Инкрементальный метод помогает выявить такие случаи и запускать наиболее выгодные кампании
5. Перестать покупать органические конверсии. Некоторые продажи произошли бы и без дополнительного воздействия на пользователя. Инкрементальность помогает выявить такие случаи и избежать расходов на маркетинг, которые не приносят дополнительной выгоды.
6. Сделать прогноз. Зная инкрементальную выручку, аналитики и маркетологи могут оценить потенциал кампании и узнать, стоит ли инвестировать в маркетинг или продажи придут органически.
Пример: как узнать эффективность промокодов с помощью инкрементального метода
Задача: узнать, сколько дополнительной выручки получит бизнес после введения промокодов в коммуникациях и определить оптимальный размер скидки.
Решение: провести тест, рассчитать инкрементальную выручку и ROI от каждого промокода.
Проводим A/B/C-тест
В рамках A/B- или A/B/C-теста аудитория делится на две или три группы — количество их зависит от задачи. Важно, чтобы аудитория там была полностью идентичной: так мы снижаем вероятность погрешности.
Для нашей задачи нужно разделить аудиторию на три группы: группа A получит письмо с промокодом на скидку 10%, B — на скидку 15%, а C станет контрольной и получит письмо без промокода.
Тестирование не единственный способ узнать инкрементальность CRM-кампании. Иногда маркетологи предлагают просто отключить маркетинговые воздействия для части пользователей и сравнить результаты с оставшейся группой.
Мы не рекомендуем этот метод. Если отключить рассылку для части подписчиков, маркетолог не сможет понять, к какому каналу отнести покупку: невозможно отключить все остальные маркетинговые воздействия в омниканальном пути клиента. Поэтому только тестирование показывает достоверный результат.
Отправляем сообщения и собираем результаты
Готовим коммуникации для трёх групп, отправляем и ждём результата. Период оценки зависит от сферы бизнеса и частоты отправки коммуникаций: например, если компания отправляет рассылки с промокодом каждый месяц, оцениваем эффективность промокода в течение месяца.
Собираем показатели, о которых говорили ранее: охват, конверсию, количество заказов, затраты и средний чек.
Считаем выручку и инкрементальность
Для расчёта инкрементальности нужно очистить выручку от затрат на промокод. Считаем такую выручку отдельно для каждой исследуемой группы — то есть, групп А и Б.
Выручка считается отдельно для групп А и Б
Далее рассчитываем инкрементальную выручку от каждой кампании с промокодами: для этого вычитаем выручку контрольной группы C из выручки групп A и B.
Например, если чистая выручка группы А — 90 000 рублей, группы B — 170 000 рублей, а контрольной группы C — 50 000 рублей, то инкрементальная выручка группы A составит 40 000 рублей, а группы B — 120 000 рублей.
Узнаём Return on Investment
Так как в нашем примере в группах А и Б суммы заказов и расходы отличались, нам важно узнать прибыль и ROI для оценки эффективности.
Чтобы узнать прибыль в группах А и Б, используем инкрементальную выручку, которую мы вычислили на прошлом этапе, а также сумму затрат на производство товаров или оказание услуг.
Теперь, когда мы вычислили прибыль с помощью инкрементального метода, можно определить ROI в группах А и Б.
Об альтернативах и о том, почему инкрементальный метод наиболее точный
Конечно, это не единственный способ оценить эффективность CRM-маркетинга. Сравним его с популярными альтернативами: оценкой метрик и атрибуцией.
Почему измерить метрики недостаточно для оценки результатов
Чтобы оценить эффект от коммуникаций и рекламы, маркетологи чаще всего отслеживают метрики: клики, конверсии в заказ, средний чек и так далее.
Эти показатели подходят для обзора CRM-маркетинга, но не отвечают на ключевой вопрос: были ли эти результаты достигнуты благодаря маркетинговому воздействию, или они были бы достигнуты и без него?
Метрики не дают понимания, какое именно воздействие в омниканальном пути клиента стало решающим.
К примеру, если пользователи открыли письмо, перешли по ссылке и купили, мы не можем утверждать, что это: прямое влияние коммуникации или просто совпадение.
Здесь нам на помощь приходит инкрементальный подход: он требует большего объёма данных и сложной методологии, но и даёт более точные ответы на вопросы маркетолога.Чтобы оценить эффект от коммуникаций и рекламы, маркетологи чаще всего отслеживают метрики: клики, конверсии в заказ, средний чек и так далее.
Эти показатели подходят для обзора CRM-маркетинга, но не отвечают на ключевой вопрос: были ли эти результаты достигнуты благодаря маркетинговому воздействию, или они были бы достигнуты и без него?
Метрики не дают понимания, какое именно воздействие в омниканальном пути клиента стало решающим.
К примеру, если пользователи открыли письмо, перешли по ссылке и купили, мы не можем утверждать, что это: прямое влияние коммуникации или просто совпадение.
Здесь нам на помощь приходит инкрементальный подход: он требует большего объёма данных и сложной методологии, но и даёт более точные ответы на вопросы маркетолога.
Атрибуция: альтернативный метод для оценки результатов кампании
Инкрементальный метод часто сравнивают с атрибуцией. В рамках атрибуции маркетолог анализирует, какие кампании привели к целевому действию с помощью набора правил или моделей. Наиболее известная модель атрибуции — Last Significant Click: это когда конверсию присваивают той активности или каналу, с которым у пользователя был последний контакт перед покупкой.
Этот метод не исключает инкрементальный подход, так что их можно использовать вместе. Но атрибуция всё же уступает ему в точности: она не учитывает влияние бренда, рекламы офлайн и других факторов — а значит, не может со 100% вероятностью атрибутировать покупку какому-либо воздействию.
Только тесты дают результат, максимально очищенный от влияния других факторов, поэтому инкремент — это всегда результат A/B- или A/B/C-тестирования.
Когда не стоит считать инкрементальность
Инкрементальность помогает маркетологу понять, насколько прибыльна та или иная кампания, и оптимизировать расходы бизнеса на CRM-маркетинг. В отличие от обычных метрик и метода атрибуции, инкрементальность показывает эффективность конкретного воздействия с минимальной погрешностью.
Но и этот метод не идеален. Скорее всего он вам не подходит, если у вас:
Продукт или услуга с длинным циклом сделки — например, продажа квартир. В этом случае инкрементальные изменения слишком трудно отследить, и вероятность погрешности увеличивается.
Небольшой трафик. Чтобы рассчитать инкрементальность, требуется большой объём данных, а при низком трафике он может оказаться слишком маленьким для статистически значимых выводов.
Нет ресурса на сложные расчёты, тестирование и сбор данных. Для каждого воздействия, которое нужно оценить, придётся внедрять сложные процессы: выделять контрольную группу, оценивать разницу между группами и считать, насколько эта разница значима.