Какие KPI следует использовать для оценки эффективности интегрированной маркетинговой кампании, включающей ТВ, digital и промо‑акции в точках продаж, и как правильно учитывать отложенные и перекрёстные эффекты
Какие KPI следует использовать для оценки эффективности интегрированной маркетинговой кампании, включающей ТВ, digital и промо‑акции в точках продаж, и как правильно учитывать отложенные и перекрёстные эффекты
Похожие вопросы
Не можешь разобраться в этой теме?
Обратись за помощью к экспертам
Гарантированные бесплатные доработки в течение 1 года
Быстрое выполнение от 2 часов
Проверка работы на плагиат
Поможем написать учебную работу
1) Рекомендуемые KPI (по уровням)
- Аудитория/охват: Reach (%, уникальные), Frequency, GRP/TRP.
- Эффективность медиа: CPM, CPC, CTR, VTR (для ТВ/видео — среднее время просмотра).
- Конверсия/лид‑метрики: Conversion Rate, CPA = CostConversions\frac{\text{Cost}}{\text{Conversions}}ConversionsCost .
- Продажи и доход: Sales (точечные), Incremental Sales (см. измерение ниже), Average Basket, Redemption Rate (купон/акция).
- ROI/ROMI: ROMI=ΔRevenue−CostCost\mathrm{ROMI}=\frac{\Delta\text{Revenue}-\text{Cost}}{\text{Cost}}ROMI=CostΔRevenue−Cost .
- Долгосрочные KPI бренда: Awareness, Consideration, Preference (из бренд‑опросов).
- Винтаж/рентабельность клиента: LTV и CAC, если релевантно.
- В точках продаж: Footfall, Conversion to purchase, Attach rate (товары к промопродукту).
2) Как учитывать отложенные эффекты (лаг)
- Adstock / экспоненциальный лаг: учитывать, что эффект медиа растягивается по времени:
Adstockt=∑k=0∞βk Spendt−k\displaystyle Adstock_t=\sum_{k=0}^{\infty}\beta^{k}\,Spend_{t-k}Adstockt =k=0∑∞ βkSpendt−k (или рекурсивно Adstockt=α⋅Spendt+(1−α)⋅Adstockt−1Adstock_t=\alpha\cdot Spend_t+(1-\alpha)\cdot Adstock_{t-1}Adstockt =α⋅Spendt +(1−α)⋅Adstockt−1 ).
- Распределённая лаг‑модель (MMM): моделировать продажи как функцию каналов и их лагов:
Salest=β0+∑c∑k=0Kβc,k Mediac,t−k+γXt+εt\displaystyle Sales_t=\beta_0+\sum_{c}\sum_{k=0}^{K}\beta_{c,k}\,Media_{c,t-k}+\gamma X_t+\varepsilon_tSalest =β0 +c∑ k=0∑K βc,k Mediac,t−k +γXt +εt .
По оценённым βc,k\beta_{c,k}βc,k вычислять кумулятивный эффект за горизонтом HHH:
CumIncc,t(H)=∑k=0Hβc,k Mediac,t−k\displaystyle CumInc_{c,t}^{(H)}=\sum_{k=0}^{H}\beta_{c,k}\,Media_{c,t-k}CumIncc,t(H) =k=0∑H βc,k Mediac,t−k .
- Оценивать время жизни эффекта и выбирать разумный горизонт кумуляции (4–12 недель для digital, дольше для ТВ/бренда).
3) Как учитывать перекрёстные эффекты (синергии и каннибализация)
- Включать взаимодействия в модель:
Salest=…+∑c≠d∑k,lθc,d,k,l Mediac,t−k Mediad,t−l+…\displaystyle Sales_t=\ldots+\sum_{c\neq d}\sum_{k,l}\theta_{c,d,k,l}\,Media_{c,t-k}\,Media_{d,t-l}+\ldotsSalest =…+c=d∑ k,l∑ θc,d,k,l Mediac,t−k Mediad,t−l +…
Положительные θ\thetaθ — синергия, отрицательные — каннибализация.
- Shapley‑атрибуция для распределения вклада каналов с учётом перекрытий (вычисляет среднюю маргинальную пользу каждого канала при всех комбинациях).
- Экспериментальные подходы: A/B или гео‑холд‑ауты, где отключают комбинации каналов, чтобы измерить маргинальный эффект конкретного канала/комбинации. Инкремент = Yˉtreat−Yˉcontrol\bar{Y}_{treat}-\bar{Y}_{control}Yˉtreat −Yˉcontrol .
- Комбинация MTA (multi‑touch attribution) для short‑term и MMM для long‑term: MTA фиксирует путь конверсии в сессии, MMM — общие долгосрочные перекрёстные эффекты.
4) Практика измерения инкремента и интеграции результатов
- Делать контролируемые тесты на промо/TOUCHPOINTS в ритейле: часть магазинов с акцией vs без — Incremental = Yˉtreat−Yˉcontrol\bar{Y}_{treat}-\bar{Y}_{control}Yˉtreat −Yˉcontrol .
- Для ТВ + digital: реальные гео‑тесты (включая кумулятивный учёт лагов) или синтетические контролы.
- Согласовать горизонты: short‑term (0–30 дней) для промо и digital last‑click, long‑term (1–12 месяцев) для ТВ/бренда. Суммировать кумулятивный инкремент за нужный горизонт:
CumInc=∑k=0HIncrementalt+k\displaystyle CumInc=\sum_{k=0}^{H}Incremental_{t+k}CumInc=k=0∑H Incrementalt+k .
- Проверять стабильность: сезонность, промоционные кластеры, изменение ассортимента.
5) Практические рекомендации и ошибки
- Комбинировать методы: эксперименты (золотой стандарт) + MMM для понимания лонг‑терм + Shapley/MTA для распределения short‑term.
- Не игнорировать взаимодействия и лаги — они дают искажение ROMI, если считать только моментальные конверсии.
- Стандартизировать входные данные (спend, GRP, footfall, промо‑выдачи) и использовать единый временной шаг (день/неделя).
- Отдавать приоритет incremental‑метрикам над «атрибуцией по последнему клику» для оценки реальной эффективности каналов.
Если нужно — могу дать пример простой распределённой лаг‑модели или шаблон KPI‑дашборда под вашу кампанию.