Разработка методологии прогнозирования коммуникационной эффективности рекламы на рынках услуг с высокой вовлеченностью (на примере банковского рынка)
Выпускная
квалификационная работа
на тему:
Разработка методологии прогнозирования коммуникационной эффективности рекламы
на рынках услуг с высокой вовлеченностью (на примере банковского рынка)
«Некоторые
виды сообщений на некоторые темы привлекают внимание некоторых людей и под
воздействием некоторых условий имеют некоторый эффект»
Б.
Берельсон
Введение
Реклама сегодня - неотъемлемая часть повседневной жизни, которая
позволяет производителям и покупателям взаимодействовать друг с другом. Главная
причина широкого распространения такого явления, как реклама, заключается,
естественно, в том, что существует большое количество рынков, абсолютно разно
направленных, постепенно пополняющихся новыми производителями той или иной
продукции. Таким образом, получается, то конкуренция - некий «двигатель
рекламы». Для производителей (вне зависимости от времени существования фирмы,
места ее на рынке, самой направленности рынка) важно, чтобы об их фирме узнали,
запоминали товары и, конечно же, покупали их. Кроме того, к функциям рекламы
можно отнести формирование доверия клиентов к марке и убеждение в ее
преимуществах перед аналогичными на рынке. Во всем этом, по всей видимости,
помогает реклама, которая информирует покупателей о появлении новых продуктов
на рынке, об изменении и улучшении старых и т.п.. Главное правило в
рассматриваемой сфере: «реклама начинается с качества товара», если реклама
была эффективной, т.е. продажи возросли, а товар ненадлежащего качества, то это
поможет лишь всем узнать об этом [26].
Ряд специалистов в области маркетинга отрицает возможность измерения
эффективности рекламы как таковую (Ч. Сэндидж, Дж. Бернет, С. Мориарти) [13].
Главным аргументом, который они приводят в защиту своей позиции является то,
что существуют малые предприятия, затраты на маркетинговый коммуникации которых
ограничены, но они все равно продолжают развиваться, а оборот их компании
растет [13]. Со «скептиками» не соглашаются исследователи, признающие
«познаваемость мира в целом и возможность оценить рекламу в частности» (П.
Дойль) [13]. Однако, что важно, ни те, ни другие, не сомневаются в
существовании этого эффекта.
Итак, объем рекламных сообщений продолжает расти, появляются новые каналы
распространения (телевидение в супермаркетах, реклама в общественных туалетах,
и т.п.), форма представления становится все более непредсказуемой (необычные
формы, яркие цвета, запоминающиеся слоганы), однако вопрос об измерении
эффективности любого из рекламных сообщений остается неизменным.
Во-первых, важно помнить, что реклама не может быть эффективной на все
100%. Здесь весьма показательна фраза польского публициста М. Березовского:
«Стопроцентная эффективность рекламы подрубила бы тот самый сук, на котором она
держится, ибо она перестала бы быть необходимой...» [26] Следовательно, само
существование рекламы, порождает проблему выбора, принятия решения или отказа,
однако, одновременно с эти решает вопрос об ограниченной информированности
покупателей. Получается «замкнутый круг», когда, с одной стороны, все (и
производители и маркетологи) стремятся достичь максимальной эффективности своей
рекламы, чтобы об их продукции узнало как можно больше людей, а с другой - как
только они этого достигнут реклама перестанет быть необходимой и одновременно с
этим информация к их потенциальным покупателям перестанет поступать.
Во-вторых, отметим, что в погоне за измерением этого важного показателя
было создано немало концепций, которые, к сожалению или к счастью, не всегда
дополняют или отрицают друг друга. Во всем разнообразии существующих книг и
статей легко запутаться, т.к. маркетинг - слабо структурированная область
знаний и не одна его концепция не является фундаментальной настолько, чтобы
задавать направление основной массе исследований [14]. Однако сложившуюся
ситуацию возможно объяснить тем фактом, что абсолютно в любых сферах человеку
легче действовать по уже разработанной схеме, а не заново для каждого
отдельного случая разрабатывать новую концепцию, можно пояснить это утверждение
на математическом примере: квадратное уравнение можно решить разными способами,
в том числе подбором корней, графически, но самым простым будет вывести формулу
для определения корней с помощью дискриминанта раз и навсегда [14]. Так же и в
области разработки концепции для оценки эффективности рекламы.
Существует 3 основных типа эффектов рекламы: социальный, экономический и
коммуникативный [13]. Первые два типа мы рассмотрим вкратце, а на последнем
остановимся поподробнее.
Итак, социальный эффект рекламы - это чисто философский вопрос, т.к.
действительно сложно оценить как та или иная реклама повлияла на сознание
одного человека в частности или всего общества в общем. Здесь большой акцент
делается на философию бизнеса как такового и его влияние на жизнь общества.
Чтобы пояснить вышесказанное приведем цитату Даниэля Бурстина, известного
американского историка, адвоката и писателя: «Именно реклама в середине XX в. создала американскую нацию» [13].
Что касается экономического эффекта рекламы, то нужно в первую очередь
отметить, что очень долгий период времени эффективность рекламы измерялась,
исходя именно из этого показателя. Реклама исторически считалась не формой
инвестиций, а формой затрат, и даже сейчас, после того, как она перестала быть
просто видом донесения информации до покупателей и стала развиваться с художественной
точки зрения, превратилась в область искусства, ее все равно продолжают
воспринимать как «некоторую, почти бухгалтерскую данность» [13]. Однако после
весьма убедительных случаев, например, когда фирма и ее товары продолжали
существовать только за счет рекламы, а увеличение объемов рекламы влекло за
собой приток клиентов и, соответственно, увеличение объема производства, к
рекламе начали относиться к очень важному затратному ресурсу. Анализируя вопрос
изучение эффективности рекламы с точки зрения экономического эффекта, ученые
вправе обращаться к принципам финансового анализа (и к таким понятиям, как
объем затраченных средств на рекламу, количество покупателей, объем продаж,
прибыль и т.д.). Самым простым и вместе с этим одним из самых популярных индексов
измерения экономического эффекта рекламы является ROI (return of investment) [27].
Несомненно, для комплексного анализа рекламы должен использоваться и
экономический подход, с помощью которого мы можем отследить возросли ли продажи
после той или иной рекламы, были ли инвестиции эффективны, однако он не
позволяет понять, как воспринимают рекламу потребители, запоминается ли она,
как воздействует на покупателей? Для этого и используется коммуникативный
эффект. О нем в дальнейшем пойдет речь в данной работе. Ниже мы очень кратко
осветим основные его особенности и преимущества.
Во-первых, для эффективности рекламы очень важен обратный эффект, т.е.
чтобы после выхода ролика или появления плаката на улицах города, маркетолог,
исследователь смог получить ответную реакцию от покупателя, за счет чего,
собственно, мы и можем получить информацию о проведенной нами рекламной
компании. Другими словами, главным источником информации при измерении
коммуникативного эффекта являются люди, настоящие или потенциальные покупатели.
Во-вторых, исходя из первого заявления, нужно понимать, что нам придется иметь
дело с человеческим сознанием, что не существует ничего более сложного, а
критерии, с которыми мы будем работать в коммуникативном аспекте (восприятие,
ощущения, внимание, эмоции, память и т.п.), связаны с работой мозга человека.
Следовательно, процесс кодирования информации (рекламистом, человеком,
создающим рекламное сообщение) и декодирования (зрителем, покупателем) занимает
очень важное место в анализе эффективности [13]. Что же касается
прогнозирования эффективности рекламы, в том числе и коммуникативной, следует
подчеркнуть, что пре-тесты рекламы не всегда в полной мере оказываются
достаточными, т.к. на их основе нельзя собрать достаточной информации об
эффективности рекламы, например, в реальном конкурентном окружении. Довольно
показательным здесь может служить пример, где прогнозирование сравнивается с
процессом подготовки гоночных автомобилей к соревнованиям: «Важным этапом
является многократное тестирование «машины»: все принципиальные рекламные
решения должны проходить апробацию. Но при этом необходимо помнить, что в ходе
гонки двигатель все равно может загореться, а антикрыло - оторваться; то же
самое может случиться и с конкурентами, но у всех будут пит-стопы и поддержка
команды механиков» [18].
Исходя из всего выше сказанного, можно заключить следующее: сложность
прогнозирования коммуникационной эффективности состоит:
. в отсутствии точного определения коммуникационной эффективности
рекламного сообщения;
. в отсутствии единой методики для расчета коммуникационной
эффективности;
. в наличии «пробелов» в существующих моделях прогнозирования.
Так как перед рекламными кампаниями ставятся абсолютно разные цели (и
увеличение уровня продаж, и информирования о новом продукте, и изменение имиджа
марки и т.д.), то соответственно, результат, ожидаемый от них, будет выражаться
в совершенно разных явлениях. Самой главной проблемой, которую мы и собираемся
осветить в данной работе, является то, что основная масса концепций,
направленная на оценку и прогнозирование рекламных кампаний, объектом для
изучения которых ставятся товары с рынка с низкой степенью вовлеченности, т.е.
товары первой необходимости, дешевые товары повседневного пользования (в
основном, это продукты питания), тогда как рынкам с высокой степенью
вовлеченности уделяется крайне мало внимания. Товары с высокой вовлеченностью
характеризуются следующими признаками: высокая стоимость, значимость для образа
"Я" индивида, риск при покупке (физический, экономический или
социальный).
В отношении товаров с разной степенью вовлеченности схемы принятия
решения о покупке различаются: при покупке товаров с высокой вовлеченностью
потребитель проходит последовательно каждую стадию процесса выбора (от
осознания проблемы до оценки результатов), тогда как при покупке товаров с
низкой вовлеченностью индивид может пропускать некоторые стадии или, при
необходимости, возвращаться на пройденные ранее. Сам процесс выбора того или
иного продукта на рынке с высокой степень вовлеченности предполагает больше
времени на выбор, т.к. обычно это является важным приобретением, например,
покупка автомобиля, недвижимости, обращения к услугам банка. Для человека
необходимо узнать и собрать всю информацию о месте будущей покупки, о самом
товаре, для того чтобы удостоверить правильный ли он делает выбор. Как мы
видим, процесс выбора и покупки товаров на рынках с разной степенью
вовлеченности подразумевает под собой оценку индивидом этой продукции по разным
параметрам. Нужно вообще проследить, будет ли реклама важным источником
информации для потребителей, потому что, например, советы знакомых в такой
важной области могут быть предпочтительней.
Приведем данные Е. Мясина [26], эксперта Международной конфедерации
сообщества потребителей, о результатах опроса на тему о том, как реклама влияет
на потребительское поведение в сфере финансовых услуг: «решающим фактором
оказалась собственная интуиция опрашиваемых, затем идет информация, полученная
в тех учреждениях, куда были вложены деньги, на третьем месте советы знакомых -
все это значительно опережает рекламу в прессе» [26]. Однако эти результаты
довольно старые (1994 год), по прошествии стольких лет много изменилось,
особенно для Москвы, теперь возможно, что люди больше будут доверять рекламе,
при этом обращаясь к консультациям специалистов банков.
Исходя из всего выше сказанного, актуальность настоящей работы
заключается в следующем. На данный момент в сфере маркетинговых исследований
существует огромное количество схем для оценки коммуникативной эффективности
рекламы, однако практически не одна из них не была разработана исключительно
для рынков с высокой степенью вовлеченности. Проблема заключается в том, что
трекинговые исследования, применяющиеся в большинстве случаев, направлены на
отслеживание эффективности рекламы, меняющейся с постоянной частотой (это и
телереклама, и радиореклама, и Интернет-реклама). Однако та область
маркетинговых коммуникация, к которой обратимся мы в данной работе, т.е.
наружная реклама, меняется реже, чем перечисленные выше альтернативные виды,
тем более это характерно для рынка банковских услуг. Во-первых, для этого рынка
не характерно быстрое изменения предложений, соответственно и реклама здесь
меняется не так часто, а во-вторых, возможно, что реклама не является основным источником
информации при выборе подобного вида товаров, т.е. товаров на рынке с высокой
степенью вовлеченности.
Цель
квалификационной работы
Цель квалификационной работы заключается в разработке методологии для
прогнозирования коммуникационной эффективности наружной рекламы банковских
услуг. Акцент будет сделан именно на наружной рекламе, т.к., во-первых, это
основной канал распространения рекламы для рынка банковских услуг, а во-вторых,
это так же мало изученное направление, потому что внимание обычно уделяется
другим каналам, например, таким, как реклама на телевидение, печатная реклама и
т.п.
Отдельно стоит оговорить выбор именно банковского сектора для
исследования. «Банковские услуги не имеют материальной формы, их
потребительские свойства абстрактны, заранее не зафиксированы и не могут быть
воспроизведены в воображении потребителей» [4]. Поэтому банковские услуги
воспринимаются иначе, чем какой-либо материальный товар. А следовательно,
особенности, связанные с рекламой данного рода услуг, не могут не оказывать
влияния на оценку ее эффективности. Таким образом, схемы, разработанные для
товаров с низкой степенью вовлеченности, не могут быть подходящими для
банковских услуг.
Данные, которые планируются использоваться в анализе, были получены в
результате опроса, проведенного на целевой аудитории изучаемого сектора, т.е.
на настоящих или потенциальных потребителях банковских услуг. Подобные опросы
(трекинговые исследования) обычно проводятся для исследования эффективности
рекламы товаров на рынках с низкой степенью вовлеченности, их принять считать
наилучшим способом для оценки коммуникативной эффективности рекламы.
Задачи
исследования.
Исходя из поставленной цели, необходимо решить следующие задачи.
. Исследовать параметры, которые принято считать общепризнанными
для оценки коммуникативной эффективности рекламы, выбрать из них наиболее
значимые и подходящие именно для нашей цели.
. Построить модель для оценки эффективности коммуникационной
эффективности рекламы на рынках с высокой степенью вовлеченности.
. Проследить динамику изменения выбранных параметров.
. Построить прогноз для параметров, участвующих в модели.
Объект и
предмет исследования.
Объектом исследования выступает совокупность представлений потребителей
банковских услуг о рекламных сообщениях, в частности о наружной рекламе. Для
анализа будет выбрано несколько основных банков.
Предметом исследования является ряд общепринятых критериев оценки
коммуникативной эффективности рекламы - таких, как знание, интерес, понимание,
позиционирование, отношение, лояльность, вовлеченность [13].
Глава 1.
Теоретические основы для разработки модели
1.1
Коммуникационные модели
В данной главе мы рассмотрим основные теории коммуникации. Важно
обратиться сначала к подробному их изучению, потому что, как уже говорилось выше,
нам необходима обратная связь от потребителя для проверки эффективности
рекламной кампании.
Модель
Аристотеля.
Сначала обратимся к модели Аристотеля, который в «Риторике» приводит
теорию убедительного сообщения, состоящее из трех основных компонент [14].
. Оратор, который передает сообщение - этос.
. Чувства и эмоции, которые сообщение вызывает у слушателя -
патос.
. Доказательство того, сто вызванные эмоции правильные, т.е.
рациональное обоснование, содержащееся в самом сообщении в явном или неявном виде
- логос.
Модель, предложенную Аристотелем, вполне можно применять для анализа
маркетинговых коммуникаций, анализа эффективности рекламы.
Модель
Ю.Лотмана.
Другой важной для дальнейшего анализа концепцией может считаться модель,
предложенная Юрием Лотманом, который был выдающимся ученым и создателем широко
известной семиотической школы. Он понимал коммуникацию как «как перевод
сообщения с языка моего «я» на язык твоего «ты» [14]. О системе кодирования и
декодирования, как важной компоненте рекламной коммуникации, мы также говорили
выше, поэтому отметим тут только то, что вследствие этого процесса может
возникнуть и часто возникает множество ошибок из-за неоднозначности прочтения
заложенной в сообщении информации.
Так же Лотман приводит метафору о статуе и игрушке, которую можно
перенести на рекламные сообщения. Статуя создана для того, чтобы ее созерцать,
если проводить параллель с рекламой, то в данном случае она просто должен быть
услышан, но не требует обратного ответа от покупателя, который в этом случае
выступает как раз в роли пассивного наблюдателя. В противоположность этому
существует игрушка, которую можно трогать, вертеть в руках, «с ней надо
разговаривать и за нее можно отвечать» [14].
Диффузная
теория.
Еще одной очень важно модель является диффузная теория, которая послужила
основой для распространенной коммуникационной иерархической модели AIDA (название по первым буквам основных
слов - Attention, Interest, Desire, Action).
Диффузной теория называется, т.к. любые идеи никогда не охватывают общество
целиков, а просачиваются (диффундируют) через отдельные слои населения [14].
Авторы этой теории выделяют следующие категории людей, на которые делится все
общество.
. Инноваторы (2,5%), более склонны к риску, более мобильны, чем
все остальные.
. Ранние последователи (13%), принимают новые идеи довольно рано,
с ними часто советуются при выборе товаров, среди них большинство - лидеры
мнения.
. Ранее большинство (34%), принимаю новые идеи раньше, чем средний
покупатель, однако часто руководствуются мнением предыдущей группы.
. Позднее большинство (34%), скептики, принимаю решение о покупке
только тогда, когда попробовала примерно половина потенциальных потребителей.
. Поздние принимающие (16%), консерваторы, с осторожностью
принимают все новое, способны на покупку, только когда новая идея начинает
принимать форму традиции.
Как видим, нет смыла воздействовать на все общество в целом, нужно
убедить только небольшую часть населения, наиболее активную часть.
Э. Роджерс, один из разработчиков данной теории, разделил процесс
диффузии на следующие 6 этапов:
) внимание;
) интерес;
) оценка;
) проверка;
) принятие;
) подтверждение.
Итак, мы рассмотрели некоторые теории коммуникации, которые могут быть
полезны нам при дальнейшем анализе. Как мы видим, единообразия здесь не
существует, одной, единственно правильной модели тоже. Следовательно, нужно в
различных ситуациях применять разные подходы, в зависимости от условий, целей и
задач. И, конечно же, необходимо учитывать, что для разных групп людей
(которые, как мы показали выше, проявляют абсолютно разные типы поведения
относительно инноваций) нужно применять разные способы аргументации при
донесении до них рекламного сообщения.
В этом отношении можно вспомнить работу Р. Мертона «Социальная теория и
социальная структура» и отдельную главу оттуда, посвященную аудио- и
кинопропаганде [17]. Как нам кажется, здесь будет уместно упомянуть основные
эффекты, которые может породить пропаганда и которые могут быть очень
непредвиденными. Примером такого эффекта является эффект «бумеранга»,
результатом которого может являться реакция аудитории, совершенно
противоположная той, которую предполагал получить автор пропаганды. Мертон
пишет, что в ходе своей исследовательской деятельности ему пришлось столкнуться
с множеством разновидностей подобного эффекта, однако в данной работе он
упоминает лишь о четырех основных его типах.
«Бумеранг» первого типа возникает «из-за ошибочной психологической оценки
умонастроения аудитории», т.е. пропаганда не вызовет нужную реакцию, если
пропагандист не обладает как можно большей информацией об установках и
настроении аудитории.
Вторая разновидность «бумеранга» появляется, когда автор пропаганды
адресует ее к аудитории, по-разному настроенной к данному вопросу. «Материалы,
которые воздействуют на одну часть аудитории, могут вызвать противоположный
эффект у другой, которая отличается психологически и социально».
Третий вид «бумеранга», так называемый «структурный бумеранг», является
причиной несоответствия друг другу тем, используемых в пропаганде, т.е. тех
тем, которые направлены на различные цели. Таким образом, чтобы избежать
непредсказуемых результатов, пропагандисту нужно учитывать социальные и
психологические взаимосвязи используемых им тем, и, соответственно, должен быть
проведен структурный анализ между этими темами.
«Ошибка из-за неправильного размещения примеров» - основа четвертого
«бумеранга». Если пропаганда обращена к аудитории, которой тема известна, что
называется, «из первых рук», то может возникнуть риск того, что некоторые из
предложенных примеров будут рассчитываться как лживые - в силу того, что люди
будут учитывать свой личный опыт. «Бумеранг» такого типа появляется даже тогда,
когда примеры исторически достоверны. Кроме того, реакция на подобную
пропаганду будет передаваться от одних людей к другим, распространяя
«заразительный скептицизм».
Обобщая все вышесказанное, можно составить список того, на чем
эффективность рекламы должна основываться [32].Необходимо точное понимание:
· во-первых, того, с кем мы пытаемся построить коммуникацию,
· во-вторых, что мы хотим донести,
· в-третьих, какого эффекта мы хотим добиться, и
· в-четвертых, что самое трудное, нужно прекрасно разбираться в
том, как процесс коммуникации работает.
Все эти вещи помогают определить, что нужно ожидать от рекламной кампании
и, таким образом, мы сможем понять, что было достигнуть, а то нет.
1.2
Коммуникационные эффекты
Итак, если исходить из заявленных задач, нам нужно рассмотреть и отобрать
критерии, наилучшим образом подходящие для товаров на рынке с высокой степенью
вовлеченности, по которым будет проходить дальнейший анализ.
Как уже было упомянуто выше, для дальнейшего анализа мы бы хотели
остановиться только на некоторых эффектах, выбранных из всего многообразия
предложенным. Ниже приведен их список:
· знание, интерес, понимание,
· отношение,
· лояльность.
Далее остановимся на каждом эффекте поподробнее.
Знание.
Сначала рассмотрим понятие «знание» в системе маркетинговых исследований.
Считается, что это главный показатель, т.к. для того, чтобы купить какую-либо
продукцию человек должен знать о ней. Знание разделяют на спонтанное
(неподсказанное), подсказанное (латентное) и тахистоскопическое. Гораздо больше
внимания уделяется именно первому виду, т.к. считается, что именно спонтанная
известность определяет покупку. Однако не для всех видов продукции высокий
показатель такого знания может считаться наиболее эффективным. Это обусловлено
тем, что чем больше времени, сил (моральных и физических) человеку нужно
затратить на выбор и совершение покупки, тем меньше спонтанности в его
поступках, и следовательно в ответах. Таким образом, латентное (подсказанное)
знание приобретает значимость для товаров и услуг на рынке с высокой степень
вовлеченности, т.к. модель принятия решения там более сложная, чем при выборе
дешевых продуктов повседневного пользования. Третий тип знание -
тахистоскопическое - подразумевает при опросе использование специального
прибора, который с одинаковой частотой показывает респонденту изображения
различных марок. Преимущество такого метода заключается в том, что в ситуации
стресса (когда проводиться интервью), респондент может забыть самые даже самые
любимые свои марки, а при этом подходе исключается такая вероятность.
Аналогично знанию о бренде меряется и знание о рекламе, которое также
разделяется на спонтанное и подсказанное.
Интерес.
Следующие коммуникативный эффект, к которому мы бы хотели обратиться в
данной части работы, - это интерес. В 1990 году К.А. Мешле, Т.Дж. Мадденом и
К.Т. Алленом была разработана модель, оценивающая интерес человека к бренду,
который определялся учеными, как «степень увлеченности, вызываемой брендом у
потребителя, и уровень любопытства, которое мотивирует его на то, чтобы узнать
о бренде побольше» [14]. Кроме того, методом структурных уравнений было выявлено,
что чем выше интерес, тем с большей вероятностью положительное отношение к
рекламе перерастает в позитивное представление о бренде (модель приведена на
Графике 1).
Модель рассматривала отношение к марке с намерением ее приобрести и
включала в себя традиционные связи между аффективными откликами на рекламу
(позитивный, негативный эффект, эмоциональный отклик) и восприятием бренда
[14]. В продолжение эксперименты для анализа были взяты банковские услуги.
Значимые связи в этом случае были выявлены значимые связи между оценкой и
интересом к рекламе, а не с отношением к марке.
Останавливаться только на анализе знания/незнания марки или бренда и на
интересе к ним нельзя, т.к. мы, таким образом, не сможем получить полной
информации о том, была ли наша рекламная кампания эффективной. Поэтому особое
место в методиках для оценки эффективности отведено тому, насколько потребители
понимают рекламу или бренд в целом. Типичная проверка, которая используется
обычно при проведении трекинговых исследований, заключается всего в одном
вопросе. Респонденту, сказавшему, что он видел ту или иную рекламу предлагается
одной фразой рассказать ее суть или выбрать из предложенного списка слоганов.
Единственный недостаток такого метода - мы не можем сказать много это или мало,
если 40% наших респондентов правильно определили смысл объявления. Однако он
компенсируется при проведении регулярных опросов и отслеживании динамики
понимания, или при сравнении с аналогичными показателями конкурентов.
Позиционирование.
Для того чтобы мы могли сравнивать бренд или рекламу нам важно знать, как
покупатели позиционируют ее сами. Поэтому разработаны и широко применяются
методы выявления позиционирования марки и ее конкурентов, выделяют две основных
категории позиционного анализа [14]:
. группировка, суть ее сводиться к тому, что респонденту
предлагается распределить марки, написанные на карточках по различным группам,
причем основания или он выбирает сам, или они задаются интервьюером.
. взаимное распределение атрибутов и брендов, делится на три
группы:
· концентрические модели, в центр модели помещается
рассматриваемый бренд, а вокруг него - его атрибуты, т.к. его основные
характеристики (теплый, дружеский, солидный и т.п.);
· двумерные карты, рассматриваемый бренд и/или его конкуренты
помещаются в двухмерное пространство, где оси - это оппозиционные атрибуты
(например, «плохой - хороший», «дешевый - дорогой»)
· пространственное позиционирование, аналогично двумерным
картам, только бренды располагаются в трехмерном пространстве, главная проблема
здесь - выбор подходящих для анализа осей.
Отношение.
Важно так же обратить внимание на понятие лояльности по отношению к
бренду. Во-первых, лояльность имеет субъективный характер, и исследователи, и
респонденты трактуют его для себя по-разному. Во-вторых, даже если мы определим
для себя, кто такой лояльный покупатель, мы не имеем ни малейшего представления
о совершении им покупки. Т.е. человек может быть очень лоялен к какой-нибудь
дорогой марке одежды или автомобиля, но он никогда не сможет позволить себе
совершить столь дорогостоящую покупку. Следовательно, не всегда можно судить по
лояльности об эффективности рекламы.
Лояльность.
Т.к. существует масса работ, направленных на изучение лояльности
покупателей, то из их общего количества можно выделить пункты, по которым можно
измерять лояльность [14]:
. настоящее и прошлое покупательское поведение;
. отзывы и рекомендации;
. ожидаемое будущее поведение (намерения);
. повторные покупки;
. переход на другие товары;
. барьеры к переходу;
реакция на жалобы и рекламации и т.д.
1.3
Существующие модели оценки и прогнозирования эффективности рекламы
Еще вначале 20-х. г.г. XX
века Дэниел Старч выдвинул идею, согласно которой любая будет эффективной,
если:
. реклама была увидена;
. реклама была прочитана;
. рекламе поверили;
. рекламу запомнили;
. в соответствии с ней действуют [32].
Это очень эффективный способ проверки того, что должно было произойти.
Однако здесь есть свои нюансы, например, если рекламу прочитали, но насколько
тщательно, или если запомнили, то на какой долгий период времени?
Альтернативой служит уже упоминавшаяся выше, до сих пор часто
используемая модель AIDA. Рассмотрим
главные предположения, лежащие в ее основе. Эффективна та реклама, которая:
. смогла завладеть вниманием;
. повлекла за собой интерес к рекламируемому продукту;
. повлияла на желание обладать или использовать его;
. и, наконец, вызвала действие (обычно это покупка или, по крайней
мере, первый шаг к ней).
На данный момент эта модель является классическим примером для оценки
эффективности рекламы, она претерпела множество модификаций, на ее основе
строились и развивались целые верви новых моделей.
В 1961 году Р.Колли опубликовал книгу, в которой осветил 4 уровня
понимания, через которые потенциального клиента должна проводить удачная реклама:
во-первых, он (клиент) должен быть уверен в существовании бренда компании,
во-вторых, он должен понять, что за продукт рекламируется, и чем он может быть
для него полезен, в-третьих, он должен решить купить товар и, наконец,
в-четвертых, он должен заставить себя совершить действие (покупку). Данная модель
была названа DAGMAR, по первым буквам названия книги, Defining Advertising Goals for Measured Advertising
Results. Эта модель
очень важна, т.к. в отличие от более ранних, она учитывает необходимость
обратной связи с покупателями. Однако недостатки у нее также существуют,
например, всегда ли нужно четкое понимание со стороны покупателя о том, что за
товар рекламируется, чтобы у него возникло желание его купить?
Тем не менее, модель DAGMAR
имеет особое преимущество. Она дает определение главной цели рекламной кампании
- она должна повышать уверенность в бренде или его понимание. Последний шаг
модели направлен не на то, чтобы привлечь новых покупателей, а на что, чтобы
заставить старых - не передумать.
Глава 2.
Оценка эффективности наружной рекламы
Наружная реклама, в отличие от других каналов распределения, требует
особых критериев для оценки ее эффективности. До недавнего времени на
российском рынке не было четко сформулированной программы для этого. Некоторые
все-таки решались вкладывать в наружную рекламу, однако многие «боялись тратить
деньги неизвестно на что» [29].
После того, как стало понятно, что от места размещения рекламного
сообщения зависит успешность продвижения на рынке, предпочтение перестало
отдаваться только тем улицам, по которым ездит заказчик или сам рекламодатель.
Соответственно, главный вопрос для тех, кто занимается размещением и оценкой
эффективности наружной рекламы, стал звучать следующим образом: «кто увидит эту
рекламу?»
Следовательно, целевой аудиторией признаются все люди, которые проходят
или проезжают мимо нее. И первый показатель, который в той или иной степени
может отразить эффективность наружной рекламы, - это потенциальная аудитория.
Иными словами, это «количество потенциальных рекламных контактов (количество
людей, имеющих возможность увидеть данную наружную рекламу в единицу времени -
день, неделя или месяц)» [20]. Замеры учитывают все основные составляющие
потенциальной аудитории, а именно:
· личный автотранспорт;
· общественный транспорт;
· пешеходы.
Нужно отметить, что при помощи специальных коэффициентов показатели для
коэффициентов автотранспорта и общественного транспорта приводятся к количеству
людей.
Рассмотрим пример исследования [6], направленного на изучение
эффективности наружной рекламы. Данное исследование было проведено в
Великобритании в 1980-х годах компанией OSCAR New Blend. Целью являлось получение следующих показателей:
) известность и распознавание марки;
) частота покупки марки;
) доверие по отношению к марке (лояльность);
) распознавание рекламного плаката.
Результатом подобных исследований может служить выявление того, как
влияла конкретная реклама на продвижение товара в целом. В итоге формируется
база данных, которая позволяет в дальнейшем делать прогнозы эффективности
рекламы того или иного продукта.
В Санкт-Петербурге GALLUP SPb в 1996 году
применила подобную методику для оценки эффективности наружной рекламы пива. Был
проведен опрос респондентов в местах расположения постеров и на ближайших АЗС,
выборка составила 400 человек (в 20 случайно отобранных точках). Главные
выводы, которые были получены в ходе кампании: известность марки выросла,
улучшился имидж рекламируемого продукта и 19% опрошенных смогли вспомнить
постер [6].
Вторым показателем, который мы рассмотрим, является величина
охвата аудитории (OTS - “opportunity to see”) - размер той части аудитории, которая имеет
практическую возможность увидеть эту рекламу. Ниже приведен ряд характеристик
для оценки данного критерия:
· угол поворота;
· транспортное положение;
· расстояние до светофора;
· ширина проезжей части;
· расстояние видимости;
· конкурирующие конструкции;
· препятствия обзора.
Однако, OTS не учитывает то, что человек,
двигаясь привычным путем может увидеть одну и ту же рекламу несколько раз в
течение одного и того же дня [29].
В международной практике существует следующее разделение: OTS1 - это потенциальная аудитория, OTS2 - реальная аудитория рекламы.
Методика измерения OSCAR OTS для наружной
рекламы предполагает [6]:
· составление каталога объектов наружной рекламы с их
классификацией по критериям места, размера, сети, подсветки, наличия других
объектов в пределах видимости;
· подсчет количества людей, проходящих и проезжающих мимо
каждого объекта;
· расчет «индекса видимости» (от 0 до 1), с помощью создания
математической модели.
Среди методов определения потоков выделяют следующие [6]:
· подсчет числа проходящих и проезжающих (ручной или
видеофиксация);
· регулярный сбор информации о ежедневных путешествиях людей;
· компьютерное моделирование (метод нейронных сетей).
Однако методы расчета OTS2
(реальной возможности просмотра) отличаются от методов для подсчета OTS1 [6]:
· опрос (люди опрашиваются в местах размещения постеров);
· фиксация внимания глазными камерами (очки, дающие возможность
определения направленности внимания);
· показ целевой группе фильма о прогулке по улице с объектами
наружной рекламы (метод Live-Plakat-Test, проводится в Германии).
«В результате рассчитывается VAI - Visibility Adjusted Impact -
коэффициент восприятия для каждого типа наружной рекламы. Умножение данного
коэффициента на OTS1 приводит к получению неискаженного OTS2 - реального
количества контактов за период времени» [6].
Далее происходит определение структуры аудитории, т.к. для проведения
корректного сравнительного анализа необходимо знать структуру аудитории того
или иного рекламного объекта. «Классический пример - это исследования структуры
аудитории Моргенштернов-серия исследований, проведенных во Франции в 1983 -
1991 годах». Рассмотрим данное исследование подробнее.
Во-первых, нужно отметить, что выборка составила более 100 тысяч человек
в 58 регионах страны. Анкета была посвящена тому, как перемещались респонденты
в течение недели до дня проведения интервью. «Это исследование позволило
получить данные об охвате и частоте просмотра наружной рекламы целевыми
группами». В итоге проведения подобного опроса можно получить данные о
потенциальной аудитории, «на которую окажет воздействие сообщение, размешенное
на рекламной конструкции».
Очень важный показатель медиа-планирования - Gross Rating Point (GRP), т.к. учитывает процентное
отношение величины OTS (эффективной
аудитории) к общему размеру рынка (т.е. численность дееспособного населения
города в возрасте от 18 лет и старше) [20]. Таким образом, GRP - это базовая
величина для оценки аудитории одной рекламной поверхности, чем больше эта
величина, тем эффективнее считается наружная реклама. В свою очередь, сумма GRP
рекламных поверхностей характеризует объем всей рекламной кампании [20]. Но при
этом, очевидно, что в случае использования наружной рекламы, возникают
особенности, не присущие, например, телевизионному рынку. Основная причина
заключается в том, что в зависимости от рынка (с высокой и низкой степенью
вовлеченности), меняется, во-первых, частота смены рекламных сообщений, а
во-вторых, число конкурентов не соотносимо. Если говорить о рекламе именно на
рынке банковских услуг, то реклама здесь меняется не так часто, как, например,
на рынке кофе, потому что предложение услуг на протяжении долго срока остается
одним и тем же, тоже самое касается и числа конкурентов.
Вполне понятно, что наружная реклама не является предметом повышенного
внимания прохожих на улице (если она не сильно выбивается из обще массы), людей
гораздо больше интересуют поток машин, другие прохожие или маршрут, по которому
они движутся. Однако тоже самое можно сказать и о рекламе на телевидение и в
прессе, потому что размещение сообщения в прайм-тайм не является гарантией
повышенного внимания аудитории: мы прекрасно знаем, что во время рекламной
паузы на телевидении мало кто остается на той же программе или просто не идет
«по своим делам», а странице в газете с рекламным объявлением легко пролистать.
Однако ценность данных о пассажиропотоках, собираемых для оценки эффективности
размещенной на улицах города рекламы, состоит в том, что, «в отличие от
аудитории прессы и эфира, они относительно стабильны, подвержены лишь сезонным
колебаниям и могут использоваться многократно для расчета GRP различных
рекламных кампаний» [29].
Основные проблемы, возникающие при оценке эффективности наружной рекламы,
и возможные методы их решения [6] приведены в Таблице 1.
Таблица 1. Проблемы оценки эффективности наружной рекламы и методы их
решения.
|
Проблема
|
Метод решения
|
|
1. Необходимость знания об
интенсивности транспортного потока, т.е. сколько и каких людей могут пройти
и/или проехать мимо рекламной установки.
|
Решение состоит в сборе
информации об объемах и структуре транспортного и пассажирского потоков
города. Обычно используются такие методы, как: подсчет-регистрация; сбор
информации о передвижениях с использованием опросных методов (дневниковые
методы, интервью).
|
|
2. Необходимость знания о
том, какой процент из проезжающих вероятно обратит внимание на рекламную
установку
|
Решается опросом и/или
анализом зависимости различных технических параметров конкретной установки и
уровня запоминаемости. Наиболее часто используемые характеристики: · расстояние от места вероятного просмотра, · угол установки, · отклонение от линии взгляда, · возможные помехи, высота установки, · время
экспонирования.
|
Приведем пример расчета OTS [6].
«Для пешеходов «базовую совокупность признаков» составляют следующие
признаки:
· угол установки 15 градусов,
· возможная длительность визуального контакта 10 сек,
· удаление от зрителя 7 метров,
· отсутствие зрительных препятствий.
Рекламный щит с такими характеристиками обеспечит рекламный контакт с 10%
пешеходов. Для угла установки Щита в 45 градусов к потоку - коэффициент 1.17.
Возможная длительность визуального контакта 15 сек, коэффициент - 1.15.
Удаление от потока - 13 метров - 0.89. Есть прочие визуальные раздражители.
Коэффициент - 0.85 Сложность дорожной ситуации (индивидуальный параметр) -
коэффициент 1.3 (для примера).
В этом случае «число вспомнивших зрителей» для этого рекламного щита
будет равно 0.13, т.е. [0.1 х 1.17 х 1.15 х 0.89 х 0.85 х 1.30].
Следовательно, 13% зрителей в данном потоке (пешеходов) смогут вспомнить
изображение на рекламном щите».
Глава 3.
Регрессионный анализ временных рядов и авторегрессионный анализ
прогнозирование эффективность реклама банковский
В данной главе опишем основные методы анализа, которые будут использоваться
для разработки методологии прогнозирования коммуникационной эффективности для
товаров на рынке с высокой вовлеченностью.
Понятие
временного ряда.
В первую очередь обратимся к понятию временных рядов, как к основе
вышеперечисленных методов анализа данных. «Временной ряд - это
последовательность чисел; его элементы - это значения некоторого протекающего
во времени процесса. Они измерены в последовательные моменты времени, обычно
через равные промежутки» [24]. Безручко и Смирнов [2] отмечают еще одну важную
особенность временного ряда - его дискретность. Причем авторы отмечают, что
дискретность наблюдаемой величины может быть естественной, единственно
возможной, возникнуть в результате приближения или обусловлена выбором способа
наблюдения. В первых двух случаях в качестве примера можно привести курс валют
или прогноз погоды, которые устанавливаются и предсказываются каждый день, или
статистические данные о производстве, которые собираются по годам или
кварталам. В двух последних случаях можно говорить о «непрерывном во времени
изменении положения движущегося тела, которое становится дискретным при его
наблюдении с использованием стробоскопа, или о непрерывном сигнале после его
преобразования с помощью аналого-цифрового преобразователя» [2]. Что касается измерения
значений для временного ряда, то возможно несколько вариантов. Чаще всего их
получают при непосредственной записи значения того или иного процесса через
определенные промежутки времени (например, запись о показаниях термометра через
каждый час за сутки). Другие способы измерения - накопленное значение
наблюдаемой переменной за определенный промежуток времени (сумма всех
посетителей магазина за день), усредненное значение (средняя температура
воздуха за день) и др. [25]
Анализ
временных рядов.
Анализ временных рядов образует самостоятельную область статистика,
потому что исследование временных рядов отличается от других задач анализа
данных (это касается как круга вопросов, интересующих данный вид анализа, так и
применяемых методов) [25].
При изучении временных рядов основными целями ставятся [25]:
. Краткое описание характерных особенностей ряда;
. Подбор статистической модели (моделей), описывающий данный
временной ряд;
. Предсказание будущих значений на основе прошлых наблюдений;
. Управление процессом, порождающий временной ряд.
Стадии анализа временных рядов, которые на практике проходят обычно
последовательно [25]:
. Графическое представление и описание поведения временного ряда.
. Выделение и удаление закономерных составляющих временного ряда,
зависящих от времени: тренда, сезонных и циклических составляющих.
. Выделение и удаление низко- или высокочастотных составляющих
процесса (фильтрация).
. Исследование случайной составляющей временного ряда, оставшейся
после удаления перечисленных выше составляющих.
. Построение (подбор) математической модели для описания случайной
составляющей и проверка ее адекватности.
. Прогнозирование будущего развития процесса, представленного
временным рядом.
. Исследование взаимодействий между различными временными рядами.
Самыми распространенными методами анализа временных рядов, которые
выбираются, исходя из приведенных выше задач, являются [25]:
· корреляционный анализ - позволяет выявить существующие
периодические зависимости и их задержки (лаги) внутри одного процесса
(автокорреляция) или между несколькими процессами (кросскорреляция);
спектральный анализ - позволяет находить периодические и квазипериодические
составляющие временного ряда;
· сглаживание и фильтрация - предназначены для преобразования
временных рядов с целью удаления из них высокочастотных или сезонных колебаний;
· модели авторегрессии и скользящего среднего - применяются при
описании и прогнозировании процессов, проявляющих однородные колебания вокруг
среднего значения;
· прогнозирование - позволяет на основе подобранной модели
поведения временного ряда предсказать его значение в будущем.
Детерминированная
и случайная составляющая временного ряда.
При анализе временного ряда стараются его видимую изменчивость разделить
на две составляющие: закономерную и случайную. Закономерные изменения
подчиняется какому-то правилу, а следовательно, они предсказуемы. «Эта
составляющая xt может быть вычеслена при каждом t как некоторая функция от текущего
момента t. Когда эти параметры неизвестны, их
приходиться оценивать по имеющимся наблюдениям - как, например, бывает в случае
регрессии» [25]. Случайная изменчивость, оставшаяся неизмеренной, хаотична, для
ее описания необходим статистический подход (понятия и методы теории
вероятностей и математической статистики).
При выборе модели детерминированной компоненты, в первую очередь, должны
учитываться содержательные соображения, а именно те объективные факторы и
закономерности, под влияние которых она и формируется. Обычно выделяют три
компоненты детерминированной компоненты: тренд (trt), сезонную компоненту (st) и циклическую компоненту (ct). Для дальнейшего исследования нам необходимо подробнее
рассмотреть все три понятия.
Как пишут Тюрин и Макаров, термины «тренд», «сезонная компонента» и
«циклическая компонента» не имеют общепринятых определений» [25], потому что
все они исторически относятся к разным наукам. Авторы предпочли трактовать
составляющие детерминированной компоненты с точки зрения экономики, а т.к. это
область гуманитарных наук близка к теме нашего исследования, то для нас это
приемлемо.
«Трендом временного ряда trt
при t = 1, …, n, называют плавно изменяющуюся, не циклическую компоненты,
описывающую чистое влияние долговременных факторов, эффект которых сказывается
постепенно» [25].
Примером таких факторов может послужить изменения демографических
характеристик популяции, в том числе рост населения, изменения структуры
возрастного состава и т.п. Такого рода действия происходят не сразу, не за один
короткий отрезок времени, поэтому исследователи могут и предпочитаю описывать
их с помощью гладких кривых.
Что касается сезонной компоненты, то она отражает «присущую миру и
человеческой деятельности повторяемость процессов во времени». Это составляющая
детерминированной компоненты чаще всего служит источником краткосрочных
колебаний временного ряда, поэтому после ее выделения заметно снижается
вариация остальных компонент.
«Сезонная компонента st
временного ряда при t = 1, …, n описывает поведение, изменяющееся
регулярно в течение заданного периода (года, месяца, недели, дня и т.п.) Она
состоит из последовательности почти повторяющихся циклов» [25].
В конце каждого года, перед новогодними праздниками, всегда возрастает
объем продаж, например сувениров или продуктов питания, тоже наблюдается и
накануне начала нового учебного года относительно товаров для школьников.
Главная идея подхода к анализу сезонных компонент сводится к тому, что
проводить сравнения не между всеми значениями временного ряда, а между
значениями через определенный период времени. Например, сравнивать объем продаж
канцтоваров в сентябре за несколько лет между собой, а не за все месяцы одного
года. «Это позволяет заметно снизить оценку вариации временного ряда около
своего среднего значения» [25].
Промежуточное положение между случайной и закономерной составляющими
временного ряда занимает циклическая компонента.
«Циклическая компонента ct
временного ряда описывает длительные периоды относительного подъема и спада.
Она состоит из циклов, которые меняются по амплитуде и протяженности» [25].
Модели тренда.
Ниже рассмотрим наиболее часто используемые при анализе модели трендов.
Простейшая линейная модель имеет следующий вид (несмотря на свою простоту,
данная модель оказывается полезной при решении реальных задач):
trt = b0 + b1*t.
В тех случаях, когда нелинейный характер тренда очевиден, можно
обратиться к одной из следующих моделей [25]:
· полиномиальная: trt = b0 + b1t + b2t2 + … + bntn,
где значение полинома n в
практических задачах редко превышает 5;
· логарифмическая: trt = exp(b0 + b1t), такая модель применяется, когда в
данных прослеживается тенденция постоянного прироста;
· логистическая:
;
· Гомперца: log(trt) = a - b*rt, где 0 < r < 1.
Логистическая модель и модель Гомперца задают кривые тренда S-образной формы, «они соответствуют
процессам с постепенно возрастающими темпами роста в начальной стадии и
постепенно затухающими темпами роста в конце» [25].
Модели
случайной компоненты.
В реальности практически никогда не удается описать какой-либо процесс,
не включая в анализ случайную компоненту, так обычно временной ряд нельзя
описать только детерминированной компонентой, в нем присутствует
нерегулируемая, случайная компонента. Т.к. ее поведение нельзя предсказать
заранее, то для е описания привлекаются понятия из теории вероятностей. «Для
описания нерегулярной компоненты и всего временного ряда в целом используют
понятие случайного (стохастического) процесса или случайной последовательности»
[25]. Ниже приведем некоторые сведения из теории случайных процессов, которые
необходимы для того, чтобы понять процедуры прикладного анализа временных
рядов.
«Случайным процессом X(t), заданном на множестве T, называют функцию от t, значения которой при каждом t Є T является случайной величиной» [25].
«Говорят, что случайный процесс X(t) задан, если для каждого t из T определена функция распределения величины X(t):
Ft(x) = P(X(t)≤x),
Для каждой пары элементов t1, t2 из T определена функция распределения двумерной случайной
величины (X(t1), X(t2))
,
и
вообще для любого конечного числа элементов t1, t2, …
tn из множества T определена n-мерная
функция распределения величины (X(t1), X(t2), …, X(tn))
»
Так
же необходимо отметить, что нормальные (гауссовские) процессы являются
важнейшим классом случайных распределений.
Математически
простейшей моделью случайной компоненты временного ряда является
последовательность независимых случайных величин. С помощью функции
распределения независимость последовательности случайных величин определяется
следующим образом:
«Пусть
Т - множество типа t = 0, 1, 2,…Случайный процесс X(t)
называется последовательностью независимо распределенных случайных величин,
если для любых наборов числен t1, t2,…, tn
»
Из
этого следует, что для последовательности независимых случайных величин все ее
конечномерные распределения определяются с помощью одномерных распределений.
Белый
шум.
«Белым
шумом называют временной ряд (случайный процесс) с нулевым средним, если
составляющие его случайные величины X(t) независимы и
распределены одинаково (при всех t)».
В
определение белого шума часто включается предположение о нормальности
распределения, другими словами гауссовским белым шумом будет являться
последовательность независимых нормально распределенных случайных величин со
средним 0 и общей дисперсией σ2.
Процессы
скользящего среднего.
Перейдем
к рассмотрению процессов скользящего среднего, для этого в литературе часто
используется аббревиатура MA (moving average).
Пусть
ε1,
ε2,…, εn,… - независимые одинаково распределенные случайные
величины (белый шум).
«Процессом
скользящего среднего (первого порядка) со средним µ называется процесс X(t):
X(t) = εt + θεt-1 +
µ,
где
θ - некоторый числовой коэффициент, а µ - константа».
Авторегрессия.
Рассмотрим
процесс X(t), значения которого в момент времени t
формируется как комбинация значений этого процесса в предшествующий момент (t-1)
и некоторой случайной компонентой εt, независимой от значения X(t-1).
Таким образом, модель, описывающая этот процесс, называется авторегрессонной,
главным предположение которой является сильная корреляция значения временного
ряда в определенный момент времени как с предыдущим, так и с последующим
значением этого временного ряда. «Процессом авторегрессии (первого порядка) со
средним значением µ называют случайный процесс X(t),
удовлетворяющий соотношению:
,
где
φ и µ - некоторые числа».
Модель
авторегрессии первого порядка оценивает степень зависимости между
последовательными значениями временного ряда.
Для
обозначения процессов авторегрессии употребляют аббревиатуру AR - autoregression.
Члены
процесса авторегрессии, разделенные промежутками времени h>0,
не становятся независимыми, как бы ни было велико h. Однако
зависимость между ними быстро убывает с ростом h, если |φ| < 1.
Что
касается процесса авторегресии второго порядка, то можно сказать, что модель
обладает большей памятью, чем процесс первого порядка. Другими словами, текущее
значение процесса в момент времени t формируется как линейная
комбинация его значений в предыдущие моменты времени (t-1) и (t-2)
и независимой от них случайной величины εt (белый шум).
В
общем виде данные модно описать с помощью процесса авторегрессии, т.е.
авторегрессия порядка p, если выполняется соотношение:
X(t) - µ =
φ1(X(t-1) - µ) + φ2(X(t-2) - µ) + … + φp(X(t-p) - µ) + εt
Стационарность.
И
в теоретических исследованиях, и при решении практических задач важная роль
отводится последовательности случайных величин, вероятностные свойства которых
не изменяются во времени. Такие случайные последовательности принято называть
стационарными и их используют при описании временных рядов, течение которых
стабилизировалось и происходит в неизменных условиях.
«Случайный
процесс X(t) называется стационарным, если для любых n, t1, t2,
…, tn и τ распределения
случайных величин (X(t1), …, X(tn)) и (X(tn+ τ)) одинаковы».
Следовательно,
функции конечных распределений
не
меняются при сдвиге времени, т.е.
ARIMA-модель.
Практически
наиболее эффективный подход состоит в том, чтобы соединить модели скользящего
среднего порядка и модель авторегрессии. Таким образом, получается модель ARIMA,
которая соединяет в себе уже известные нам аббревиатуры AR и MA.
«Случайный
процесс X(t) называется процессом авторегрессии-скользящего
среднего порядков p и q соответственно, если для него выполняется
соотношение:
,
где
εt - процесс белого шума, Мεt=0, Dεt = σ2».
ARIMA-модели
имеют три главных параметра: p - порядок компонентов в авторегрессии, d -
число различий, необходимое для того, чтобы избавиться от цикличности во
временном ряду и q - порядок компонентов в процессе скользящего среднего
[32].
Методика
построения ARIMA-модели по временному ряду.
Подход,
предложенный Боксом и Дженкинсом, схематично можно изобразить следующим образом
(График 3).
Первый
этап моделирования заключается в выборе (постулировании) общего класса моделей.
В данном случае рассматривается класс ARIMA-моделей.
Второй
этап - идентификация пробной модели, под которой понимают определение подкласса
модели, наиболее подходящего для описание этой модели (в данном случае можно
говорить о выборе конкретных значений для p и q).
Третий
этап - оценивание (подгонка) параметров пробной модели. На основе наблюдаемых
данных с помощью специальных численных процедур оцениваются значения параметров
θ1,
θ2, …, θq, φ1,
φ2, …, φp, σ2 и µ. Значение параметров вычисляются по методу
максимального правдоподобия, который приводит к нелинейному методу наименьших
квадратов.
Четвертый
этап - диагностическая проверка модели, которая подразумевает под собой
выявление или невыявление свойств, противоречащих построению модели. Если
проверка показала, что модель неадекватно отражает наблюдаемые данные, то,
возможно, что нам необходимо вернуться опять на этап оценивания и применять уже
другую численную процедуру. Так же можно вернуться на второй этап и попробовать
определить другой подкласс моделей. Если же не тот, ни другой вариант не
приводят к успеху, то выбранный общий класс ARIMA-моделей не
подходит для описания наблюдаемого процесса.
Глава 4.
Разработка методологии для коммуникационной эффективности рекламы
4.1
Переменные модели прогнозирования коммуникационной эффективности рекламы
Итак, обратимся к показателям, которые лягут в основу разработки
методологии для прогнозирования коммуникационной эффективности рекламы на
рынках с высокой степенью вовлеченности:
. Спонтанное знание банка
. Спонтанное знание рекламы банка
. Подсказанное знание банка
. Подсказанное знание рекламы банка
. Основной канал распределения рекламы (по банкам)
. Интерес к банку
. Лояльность к банку, предпочтение одного банка всем остальным
. Основные причины отказа от услуг банка (анти-лояльность)
. Отношение к банку
Нам необходимо понять, какие изменения в перечисленных выше показателях
мы можем все-таки считать эффективностью наружной рекламы. К примеру, мы можем
взять переменную спонтанного знания рекламы и предположить, что если ее
значения начинают увеличиваться, то, возможно, проведенная рекламная кампания
была эффективной.
Однако для некоторых показателей из списка мы предлагаем использовать уже
проверенные на практике утверждения. Это будет касаться подсказанного знания
рекламы для товаров на рынках с высокой степенью вовлеченности (напомним, что
связано это с тем, что чем больше времени, сил - моральных и физических -
человеку нужно затратить на выбор и совершение покупки, тем меньше спонтанности
в его поступках, и следовательно в ответах). Аналогичная ситуация и с
подсказанным знанием рекламы продукции.
Что касается интереса к банку, то как мы уже упоминали выше (см. Главу 2)
для рынков с высокой степенью вовлеченности отношение к марке (в нашем случае
это банк) формируется исходя из оценки рекламы и интересу к марке, что в свою
очередь влияет на намерение покупки. Мы считаем, что при дальнейшем анализе
нужно будет использовать эту схему (см. График 2).
4.2
Структура данных
В данной работе будет использоваться данные трекинговых исследований о
здоровье бренда и рекламы. Всего будет анализироваться 8 волн (исследование
проводилось ежемесячно). Данные являются собственностью компании «Радар».
Во всех 8 волнах в выборках отобраны крупные города Уральского
федерального округа, мужчины и женщины старше 18 лет в равной пропорции.
Выборка была распределена таким образом, что в каждой волне было опрошено 300
человек.
Из нескольких баз данных будет создана рабочая база данных с
агрегированными данными. Под агрегированными данными в данной работе будут
пониматься процентные распределения основных показателей успеха наружной
рекламы (подсказанное знание банка, подсказанное знание рекламы, желание воспользоваться
услугами банка и т.п.)
Что касается формы вопросов, то практически все были заданы в
дихотомической форме относительно каждого банка, который был назван
респондентом в вопросе о знании банка (т.е. подсказанное знание). Например,
«Планируете ли вы в будущем воспользоваться услугами Банка1?», и т.д.
4.3
Характер взаимосвязей между переменными модели прогнозирования коммуникационной
эффективности рекламы
Итак, приступая к анализу агрегированной базы данных, в первую очередь,
посмотрим, действительно ли делать выводы по подсказанному знанию для рынков с
высокой степенью вовлеченности лучше, чем по спонтанному знанию. Для этого
просто построим графики знания (спонтанного и подсказанного, в процентном
соотношении) для одного из популярных в Уральском ФО банков.
Как видим, показатели существенно различаются: если спонтанное знание
колеблется в проделах 20%, то подсказано намного выше и находится в промежутке
от 60% до 100% (т.е. такое количество опрошенных сказали, что они знают о
существовании Банка №1).
Далее проверим наличие связи между некоторыми показателями. Посмотрим,
есть ли связь между:
. знанием банка и желанием воспользоваться его услугами;
. знанием банка и лояльностью к нему;
. тем, является ли человек клиентом данного банка и лояльностью к
банку.
Для этого проверим наличие связи с помощью коэффициента Пирсона (т.к.
переменные в данном случае можно считать интервальными). Как видно из таблиц
(см. Таблицы 2-5, Приложение 1) все из выше перечисленных зависимостей можно
считать значимыми (в целом, на уровне 90%), что говорит о том, что чем выше
знание банка и его рекламы, тем выше желание воспользоваться предоставляемыми
банком услугами, и чем выше уровень знания банка и рекламы, тем выше уровень
лояльности. Другими словами, с ростом знания у людей возникает желание
воспользоваться услугами банка, т.е. чем больше людей знает и интересуется
услугами банка, тем выше вероятность того, что они воспользуются его услугами в
скором времени. Так же можно принять гипотезу о том, что если человек является
клиентом Банка №1, то его лояльность к нему высокая (Таблица 5, Приложение 1).
На Графике 4 можно увидеть определенную закономерность в изменениях
кривых основных показателей, выбранных нами для анализа эффективности. С первой
по третью волны у всех показателей наблюдается рост (третья волна - пик для
всех показателей, кроме «желания воспользоваться услугами банка в будущем», для
него пик приходится на пятую волну), далее - довольно плавный спад.
И если мы обратимся к Графику 5, на котором показана динамика изменения
процента людей, ответивших, что видели наружную рекламу Банка №1, то сможем
увидеть, что на третью волну там тоже приходится пик, однако потом показатель
резко падает. Это объясняется, скорее всего, запуском новой рекламной кампании,
которая пришлась на период после проведения опроса для второй волны.
Однако проблема заключается в том, что постоянной медиа-активности для
компаний, основным каналом распределения для которых является наружная реклама,
нет. В этом как раз и заключается одно из ключевых различий между схемами
оценки эффективности рекламы для рынков товаров и услуг с разной степенью
вовлеченности. Для оценки, например, телевизионной рекламы исследователю
необходимо знать, когда реклама была в эфире и как долго ее помнили (для любого
рынка товаров с низкой степенью вовлеченности). Для рынка же банковского же
рынка наблюдается иная ситуация, т.к. содержание наружной рекламы не меняется
также часто, как телевизионной, и кроме того, она не может в такой же степени
надоесть, т.к. человек.
4.4 Прогнозирование изменения основных параметров
коммуникативной эффективности наружной рекламы
Далее перейдем к анализу временных рядов основных показателей в модели
(все графики и расчеты приведены в Приложении 2). Сначала нам необходимо
построить графики временных рядов для каждой из переменных (подсказанное знание
банка, подсказанное знание рекламы, спонтанное знание банка, желание
воспользоваться услугами банка, нежелание пользоваться услугами банка и доверие
банку).
Уже исходя из построенной кривой, мы можем примерно представлять, какого
рода регрессия может лучше описывать наблюдаемые данные. Однако лучше
посмотреть на коэффициент детерминации R2 и на уровень значимости. Например, для описания показателя
«подсказанное знание о банке», была выбрана линейная регрессия, т.к. она
объясняет примерно 42% общей вариации данных, а полученные коэффициенты модели
значимы отличаются от нуля.
Дальнейший анализ модели связан с исследование остатков. Во-первых, нужно
определить, можно ли считать остатки некоррелированными, а во-вторых,
посмотреть насколько их распределение отличается от нормального. В первом
случае нам понадобиться вычисление автокорреляционной функции, из графика
которой (для всех важных для нас переменных) можно понять, что нет основания
считать остатки коррелированными, так как полученные оценки лежат внутри
полученного доверительного интервала для нулевых значений автокорреляционной
функции. Во-вторых, для проверки распределения остатков на нормальность,
необходимо провести тест Колмогорова-Смирнова. Так как у нас небольшой ряд
дынных, собранный всего за 8 периодов, то точного нормального распределения мы
получить не сможем, однако мы пытаемся выяснить насколько сильно распределение
остатков отличается от нормального. Если отклонения невелики, то полученные
выводы можно считать достаточно надежными. Отклонение от нормального считается,
если уровень значимости будет меньше 0,05. В нашем случае тесты по всем
переменным показали, что остатки распределены нормально, так как уровень
значимости приближается к 1, а следовательно значения остатков по всем
переменным хорошо подчиняются нормальному распределению.
Литература
1. Амблер Т., Вакратсас Д. Как работает реклама: что нам
известно об этом в действительности?// Маркетинг и маркетинговые исследования в
России. 2001. № 6, стр. 53-70.
2. Безручко Б.П., Смирнов Д.А. Статистическое
моделирования по временным рядам. Учебно-методическое пособие, - Саратов:
Издательство ГосУНЦ «Колледж» ,2000 - 23 с.
. Бокс Дж., Дженкинс Т. «Анализ временных рядов.
Прогноз и управление», М.: Мир, 1974, 242 с.
4. Гаврилов, Д. А. Оценка эффективности банковской рекламы
// Маркетинг в России и за рубежом. 2006. № 4 (54). С. 130 - 135.
. Дука О.С Анализ доходности и волатильности финансовых
активов с использованием моделей ARIMA-(E)GARCH и ARFIMA-FIGARCH // xaoc.ru. Апрель 2007
6. Загуменов А.Н. Исследование эффективности наружной
рекламы. / Россия и социальные изменения в социальном мире. М.: - МАКС Пресс,
2004, URL: <http://lib.socio.msu.ru/l/library?e=d-000-00---0lomon--00-0-0-0prompt-10---4------0-1l--1-ru-50---20-about---00031-001-1-0windowsZz-1251-00&a=d&c=lomon&cl=CL1&d=HASH69aeaf36a57a3dd463e9cd.20>.
. Жемелинский И. Об определении эффективности
рекламной кампании // Реклама. Теория и практика. 2004. №5, стр. 33-39.
. Казачков П. А. Моделирование эффекта рекламы.
Практические аспекты // Маркетинг и маркетинговые исследования. 2004. №2, стр.
23-30.
. Калачев М. Методы прогнозирования: модели анализа
временных рядов и как это может пригодиться в сумасшедшем мире // grossu.ru. 2008.
. Канторович Г.Г. Анализ временных рядов. Лекционные и
методические материалы // Экономический журнал ВШЭ. 2002. № 1- 4.
. Красовский Б.П. Некоторые социально-психологические
аспекты рекламы // Социологические исследования. 1996. № 10, стр. 124-127.
. Крыштановский А.О. Методы анализа временных рядов.
// Мониторинг общественного мнения. 2000. №2 (46), стр. 44 - 50.
13. Кутлалиев А, Попов А. Что можно считать успехом рекламы?
// Реклама. Теория и практика. 2005. №1. Стр. 30-38.
14. Кутлалиев А., Попов А. Эффективность рекламы: 2-е
издание. - М.: Изд-во Эксмо, 2006.
. Кэтлин М. Определение составляющих эффективной
рекламы услуг // Маркетинг услуг. 2009. № 2, стр. 82-97.
. Матюшкин В.С. Модели потребителя в рекламе //
Реклама. Теория и практика. 2007. №5. Стр.330-341.
. Мертон Р. Социальная теория и социальная структура
/- М.: АТС: АТС МОСКВА: ХРАНИТЕЛЬ, 2006. - 873, [7] с.
. Мокров А.В. Прогнозирование эффективности рекламной
компании, Энциклопедия маркетинга, URL:
<http://www.marketing.spb.ru/lib-comm/advert/response_online.htm>, дата
публикации 24.10.2006
19. Морокова Ю.Б. Разработка методологии для прогнозирования
коммуникационной эффективности рекламы по данным трекинговых исследований (рукопись).
20. Оценка эффективности наружной рекламы,
«Эспар-Аналитик» и «Outdoor.ru -
Наружная реклама», URL:
<http://www.advesti.ru/publish/narujka/290405_ocenka>
. Пакова О. Н., Пушечкина К. В.Оценка эффективности
рекламной кампании банка // Сборник научных трудов СевКавГТУ. Серия
«Экономика». 2010. № 10.
22. Перевезенцева А.В. Возможности использования рекламы на
мониторах для продвижения банковских услуг // Маркетинг услуг. 2005. №2, стр.
22-28.
23. Росситер Дж.Р., Перси Л. Реклама и продвижение
товаров / Пер. с англ. М.Бугаев и др.; Под ред. Л.А.Волковой. - 2-е изд. - СПб.
и др.: Питер, 2001.
. Рыбакова Е. Оценка эффективности маркетинговых
коммуникаций: что и как измерять? // Маркетинговые коммуникации. 2004. №6, стр.
31-36.
25. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на
компьютере / Под ред. В.Э. Фигурнова - М.: ИНФРА - М. 1998. - 528 с., стр. 346
. Федотова Л.Н. Реклама в обществе: каков эффект? //
Социологические исследования. 1996. № 10. С. 71-76
. Фурсов М. ROI как инструмент оценки эффективности рекламных кампаний // Реклама.
Теория и практика. 2005. №4. Стр. 20-22.
28. Шипицин А. Маркетинг-триллер: пре-тесты рекламы //
Маркетинг Менеждмент, URL:
<http://market-mag.ru/about/autor/3/48>
. Ширков Ю. Измерение эффективности наружной рекламы.
Практический маркетинг, №12, Декабрь 1997, сс.18-19, URL:
<http://www.advance-mr.ru/articles/shirkov/effect.htm>.
30. Clinton J., Owen A. An Experimental
Investigation of Advertising Effectiveness: Is Impact in the Eye of the
Beholder? // Paper presented at the annual meeting of the Southern Political
Science Association, Jan 05, 2006. URL:
<http://www.allacademic.com//meta/p_mla_apa_research_citation/0/6/8/6/0/pages68608/p68608-1.php>.
31. Thomas Martin R. Insurance Advertising
Effectiveness // LIMRA's MarketFacts Quarterly; Spring 2007; 26, 2; ABI/INFORM
Global, pg. 20
32. Wayne F. Velicer, Suzanne M. Colby A
Comparison of Missing-Data Procedures for Arima Time-Series Analysis,
Educational and Psychological Measurement 2005; 65; p. 598
. Wilmshurts John, Mackay Adrian The
fundamentals of advertising, 1999, ch.16 Measuring advertising effectiveness I:
theories of how advertising works