketerzy podchodzą do pomiarów jak badacze. Zdają sobie sprawę z konieczności oparcia pomiarów o cele, jeśli stosowane techniki mają dać rezultaty zgodne z rygorem eksperymentalnym. Standaryzacja narzędzi i systematyczne wdrażanie ich w różnych kampaniach pozwala na łatwe porównywanie stosowanych metod marketingowych i uzyskiwanych wyników. Co najważniejsze, można się w ten sposób dowiedzieć, które rozwiązania się sprawdziły, a które nie.