Теоретические основы моделирования рекламных интернет- кампаний с применением персонализации рекламы.

Проведенный в первой главе анализ приемов интернет-рекламы поставил перед нами цель построения методики оценки и повышения эффективности рекламных кампаний на базе модели реакции посетителей.

1. Интернет-реклама схожа с традиционной в следующих моментах: имеется объект и субъект рекламного воздействия (рекламное сообщение и посетитель), и, в целом, все приемы как традиционной, так и интернет-рекламы, универсальны и подходят для любых рекламных кампаний.

2. Интернет-реклама содержит в себе ряд коренных отличий от традиционной: рекламное воздействие, в основном, строго персонализировано. То есть один показ рекламы наблюдает только один посетитель или же строго определенное количество посетителей (в случае рекламы с использованием E-mail- рассылок). Аудиторию интернет-рекламы гораздо проще определить с использованием технологических средств (счетчики, cookie), чем аудиторию традиционных рекламных носителей. То есть зачастую отпадает необходимость в использовании дорогостоящих опросов и прочих неточных механизмов. Существует возможность персонализации рекламного воздействия. Возможна оценка реакции посетителя на рекламное сообщение, а не только комплексная оценка всей рекламной кампании (при помощи показателя CTR).

3. На сегодняшний день в академических работах можно выделить три наиболее распространенных класса моделей: модели

охвата/частоты (моделирование распределения показов PC аудитории), агрегирующие модели рекламного отклика (моделирование оценок эффективности рекламных кампаний), комплексные модели планирования рекламных кампаний (составление оптимальных бизнес-планов).

4. В существующих исследованиях, методиках и моделях не установлена связь между первым и вторым классом моделей, хотя комплексные модели активно используют агрегирующие

модели.

5.

только на рекламное сообщение, возможно создание нового класса моделей: модели реакции посетителей. Такие модели кроме непосредственной оценки привлекательности рекламного сообщения для аудитории будут связывать модели

охвата/частоты и агрегирующие модели. Модели

охвата/частоты в данном случае инкапсулируются в модели реакции посетителей, которые, в свою очередь, являются составной частью комплексных моделей.

6. На базе создаваемой модели возможно создание методики планирования и повышения эффективности рекламных сообщений в Интернет. Повышение эффективности возможно за счет персонализации рекламы (таргетинга), увеличения визуальной и содержательной привлекательности и прочих приемов.

Специфика задачи ставит теоретической основой данной методики методы экономико-математического моделирования, работы отечественных и зарубежных ученых в области моделирования рекламных процессов, наработки исследовательских компаний по оценке эффективности рекламы, а также работы по типологии восприятия интернет-пользователей. Создание

методики предполагает подробный анализ моделей рекламных процессов и методик оценки эффективности рекламных кампаний, собранных, в основном, из зарубежных академических кругов за последние 20 лет.

Итак, все многообразие моделей рассматривается с трех точек зрения: модели, направленные на оценку количества людей, попадающих под действие рекламы (модели охвата/частоты); модели рекламного отклика, применяемые для моделирования отдельных параметров эффективности рекламных кампаний, например, осведомленности о товарной марке; и комплексные модели, основанные на моделях рекламного отклика, направленные на полное планирование и задание параметров медиапланов.

Первый класс моделей - модели охвата и частоты - ставит перед собой задачу оценки распределения вероятностей разного числа экспозиций для нескольких рекламных носителей/вхождений.

Если для рекламы задействован только один рекламный носитель с единственным вхождением в него, то проблема определения охвата достаточно ясна.

Охват определяется как количество уникальных потребителей, увидевших рекламное сообщение один и более раз в разных источниках (носителях) или в одних и тех же источниках несколько раз. Дублирование (N-рование - в случае N рекламных носителей) должно быть известно для оценки охвата, как показано в следующей формуле:

Охват = Носитель 1 + Носитель2 - (Носитель 1 и Носитель2) (2.1)

В целом, охват вычисляется путем применения «формулы включения- исключения» из теории вероятности [56]. Если Si показывает процент от всей целевой аудитории, подвергшейся единичной экспозиции для всех носителей, S2 - процент аудитории, подвергшейся двойной ЭКСПОЗИЦИИ, S3 - процент аудитории, подвергшейся тройной ЭКСПОЗИЦИИ и т.д., то R будет искомым значением экспозиции хотя бы одного из носителей при размещении на N носителей:

R=S_rS₂+S₃-,,, + S_N. (2.2)

Оценка охвата аудитории журналов включает в себя параметры SI, S2 и охват для двух вхождений одного носителя. В случае же расчета охвата широковещательных носителей измерения не идут дальше Sp Проблема в первом случае состоит в создании модели для оценки тройных и выше экспозиций, во втором — в оценке всех пересечений, поскольку все экспозиции высокого уровня не поддаются измерению с эмпирической точки зрения.

Нашей задачей является общий обзор моделей охвата/частоты, поэтому имеет смысл обратиться к работам американских исследователей, которыми был проведен сравнительный анализ этих моделей. Анализ проводился на

значительного большого числа наблюдений (п = 57) печатных рекламных кампаний.

Сравнительный анализ моделей охвата/частоты приведен в таблице 2.1

[12].

Таблица 2.1

Сравнительные характеристики моделей охвата/частоты

Средняя ошибка оценки охвата (AER) рассчитывается по следующей формуле:

AER =

(23)

где

Оі - наблюдаемый охват в медиаплане /; Еі - расчетный охват в медиаплане /;

К - общее число медиапланов.

Как мы видим, модель Кверела (KGD - Kwerel Geometric Distribution) одними из лучших показателей. Поэтому именно она выбрана для детального рассмотрения. В следующем параграфе эта модель будет рассмотрена более детально и будет дано описание модификации этой модели применительно к интернет-рекламе.

Второй класс моделей - модели рекламного отклика - предназначен для моделирования связи рекламных затрат и конечных маркетинговых итогов (обычно это уровень продаж компании или осведомленность о торговой марке).

В рекламных исследованиях термин износ означает снижение эффективности рекламного сообщения [23;54]. При этом важно различать забывание и износ. Износ снижает эффективность каждой последующей копии PC, в то время как забывание ведет к общему снижению индекса осведомленности бренда. Т.е. износ связан с эффектами рекламы, когда происходят показы PC, в то время как забывание характеризует снижение осведомленности при отсутствии показов.

Перечислим наработки в области моделирования рекламного отклика. Сравнительный анализ моделей предполагает проверку соответствия следующим явлениям, выделенным Литтлом [47]:

=> Я1: Продажи динамично реагируют ростом и падением на увеличение и уменьшение рекламы и, зачастую, с разными темпами.

=> Я2: График потенциального отклика может быть вогнутым или выпукло-вогнутым и часто может иметь положительный объем продаж при нулевой рекламе.

=> ЯЗ: Конкурирующая реклама оказывает влияние на продажи.

Я4: Денежная эффективность рекламы может меняться во времени по причине изменений носителей, появления копий и прочих факторов.

=> Я5: Сбытовые рекламные кампании реагируют на рост рекламы ростом продаж, который падает, даже если объем рекламы остается на прежнем уровне.

Данный класс моделей разбивается на несколько подклассов: априорные модели, эконометрические модели, априорные модели с настройкой. Первый подкласс моделей содержит в себе модели Vidale-Wolfe, Lanchester и Brandaid.

Vidale-Wolfe. Эта модель, созданная Видейлом и Вульфом [64] основана на трех основных идеях: 1) - объем продаж растет с объемом рекламных бюджетов, 2) - этот эффект снижается при достижении продажами некой точки, называемой «насыщение», 3) - уровень продаж склонен к самопроизвольному спаду. Как мы видим, данная модель отталкивается от изменения объема продаж. Рассматривая данную модель применительно к выделенным явлениям, можно заметить, что Я1 соблюдается: потенциальный отклик вогнутый и имеет нулевые продажи при нулевой рекламе (Я2 не соблюдено). Также в модели отсутствует конкурентная среда (ЯЗ не соблюден). Я4 и Я5 также не соблюдаются.

Модели Lanchester. Так мы будем называть класс схожих конкурирующих моделей, подобных военной модели Lanchester. Модели представляют собой набор уравнений, в основе который лежит все та же модель Vidale-Wolfe. Впервые модель была представлена Кимбэллом [38]. Модель соблюдает явления 1-4, кроме поддержки положительных продаж при нулевой рекламе и не соблюдает Я5.

Brandaid. В 1975 г. Литтл [47] представил гибкую структуру для моделирования эффекта всех составляющих маркетинга на продажи компании. Реклама состоит из рекламных сообщений, доставленных через показы в носителях, оплаченных долларами, т.е. темп рекламы = (эффективность копии) * (эффективность носителя) * (темп затрат). Эта модель соблюдает критерии гибкости в динамическом и статистическом отклике (Я1 и Я2) и поддерживает переменную эффективность (Я4). Модель также предлагает способ поддержки конкуренции (ЯЗ). Я5 не поддерживается.

Второй подкласс моделей рекламного отклика - эконометрические или статистические модели - содержит в себе линейные и мультипликативные модели.

Линейные модели. В таких моделях присутствует линейный статистический отклик и случайный импульсный отклик [7]. К сожалению, линейные модели очень ограничены в отражении действительных процессов. Ни одна из них не удовлетворяет описанным явлениям.

Мультипликативные модели имеют один существенный дефект - нулевая реклама дает нулевые продажи, и если присутствует отложенная реклама, нулевая реклама в любом из отложенных периодов даст нулевые продажи в текущем периоде. Эта ситуация актуальна в приложении к коротким периодам (недели, месяцы), где нулевая реклама является распространенным явлением. К рекламной переменной можно добавить константу, однако априорная константа предполагает сильное допущение о характере функции отклика и также снижает точность линейной оценки. Такие модели вообще не отвечают перечисленным явлениям.

Таким образом, описанные эконометрические модели имеют от недостаточную гибкость в отображении формы рекламного отклика и в отображении разных темпов подъема и снижения.

Третий подкласс представлен априорными моделями с настройкой. Некоторые исследователи пытались задавать модели, не руководствуясь стандартными эконометрическими формами и, потому, пытались настраивать их под конкретные случаи. Многие из этих моделей нелинейные в некоторых параметрах. Это вызывает ряд проблем, далеко не последней из которых является проблема качества оценок параметров.

Первой такой моделью является модель Кьюен, МакГвайр и Вейсс [41]. В данной модели присутствует несколько интересных особенностей. В базовой форме она представляет собой подмодель Brandaid, но с присутствием ценовых эффектов. Кривая отклика может быть как вогнутой, так и выпукло-вогнутой. Эффективная реклама — экспоненциально сглаженная функция затрат. Таким образом, модель содержит многие (хотя и не все) явления, описанные нами ранее.

Хорски [27] построил не менее интересную модель и настроил ее на данные о табачных рекламных кампаниях. Он рассмотрел случай с двумя конкурентами, один из которых - торговая марка, а второй - остальная отрасль. В нашей терминологии это модель Lanchester с двумя участниками в дискретном времени. Модель имеет два разных темпа роста и падения отклика, тем самым соответствуя Я1. Потенциальный отклик зачастую негибок, постоянно вогнут и имеет нулевые продажи при нулевой рекламе. Тем не менее, модель, определенно, шагнула вперед по сравнению с распространенными априорными моделями.

Парсонс [53] рассмотрел проблему переменного значения рекламной эффективности. Вооружившись цифрами о рекламе и продажах чистящих средств за период в 19 лет, он добавил переменный во времени коэффициент к стандартной мультипликативной эконометрической модели и нашел изменения в рекламной эффективности в течение жизненного цикла продукта. Для этого понадобилась нелинейная оценка. Пекельман и Сети [54] моделировали износ рекламы как зависящий от времени коэффициент в моделях типа Lanchester.

Эти примеры показывают, что отказ от стандартных статистических приемов позволяет строить более реалистичные модели и настраивать их, применяя нелинейные методы.

В заключение хочется заметить, что все рассмотренные модели разрабатывались и были рассчитаны на оценку традиционных рекламных кампаний, поэтому многое в них может быть пересмотрено для адекватного соответствия интернет-рекламе. Кроме того, такие важные показатели как повторный износ и неэффективная частота могут быть устранены благодаря возможностям инструментария интернет-рекламы. В каждой из описанных моделей присутствует функция или константа эффективности рекламы. При этом в некоторых моделях эта функция описана как экспоненциально сглаженная и, в основном, зависит только от рекламных затрат. На наш

взгляд такой подход является слишком упрощенным. Поэтому мы считаем, что для эффективности рекламы (в нашем случае, интернет-рекламы) необходимо создание специальной модели, выход которой будет использоваться в описанных моделях рекламного отклика.

Отдельно стоит упомянуть о том, что модели отклика и модели распределения частот не связаны между собой. На роль такого связующего звена идеально подходит создаваемая нами модель реакции посетителя.

В то время, как ранее описанные модели оценивают отдельные характеристики эффективности рекламных кампаний, комплексные модели ориентированы на полное планирование рекламных кампаний с учетом задаваемых целей. Эти модели требуют цены, доступность, рейтинги и прочие легко доступные переменные в качестве входов. В качестве выходов выдаются носители, количество вхождений, затраты и оценка отдачи в терминах продаж или других показателях. Именно такие модели можно назвать макромоделями, поскольку они вбирают в себя большинство из ранее перечисленных моделей. Мы не будем вдаваться в детальное описание данных моделей, ограничимся лишь классификацией и функциональным описанием, поскольку данные модели не взаимодействуют с разрабатываемой нам моделью. Комплексные модели представлены тремя группами: математические, симуляционные и сравнительно недавно появившиеся эвристические.

Математические модели обычно подходят к оптимизации размещения с точки зрения линейного программирования. При этом задается целевая функция и ряд ограничений. Поиск решения происходит обычно с применением симплекс-метода. Динамическое программирование привнесло некие нововведения в эту область. Разбивая общие цели на подцели, мы можем справиться с нелинейностью в отдаче от рекламы. Одна из реализаций подобных моделей, разработанная в 1966 г. Литтлом и Лодишем [48] получила название MEDIAC (Media Evaluation using Dynamic and Interactive

Applications of Computers). Она включала в себя множество аспектов, влияющих на эффективность рекламы, упущенных в остальных моделях. Тем не менее, она была заменена на более сложную модель, которая применяла эвристические методы анализа. Подытоживая сведения о математическом программировании, заметим, что данный класс моделей никогда не применялся в реальных методиках, ввиду слишком сильных ограничений, накладываемых математическими методами.

Большинство симуляционных моделей разрабатывалось для использования в рекламных агентствах. Такие модели редко становились достоянием общественности. Тем не менее, основным приемом в них являлось использование гипотетических персон с применением метода Монте-Карло, хотя некоторые модели (например, AD-ME-SIM [24]) использовали в качестве входов реальные данные. В целом, эвристические модели используют процедуры инкрементного поиска, где на каждом шагу выстраивается медиаплан и оценивается прирост эффективности так, что выбирается наиболее эффективный вариант. Пример одной из таких моделей (“High Assay”) приведен на рис. 2.1.

Рис 2.1. Алгоритм модели «High assay».

Как показано на диаграмме, модель начинает анализ с первой недели и выбирает одиночную оптимальную покупку. После того как выбор сделан, все оставшиеся варианты пересчитываются заново с учетом дублирования имеющихся в медиаплане ресурсов, равно как и скидок, которые могут появляться при покупке нескольких вхождений PC. Затем принимается решение о покупке второго PC для той же недели, если достигнутый уровень показов ниже оптимального. Процесс повторяется до тех пор, пока нужный уровень показов не будет достигнут.

Для полноты представления следует рассмотреть основные эвристические модели.

В модели MEDIAC [48] население разбивается на маркетинговые сегменты. Люди в каждом сегменте имеют свои потребительские и медийные предпочтения. Каждое включение показывает экспозиции для одного или нескольких сегментов. Экспозиции служат для повышения уровня показов для индивидуумов в выбранном сегменте. Таким образом, люди - причина забывания, и накопленный уровень показов снижается при отсутствии новых показов. Эффект рекламы покрывает эффект забывания. Количество показов прямо (но не линейно) зависит от рекламных бюджетов. Алгоритм следующий: на каждом шагу производится анализ каждого потенциального включения на максимум значения отдачи за доллар. После построения плана, модель высчитывает такое же соотношение, но уже с точки зрения исключения. Если соотношение для исключения больше или равно соотношению для включения, процедура останавливается.

ADMOD (Advertising Decision Model) - эту модель разработал в 1975 г. Аакер [1]. Основные отличия: во-первых, ADMOD призван работать одновременно с решениями по бюджету, копиям и носителям, в то время как почти все модели (в том числе и MEDIAC) предполагают бюджет жестким и игнорируют разницу между решениями по копиям PC и носителям PC; во- вторых, эффекты экспозиции связаны с когнитивными процессами (осведомленность, изменение отношения, испытательная покупка), что основано на предположении, что цель рекламы — ускорять когнитивные изменения или решения среди покупателей. Эта модель работает со схожими с MEDIAC понятиями. Однако, в отличие от MEDIAC, экспозиции носителя и экспозиции рекламы трактуются по-разному, и вероятность показа рассчитывается для каждого потребителя раздельно. В основе модели лежит биномиальное распределение. В этой модели, в отличие от остальных моделей с ограниченным бюджетом, бюджет присутствует в качестве одного

из целевых параметров. Кроме того, учитывается важный факт, что не все кампании нацелены на продажи.

Модель VEDIAC [57] разработанная в 1985 г., показывает еще одну разработку в категории эвристических моделей. Эта модель рассчитана исключительно на телевидение. Модель использует термин «эффективной экспозиции». Аналогично ADMOD, эта модель использует вероятностную функцию для оценки экспозиции, но оцениваются не все экспозиции, а только «эффективные». Распределение охвата моделируется на основе ББР.

Проведенный анализ показывает, что наиболее проработанной на сегодняшний день является модель MEDIAC, и именно ее мы предполагаем использовать для создания комплексной методики медиапланирования. Однако стоит заметить, что данная модель требует серьезных доработок, равно как в свете интеграции с аналогичными моделями (VEDIAC, ADMOD) с целью получения более адекватных медиапланов с точки зрения бюджета РК и эффективности экспозиции, так и в свете адаптации к существующим возможностям интернет-рекламы.

Итак, проделанный анализ рекламных моделей показывает, что:

1. Можно выделить три класса моделей: модели частоты/охвата, модели рекламного отклика и комплексные модели планирования рекламных кампаний.

2. Между собой связаны на сегодняшний день только модели рекламного отклика и модели планирования рекламных кампаний, а модели частоты/охвата никак не задействованы ни в одном из остальных классов моделей.

3. В рассмотренных моделях не учитываются критерии, выделенные нами в процессе анализа эффективности интернет- рекламы, и тем самым полностью не оценивается вероятность взаимодействия посетителя и рекламного сообщения.

4. Все описанные модели крайне упрощенно рассматривают эффективность самого рекламного сообщения, только как функцию от затрат. Поэтому нашей задачей является построение модели для оценки эффективности рекламных сообщений, включение которой в любую модель оценки рекламного отклика позволит построить адекватную макромодель комплексного планирования рекламных кампаний.

5. Описанные подходы основаны исключительно на традиционных видах рекламы и не учитывают возможностей интернет-рекламы, которые мы отметили в первой главе и подробно опишем в процессе разработки методики.

6. Разработка модели реакции посетителей разрешит сразу две проблемы: во-первых, свяжет модели охвата/частоты с остальными классами моделей и, во-вторых, позволит более адекватно рассматривать эффективность рекламных сообщений.

Для создания методики оценки и повышения эффективности нам необходимо проанализировать существующие методики по оценке эффективности рекламы. На практике можно выделить основные направления работ по анализу эффективности рекламы [16;97;99]:

=> анализ коммуникативной эффективности;

=> анализ финансовой, или коммерческой, эффективности.

Коммуникативная (информационная) эффективность рекламы позволяет установить, насколько эффективно конкретное рекламное обращение передает целевой аудитории необходимые сведения или формирует желательную для рекламодателя точку зрения. Она характеризует в целом охват аудитории покупателей, рынка. Изучение коммуникативной (информационной) результативности рекламы дает возможность улучшить качество как содержания, так места и формы подачи информации.

Для оценки коммуникативной эффективности рекламной кампании нужно (в общем случае) просто определить число рекламных контактов. Сложность определения числа таких контактов связана с тем, что оценка их реального числа с максимальной вероятностью находится в интервале от нуля до всего населения региона. Основным источником объективной информации для расчетов показателей коммуникативной эффективности рекламных мероприятий являются результаты исследований маркетинговых фирм.

Под термином «экономическая эффективность рекламы» понимают изменение под ее воздействием следующих параметров [95]: количества новых покупателей, количества всех покупателей, количества счетов, суммы продаж для производственных предприятий, суммы покупок для торговых фирм.

Параметр эффективности рекламы может оценивать широкий круг основных процессов, происходящих в бизнесе (рис. 2.2).

Рис. 2.2. Классификация способов определения эффективности рекламы.

Все способы определения эффективности рекламы, делятся [95] на две категории или группы — косвенные и прямые. К прямым относятся способы,

основанные на непосредственном выявлении эффективности рекламы. Это происходит за счет опросов или тестирования посетителей, покупателей, сотрудников, экспертов или случайных (отдельных) лиц из населения. При этом выявляется значимость рекламы путем установления рейтинга важности, балльной оценки или сравнения с известными объявлениями при тестировании.

Группа косвенных способов основана на определении таких па­раметров, которые напрямую связаны с рекламой, но из-за отсутствия пропорциональной зависимости могут быть только приближенными. Косвенные способы подразделяются на три группы: основанные на методе опроса, сравнительные и расчетные.

Сравнительные способы основываются на наличии базы сравнения. Могут сравниваться параметры эффективности рекламы за два или несколько известных периодов времени, в течение которых происходили существенные изменения в рекламе.

Рис. 2.3. Классификация оценочных способов определения эффективности рекламы.

Оценочные расчетные способы основаны на сложении составляющих, или частичных эффективностей, определяемых прямыми методами или сравнением. Кроме того, возможно сложение всех составляющих эффективностей технически сложных видов носителей рекламы, например, через Интернет.

Предложенная классификация оценочных способов определения эффективности рекламы содержит основные, наиболее реальные и действенные варианты и использует в своей основе все перечисленные выше параметры. Для рекламодателя важно главное — определить, насколько эффективной является реклама.

Для количественного сравнения эффективности рекламы можно рекомендовать только способы, основанные на расчетах в единой системе

(например, по количеству новых клиентов или по сумме покупок, сделанных под влиянием рекламы).

Большинство способов определения эффективности рекламы путем прямой оценки основаны на определении косвенных признаков, таких как привлечение категорий новых клиентов, количество счетов, объемы продаж, номенклатура, ассортимент, цены, влияние конкуренции, лидеры на рынке и т. д. Однако существуют способы прямой оценки рекламы, основанные на впечатлениях потребителей. Сущность прямой оценки основана на формировании впечатления от рекламы и образа фирмы в глазах потребителя. При этом расчет идет на «эффект взаимопонимания», заключающийся в воздействии рекламы на уровень осведомленности потребителя, его умение ориентироваться на рынке товаров или услуг. Разновидности способов прямой оценки зависят от характера воздействия на потребителей впечатлений от рекламы. При этом возможны три варианта[97]:

=> для непосредственного воздействия впечатлений от рекламы характерны способы оценки прямых, или непосредственных, впечатлений;

=> для формирования образа фирмы, дающей объявления, характерны способы оценки опосредованных (или преобразованных с учетом опыта) впечатлений от рекламы;

=> для случаев сравнения исследуемой рекламы с известной и уже оцененной возможны способы сравнительной оценки.

* Способы определения эффективности рекламы на основе опроса

посетителей занимают промежуточное положение среди всех оценочных способов.

Опрос посетителей не связан с какими-то действиями с их стороны, производимыми для дальнейшего осуществления покупки. В этом проявляется наибольшая сложность, так как необходимо привлекать своих

специалистов или приглашать их из центров маркетинговых или консалтинговых исследований. Главная особенность в определении эффективности рекламы по опросу посетителей заключается в случайности отбора людей. Осуществляется выборка из всех посетителей. Причем желательна именно случайная, а не систематическая выборка. По теории вероятности при значительной выборке в нее попадут все категории по­сетителей. Если же иметь приверженность к какой-либо определенной группе посетителей, то получится существенная систематическая ошибка. Таким образом, абсолютная эффективность рекламы выражается через количество всех новых посетителей, пришедших под ее влиянием.

Рассмотренные выше способы определения эффективности рекламы опросом по телефону, факсу, а также учетом покупателей относятся к оценочным косвенным способам в соответствии с приведенной классификацией. Существуют предпочтительные и нежелательные области применения этих способов. Предпочтительными называются такие области, где изменение рекламы связано с ее эффективностью линейно или близко к прямо пропорциональной зависимости. В случае отсутствия такой пропорциональности или при достижения эффекта насыщения могут возникнуть ситуации с бесполезными затратами.

Изменения рекламы определяются следующими основными па­раметрами [94]:

=> размером объявления, измеряемым площадью, — для пери­одической, наружной рекламы;

=> временем объявления — для телевидения и радио;

=> частотой повторения рекламы;

=> затратами на рекламу — для всех видов.

Наиболее универсальным параметром рекламы, охватывающим все ее виды, являются затраты. Однако, для отдельных видов рекламы существуют свои наиболее популярные параметры. Например, для щитовой рекламы —

это размер или площадь объявлений, а для периодической печати — суммарная площадь объявлений за месяц. В любых измерениях стремятся к получению результата с наименьшей погрешностью. В рекламе наименьшая погрешность эффективности достигается при прямо пропорциональной или близкой к ней зависимости ее от параметров рекламы.

Все рассмотренные выше способы нахождения эффективности рекламы основывались на реальных откликах на объявления, выявляемых опросом или автоматическим учетом платежных документов. Однако, рекламодатели на стадиях создания нового объявления или перед началом реализации новой стратегии маркетинга всегда стоят перед проблемой заблаговременной оценки эффективности от изменения рекламы.

Все расчетные оценочные способы основаны на выявлении трех главных параметров: всей потенциально возможной аудитории, только целевой аудитории, доли откликов целевой аудитории на рекламу.

Наиболее сложным является нахождение доли откликов целевой аудитории, поэтому в большинстве расчетов ограничиваются первыми двумя параметрами — всей и целевой аудиторией. Расчетные оценочные способы носят чисто теоретический характер и не могут претендовать на определение точных абсолютных величин параметров. Тем не менее, в сравнении с конкретной, имеющейся для более раннего периода величиной целевой аудитории, т.е. по относительной методике, эти способы успешно применяются.

Что касается измерений эффективности интернет-рекламы, тут следует отметить, что на сегодняшний день основным измерителем, от которого отталкиваются многие компании, является CTR. В данной ситуации не случайно упоминаются именно компании, поскольку научно обоснованного подхода к оценке интернет-рекламы в России пока нет. Поэтому каждая исследовательская компания вырабатывает свой подход к измерению эффективности интернет-рекламы, либо заимствует его у других компаний.

Примером такой методики является расчет эффективности рекламной кампании в «Энциклопедии интернет-рекламы» [73]. Данная методика не предлагает продуманных приемов оценки эффективности, а ограничивается лишь приблизительной оценкой CTR и последующих действий. Данный подход не содержит никакого научного обоснования и включает в анализ эффективности рекламной кампании действия, совершаемые после перехода по баннеру. Обратившись к зарубежным исследованиям, можно выделить исследование IAB/Millward Brown [30]. В нем основными критериями эффективности интернет-рекламы являются уровень осведомленности о брэнде, темп продаж и восприятие продукта (традиционные измерения эффективности). Более того, учитывается охват/частота в виде показателя FORCE - процент людей, которые вспомнят рекламу после первого же показа. Серьезным недостатком обеих методик является то, что она не учитывает коэффициент CTR, который на наш взгляд, является адекватным измерителем эффективности рекламного сообщения.

Завершая обзор методик оценки эффективности, мы можем выделить ряд недостатков во всех вышеупомянутых методиках:

1. Оценки эффективности путем опросов слишком дорогостоящи, кроме того, они не позволяют прогнозировать результаты рекламной кампании.

2. Большинство методик разработаны для традиционных видов рекламы и не учитывают специфику интернет-рекламы, на основе которой можно отделить эффективность рекламных сообщений от эффективности сайта и прочих составляющих рекламных кампаний.

3. Все оценки эффективности рекламных кампаний отталкиваются либо от прироста конечных продаж, либо от изменения осведомленности пользователя. Выбор зависит от цели рекламной кампании: в первом случае это стимуляция сбыта или

вывод на рынок нового продукта, во втором - имиджевая реклама.

Итак, для оценки эффективности рекламного сообщения как составляющей рекламной кампании в Интернет необходимо построение отдельной методики, поскольку:

=> В описанных методиках нет способов прогнозирования результатов рекламных кампаний, они опираются только на эмпирические данные.

=> Они не содержат приемов повышения эффективности рекламных кампаний и, в частности, рекламных сообщений.

=> Описанные методики описывают рекламные кампании в общем, что не дает возможности сосредоточиться на узких аспектах эффективности рекламных сообщений.

=> Интернет-реклама дает возможность оценки эффективности рекламного сообщения отдельно от эффективности всей рекламной кампании.

Поэтому предлагается создание принципиально отличной методики, направленной на анализ эффективности рекламных сообщений используемых в интернет-рекламе. В методике оценивается, в первую очередь, коммуникативная и экономическая эффективность рекламного сообщения как критерий успеха всей рекламной кампании. Расширение данной методики и интеграция с существующими методиками оценки и прогнозирования эффективности позволит использовать ее для более качественной и реалистичной оценки эффективности рекламных кампаний.

Разработка новой методики, основанной на различии восприятия аудитории, предполагает анализ наработок в области социальной атрибуции [2;5;6;9;22;25;62;63]. Фундаментальный социальный когнитивный процесс, действующий в межгрупповой интеракции, — это социальная категоризация. Социальной категоризацией, согласно X. Тейфелу является “упорядочивание

социального окружения на основе группирований личностей таким образом, который осмыслен для индивида”. На этот процесс влияют ценности, культура и социальные представления. Социальная категоризация воздействует на социальные схемы, которые индивиды применяют в межгрупповых контактах; она определяет личность, объект или событие как члена отдельной категории. Социальная схематизация обеспечивает содержание категорий и размежевывает процесс категоризации на будущие перцепции, воспоминание и предположения. Можно выделить пять типов схем, которые используются в социальном познании: личностные схемы, событийные схемы, схемы свободного содержания или процедурные схемы, self-схемы и ролевые схемы.

Стереотипы являются содержанием категорий, которые относятся к людям. Стереотипы, поэтому, могут рассматриваться как “особые типы ролевых схем, организующих предшествующие знания о других людях и ожидания личности, которые подпадают под конкретные социально определенные категории”. Ролевая схематика может основываться на таких факторах, как пол, раса, возраст или занятие, если перечислять только некоторые из них. Социальное стереотипирование имеет место, “когда комплекс черт, ролей, эмоций, способностей и интересов атрибутируются индивидам, которые категоризируются на основании легко идентифицируемых характеристик”. Считается, что индивиды, принадлежащие к стереотипированной группе, являются похожими друг на друга и отличными от других групп по ряду атрибутов. Социальные стереотипы наиболее тесно связываются с индивидами, которые воспринимаются как типичные для отдельной группы.

В исследовании «Annual Review of Psychology Self and social identity» [20] авторами в результате исследования и проведения контент-анализа высказываний посетителей форума на сайте www.msn.com выделяется 15 групп интернет-пользователей по типу поведения и восприятия. Каждая

группа определяется наиболее часто используемыми выражениями и словосочетаниями. Результаты представлены в таблице 2.2.

Таблица 2.2

Типология групп восприятия сайта www.msn.com

При этом выполняется следующее правило: группа, с которой себя отождествляет посетитель, является для него самой близкой по уровню восприятия. Данное исследование позволяет сделать заключение, что, анализируя сообщения или журналы общения пользователей на любом сайте, мы можем построить аналогичную типологию пользователей по восприятию. Данные результаты неприменимы ввиду языковых и лексических различий между англоязычными и русскоязычными пользователями.

Для анализа и выделения групп целесообразно применять контент- анализ, поскольку именно он нацелен на измерение ряда качественных и количественных характеристик текста и на выявление зависимостей между ними [72]. Анализ, проведенный автором, показал, что других методов для этих целей не существует.

Контент-анализ (от англ., contens - содержание) - это анализ содержания документов. Контент-анализ шире всего используется в социологии и социальной психологии. Он призван свести к минимуму

неизбежную субъективность исследователя при его работе с количественными характеристиками некоторого массива документов.

В отличие от тех методов работы с документами, которые традиционно применяются в литературоведении, юриспруденции, источниковедении и ряде других дисциплин, контент-анализ позволяет проводить более строгий и систематический сбор данных, предоставляя возможность не только качественной, но количественной их оценки. Таким образом, контент-анализ - это способ получения качественно-количественных данных, содержащихся в документах [114].

В данном исследовании сбору и анализу подвергаются текстовые высказывания интернет-пользователей. Перед машинной обработкой применяется кодирование, т.е. разрабатывается система категорий, дающих возможность проанализировать типологию пользователей.

Количественный контент-анализ в первую очередь предназначен для оценки частоты появления в тексте определенных характеристик (переменных) содержания. Качественный контент-анализ позволяет делать выводы даже на основе единственного присутствия или отсутствия определенной характеристики содержания.

Очевидно, что количественный контент-анализ легче поддается реализации в компьютерных программах. Следует обратить внимание на то, что когда говорят о контент-анализе текстов, то главный интерес всегда заключается не в самих характеристиках содержания, а во внеязыковой реальности, которая за ними стоит - личных характеристиках автора текста, преследуемых им целях, характеристиках адресата текста, различных событиях общественной жизни и пр.

Однако, просто частота появления того или иного слова или темы мало о чем говорят. Гораздо более информативны не абсолютные, а относительные частоты, которые вычисляются как отношение абсолютной частоты к длине анализируемого текста. В зависимости от того, что является

переменной содержания, под длиной текста может пониматься количество слов в нем, количество предложений, абзацев и пр.

В качестве категории может выступать набор слов, объединенных по определенному основанию. Можно сказать, что посредством категорий в контент-анализе представлены определенные концептуальные образования. Именно учет частот встречаемости категорий, а не отдельных слов, позволяет судить о внимании, уделенном в послании тем или иным вопросам.

Очевидно, что от качества составления таких категорий во многом зависит качество результатов анализа. Контент-анализ текстов с использованием категорий иногда называют концептуальным анализом. Сфера его применения довольно широка. Два основных типа задач, решаемых с его помощью: во-первых — задача сравнения текстов в отношении нагрузки на определенные категории; во-вторых - задача отслеживания динамики изменения нагрузки на определенные категории.

Использование при контент-анализе определенного набора категорий задает концептуальную сетку, в терминах которой и анализируется текст. От того, насколько удачен набор используемых категорий, зависит качество результатов анализа. Поэтому исследователей давно интересовала задача автоматической категоризации слов текста, т.е. выделение обсуждаемых в нем тем. Был предложен ряд подходов для решения этой задачи. Следует отметить, что автоматическая категоризация возможна лишь в том случае, если объем анализируемых текстов достаточно велик.

Рассмотрев основные приемы контент-анализа, можно сделать вывод, что именно эти методы будут применяться в практической реализации методики оценки и повышения экономической эффективности, а именно при создании ИС таргетинга по типу восприятия. Количественный контент- анализ будет лежать в основе механизма обработки исходного текста с целью категоризации пользователей.

2.2.