Запуская ролик на телевидении, объявляя о скидках в рознице, предлагая торговым точкам программы лояльности, мы хотим одного: чтобы затраты на активность дали положительный ROI. Как узнать, окупились ли наши усилия? Получена ли прибыль? В зависимости от имеющихся вводных, есть несколько вариантов.

1. Моделирование рынка

Это, пожалуй, самый мощный, дорогой и стратегический подход. Можно моделировать объем рынка, портфеля или отдельного бренда. Как это происходит? Вы собираете все имеющиеся данные, способные влиять на продажи продукта, и находите зависимость между ними и продажами категории, компании и отдельных марок.

Плюс данного метода – помимо просто оценки эффективности, он дает возможность спрогнозировать будущее в зависимости от выбранного сценария. Например, от разных вариантов ценовой стратегии, дистрибуции, затрат на ТВ-рекламу, а также от изменений ВВП, инфляции, динамики населения, регуляторных ограничений.

Минусы тоже есть. Зачастую динамика макроэкономических факторов перекрывает эффект маркетинговых усилий. И потому маркетинговая составляющая модели, особенно для небольших кампаний, имеет шанс «затеряться» на фоне мощных глобальных изменений. К тому же построить такую модель достаточно сложно: либо в штате есть опытный статистик, либо в бюджете – деньги на сторонних экспертов.

Вывод: данный подход хорошо работает при более или менее стабильной экономике и для компаний с достаточным бюджетом и размахом маркетинговой поддержки. Если это – не ваш случай, идем дальше.

2. Исследование потребителей

Суть данного подхода – узнать, как отличается поведение потребителей, столкнувшихся с той или иной кампанией бренда, от поведения потребителей, которые с его рекламой не сталкивались. Сколько из них покупали продукт в принципе, насколько часто, сколько упаковок брали за одну покупку. Данный метод дешевле, быстрее и требует меньших ресурсов, чем предыдущий. Кроме того, он сфокусирован на том, что нас, собственно, и интересует: на эффекте от использования тех или иных инструментов.

Минусы. Во-первых, потребитель может не знать о программах, которые вы проводите с точками напрямую, но которые никак не влияют на то, что запоминает покупатель в точке. Например, если целью кампании было увеличение повторных заказов продукта точкой, увеличение представленности определенного варианта на полке и прочее. Измерить эффективность подобных программ лояльности с помощью исследования потребителей не получится.

Во-вторых, при одновременном присутствии «на воздухе» – ролика, и в сети – баннера, все вспомнят про ролик. Интернет-реклама имеет шанс не набрать достаточного количества респондентов и не быть по достоинству оцененной. А для крупного бренда будет сложно найти тех, кто с рекламой данной марки не сталкивался, и сравнивать поведение, например, видевших ролик или наружку будет практически не с кем.

Как следствие, данный метод имеет смысл применить, если:

Вы тратите на все каналы продвижения примерно одинаковые деньги. Ваш бренд еще не заполнил весь ТВ-эфир, борды на улицах города и интернет-форумы, популярные среди вашей целевой аудитории. Большая часть активностей ориентирована на конечного потребителя.

А что делать, если все же нужно оценить программы, ориентированные на торговые точки? Тогда применяем третий метод.

3. Анализ продаж

На первый взгляд все просто: берем продажи продукта во время акции – например, в декабре, вычитаем те, которые шли до акции, – то есть ноябрьские, и получаем эффект от активности. Потом умножаем его на маржу от одной единицы продукта, и экономический эффект нашей активности готов. Правильно? Не всегда.

Давайте для примера возьмем продвижение плиточного шоколада с фундуком с TPR, то есть со скидкой, в небольшой локальной торговой сети города N. Рост продаж в декабре может быть связан с этой активностью. А также с тем, что декабрь – месяц предпраздничный, и продажи шоколада, как категории, увеличиваются. А еще, возможно, с тем роликом, который вы запустили в середине ноября.

Чтобы понять, каков был чистый эффект именно от скидки, нужно посмотреть, как вели себя продажи данного SKU в точках, где скидки не было. В идеале берем аналогичную сеть в том же городе N, и смотрим, на сколько процентов выросли в декабре продажи «контрольной» сети. Потом продажи «акционной» сети увеличиваем на эти же проценты, и получаем новую базу для сравнения. Но останавливаться на этом преждевременно.

Поскольку имела место скидка, точки акционной сети закупали шоколада с фундуком больше, чем обычно. Возможно, они его успели распродать в том же декабре. Но возможно, что не успели. Тогда в январе они его закупят меньше, чем обычно. Этот эффект падения «после промо» тоже нужно принимать во внимание, подводя итог продажам. И не всегда можно взять только один месяц – в нашем случае январь – чтобы учесть это полностью. В зависимости от оборачиваемости товара и размера сети, это могут быть два-три месяца даже в FMCG.

И еще. Кроме шоколада с фундуком, вы, возможно, производите еще какие-то сорта. Без фундука, например. После объявления скидки сеть начала затариваться акционным товаром, обычный же шоколад закупала в меньшем объеме. А ведь вполне возможно, что маржа у обычного шоколада выше, и в прибыли вы прогадали. Поэтому эффект от той или иной активности лучше оценивать для бренда в целом. И совсем хорошо, если вы посмотрите на весь портфель компании, который «играет» в одной продуктовой категории.

У этого подхода есть еще несколько «тонких мест», с которыми в каждом случае приходится разбираться отдельно:

выбор контрольных точек, которые мы считаем сравнимыми; активность конкурентов; качество execution – насколько четко воплощается задуманное в реальных торговых точках.

Таким образом, этот подход к оценке эффективности можно посоветовать относительно небольшим бизнесам, для которых важна поддержка марки в рознице.

Автор: Людмила Крохина