83% van de CEO's ziet marketing als motor voor groei. Toch wijst 45% van de CFO's marketingbudget alsnog af, niet omdat ze het belang niet zien, maar omdat de cijfermatige onderbouwing er nog te weinig bij zit. Tegenwoordig bestaat een complete Media Effectiveness Measurement strategie uit verschillende componenten die samen de business impact van jouw marketing inzichtelijk maken.
Waarom attributie niet het hele verhaal vertelt
Vijf tot tien jaar geleden was het overzichtelijker: Google Analytics, een attributiemodel, percentages verdelen over touchpoints, klaar. Vandaag kan dat niet meer. Meer touchpoints, complexere customer journeys, meer databronnen die niet met elkaar praten en GDPR die extra blinde vlekken opleveren. Zoals statisticus George E.P. Box ooit zei: alle modellen zijn fout, de werkelijkheid is te complex om volledig te vatten. Dat is geen vrijbrief om maar wat te roepen, het betekent dat een model niet perfect hoeft te zijn om je wel de juiste kant op te sturen.
De heilige drie-eenheid: attributie, incrementality testing en Media Mix Modelling
Tijdens onze klantendag lieten Frank Dalhuisen (Managing Director Intelligence) en Karel Zoet (Strategy Director) aan de hand van drie cases zien hoe deze drie methodes zich tot elkaar verhouden.
- Attributie meet alle tracked digitale touchpoints en probeert te herleiden waar een conversie vandaan komt. Primair digitaal, performance-gericht, korte feedback loop.
- Media Mix Modelling legt alle input naast elkaar: advertising-inzet, offline activiteit, concurrentie, macro-economische ontwikkelingen, sales en merkbekendheid. Met genoeg frequentie en een lange historie laat dat zien welke inzet voor welk resultataat heeft gezorgd. Complexer, duurt langer, maar wel rijk aan inzicht.
- Incrementality testing toetst wat een model voorspelt door een deel van de doelgroep bloot te stellen aan een nieuwe marketing ‘behandeling’, terwijl een ander deel als controlegroep dient.
Benieuwd naar de volledige sessie? Bekijk hier de webinar.
Case 1: attributie bij een fashionklant
Een fashionklant wilde weten welk kanaal nou echt bijdroeg aan de omzet, om budget slimmer te kunnen verdelen, en Abovomaxlead zette daarvoor Billy Grace in. Een platform dat alle contactmomenten met een klant combineert tot een duidelijk beeld. Daaruit bleek dat advertenties die vooral naamsbekendheid opbouwen, zoals video's en posts op social media, veel te weinig waardering kregen in het oude model. Het advies was dan ook om budget te verschuiven van Google naar Meta en tussen campagnes onderling. Dat leverde met hetzelfde budget 13% meer rendement op en 75.000 euro extra omzet, binnen 3 tot 6 maanden.
Case 2: incrementality testing bij een bouwklant
Bij een klant in de bouwsector wilde Abovomaxlead weten wat de echte impact van paid search was en of organisch verkeer die rol kon overnemen. Daarvoor werd Nederland opgesplitst in twee vergelijkbare gebieden: in het testgebied ging branded paid search vijf weken uit, het controlegebied bleef ongewijzigd. Op de korte termijn nam organisch verkeer de rol van paid search vrijwel volledig over, met een stijging van 12% in organisch verkeer tegenover een daling van 6% in paid search verkeer. Dit bespaarde de klant 8% van het totale Paid Search budget zonder dat hiervoor significante performance werd ingeleverd.Wel een kanttekening: dit is een kortetermijnresultaat, dat moet je periodiek opnieuw testen. Dit kan niet jarenlang ongewijzigd draaien.
Case 3: Media Mix Modelling bij een retailklant
Deze klant had al jaren onderzoeksdata van een extern bureau liggen, met veel KPI's, maar wist er weinig mee te doen. Abovomaxlead dook er met MMM en regressieanalyses in om de impact van media op merk en bezoek te bepalen. De directe correlatie tussen media-inzet en bezoek in dezelfde week bleek nagenoeg nul. Op het eerste gezicht een ontnuchterend resultaat, maar verder kijken loonde.
Media bleek wel degelijk significante impact te hebben op boodschapherinnering, die op zijn beurt weer significante impact heeft op reclamebekendheid. En dat werkt door de hele funnel heen naar imago, overweging en uiteindelijk bezoek. Op basis daarvan is per mediumtype het optimale inzetniveau bepaald, met een besparing van zo'n 5% die is ingezet om het hele jaar door actief te blijven communiceren in plaats van in pieken. Na een kwartaal waren reclameherkenning, spontane merkbekendheid, voorkeur en recent bezoek allemaal gestegen.
Zelf beginnen: het hoeft geen jaar onderzoek te zijn
Niet elke organisatie heeft een jaar aan onderzoeksdata of een onderzoeksbureau achter de hand en dat hoeft ook niet. Met alleen websiteverkeer en zoekinteresse via Google Trends, afgezet tegen tv- en radio-GRP's, is met een simpele regressieanalyse in Excel al te bepalen of media impact heeft. Wat je nodig hebt: je eigen data op dag- of weekniveau, afgezet tegen je media-inzet op datzelfde niveau. Hoe langer de periode, hoe betrouwbaarder het beeld.
Het belangrijkste is: je model hoeft niet perfect te zijn, zolang het sturing kan geven en je de resultaten kan valideren maak je al goede stappen.
Bekijk de webinar van Frank Dalhuisen en Karel Zoet hier.
Reacties:
Om een reactie achter te laten is een account vereist.
Inloggen Abonneer nu