Een nieuwe benchmark voor herkenning van radioreclame

Een eerste stap om te bepalen of een reclamecampagne invloed heeft op consumentengedrag is onderzoeken of de commerciële uiting erin slaagt om te beklijven bij de consument. Kunnen consumenten de verschillende radiocommercials herkennen, ook nadat de campagne is afgelopen? Zelfs als een consument een uitgezonden commercial heeft gehoord is dat geen garantie dat de uiting ook daadwerkelijk wordt geregistreerd en herkend omdat vele adverteerders strijden om aandacht. Herkenning is daarom een belangrijke graadmeter voor een succesvolle campagne en daarvoor is een goede benchmark voor herkenning van radiocampagnes nodig als indicatie voor het boven- of of ondermaats presteren. 

Het NMO Luisteronderzoek levert de 'currency' op basis waarvan we luisteraandelen van radiostations berekenen, reclamecampagnes inplannen en uitdrukken in gerealiseerde mediadruk (aantal GRP’s ). Sinds dit jaar meten we het luistergedrag op een andere manier en dit levert andere luistercijfers en GRP’s op. Voorheen gebeurde het meten van luisteren naar radiozenders via het invullen van radiologs. De nieuwe luistercijfers meten via een smartphone-app, die zonder dat je het opmerkt het luistergedrag via audiomatching op alle apparaten en platformen monitort. 

Omdat er geen universele en consistente regel bestaat om GRP’s om te zetten van 'oude' naar 'nieuwe' waarden, besloot DVJ inisghts om een nieuwe benchmark te ontwikkelen. De benchmark is gebaseerd op het percentage reclameherkenning door consumenten bij een bepaalde mediadruk gedurende een 4-weekse campagne.

Hoe verhoudt de nieuwe benchmark zich tot de oude? Onderstaande grafiek laat het oude en het nieuwe benchmark model zien met de verwachte herkenningsscores voor de verschillende GRP-aantallen na een campagne van vier weken.

Bij elke hoeveelheid GRP’s voorspellen we een hogere herkenningsscore onder het nieuwe benchmarkmodel. Dit is volgens verwachting, omdat een bepaald aantal GRP's zich vertaalt in een hogere mediadruk bij de nieuwe methodiek van het meten van luistergedrag. Zo zou een radiocommercial met een gemiddeld aantal GRP's (350, volgens het nieuwe luisteronderzoek via de smartphone-app) aan het einde van de campagne naar verwachting door 24,7% van de consumenten worden herkend volgens het nieuwe benchmarkmodel. Onder het oude benchmarkmodel zou exact dezelfde herkenningsscore zijn behaald met 771 GRP's (volgens het oude luisteronderzoek via radiologs).

Dit komt neer op een GRP-verhouding van 2,2, wat betekent dat er met de nieuwe methodiek 2,2 keer minder GRPs nodig zijn om dezelfde herkenninsgscores te realiseren. 

Voor het ontwikkelen van deze nieuwe benchmark, werkte DVJ Insights samen met Audify, de marketingorganisatie voor alle makers en gebruikers van audio. Gedurende een aantal weken leverden zij radiocommercials die in één van de weken van de onderzoeksperiode voor het eerst 'live' gingen. Deze radiocommercials zijn vervolgens meegenomen in een online vragenlijst, die wekelijks is uitgestuurd, waarin de bekendheid met de commercials werd gemeten na het beluisteren ervan. In totaal zijn 36 radiocommercials onderzocht op herkenning in de periode van vier tot zes weken in verschillende productcategorieën waaronder auto's, dienstverlening, energie, fastfood, FMCG, retail en telecom. De steekproef was minimaal 100 respondenten per commercial per week. 

Audify leverde de wekelijkse gerealiseerde aantal GRP’s per campagne aan, uiteraard gebaseerd op de nieuwe manier van meten door registratie via de app. Samen met de wekelijkse herkenningsscores die we uit het onderzoek verkregen, kan deze data gebruikt worden om, mede op basis van regressiemodellen, te meten en te voorspellen of een commercial boven- of ondermaats presteert op het gebied van herkenning, rekening houdend met het daadwerkelijke aantal GRP’s dat is ingezet.

De drie belangrijkste onderliggende principes achter het regressiemodel zijn:

1. 'Decay'-effect: Om rekening te houden met het feit dat wekelijkse commercial- herkenning wordt bepaald door de mediadruk in die week, maar óók door wat consumenten zich herinneren door de GRP's in voorgaande weken, is  het model zo opgezet dat (een deel van) de GRP's van voorgaande weken wordt 'overgeheveld' naar volgende weken.
2. Afnemende meeropbrengsten: Er is uitgegaan van 'afnemende meeropbrengsten' van het aantal GRP’s in een campagne. Dat wil zeggen, hoe hoger het aantal GRP’s dat is ingezet, hoe meer de additionele GRP’s zullen leiden tot een hogere contactfrequentie en dus minder zullen toevoegen aan het aantal bereikte personen. Het effect van deze aanvullende GRP's op de herkenningspercentages zal daardoor kleiner worden.
3. Variatie in creatieve kracht: De commercials in de dataset verschillen in 'GRP-rendement’. Dit betekent de impact van elke GRP op de uiteindelijke herkenning. Dit is van belang om een ​​GRP-afhankelijke benchmark te verkrijgen, omdat het ons in staat stelt onderscheid te maken tussen advertenties die meer of minder uit hun GRP’s halen met betrekking tot commercialherkenning door de creatieve kracht van de commercial.

Hier lees je exact hoe het model werkt. 

Als je op de hoogte gehouden wil worden van nieuw onderzoek vertaald in artikelen, blogs, interviews en case studies, check dan regelmatig het DVJ kenniscentrum of schrijf je in voor de maandelijkse nieuwsbrief.