Искусство гибридного метода

В свое время в тайны гибридного метода меня посвятил мой коллега Дэвид Коппок, получивший степень доктора экономики в Йельском университете. Он занимался созданием сложных эконометрических моделей еще в то время, когда я собирал Lego в детском саду.

Согласно подходу Дэвида, эконометрика используется там, где имеются доступные данные, а когда нет данных, пустоты заполняются нашими предположениями. Как только у вас появится набор данных и расчетов, гибридный подход Дэвида потребует от вас ответа на четыре вопроса.

• Минимум. Если взять кривую осведомленности, о которой мы говорили выше, то каково будет значение параметра осведомленности, если мы вообще не будем тратить на него денег (крайняя левая часть кривой)?

• Максимум. Какого значения параметра осведомленности мы могли бы достичь в случае неограниченного бюджета (крайняя правая часть кривой)?

• Настоящий момент. Чему равны уровни осведомленности и затрат на данный момент?

• Приращение. Как, с нашей точки зрения, изменится параметр осведомленности, если мы будем увеличивать или уменьшать свои инвестиции на X %?

Для своих клиентов я часто использую гибридный метод при создании кривых отклика. Иногда я сталкиваюсь с их сопротивлением этому «ненаучному» методу. Клиентов беспокоит слишком большое количество предположений. Но они не во всем правы, поскольку в рамках гибридного процесса мы всегда используем все доступные данные или эконометрические модели. Однако при отсутствии идеальных данных нам не обойтись без предположений.

В сущности, когда вы используете такие довольно грубые показатели, как отношение рекламного бюджета к объему продаж, то делаете куда более серьезные предположения относительно связи между затратами и тем, что вы получаете взамен. Например, вы сначала предполагаете, что реклама имеет один и тот же эффект в отношении различных продуктов; затем предполагаете, что содержание рекламного сообщения не имеет большого значения; после этого вы предполагаете, что реклама имеет линейный эффект, то есть если затраты 1 доллара на рекламу приводят к продажам на 2 доллара, то затраты 10 долларов приведут к продажам на 20 долларов, – и так далее. Теперь вы понимаете, почему я считаю, что методы приближенного подсчета – это не лучший путь, в отличие от гибридного подхода (даже при отсутствии достаточного объема данных).

Использование гибридного метода при построении кривых отдачи имеет три основных преимущества. Посмотрим на них.

1. У вас появляется возможность соединять фактические данные с суждениями и интуицией. Возьмем довольно известную и крайне необычную маркетинговую кампанию бренда Dove с участием реальных женщин. Факты могли бы подсказать нам, что рекламная кампания, показавшая хорошие результаты по итогам тестирования (как в случае с Dove), принесет компании 1,50 доллара продаж на каждый доллар затрат. Однако вы на собственном опыте знаете, что подобные рекламные объявления, входящие в резонанс с ожиданиями рынка (как показало качественное исследование этой рекламы), – в состоянии привести к еще более высоким результатам, поэтому можно адаптировать график расходов и отдачи и убедиться в том, что каждый доллар затрат принесет вам 1,70 доллара продаж.

2. После создания кривой отдачи (с использованием эконометрики, предположений или их комбинации) она может использоваться для оптимизации. Например, вы можете просто импортировать кривую в Excel-файл, а затем перебирать различные переменные, чтобы получить в итоге более точный прогноз.

3. Процесс создания кривой протекает открыто и завязан на сотрудничестве, поскольку принимающие решения руководители понимают, что лежит в черном ящике, и по этой причине склонны в большей степени доверять нашим рекомендациям. Они знают, откуда берутся данные, то есть на основании какой информации создаются кривые расходов и отдачи.

Использование такого гибридного подхода позволяет лишить процесс эконометрического моделирования покрова таинственности.

В свое время в тайны гибридного метода меня посвятил мой коллега Дэвид Коппок, получивший степень доктора экономики в Йельском университете. Он занимался созданием сложных эконометрических моделей еще в то время, когда я собирал Lego в детском саду.

Согласно подходу Дэвида, эконометрика используется там, где имеются доступные данные, а когда нет данных, пустоты заполняются нашими предположениями. Как только у вас появится набор данных и расчетов, гибридный подход Дэвида потребует от вас ответа на четыре вопроса.

• Минимум. Если взять кривую осведомленности, о которой мы говорили выше, то каково будет значение параметра осведомленности, если мы вообще не будем тратить на него денег (крайняя левая часть кривой)?

• Максимум. Какого значения параметра осведомленности мы могли бы достичь в случае неограниченного бюджета (крайняя правая часть кривой)?

• Настоящий момент. Чему равны уровни осведомленности и затрат на данный момент?

• Приращение. Как, с нашей точки зрения, изменится параметр осведомленности, если мы будем увеличивать или уменьшать свои инвестиции на X %?

Для своих клиентов я часто использую гибридный метод при создании кривых отклика. Иногда я сталкиваюсь с их сопротивлением этому «ненаучному» методу. Клиентов беспокоит слишком большое количество предположений. Но они не во всем правы, поскольку в рамках гибридного процесса мы всегда используем все доступные данные или эконометрические модели. Однако при отсутствии идеальных данных нам не обойтись без предположений.

В сущности, когда вы используете такие довольно грубые показатели, как отношение рекламного бюджета к объему продаж, то делаете куда более серьезные предположения относительно связи между затратами и тем, что вы получаете взамен. Например, вы сначала предполагаете, что реклама имеет один и тот же эффект в отношении различных продуктов; затем предполагаете, что содержание рекламного сообщения не имеет большого значения; после этого вы предполагаете, что реклама имеет линейный эффект, то есть если затраты 1 доллара на рекламу приводят к продажам на 2 доллара, то затраты 10 долларов приведут к продажам на 20 долларов, – и так далее. Теперь вы понимаете, почему я считаю, что методы приближенного подсчета – это не лучший путь, в отличие от гибридного подхода (даже при отсутствии достаточного объема данных).

Использование гибридного метода при построении кривых отдачи имеет три основных преимущества. Посмотрим на них.

1. У вас появляется возможность соединять фактические данные с суждениями и интуицией. Возьмем довольно известную и крайне необычную маркетинговую кампанию бренда Dove с участием реальных женщин. Факты могли бы подсказать нам, что рекламная кампания, показавшая хорошие результаты по итогам тестирования (как в случае с Dove), принесет компании 1,50 доллара продаж на каждый доллар затрат. Однако вы на собственном опыте знаете, что подобные рекламные объявления, входящие в резонанс с ожиданиями рынка (как показало качественное исследование этой рекламы), – в состоянии привести к еще более высоким результатам, поэтому можно адаптировать график расходов и отдачи и убедиться в том, что каждый доллар затрат принесет вам 1,70 доллара продаж.

2. После создания кривой отдачи (с использованием эконометрики, предположений или их комбинации) она может использоваться для оптимизации. Например, вы можете просто импортировать кривую в Excel-файл, а затем перебирать различные переменные, чтобы получить в итоге более точный прогноз.

3. Процесс создания кривой протекает открыто и завязан на сотрудничестве, поскольку принимающие решения руководители понимают, что лежит в черном ящике, и по этой причине склонны в большей степени доверять нашим рекомендациям. Они знают, откуда берутся данные, то есть на основании какой информации создаются кривые расходов и отдачи.

Использование такого гибридного подхода позволяет лишить процесс эконометрического моделирования покрова таинственности.