Skip to content

Digimarkkinoinnin tulosten estimointi: primaari- ja sekundaaridata

Johdanto. Juttelin tänään erään ammattimyyjän kanssa digimarkkinoinnin tulosten estimoinnista eli suomeksi etukäteisarvioinnista. Aihe on noussut ennenkin esiin – asiakkaat haluaisivat kuulla perusteltuja arvioita digimarkkinoinnin tuotosta ennen investointia. Tämä on erittäin perusteltu kanta, sillä kuten muidenkin investointien kohdalla, digimarkkinoinnin tulokset tulisi kyetä perustelemaan etukäteen. Aiheesta ei kuitenkaan löydy juurikaan materiaalia ainakaan suomeksi, joten ajattelin kirjoittaa tämän lyhyen artikkelin, jossa avaan omia näkemyksiäni digimarkkinoinnin tulosten estimoinnista.

Ennustamisen perusteet. Lähtökohtana voidaan ajatella estimointia ennustamisena. Ennustaa voidaan tyypillisesti kahden datalähteen perusteella:

  1. Primaaridata — ts. asiakkaalta tuleva historiallinen tieto keskeisten mittareiden arvoista
  2. Sekundaaridata — ts. toisen käden tieto, eli esimerkiksi toimialan tai avainsanojen keskimääräiset arvot historiallisesti tarkasteltuna.

Primaaridataa saadaan asiakkaalta, sekundaaridataa muista lähteistä, esim. Googlen mediasuunnittelutyökalun kautta tai suorittamalla pilottikampanja Facebookissa. Primaaridatan voidaan katsoa olevan luotettavampaa, koska se kuvastaa juuri kyseisen asiakkaan tilannetta. Sitä ei kuitenkaan aina ole saatavilla, jolloin on turvauduttava sekundaaridataan.

Digimarkkinoinnin tulosten estimoinnin tueksi asiakkaalta olisi hyvä saada seuraavat tiedot:

  • CVR eli konversioaste (%)
  • CTR eli mainosten klikkiaste (%)
  • CPC eli klikkikustannus (€)
  • CPA eli myynnin kustannus (€)
  • AOV eli keskimääräisen ostoksen arvo (€)

Näiden tietojen perusteella voidaan arvioida mainonnan tuotto eri panostuksilla käyttämällä erilaisia laskukaavoja. Voidaan esimerkiksi ajatella kolme skenaariota: A: Matala panostus = 3000 EUR / kk; B: Keskitason panostus = 10,000 EUR / kk; C: Korkea panostus = 50,000 EUR / kk. Oikeat luvut luonnollisesti riippuvat asiakkaan markkinointibudjetista.

Esimerkki. Sanotaan, että historiallinen konversioaste olisi 1 %, klikkikustannus 0,50 € ja keskimääräinen ostoskorin arvo 150 €. Näistä voidaan laskea myynnin kustannus (0,50 / 0,01 = 50 €). Eri skenaarioilla tuotto olisi taulukon mukainen.

Taulukko 1 Esimerkki tulosten estimoinnista

Menetelmässä on muutama rajoitus.

Ensinnäkään laskentakaava ei ota huomioon uudelleenostoja eli asiakkaan elinkaariarvoa. Koska asiakkaalla on elinkaariarvo, eli keskimääräinen ostojen määrä asiakkuuden aikana on suurempi kuin yksi, suoran tuoton mittaaminen esittää mainonnan tuloksellisuuden aina alakanttiin. Tätä voidaan korjata laskemalla tai estimoimalla CLV-kerroin, joka kasvattaa keskimääräisen ostoksen arvoa ( CLV * AOV = korjattu AOV). Jos asiakkaat esimerkiksi ostavat keskimäärin kaksi kertaa uudestaan ja uudelleenostojen keskimääräinen ostoskorin arvo pysyy samana, esimerkin korjattu AOV on (1+2)*150=450 €. Tämän luvun käyttäminen antaakin tulkitsijalle täysin erilaisen kuvan mainonnan kannattavuudesta.

Toinen huomioon otettava seikka on tulosten ei-lineaarisuus, kun markkinointibudjettia kasvatetaan. Esimerkkitaulukossa oletetaan tulosten kasvavan lineaarisesti panostusten kanssa, mutta monet kokeneet markkinoijat voivat kertoa ettei näin aina käy. Viime kädessä markkinoilla on kullakin hetkellä tietty määrä tyydyttämätöntä kysyntää, jolloin ylimääräinen markkinointipanostus menee hukkaan. Voidaankin ajatella tämän olevan eräs merkittävimmistä syistä markkinoinnin tehottomuuteen – ylisaturoituneilla markkinoilla jokainen yritys ottaa jyvitetyn osuuden ylijäämäisestä markkinointi-investoinnista.

Kolmantena kaikki yritykset eivät suinkaan myy verkossa. Oletuksena em. määrittelyssä on verkkokauppa-asiakas, mutta tulokset voidaan estimoida myös esimerkiksi B2B-asiakkaan kohdalla käyttämällä myyntien sijaan liidejä eli suomeksi potentiaalisia asiakkaita. B2B-tulosten estimoinnin mittarit olisivat tällaisia:

  • CVR eli konversioaste (%)
  • CTR eli mainosten klikkiaste (%)
  • CPC eli klikkikustannus (€)
  • CPL eli liidin kustannus (€)
  • keskimääräinen liidin arvo (€)

Keskimääräinen liidin arvo voidaan laskea, kun tiedetään keskimääräinen kaupan arvo ja konversiosuhde liidistä asiakkaaksi. Tällöin voidaan estimoida myös mainonnan tuottoprosentti eli ROI tai ROAS.

Todellisten lukujen merkitys. Asiakkaalta saatujen lukujen tulisi olla historiallisia, toteutuneita arvoja. Toteutunut luku lisää estimoinnin luotettavuutta. Luvut voivat olla keskiarvoja, tai ne voivat olla jaoteltuina kanavoittain. Esimerkiksi hakukoneet ja sosiaalinen media voidaan esittää erikseen, koska niiden tuloksellisuus vaihtelee usein suuresti. Samasta syystä orgaaninen ja maksettu liikenne voidaan esittää erikseen. Tällöin myöskin estimaatin tarkkuus paranee, kun siinä voidaan eritellä investointeja kanavoittain.

Mainittuja tietoja saa verkkoanalytiikan kautta (esim. Google Analytics), kunhan tarvittavat seurannat on asennettu. Mikäli asiakas ei kykene toimittamaan tietoja estimoinnin tueksi, käytetään sekundaarista dataa. Tämä perustuu historiallisiin tietoihin; esimerkiksi verkkokaupan konversioaste on tyypillisesti 1-2 %:n välillä. Klikkihinnat voidaan estimoida Googlen mediasuunnittelutyökalun ja toteutuneiden Facebook-klikkihintojen perusteella. Arvioinnissa voidaan käyttää myös muita ohjelmallisen ostamisen alustoja tai kanavia ja niistä opittuja tietoja.

Lopuksi. Huomioi, että estimaatit ovat aina arvioita, ja ne voivat mennä pieleen. Tämä koskee kuitenkin kaikkea muutakin suunnittelua. Mitä todellisempaa dataa estimaattien laskemiseen käytetään, sitä luotettavampia ne ovat. Toteutuneet digimarkkinoinnin luvut voivat edustaa silti tehokasta markkinointia, vaikka estimaatissa esitettyjä arvoja ei saavutettaisikaan. Totuus on, että markkinoinnissa on usein yllättävän paljon tehottomuutta – digiympäristössä tämä perimmäinen totuus vain tulee helpommin esiin kuin hankalasti mitattavissa offline-kampanjoissa.

Published insuomeksi

Comments are closed.