Разработка модели реакции посетителей интернет-сайтов на рекламные сообщения.

Для разработки методики оценки и повышения эффективности рекламных сообщений в Интернет необходимо описать цели и задачи методики, дать ей общую характеристику, затем описать экономико­математическую модель, на основе которой будет осуществляться построение методики (общее описание, формализованное описание), оценить адекватности данной модели и, наконец, дать полное описание методики.

Целью разработки данной методики является оценка эффективности рекламных сообщений как неотъемлемой части рекламных кампаний, проводимых в Интернет. Методика основана на регрессионной модели отклика посетителей рекламной площадки на рекламное сообщение. Другими словами, мы моделируем вероятность положительного исхода (переход по ссылке, заполнение анкеты и т.д.) на основе совокупности факторов, влияющих на принятие решение посетителем. При этом мы не принимаем во внимание такие факторы, как износ рекламы, дублирующиеся показы и проч., поскольку эти факторы буду учитываться в агрегирующих моделях более высокого уровня. Также на этом уровне мы можем абстрагироваться от цели рекламной кампании, поскольку с точки зрения реакции посетителей на рекламное сообщение между сбытовыми и имиджевыми рекламными кампаниями нет никакой разницы.

Построение методики можно разбить на несколько этапов [79]:

1. Разработка регрессионной модели реакции посетителей интернет-сайтов на показы рекламных сообщений.

2. Оценка адекватности полученной регрессионной зависимости с использованием статистических методов.

3. Интерпретация полученных данных.

4. Непосредственное описание методики на основе построенной модели.

Итак, методика характеризуется следующими параметрами:

1. Цель — оценка эффективности и построение прогноза исхода рекламной кампании.

2. Используемые средства - экономико-математическое моделирование процесса (регрессионный анализ) взаимодействия посетителей и рекламного сообщения.

3. Исходные данные - данные о посетителях рекламной площадки, характеристики рекламного сообщения.

4. Выходные данные — количество благоприятных исходов действия, заложенного в рекламном сообщении (клик по ссылке, баннеру, заполнение анкеты и т.д.).

5. Ограничения - исследуется только процесс взаимодействия посетителя и PC без анализа дальнейших действий посетителя.

Модель реакции посетителей интернет-сайтов на показы рекламных сообщений можно смело отнести к моделям, отражающим социальные аспекты экономики, поскольку в нашей модели никаким образом не затрагиваются производственные аспекты. В модели мы не будем использовать наработки в области износа, дублирующейся аудитории, поскольку наша модель является очень узкой моделью, все эти характеристики предполагается реализовать в моделях высшего уровня. Тем не менее, один класс моделей мы положим в основу нашей модели - модели охвата/частоты, - поскольку инструментальные средства интернет-рекламы позволяют нам вносить коррективы в стандартный механизм оценки распределения охвата.

Ниже приведена таблица, содержащая основные классификационные показатели данной модели [69;74;87;93; 100; 107; 113].

Таблица 2.3

Основные характеристики модели реакции посетителей

Цель модели состоит в том, чтобы подсчитать количество благоприятных исходов действия, заложенного в рекламном сообщении.

Наглядно роль данной модели представлена на рис. 2.4.

1. Охват

2. Эффективность рекламных сообщений (CTR, цена действия)

Рис. 2.4. Роль модели реакции посетителей в семействе моделей рекламных процессов.

Таким образом, мы видим, что данная модель связывает два класса моделей, до этого времени существовавших разрозненно: модели охвата/частоты и агрегирующие модели рекламного отклика.

Перед разработкой модели реакции посетителей, рассмотрим результаты работы с моделями охвата/частоты. Поскольку в результате анализа нами была выбрана модель KGD, имеет смысл рассмотреть ее подробнее на предмет адекватной передачи охвата/частоты интернет- рекламы.

Основная формула модели Кверела выглядит следующим образом:

_ 2UB-LB ^т' UB + LB >

где

R_m — охват m носителей с единственным вхождением;

UB = A-—D.

m ’

(2-5)

LB = (h + l)A

h(h +1) -

(2.6)

где

h - минимальное значение из (m-1) и К, где К — максимальное целое в полученное в результате деления D ■

А_ т ’

2D

т(т — ї) ’

/=1

(2-7)

(2-8) (2-9)

D = Y ЕЛ

/=і /=1

(2-Ю)

В приведенных формулах UB - верхняя граница фигуры охвата, LB - нижняя граница фигуры охвата, А - средняя аудитория всех носителей, D - среднее дублирование для всех носителей, А — суммарная аудитория всех носителей, D - суммарное дублирование для всех носителей.

Исходными данными в этой модели являются показатели (аудитория единичного вхождения в процентах от суммарной аудитории), Ау (пересечение аудитории носителя і с аудиторией носителя у), т (число носителей в медиаплане).

Эта модель, как и все ранее разработанные модели охвата/частоты рассчитана на традиционные рекламные кампании, поскольку не учитывает самого главного различия с точки зрения охвата/частоты - в традиционных рекламных кампаниях распределение показов и охват считается в зависимости от количества вхождений/носителей, а не от самих показов, как

это делается в интернет-рекламе.

В традиционной рекламе один оплаченный показ один человек не может видеть больше одного раза (анализ показал, что такими характеристиками обладает, в основном, только ТВ-реклама, для печатной и наружной рекламы эта цифра определяется эмпирически и приближается к 2), зато много человек могут видеть один показ. В интернет-рекламе один оплаченный показ видит только один посетитель и только один раз. Поэтому в традиционной рекламе единицей распределения показов является вхождение или носитель, а в интернет-рекламе - сами показы. В традиционной рекламе оценивается охват целевой аудитории, а в интернет- рекламе мы можем легко отталкиваться от аудитории сайта, поскольку издатели предоставляют информацию о своей аудитории. Это дает возможность более точно нацелить рекламную кампанию. Для интернет- рекламы мы можем провести аналогию показов уникальному посетителю с вхождениями, характерными для традиционной рекламы. Каждая страница, задействованная в интернет-медиаплане, трактуется как отдельный носитель. Все входные данные для моделирования KGD подходят для интернет- рекламы: носителем является страница сайта, аудиторией одного вхождения являются те, кто увидит страницу один раз. То же самое верно для N показов, суммарная аудитория комбинации носителей: определяется либо внутренней статистикой сайта, либо опросами/механизмами (cookie, агенты) между сайтами.

В этой связи стоит уточнить терминологию, используемую в модели. Под вхождением мы будем понимать размещение PC на носителе на определенный период времени (например, на день). При размещении на несколько дней весь период рассматривается как одно вхождение, поскольку средства сбора статистики позволяют получать такую информацию. В этом случае срок рекламной кампании рассчитывается исходя из купленного

числа показов деленного на дневную целевую аудиторию, либо же срок может быть известен сразу, в случае покупки не показов, а аренды площади на определенное время.

Носителем является страница сайта, а не сайт в целом. Такая трактовка характерна только для интернет-рекламы, поскольку такая статистика стала доступна только благодаря технологиям счетчиков. При использовании такого подхода появляется еще одна важная поправка: упраздняется понятие внутренних дублей, поскольку никто не практикует размещение двух рекламных сообщений на одной интернет-странице. То же самое верно и для e-mail рассылок. В этом случае носителем является одна рассылка. Помимо прочего, сужение данного понятия дает нам возможность более четко определять границы аудитории - различные страницы сайта могут содержать совершенно различные группы пользователей.

Под охватом так же, как и в традиционных рекламных кампаниях понимается число ненулевых показов рекламного сообщения. Внешний дубль включает в себя не только аудиторию наблюдающую PC между сайтами, но и аудиторию наблюдающую PC на разных страницах одного сайта.

Следующей важной особенностью является наличие у интернет- рекламы особого вида дублирования — внутри вхождения. Т.е. посетитель может неоднократно возвращаться на страницу, где уже однажды видел рекламное сообщение. Будем называть такие дубли «глубинными». Определяются они легко, применяя стандартную статистику хитов/хостов.

* Для e-mail рассылок такие дубли нехарактерны.

Аудитория носителя - это процент от выбранной для оценки группы посетителей, открывавшие хотя бы один раз за выбранный период.

Все вышесказанное приводит к следующим изменениям в модели

KGD:

Параметр D расширяется понятиями «глубинных» дублей и рассчитывается по формуле:

т т т

^D+ZE4 «=1

(2.11)

где:

di - «глубинный» дубль для носителя /;

Ау — дубль аудитории между носителями і и у.

Все остальные параметры не претерпевают изменений и могут успешно применяться для оценки охвата интернет-рекламы. Итоговая таблица входных данных приведена ниже.

Таблица 2.4

Входные данные модифицированной модели оценки охвата

рекламной интернет-аудитории

Вернемся к модели реакции посетителя сайта. Ниже приводится перечень ее входных параметров. Некоторые из них являются прямыми входными данными, другие косвенными - то есть непосредственные входные данные вычисляются путем выбора соответствующего значения из

множества. Часть из этих параметров являются изначально известными, часть предполагают экспертную оценку. Как показывает анализ, проведенный в данной работе, можно выделить следующие параметры:

Таблица 2.5

Параметры модели реакции посетителя

Число показов BD мы определяем, исходя из условий размещения. Это число может быть задано явно, если плата за размещения фиксированная (за

показы), в противном случае (плата за время показов), мы можем рассчитать это значение, исходя из количества посетителей за указанный промежуток времени, принимая во внимание дополнительные ограничения (например, таргетинг).

Вторым параметром рекламного сообщения является визуальная привлекательность рекламного сообщения (BVIS). BVIS является важнейшим параметром, но не поддается прямой количественной оценке. Поэтому предлагается для каждого рекламного сообщения проводить вычисление этого параметра путем экспертных оценок [70;98]. Опишем методику получения значения данного параметра. Группе экспертов предлагается анкета с просьбой оценить по пятибалльной шкале рекламное сообщение с точки зрения следующих критериев:

=> Цветовая гамма сообщения - оценивается насколько цветовое исполнение близко данному эксперту;

=> Четкость рекламного слогана - насколько четко выделено в PC основное воззвание;

=> Удобство чтения PC - оценивается насколько читабелен текст в PC с точки зрения размера, четкости, контраста, скорости смены слов/фраз;

=> Запоминаемость сюжета PC - оценивается (при наличии) оригинальность сюжета, истории, содержащейся в PC;

=> Нестандартность - оценивается применение новых идей, технологических и прочих приемов в создании рекламного сообщения;

=> Навязчивость — рекламное сообщение оценивается в конечном виде размещения на предполагаемой рекламной площадке с точки зрения отрицательного воздействия на посетителя (обратная шкала).

Полученная итоговая оценка, умноженная на весовой коэффициент, и является искомым значением BVIS. При этом, в зависимости от специфики рекламного сообщения, некоторые из критериев могут не использоваться (например, для почтовой рекламы может совсем не использоваться критерий цветовой гаммы). В таких случаях для этих критериев ставится минимальный балл. Кроме того, наш опыт показал, что параметр BVIS никогда не достигает максимального значения при использовании его в обычных условиях. Среднее значение составляет 0,6, что дает основание предположить, что в данной ситуации возможно применение персонализации на основе визуального восприятия. Однако, на сегодняшний день представляется слишком сложным и экономически нецелесообразным проводить исследования в поисках связи между параметрами пользователей и их визуальными предпочтениями. Для того, чтобы получить значение визуальной привлекательности BVIS, воспользуемся описанной ранее методикой экспертных оценок. В реальных условиях для получения значения этого параметра необходимо опросить не менее 6 человек, только в этом случае мы получаем адекватную оценку по всем критериям визуальной привлекательности.

Следующим параметром PC является содержательная привлекательность (BCONT) является тем фактором, который отвечает за привлечение посетителя способом подачи рекламного воззвания. Аналогично предыдущему показателю этот параметр зависит только от субъективного восприятия его посетителями. Именно поэтому для оценки данного

* показателя возможно применение только экспертных оценок. PC оценивается

по пятибалльной шкале по следующим критериям: понятность воззвания, дружественность используемых оборотов, краткость. Итоговое значение BCONT есть среднее от оценок по трем критериям. Привлекательность рекламного слогана оценивается в рамках параметра BVIS, однако эффективность подачи информации измеряется параметром BCONT.

Частота показа (BF) — параметр PC, который является точкой связи с моделью охвата/частоты. Модель охвата/частоты должна применяться только при моделировании рекламной кампании с использованием нескольких носителей. В простейшем случае (а именно такие случаи мы и будем использовать для создания модели) потребности в такой модели нет, и значение данного параметра будет равняться показателю Я, из модели KGD. В случае применения модели значение параметра BF будет равняться значению R_m, полученному на выходе модели KGD. Следует отметить, что прямой зависимости между CTR и охватом нет, однако CTR зависит от распределения показов, которое в свою очередь напрямую зависит от охвата.

Еще один параметр - коэффициент ограничения по тематике (ВТН) определяет тематическую направленность рекламного сообщения. Данный коэффициент является выводимой величиной из таблицы тематических интересов аудитории издателя АТН и тематики рекламного сообщения. Коэффициент равен единице лишь в том случае, если по тематическому наполнению PC полностью коррелирует с аудиторией, либо же в PC не присутствует тематической направленности.

Габариты рекламного сообщения (BDIM) - коэффициент, определяемый исходя из размеров рекламного сообщения. Согласно исследованиям IAB/Dynamic Logic [29], значение коэффициента варьируется от 0,19 до 0,73 и, в целях упрощения оценок, имеет дискретные значения (0,19; 0,6; 0,73). Значение 0,19 он принимает в случае, если баннер имеет условно стандартные размеры - 468x60, 120x120, 100x100. Значение 0,6 коэффициент принимает в случае, когда рекламное сообщение имеет размер, не принадлежащий описанным стандартам (120x600 и прочие размеры, не вписывающиеся в рамки стандартных). Значение 0,73 принимается в тех редких случаях, когда рекламное сообщение имеет размер гораздо больший, чем оговорено стандартами (например, 500x400). Исключение составляют лишь микрокнопки, для них это значение равно 0,07. В следующей таблице

приведено соответствие каждого стандартизированного размера рекламного сообщения (в основном баннеров, поскольку остальные виды PC в основном не поддаются стандартизации) значению коэффициента BDIM.

Таблица 2.6

Классификация размеров PC в баннерной рекламе

Параметр расположения рекламного сообщения (BPOS) - коэффициент, определяемый на основе оценки положения рекламного сообщения на странице. Выводится из соотношения:

BPOS =———*в , H^+H pi’

(2.12)

b

где H- средневзвешенная высота экрана посетителя;

Н_ь - вертикальная координата нижнего края рекламного сообщения;

В_Р1~ нестандартность места.

Средневзвешенная высота экрана посетителя определяется, исходя из данных о разрешении экранов аудитории сайта. 50 пикселов вычитаются в связи с тем, что окно обозревателя обычно короче по сравнению с общим разрешением по причине наличия меню, панелей инструментов и прочих элементов. Коэффициент нестандартности места В_р! принимает значение 0,5 или 1, в зависимости от расположения. К стандартным местам относятся правый верхний угол страницы, верх страницы, низ страницы, боковые колонки. Горизонтальные габариты мы не рассматриваем, поскольку они всегда подбираются так, чтобы попадать в экран посетителя. В случае использования pop-up или аналогичных модификаций баннеров этот коэффициент будет равен 1.

Также к группе параметров PC относится технология исполнения рекламного сообщения {ВТЕСН), которая может быть просто графикой/графикой с текстом, либо Flash-анимацией (Rich-media). В зависимости от способа исполнения коэффициент ВТЕСН принимает значения 0,21 - в случае текстовой/почтовой рекламы, 0,37 - в случае использования обычной графики, и 0,44 в случае использования Flash- анимации и Rich Media. Эти цифры получены из исследований компании Dynamic Logic [18; 19].

92

Рис. 2.5. Соответствие типов PC параметру ВТЕСН.

Стоимость изготовления рекламного сообщения (BCOST) является величиной заранее известной. Зависит по большей части от предыдущего параметра - технологии исполнения, а также от непосредственного изготовителя. Средняя стоимость изготовления рекламных сообщений по России приведена в таблице 2.7.

Таблица 2.7

Средние цены изготовления рекламных интернет-сообщений

Ограничения по специфике рекламируемого объекта (55) определяют в основном требования к аудитории и обычно сужают круг лиц,

заинтересованных в просмотре рекламных сообщений. Количественно мы можем выразить это в виде отношения целевой аудитории к общей аудитории рекламных сообщений, где целевая аудитория определяется как подмножество общей аудитории, которое сужается под воздействием тех или иных факторов. Ограничения по специфике и ограничения по тематике мы можем объединить в один коэффициент ВС = ВТН * ВВ.

Размер средней дневной аудитории является первым фактором и параметром рекламной площадки, на который стоит обратить внимание при выборе рекламной площадки, несмотря на то, что данный фактор не играет никакой роли в описываемой модели. Во-первых, это значение должно быть достаточно большим (по классификации крупных сайтов - более 1000 уникальных посетителей в день), во-вторых, имеет смысл оценить динамику изменения посещаемости в течение расчетного месяца (в случае скачкообразного изменения посещения ото дня ко дню такая площадка не является стабильным ресурсом). Наконец, в-третьих, надо оценить посещаемость с точки зрения глубины просмотра (минимальная глубина подразумевает полное отсутствие интереса к данному ресурсу у посетителей, которые, скорее всего, являются случайными). В наших расчетах такие цифры участия не принимают, однако всегда предоставляются серьезными издателями. В заключение следует добавить, что разные счетчики по- разному оценивают аудиторию: кто-то более строго, кто-то менее. Поэтому про этот фактор не стоит забывать, т.к. разница между самым строгим и самым нестрогим счетчиком может принимать значительные масштабы.

Демопортрет (AS), или распределение аудитории по социально­демографическим характеристикам, представляет собой совокупность таблиц для каждой характеристики, показывающей в процентах количественное распределение аудитории по группам. Основными такими характеристиками являются: возраст (ASA), пол (ASS), доходы (AST), социальный статус (ASST), сфера занятости (ASE), территориальное расположение (AST). Этот

показатель напрямую не участвует в модели, а оказывает влияние на показатель ВВ (в зависимости от специфики рекламируемого объекта его целевой аудиторией могут быть различные группы, сужающие или размывающие рамки целевой группы). Про параметр AS следует добавить, что в реальности наличие демопортрета свидетельствует о подготовленности рекламодателя. Этот параметр не является единичным значением, а представляет собой совокупность таблиц, содержащих распределение аудитории по группам, разбитым по тому или иному признаку (возраст, пол, уровень доходов). Эти данные используются в модели в том виде, в каком они предоставляются издателем. Единственно, можно попытаться оценить предоставляемые данные на правдоподобность в случае неполной уверенности в благонадежности рекламодателя. Конкретных методов для этого нет, поскольку кроме издателя, никто не может поручиться за достоверность информации, кроме тех случаев, когда за исследования аудитории берется сторонняя организация (например, исследовательская компания типа «Комкон-2» или «Gallup»).

Параметр соотношения тематических интересов {АТН) - таблица распределения тематических интересов аудитории. Этот показатель не принимает прямого участия в расчете, однако оказывает косвенное влияние на показатель ВТН. В зависимости от тематической направленности рекламной кампании, посетители сайта разбиваются на группы тематических интересов, и результирующее значение ВТН является процентным отношением целевой группы ко всей аудитории сайта. Обычно этот параметр

* применяется в случае многонаправленной рекламной площадки. Однако

даже при наличии сугубо тематического сайта (например, сайт об автомобилях) возможно деление на подтемы. Эти данные предоставляются только издателем (в крайнем случае, исследовательской кампанией). Показатель этот в большей степени применим для разноплановых сайтов (мультипорталов), а не для узкоспециализированных проектов. Тем не менее,

практически любую узкую тему можно разбить еще на более узкие подтемы и разбивать аудиторию уже по этому признаку.

Цена размещения (АР) представляет собой основную информацию, предоставляемую издателями, а также основную информацию, которая обычно интересует рекламодателей. В зависимости от типа размещения могут применяться различные схемы оплаты. Все эти варианты были рассмотрены нами в первой главе, кроме того, цена размещения не оказывает никакого влияния на показатель CTR. Он предназначен для расчета общих затрат на рекламную кампанию (см. ниже). Кроме того, с использованием этого параметра рассчитывается общая эффективность рекламной кампании.

Единственным выходным значением в модели будет являться эффективность рекламного сообщения (отношение количества совершенных действий, предопределяемых рекламным сообщением к количеству показов) - CTR. Мы отталкиваемся от этого относительного показателя, поскольку количество показов не оказывает никакого влияния на эффективность сообщения:

^cra=sr- (2-13)

Однако для определения экономической эффективности нам необходимо отталкиваться от стоимостного выражения этого коэффициента. Поэтому мы введем еще один показатель. Обозначим его как «цена действия». Основан он будет на отношении общего бюджета рекламной кампании к количеству совершенных действий - в частном случае - переходов по ссылке. Соответственно чем ниже цена, тем более эффективна кампания с точки зрения затрат. Формула расчета суммарного бюджета рекламной кампании предельно проста и приведена ниже:

АТ= AP*BD + BCOST. (2.14)

Отсюда цена действия будет рассчитываться по следующей формуле:

96

CTR*BD ‘

Эти формулы верны лишь в том случае, если издатель не поддерживает схему оплаты СРС (цена за клик или нажатие). В этом случае формула бюджета будет иметь иной вид:

АТ=АР * С + BCOST . (2.16)

Формула цены действия при этом остается неизменной.

Рис. 2.6. Распределение показателя CTR.

Поскольку на Рис. 2.6 видно, что распределение показателя CTR наиболее приближено к линейной форме, в качестве базовой была выбрана линейная функция. Поскольку имеет место множественная корреляция, функция имеет следующий вид [84;90]:

y=b₀ + bjxj + b₂x₂+ ... + b_njc_m . (2.17)

В нашем случае в качестве переменных х используются параметры BVIS, BCONT, BF, ВТЕСН, BPOS, BDIM и ВС. Для построения модели на основе статистических данных необходимо оценить тесноту взаимосвязи

между параметрами модели и выходным значением CTR. Статистические данные получены в результате анализа отчетов о 22 рекламных кампаниях (Приложение 1). Это число обусловлено практической рекомендацией о превышении п над к не менее, чем в 3 раза. Высокий размер CTR в некоторых случаях обусловлен применением того или иного вида таргетинга или удачным тематическим подбором рекламной площадки. В случае выявления подобной зависимости, следующей задачей является оценка адекватности и точности созданной модели. Для анализа использовался статистический программный пакет SPSS.

Расчет производился с применением алгоритма ввода всех переменных и оценки значимости полученных коэффициентов регрессии (расчеты и распечатки выходов расчетов SPSS приведены в Приложении 2).

Первым шагом проверки устанавливается статистическая значимость или незначимость отличия от нуля оценок параметров регрессии. Эта проверка осуществляется отдельно для каждого параметра модели. Для оценки значимости коэффициентов регрессии можно воспользоваться следующим правилом: если абсолютная величина коэффициента регрессии больше доверительного интервала, то гипотеза о незначимости коэффициента отвергается:

я.

t f,Л! 2$ ai

)²

(2.20)

ДІ

nS²

и£*² - то коэффициент значим. В противном случае соответствующую переменную можно исключить из модели и все расчеты, включая решение системы линейных уравнений, повторить снова. В нашем случае tf_;2/2, ⁼ 2,145. Значения t в первоначальном уравнении регрессии (см. прил. 3), имеют коэффициенты меньшие, чем 2,145, поэтому реализуется алгоритм пошагового регрессионного анализа и исключается одна из незначимых переменных, с минимальным абсолютным значением t. В данном случае это BPOS. Повторное построение модели (без переменной BPOS) также выявило, что не все значения t больше t/_;2/₂ (в этом случае = 2,131). Поэтому была исключена переменная BDIM.

Итак, было построено уравнения регрессии, которое описывается следующей формулой:

CTR = -0,88+0,018 BVIS + 0,02 BCONT + 0,0175 BF + 0,0135 ВТЕСН + 0,084 ВС. (2.23)

Анализ показал (см. прил. 3), что все указанные значения t больше указанного табличного значения = 2,12 , следовательно, все

коэффициенты значимы и должны присутствовать в уравнении.

Для оценки адекватности модели также необходимо оценить следующие показатели: сравнить суммы квадратов по F-критерию, вычислить коэффициент детерминации, среднюю квадратическую ошибку уравнения регрессии, оценить наличие мультиколлинеарности [83;84;90].

1. Для проверки гипотезы значимости уравнения регрессии необходимо сравнить две суммы квадратов: остаточную сумму квадратов, характеризующую отклонение от регрессии:

Qe =L^eУ> /=1

где:

п

Lx

i=i

QJk

Q_e/(n-k-Y)’

(2.24)

(2.25)

(2.26)

(2.27)

Тогда выборочное значение F, имеющее распределение Фишера, может служить проверкой адекватности для заданного уровня значимости Л (обычно для экономических задач 2=0,05) и степеней свободы fi=k-,f₂=n-k-l, где к - число оцениваемых параметров, исключая свободный коэффициент. Если F > F₂ модель адекватна. В нашем случае F₂ = 2,853, a F = 1988,44, следовательно модель адекватна.

2. Другой полезной характеристикой линейной регрессии является коэффициент детерминации, вычисляемый по формуле:

yj2 — бй

(2.28)

Qr ⁺ Qe

Коэффициент детерминации равен той доле результатов наблюдений относительно горизонтальной прямой у = у, которая объясняется

уравнением регрессии. Величина R = +4r* является оценкой множественного коэффициента корреляции между результатами наблюдений и вычисленными значениями у,. Если 7?²=0,75, это значит, что модель работает на 75%, а 25% приходится на ошибку или неучтенные в модели факторы (для практических целей целесообразно, чтобы R² > 0,75). Для небольших значений п При использовании данной модели для оценки эффективности почтовых рассылок, нет потребности оценивать количество аудитории рекламной кампании.

=> Для почтовых рассылок, выполненных без применения графики, визуальная привлекательность существенно ниже.

=> Содержательная привлекательность почтовых рассылок обычно выше, поскольку содержит больше текста.

=> Почтовые рекламные кампании подразумевают ту или иную фокусировку на посетителях, обычно тематическую.

=> При такой рекламе нет потребности отслеживать эффективное число показов, т.к. каждый получатель почтового сообщения просмотрит это PC не более одного раза. Даже если он и просмотрит его больше одного раза, сообщение фиксируется как один показ. Можно добавить, что именно по количеству подписчиков считаются показы рекламных рассылок.

=> Тем не менее, восприятие почтовых сообщений существенно выше и отличается от баннерной рекламы, т.е. распределение вероятностей эффективного воздействия выглядит иначе (только для 0 и 1 показов). Кроме того, отпадает необходимость в механизме эффективной частоты.

=> Частота показа PC BF для рассылок будет равняться единице, по причине отсутствия других сообщений. Распространение по сайту BS также равно единице по причине отсутствия других страниц.

» => Стоимость создания почтовых рассылок всегда дороже обычных

баннеров, поскольку туда входит написание текста, тщательный анализ базы клиентов и рассылка.

Преимущество данной модели состоит в том, что она позволяет оценивать отклик на рекламное сообщение еще до непосредственного начала рекламной интернет-кампании. Кроме того, с ее помощью можно

планировать число показов и/или продолжительность рекламной кампании. Также данная модель позволяет оценивать синергетический эффект от размещения нескольких рекламных сообщений у одного издателя (на одной или разных страницах) или у нескольких разных издателей. С этой задачей успешно справляется модифицированная модель KGD, которая была описана нами ранее. Однако, в эксперименте мы намеренно не использовали случаи с множественным вхождением, дабы не усложнять модель на этом этапе.

Что касается показателей износа, то они являются характеристиками агрегирующих моделей рекламного отклика. Именно эти модели также добавляют динамику (учет предыдущих состояний) в анализ.

2.3.