Nyhetsbrev / Nyhetsbrev

Optimal avkastning fra markedsføring

Av Øivind Magnussen, Rågiver Integrated Marketing Management

I forrige innlegg skrev jeg om hvordan man kan forbedre sine odds betraktelig ved å ta i bruk avansert analyse i direktemarkedsføringen, og øke avkastningen på markedsføringstiltak. Denne gangen handler innlegget mitt om hvordan man kan styre markedsføringsprosessen og ta smartere valg, slik at avkastningen på hver krone investert i markedsføring blir enda høyere. Maksimal avkastning innen marketing handler om å ta styring fra begge sider av markedsinvesteringen: kostnadssiden og inntektssiden.

Kostnadssiden av markedsføring
Styring med kostnadssiden kan forbedres vesentlig gjennom å forbedre prosessen for planlegging, produksjon og oppfølging av marketing aktiviteter. Marketing Resource Management (MRM) er en betegnelse på løsninger for å budsjettere og følge opp kostnadsbruk, ha kontroll med innholdsproduksjon, merkevarestandarder og intellektuelle aktiva, samt arbeidsflyt og produksjon av marketing. Tidligere i år (2011) kjøpte SAS Institute selskapet Assetlink, som er en markedsleder innen MRM. SAS Institute har med dette fått tilgang til en bred portefølje av løsninger innen dette feltet. Assetlink sin programvare er nå omdøpt til SAS Marketing Operations Management  (MOM), og arbeidet pågår for å integrere løsningene med med SAS sine øvrige løsninger for markedsføring. SAS Institute kan nå levere en helhetlig plattform for økt produktivitet i markedsføringen, med SAS analytiske motor som drivkraften i alle applikasjoner. Et umiddelbart resultat av dette er at Gartner har løftet SAS Institute inn som leder innen det de definerer som Integrated Marketing Management (IMM) i Gartners siste Magic Quadrant fra oktober. SAS MOM er et tema vi vil ta opp i senere innlegg.

Inntektssiden av markedsføring
Optimalisering av inntektssiden er kanskje et mindre belyst tema. Alle markedsførere har vel en grunnleggende intensjon om å maksimere avkastningen på investerte midler i markedsføring. Men mange ser på markedsføring som i all hovedsak en kreativ prosess, der kreativitet og kvantitet i kommunikasjon, reklame og kampanjer skal skape resultatene. Kreativitet er utvilsomt viktig, men på en annen side ser vi at markedets vinnere måler effekt av kommunikasjon og markedsføring, og klarer å bruke dette til å ta smartere beslutninger.

Smartere beslutninger gjør at mindre kommunikasjon og marketingressurser benyttes der hvor markedsføringen ikke treffer, og mer der hvor markedsføringen har effekt. Dette kan være svært lønnsomt fordi vi vet at i dagens ekspanderende uoversiktlige mikstur av kanaler, media og teknologier, er det stadig vanskeligere å bli hørt. Aldri før har John Wanamaker sitt berømte utsagn fra begynnelsen av 1900-tallet vært mer relevant: "Half the money I spend on advertising is wasted; the trouble is I don't know which half".

Nøkkelen til høyere avkastning er en god beslutningsprosess for fordeling av midler til ulike tiltak, som vekter effekten av de ulike tiltakene mot det som gir høyest mulig avkastning (eller annen måloppnåelse) på begrensede midler.

Optimalisering av inntektssiden omfatter flere faktorer, herunder:

  • Å sikre høyest mulig effekt av reklame og kommunikasjon i massemedia. Dette kan måles i forhold til indikatorer som kjennskap, kunnskap, preferanse og liking, men også i form av kommunikasjonens evne til å utløse salg.
  • Å sikre høyest mulig effekt av direktemarkedsføring. Dette kan måles som f.eks antall klikk på landingssider, anbefalinger, "liker", produktforespørsler eller direkte salg

Optimalisering av massekommunikasjon og salgsmodellering
Salgsmodellering er et begrep som har sirkulert blant medlemmene i annonsørforeningen i mange år, men som ennå ikke har kommet i praktisk bruk i stor utstrekning i Norge. Formålet med salgsmodellering er å koble investeringen i den enkelte salgs- og marketingaktiviteten direkte med den avkastningen aktiviteten genererer. Når flere tiltak ses samlet kan man i tillegg simulere ulik fordeling av virkemidler, og beregne f.eks hvor "knekken" i avkastningskurven tilsier at det ikke lenger er lønnsomt å investere i et tiltak.

Grunnlaget for salgsmodellering er bedriftenes egne data i form av responsvariabler som salg, ordre, nye kunder, kundeavgang eller eksterne data hentet fra analyse av reklameeffektivitet. Disse dataene kobles til data om marketingaktiviteter.

Statistikk benyttes deretter til å isolere effekter fra hverandre, slik at man kan se om det er tilfeldigheter som f.eks været, konkurrenters kampanjer eller egne marketingtiltak som gir effekt på bunnlinjen.

SAS Institute har en løsning for dette i SAS Marketing Mix Analyzer (MMX), som benytter SAS sin kraftige analysemotor for å analysere marketing data. Løsningen leverer bl.a følgende:

  • Forklarende analyse (dekomposisjon av forklaringsfaktorer, årsaksfaktorer og analyse av avtagende avkastning).
  • Prognostisering og simulering (hva/hvis simuleringer).
  • Optimalisering (algoritmer som velger beste løsninger når det er konflikt mellom begrensende faktorer).

SAS MMX organiserer og beregner grunnlaget for å ta bedre beslutninger for å høste høyere avkastning av markedsinvesteringen. Forutsetningen for å ta løsningen i bruk er imidlertid at man starter å måle effekter og samler responsdata for analyse i MMX.

Optimalisering av direktemarkedsføring
Optimalisering av direktemarkedsføring omfatter noen faktorer som man ikke behøver å ta hensyn til for optimalisering av massemarkedsføring. Direkte, eller 1:1-markedsføring har en navngitt kunde som mottaker av en kommunikasjon eller et tilbud. Denne navngitte kunden er det ofte "konkurranse" om, større bedrifter har flere produktområder og tjenester som konkurrerer om kundens gunst. I tillegg har man en skrevet eller uskrevet "kontrakt" med kunden om hvor ofte og hvor hardt man kan selge og sende informasjon ("Permission Marketing"). En tredje kompliserende faktor er at ulike direktemarkedsføringsvirkemidler har ulik kost, og man ønsker å reservere de dyre (og mest effektive?) virkemidlene der hvor sannsynligheten for respons er størst.

Sannsynligheten for at en kunde responderer diskuterte vi i forrige artikkel. Sannsynligheten kan forutses og kalkuleres ved hjelp av datamining og prediktive statistiske teknikker. Har man gjort dette, vil man kunne ta mye bedre beslutninger om hvilken kunde man bør velge til kommunikasjon, kampanjer og tilbud. Man vil også kunne ta beslutninger om hvor mye det er verd å investere i den enkelte kunde (av direktemarkedsføringstiltak) ut fra en sannsynlig avkastning.

So far so good. De som investerer i kundeanalyse kan hente hjem en gevinst. Men det finnes en ytterligere gevinst å hente, dersom man tar tak i hele beslutningsbildet, inkludert de begrensende faktorene som jeg nevnte innledningsvis. Dette utgjør et komplekst matematisk problem som kan gi overaskende høy avkastning dersom det løses. SAS sin løsning Marketing Optimization (MO) gjør akkurat dette. Ved hjelp av avanserte linjærprogrammeringsteknikker kan MO behandle alle sannsynligheter sammen med alle begrensninger og komme opp med en optimal "mix" av virkemidler. Denne nye miksen av virkemidler gir som oftest mer enn 20% bedre avkastning enn ved den beslutningsprosessen bedriften hadde uten MO. Dette er kanskje overaskende, men ikke vanskelig å se når man ser inn i alle de komplekse seleksjonskriteriene en bedrift med en viderekommende direktemarkedsføringspraksis må håndtere. MO kan også fortelle hvor "kurven knekker", hvor det ikke lengre er lønnsomt å ta flere kunder inn i en kampanje, og dermed spare kommunikasjonskostnader uten å tape respons.

Med optimalisering av inntektssiden av markedsføringen kan man gå rundt John Wanamaker dilemma: vi kan faktisk vite med stor sikkerhet hvilken halvdel av markedsføringen som ikke virker – og heller investere i den andre halvdelen.