5 вопросов по эффективности наружной рекламы

Надежные и достоверные данные жизненно необходимы для каждой компании. Чем выше качество данных, тем легче принимать правильные и оптимальные решения по развитию вашего бизнеса. Данная аксиома верна для всех областей деятельности, в том числе и для наружной рекламы. Эффективные бизнес решения в сфере наружной рекламы должны приниматься на основе достоверных данных, а для получения достоверных данных необходима надежная методика непрерывного их сбора.

Так исторически сложилось, что наружная реклама уступает в этом плане другим рекламным средствам, и в этой сфере решения в основном принимаются на основе показателя известного под названием расчетное базовое количество просмотров. Но в течение последних 5 лет ситуация коренным образом изменилась. Новые источники и новые методы анализа больших данных привели к появлению множества новых техник оценки результатов рекламной кампании наружной рекламы, или измерения эффективности воздействия на аудиторию определенного рекламного места.

Вместе с нашими специалистами по обработке больших данных мы составили список из пяти основных вопросов, которые вы должны задать себе, если хотите создать надежную схему анализа эффективности наружной рекламы. Задумайтесь над тем, как правильная методика может помочь вам в разрешении данных вопросов. Это поможет вам определить достоверность и надежность полученных данных.

Вопрос 1: Насколько точно поставлены задачи вашего бизнеса?

Это легкий вопрос, но эффективность всех остальных действий зависит именно от четкого определения ваших задач. Ваши цели и КПД напрямую определяют тип данных, который вам необходимо собрать.

Представьте, что вы делаете заказ в кофейне и говорите баристе: «Мне, пожалуйста, горячий напиток». В чашке, которую вам подадут, может оказаться все что угодно, от сладкого чая до бодрящего латте с десятью шотами эспрессо или простого кипятка. Несчастному баристе приходится угадывать, чего именно вы хотите. И вероятность того, что в результате вам подадут не то, что вы хотели, очень высока. Именно так происходит, когда компании делают обобщенные запросы на сбор данных. Специалистам приходится гадать, что конкретно они хотят знать – количество людей, увидевших рекламу, количество машин, проехавших мимо, или какое количество раз реклама показывалась в час пик.

Если вы хотите средний латте с цельным молоком и тремя ложками орехового сиропа, так и скажите об этом баристе. В наружной рекламе то же самое. Не важно, хотите ли вы увеличить количество загрузок приложения среди миллениалов, или распространить купоны среди матерей-домохозяек, или узнать количество мужчин среднего возраста, которые посетили спорт-бар после того, как увидели вашу рекламу.

Получение достоверных данных начинается с определения конкретных задач и КПД, которые точно определяют, что будет считаться результатом.

Вопрос 2: Насколько реалистичны ваши ожидания?

Когда кампания наружной рекламы запущена, команда готова к действию, а вы уже находитесь в ожидании неимоверной отдачи от ваших вложений. Но этот энтузиазм в отношении результатов кампании зачастую негативно сказывается на результатах оценки ее эффективности, так как любое даже небольшое увеличение продаж сразу списывается на счет кампании.

Представьте, что дизайнер одежды зафиксировал рост продаж на 27% в течение первых двух недель кампании наружной рекламы. Есть соблазн списать этот успех на счет наружной рекламы, но это также может быть вызвано тем, что какая-нибудь знаменитость надела на премьеру наряд от этого дизайнера. Точно так же, увеличение посетителей в ресторане с открытым патио и красивым видом может быть результатом рекламы, размещенной на остановках, или может быть связано с необычно теплой весенней погодой.

Исследование должно начинаться с предположения, что кампания не произвела никакого эффекта. Любые зафиксированные данные должны быть проанализированы с учетом контекста и с исключением любых других возможных источников роста продаж. Когда эти контекстные переменные вынесены из уравнения, остаются только достоверные данные, которые с высокой точностью можно отнести на счет кампании наружной рекламы.

Правильная методика сбора данных начинается с научного подхода, который направлен на получение фактических результатов, а не результатов, которые вам хотелось бы увидеть.

Вопрос 3: Достаточно ли полны и «чисты» ваши данные?

За последние несколько лет значительный рост числа источников данных сделал процесс сбора невообразимого количества данных в разы легче. Можно долго радоваться сотням тысяч гигабайтов собранных данных, но большой объем ничего не значит, если данные не объективны или не точны.

Все мы видели достаточно сериалов и фильмов про полицейских и адвокатах по телевизору или в кино, чтобы понимать как работает система охраны вещественных доказательств и насколько она важна. Дело не заведешь на основе отпечатка пальца, который был затерт отпечатками пальцев двадцати других людей или их собственными отпечатками. То же самое применимо и к вашим данным. Вам необходимо точно знать происхождение ваших данных, или систему обеспечения их сохранности в первозданном виде, если вы собираетесь принимать стратегические бизнес-решения на их основе. 

Почти все данные, которые вы соберете, будут каким-либо образом модифицированы или обработаны, даже если речь идет о простой фрагментации идентификационных данных. Чтобы обеспечить точность данных, вам необходимо подобраться как можно ближе к их первоисточнику. В то же время вашей команде необходимо знать исходный источник данных, каким образом данные были собраны, и что именно происходило с данными до того момента, как они попали к вам в руки. 

Если вам нужны достоверные данные, то вам следует добавить пункт о надежных источниках и проверке происхождения данных в методику сбора.

Вопрос 4: Учитываете ли вы пространственную автокорреляцию?

Корреляция – это явление, когда две точки данных взаимосвязаны и изменяются одновременно друг с другом. Если такие точки вывести на график, то между ними будет видна четкая закономерность, положительная или отрицательная. Например, продажи мороженого могут возрасти с повышением температуры воздуха, и при выведении их на график будет наблюдаться положительная закономерность, между тем, сколько мороженого люди покупают, и тем насколько жарко на улице.

Применяя эту концепцию, мы можем рассматривать географическую карту как график, который отражает место расположения, а каждая точка данных соответствует местонахождению какого-либо человека в определенный момент времени. Пространственная автокорреляция используется для составления схемы, показывающей взаимосвязанность передвижений относительно времени и траектории. В качестве примера представьте группу из сотни автомобилей на шоссе, которое является главным способом добраться до центра города. Если у вас есть данные о точках местонахождения этих автомобилей в каждые десять минут, то вы можете заключить, что они последовательно перемещались от одной точки к другой. Пространственная автокорреляция измеряет взаимосвязь таких маршрутов, чтобы определить их влияние в рамках массивов собранных данных.

При оценке эффективности наружной рекламы пространственная автокорреляция играет очень важную роль, так как она помогает удалить ошибочно положительные данные из уравнения. Вернемся к нашему примеру про шоссе. Если рядом с шоссе установлен билборд, рекламирующий некий магазин в центре города, то данные, собранные магазином, могут показывать количество автомобилей, проехавших мимо билборда, и затем остановившихся в радиусе полумили от магазина. Хочется списать это на успешное воздействие наружной рекламы, но пространственная корреляция говорит нам, что, скорее всего, владельцы этих автомобилей и просто направлялись в центр города.

Пространственная автокорреляция должна быть обязательно в методику сбора, чтобы обеспечить получение фактических актуальных данных.

Вопрос 5: Какую в действительности информацию предоставляет вам ваша модель анализа?

В области анализа больших данных бытует легенда об одной военной разработке, проводившейся в те времена, когда «машинное обучение» только зарождалось. Она гласит, что военные написали программу для распознавания танков на аэроснимках. После обучения программы, они получили 100% результаты во время тестирования, но при применении на практике программа не работала. Просматривая результаты тестов, они заметили, что все фотографии с танками, использовавшиеся для тестирования, были сделаны в солнечные дни, в то время как фотографии без танков были сделаны в облачные дни. То есть их модель показывала не наличие танков на фотографиях, а наличие на них облаков.

Вспомните эту историю, когда будете создавать собственную модель анализа. Действительно ли вы измеряете количество людей, увидевших вашу рекламу и в результате загрузивших ваше приложение, или же вы измеряете количество пассажиров общественного транспорта, загрузивших ваше приложение? Если ваша методика построена верно, то она сопоставит данные соответствующим образом, чтобы отделить простых пассажиров от тех, кто действительно попал под воздействие вашей наружной рекламы.

Кроме того, вам необходимо определить точность вашей модели анализа. Точность, как правило, - это процент допустимой погрешности, также известный под названием р-значение. Стандартная приемлемая погрешность в сфере больших данных составляет 5%, но конечно, чем меньше, тем лучше.

Убедитесь, что разработанная вами модель анализирует именно те параметры, которые вам нужны, и делает это с наименьшей возможной погрешностью.

С правильно построенной методикой вы можете достичь небывалых высот!

Разработка надежной методики анализа требует долгой и кропотливой работы, но она стоит того. Когда у вас будут достоверные данные об эффективности наружной рекламы, вы сможете вносить улучшения в будущие рекламные кампании или разрабатывать меры по увеличению воздействия на аудиторию какого-либо конкретного рекламного места. И каждый раз по мере заливания все большего количества данных в вашу модель анализа, она будет становиться все надежнее и достовернее. В результате вы получите более эффективные рекламные кампании наружной рекламы, более точные результаты КПД для каждого размещения и большую отдачу от ваших вложений, которая с течением временем будет только расти.

Начните вкладывать время и силы в разработку надежных схем анализа уже сегодня для получения высококачественных данных, так необходимых для роста и процветания вашего бизнеса.