-

Inzicht bepaalt succes mediacampagnes

Wat maakt voor jou een mediacampagne tot een succes of een tegenvaller? Grote kans dat dit alles te maken heeft met het behalen van targets. Maar hoeveel voldoening geeft dit als je geen flauw idee hebt hoe de targets gehaald zijn? Het is zaak om je mediabudget elk jaar  effectiever in te zetten en hiervoor is inzicht nodig.

Targets worden over de tijd eerder hoger dan lager. De ambitie van en noodzaak voor marketeers is dan ook om te leren van het steeds veranderende medialandschap. Zonder te weten wat wel en niet werkt wordt het lastig om onderbouwde keuzes te maken: hiervoor is inzicht nodig.

Om beter onderbouwde keuzes voor campagnes te maken, is het bepalen van de gewenste inzichten een vereiste. Dit vergt meer dan een lijstje met voor de hand liggende KPI’s. Allereerst wil je sturen op effecten; lang niet alle metrics zeggen iets over mogelijke effecten.  Ten tweede wil je deze effecten op verschillende niveau’s binnen de customer journey identificeren. Tenslotte wil je de effecten vooraf zo goed mogelijk inschatten om deze achteraf te kunnen toetsen.

KPI’s en sturen op effecten
KPI’s, zoals impressies, CTR’s, bezoekers en CPA’s worden vaak gebruikt om de performance van media inzet te vergelijken binnen, en soms zelfs buiten een kanaal. De vraag is in hoeverre dit iets zegt over het effect van de uiting of het kanaal. Uiteindelijk gaat het om hoe consumenten tegen je merk aankijken en geneigd zijn voor jou als merk te kiezen.

Niveaus hierin zijn in te delen volgens verschillende modellen, maar laten we in dit geval benoemen:

  • Awareness
  • Preference
  • Action
  • Advocacy

Het uitgangspunt hierbij is dat interactie met de consument (ongeacht het type touchpoint) altijd effect heeft op alle vier bovengenoemde fases, maar uiteindelijk ook bijdraagt aan sales. Als dat niet het geval zou zijn, zou elke marketingeuro immers naar kanalen gaan waar vooral sales gerealiseerd lijkt te worden, zoals zoekmachine- en affiliate marketing. Dat indirecte effecten niet direct zichtbaar of meetbaar zijn, is meer een kwestie van definitie en techniek. Het meten van resultaten zou daarom niet moeten plaatsvinden binnen geïsoleerde kanalen en op basis van oppervlakkige KPI’s (links op onderstaande afbeelding), maar op basis van effect (rechts op onderstaande afbeelding). Uitgaande van de genoemde vier fases, kunnen communicatie-, marketing-, en salesprofessionals dan ook niet zonder elkaar. Ze streven hetzelfde einddoel na en zouden niet zonder elkaar campagnes moeten opzetten.

Maak het verwachte effect het startpunt
Keuzes in mediakanalen worden vaak impliciet gemaakt, zonder duidelijke onderbouwing. Een awarenesscampagne? Dan is de keuze al snel het genereren van veel impressies via display. Meer sales nodig? Dan wordt Google Adwords ingezet om prospects binnen te halen. Deze oppervlakkige beslissingen leiden vaak niet tot de beste mediakeuze. Impressies in zoekresultaten zijn immers ook impressies en bezoekers via search die niet converteren hebben mogelijk wel waardevolle interactie met het merk gehad.

Een logisch beginpunt is het vaststellen van de uiteindelijke sales doelstellingen en vervolgens de media selecteren die hieraan direct of indirect bijdragen. Hierbij is het belangrijk dat alle ‘owners’ van paid, earned en owned media hun input leveren en dat deze owners duidelijk aangeven hóe deze media kunnen bijdragen, hoeveel budget hiervoor nodig is en hoe dit meetbaar gemaakt kan worden. Het is dus belangrijk om goed te onderbouwen hoe kanaalbudgetten direct en indirect bijdragen aan sales.

Zorg voor toetsbaarheid achteraf
Er is weinig zo frustrerend als het hebben van data, maar het ontbreken van antwoorden. Omdat het aanleveren van grote hoeveelheden data steeds makkelijker wordt naarmate er meer meetbaar is, bestaat de uitdaging voor marketeers vooral uit het verkrijgen van inzichten uit deze berg data.

Als je na een actieperiode wilt evalueren, ben je vooral op zoek naar inzichten; aanwijsbare verbanden. Om te voorkomen dat je achteraf merkt dat de benodigde informatie ontbreekt, is het zaak vooraf vast te stellen (en daarna te controleren) welke inzichten je wilt krijgen en dus ook wat je wilt meten. Je hebt hier immers al een mening over, en anders je collega wel. Hoe meer discussie hierover, hoe scherper de veronderstelde verbanden of hypotheses worden en hoe beter achteraf kan worden vastgesteld of de verwachtingen klopten. Het beste is om de effecten die je veronderstelt op meerdere vlakken te bepalen. Enerzijds voor de effecten die je verwacht, anderzijds voor de beïnvloedende factor, zoals type media (owned, earned, paid), kanaal (search, netwerk x/y, etc.), audience, frequentie van touchpoints, gebruik van incentives of niet, etcetera.

Een voorbeeld van een target die geen houvast geeft is:  ‘2 miljoen impressies met een CTR van minimaal 0,5%’.

De andere methode is het opstellen van een stelling die inzicht geeft, bijvoorbeeld: de inzet van awareness banners in netwerk x…

Hypothese 1: leidt tot 10% meer sales via branded en direct traffic

Hypothese 2: verhoogt de brand preference met 5%

Vaak betekent dit dat er een (significante en identieke) controlegroep nodig is, om het effect goed te kunnen meten.

Conclusie
Hoewel het voor de hand ligt om vooraf doelstellingen scherper te formuleren, gebeurt dit te vaak in een vorm die achteraf geen inzichten oplevert . En zonder inzichten is het bij een volgende campagne weer gissen welke media in te zetten. Ook bij continue media-inzet zullen iteraties ingebouwd moeten worden om te kunnen evalueren en optimaliseren. Hoewel het niet altijd eenvoudig is om effecten door te meten, loont het dit toch te doen. Wanneer je vooraf duidelijk voor ogen hebt wat je wilt weten, ben je al halverwege. Het voordeel is dat je minder snel verzandt in hopen onduidelijke data, maar gericht op zoek gaat naar datgene wat je wilt verifiëren. Op die manier wordt marketing minder een zaak van onderbuikgevoel en meer een wetenschap die helpt budgetten effectiever in te zetten.

)* René Bulthuis is Online Marketing Consultant bij Netsociety

 

Deel dit bericht

3 Reacties

Arend Zwaneveld

“Hoewel het niet altijd eenvoudig is om effecten door te meten, loont het dit toch te doen.”

Kun je een praktijkvoorbeeld geven van hoe (op basis van welke data) je de in je artikel genoemde hypotheses hebt bevestigd/ontkracht?

“De inzet van awareness banners in netwerk x…
Hypothese 1: leidt tot 10% meer sales via branded en direct traffic
Hypothese 2: verhoogt de brand preference met 5%”

Rene Bulthuis

Hoi Arend,

Helaas gebeurt dit in mijn ogen nog te weinig dus veel voorbeelden kan ik zo niet noemen. Hypothese 1 is in een mij bekende case getoetst door een controlegroep een andere banner te tonen tezamen met attributie. DART heeft echter beperkte mogelijkheden om direct traffic mee te meten. Netsociety heeft hier een oplossing voor. Beide hypothese zijn uiteraard ook te testen o.b.v. een 0-meting en de periode daarna nogmaals een meting uit te voeren maar zoals ook jij weet is dit minder betrouwbaar. Toch vind ik het de moeite waard om dit te doen, omdat het altijd beter is door steeds meer te weten en te snappen dan te blijven varen op gevoel en goed gebruik. Mocht je nog vragen hebben, dan heb je mijn nummer.

Arend Zwaneveld

Dag René,

Afgelopen donderdag vertelde Avinash Kaushik op het Webanalytics Congres 2012 (http://webanalyticscongres.nl/sprekers/265-avinash-kaushik) dat hij voor Vodafone UK een AB-test had gedaan om de impact van een SEA-campagne te meten: in bepaalde regio’s werd er wél en in andere niet geadverteerd.

Wellicht is het een interessant experiment om gelijktijdig 2 verschillende SEA campagnes te laten lopen, elk in andere regio’s.

Middels DART/Google Analytics zou je dan achteraf kunnen analyseren welke regio’s de meeste conversies opleveren:

– de SEA campagne in regio-set A of
– de SEA campagne in regio-set B

De advertentiecampagne-regio-sets zoúden samen heel Nederland kunnen bedekken, maar dat hoeft niet: je zou er ook voor kunnen kiezen in bepaalde regio’s helemáál niet te adverteren, om zo de meerwaarde van wél adverteren in Google te kunnen bepalen.

Testen met regio-variatie werkt waarschijnlijk het “zuiverst” voor eCommerce websites, maar in genoemd experiment in de UK werden er ook significante verschillen gevonden in in-store sales!

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond