МОДЕЛИРОВАНИЕ ОТКЛИКА РЫНКА НА МАРКЕТИНГ-МИКС
advertisement
МОДЕЛИРОВАНИЕ ОТКЛИКА РЫНКА НА МАРКЕТИНГ-МИКС Пигорев Д.П. В статье приведен обзор существующих подходов к моделированию отклика рынка на параметры 1 маркетинговой стратегии предприятия. Планирование маркетинг-микса является основной задачей управления маркетингом. Маркетинг-микс может быть представлен в виде набора управляющих переменных, которые менеджер по маркетингу контролирует для целей управления продажами или долей рынка. Планирование требует от менеджеров по маркетингу понимания реакции рынка на переменные маркетинг-микса. Ключевые слова: математическая модель, маркетинг-микс, эффекты рекламы, медиапланирование, рекламные кампаний. 1 Маркетинг-микс – это система, комплекс тактических маркетинговых инструментов, с помощью которых реализуется стратегия маркетинга компании. Маркетинг-микс включает в себя такие составляющие, как товар, цена, место продаж и продвижение. Введение. Маркетинг-микс может быть представлен в виде набора компонент, которые менеджер по маркетингу (или лицо принимающее решение) может контролировать для целей управления продажами фирмы или долей рынка. Как правило, эти компоненты сводятся к «четырем П» маркетинга: продукт, цена, продвижение и место (McCarthy, 1996). «Продукт» включает такие аспекты, как продуктовый портфель фирмы, новизна этих продуктов, отличие продуктов от конкурентов и их конкурентные преимущества. «Продвижение» касается рекламы, информационных или специальных акций для продвижения и т.д. «Цена» относится к ценам продуктов или иным стимулам продаж, таким как оптовые скидки, временное снижение цен. «Место» относится к измеряемым параметрам поставки продукта, таким как распространенность, доступность, торговые площади и т.д. Вопрос, с которым обычно сталкиваются менеджеры: какая комбинация этих переменных максимизирует продажи, долю рынка или прибыль? Ответ на этот вопрос, в свою очередь, зависит от ответа на другой вопрос: Каким образом понесенные расходы повлияют или повлияли на продажи или долю рынка фирмы? Философия моделирования. На протяжении полувека исследователи сосредоточены на попытках поиска ответа на этот вопрос. Среди попыток можно упомянуть эконометрические модели отклика рынка на маркетинг-микс. Большинство этих моделей сосредоточены на отклике рынка на рекламу и ценообразование (Sethuraman & Tellis, 1991). Причина этого кроется в том, что расходы на эти параметры наиболее легко управляемы, так что менеджер по маркетингу более всего сконцентрирован на том, каким образом следует управлять этими переменными наилучшим образом. В данном параграфе рассматривается данный пласт литературы. Основной фокус сделан на моделировании отклика на эти переменные, хотя большинство принципов применимы также и к другим переменным маркетинг-микса. Подход к моделированию базируется на том, что исторические данные о реакции рынка и потребителей на маркетинг-микс содержат ценную информацию, которая может пролить свет на понимание причинно-следственной связи между ними. Эти данные также должны позволить предсказать, как потребители могут реагировать в будущем и, более того, как наилучшим образом следует планировать маркетинговые переменные (напр. см. Tellis &Zufryden, 1995). Хотя никто не может наверняка предсказать будущее, не стоит полностью пренебрегать прошлым. Таким образом, мы хотим собрать как можно больше информации о прошлом для того, чтобы сделать наиболее надежные выводы и разработать эффективные стратегии для будущего. Предположим, что для этих целей может подойти регрессионная модель, в которой зависимой переменной являются продажи бренда2, а независимая переменная это реклама или цена. Таким образом, (1) 2 Бренд (англ. brand) — термин в маркетинге, символизирующий комплекс информации о компании, продукте или услуге; популярная, легко узнаваемая и юридически защищённая символика какого-либо производителя или продукта. Здесь, Y представляет зависимую переменную (напр. продажи), А представляет рекламу, параметры α и β это коэффициенты или параметры, которые исследователь хочет оценить, а индекс t представляет различные периоды времени. Далее обсуждаются проблемы соответствующего временного интервала, но до этого исследователь мы говорим о времени как об измеряемом в неделях или днях. εt это ошибки в оценке , которые мы предполагаем независимыми и подчиняющимися нормальному распределению. Уравнение (1) может быть описано регрессией. Тогда коэффициент модели описывает воздействие рекламы на продажи. В сущности, этот коэффициент представляет из себя максимум информации, которую возможно извлечь из прошлого и обеспечивает базу для разработки стратегий для будущего. Естественно, достоверность, релевантность и полезность параметров зависят от того, насколько хорошо модель описывает исторические данные. В данной статье показывается, как применять эти модели в контексте маркетинг-микса. Мы сосредоточены на рекламе и ценах по трем причинам. Во-первых, эти переменные наиболее часто находятся под контролем у менеджеров. Во-вторых, литература содержит богатую историю моделей, описывающих реакцию рынка на эти переменные. В-третьих, реакция на эти переменные содержит множество интересных шаблонов и эффектов. Понимание того, как следует корректно моделировать эти шаблоны может пролить свет на моделирование других маркетинговых переменных. Первым делом нужно разобраться во множестве шаблонов функций, наблюдаемых в реакциях современного рынка на рекламу и ценообразование. Эти шаблоны отклика также называются эффектами рекламы или ценообразования. Затем мы представим наиболее важные эконометрические модели и обсудим, как эти классические модели могут или не могут описать каждый из этих эффектов. Шаблоны реакции на рекламу Можно выделить семь наиболее важных шаблонов функции отклика на рекламу: текущий, формы, конкурентный, переходящий, динамический, контентный и медийный. Первые четыре из этих эффектов являются общими для цены и других маркетинговых переменных. Последние три уникальны для рекламы. Следующие семь разделов описывают эти эффекты. Текущий эффект Текущий эффект рекламы это изменение в продажах, вызванное воздействием (импульсом или серией) рекламных усилий, происходящее в тот же временной период, что и воздействие. Рассмотрим Рис. 1. На рисунке по оси x отложено время, по оси y продажи, а базовый или нормальный уровень продаж обозначен пунктиром. В данном случае текущий эффект на рекламу это скачок в продажах относительно базового уровня вызванный рекламным воздействием (см Рис. 1А). Десятилетия исследований показывают, что этот эффект рекламы невелик и достаточно неустойчив по сравнению с эффектами других маркетинговых переменных. Например, текущий эффект цены в 20 раз больше чем эффект рекламы (Sethuraman & Tellis, 1991; Tellis, 1989). К тому же, эффект от рекламы бывает настолько мал, что легко теряется в шуме данных. Таким образом, одной из самых важных задач для исследователя выступает задача выбора модели с крайней осторожностью, чтобы избежать преувеличение и упущение из виду эффекта, который, как известно, неустойчив (Tellis & Weiss, 1995). Переходящий эффект. Переходящий эффект от рекламы это та часть ее эффекта, которая наблюдается во временные периоды следующие после импульса рекламы. На Рисунке 1 показаны переходящие эффекты: долгосрочный (1Б) и краткосрочный (1В). Переходящий эффект может наблюдаться по нескольким причинам, таким как задержка воздействия рекламы, задержка отклика потребителя, задержка покупки из-за наличия запасов продукции у потребителей, задержка покупки от потребителей, которые узнали о продукции от кого-то, кто увидел рекламу первым (эффект сарафанного радио). А: Текущий эффект Выручка Б: Переходящий долгосрочный эффект Выручка Время Время Г: Переходящий устойчивый эффект В: Переходящий краткосрочный эффект Выручка Выручка Время Время Запуск рекламной кампании Базовый уровень Выручки (без РК) Рисунок 1. Временные эффекты от рекламы Уровень Выручки с рекламой Переходящий эффект может быть как таким же большим, так и превосходить текущий эффект. Как правило, переходящий эффект является краткосрочным, как показано на рис.1В, реже долгосрочным, как на рисунке 1Б (Tellis, 2004). Долгосрочный эффект, который исследователи часто обнаруживают, вызывается суммированием данных за длительный период времени (Clarke, 1976). По этой причине исследователям стоит использовать данные, которые настолько детализированы по времени насколько они могут получить. Общий эффект от воздействия рекламы это сумма текущего эффекта и всех переходящих эффектов, вызванных воздействием. Выручка Вогнутый отклик Линейный отклик S-образный отклик Реклама Рисунок 2. Линейный и нелинейный отклик Эффект формы. Эффект формы относится к изменению в продажах в ответ на увеличение интенсивности рекламы в тот же временной период. Интенсивность рекламы может быть выражена в воздействии на единицу времени, которое часто называется частотой или весом. Рисунок 2 отражает многообразие форм реакции на рекламу. Обратите внимание, во-первых, что ось x сейчас это интенсивность рекламы (в периоде), в то время как по оси y реакция продаж (в том же периоде). В сравнении с рисунком 1, 2 отражает высоту столбца в рисунке 1А, по мере увеличения рекламного воздействия. На рисунке 2 показаны три основные формы: линейная, вогнутая (по мере увеличения интенсивности темпы роста выручки снижаются) и S-образную. Из этих трех форм S-образная кажется наиболее правдоподобной. Линейная форма неправдоподобна, поскольку подразумевает, что продажи будут расти бесконечно с бесконечным увеличением рекламы. Вогнутая форма устраняет неправдоподобность линейной формы. Однако S-образная форма выглядит наиболее правдоподобной из-за того, что показывает, что на некотором очень низком уровне реклама может быть совсем неэффективной из-за того, что она теряется в шуме. На какомто высоком уровне, она может не повышать продажи из-за насыщения рынка или того, что потребителям быстро надоедает повторяющаяся реклама. «Отзывчивость» продаж на рекламу это темп изменения продаж при изменении в рекламе или производная продаж по интенсивности рекламы. Она описывается наклоном кривой на рисунке 2 или коэффициентом в модели, используемым для описания кривой. Этот коэффициент, как правило, обозначается как в Уравнении (1). Также, мы ожидаем, что кривая зависимости продаж от рекламы имеет определенную форму, а также, отзывчивость продаж на рекламу отображает определенные характеристики. Во-первых, оценку отклика следует проводить в форме эластичности. Эластичность продаж к рекламе (также называемая рекламной эластичностью, для краткости) это процентное изменение продаж на 1% изменения в рекламе. Определенная таким образом эластичность это безразмерная величина и не зависит от единиц измерения рекламы или продаж. Эластичность выступает чистой величиной рекламной отзывчивости, чье значение можно сравнивать для разных продуктов, фирм, рынков и временных промежутков. Во-вторых, эластичность не должна ни постоянно увеличиваться с ростом рекламы ни быть постоянной, а должна представлять собой линию в форме перевернутого колокола в зависимости от уровня рекламы. Причина этого кроется в следующем: мы ожидаем, что отзывчивость будет низкой при низких уровнях рекламы из-за того, что реклама заглушается шумом рынка. Нам следует ожидать отзывчивость низкой также и на очень высоких уровнях рекламы, из-за насыщения. Таким образом, нам следует ожидать максимум отзывчивости продаж на средних уровнях рекламы. Следовательно, в то время как реклама вызывает S-образную реакцию в продажах, рекламная эластичность имеет вид перевернутого колокола в зависимости от рекламы. Поэтому модели, описывающие S-образную реакцию должны также описать и рекламную эластичность в ее теоретически наиболее вероятной форме. Эффект конкуренции Реклама обычно присутствует на свободных рынках. Каждый раз, когда какой-либо бренд рекламирует свой новый успешный продукт или новую товарную упаковку, другие бренды тут же начинают подражать ему. Конкурентная реклама приводит к увеличению шума на рынке и тем самым снижает эффективность рекламы отдельно взятого бренда. Конкурентный эффект от рекламы целевого бренда это ее эффективность относительно других брендов на рынке из-за того, что большинство рекламы осуществляется в условиях конкуренции, попытки изучить рекламу целевого бренда в вакууме могут быть ошибочными и приводить к необъективным оценкам эластичности. Простейшим методом определения отклика на рекламу в условиях конкуренции является измерение и моделирование продаж и рекламы целевого бренда по отношению ко всем остальным брендам на рынке. В дополнение к обычному шуму конкурентной рекламы, реклама целевого бренда может отличаться в зависимости от его позиции на рынке или узнаваемости потребителями. Например, устоявшиеся или крупные бренды могут, как правило, получать больший доход, чем меньшие бренды при одинаковом уровне рекламы из-за большей известности и лояльности потребителей. Этот эффект называет дифференциация рекламной отзывчивости в зависимости от позиции или узнаваемости бренда. Динамические эффекты. Динамические эффекты это эффекты рекламы, изменяющиеся во времени. Этот термин включает переходящие эффекты, обсужденные ранее, эффекты усиления, износа и сохранения, которые будут обсуждены далее. Для понимания эффектов усиления и износа нам нужно вернуться к рисунку 2. Обратите внимание, что для вогнутой и S-образной форм реакции на рекламу, продажи растут до тех пор, пока не достигнут некоего пика увеличения рекламной интенсивности. Эта реакция на рекламу может быть описана в статическом контексте, скажем, в первую неделю или среднюю неделю кампании. Однако, в действительности, эта модель реакции изменяется с ходом кампании. Усиление это увеличение реакции продаж на рекламу от первой до последней недели компании даже при сохранении одного и того же уровня рекламы в каждой неделе (см. Рисунок 3). Рисунок 3 показывает время по оси x (скажем, в неделях) и продажи по оси y. Предполагается, что рекламная кампания длится 6 недель, рекламные усилия которой равномерно распределены между неделями, реклама показывается в одно и то же время каждой недели. Обратите внимание на небольшой всплеск в продажах, проявляющийся вместе с каждым воздействием, однако эти всплески продолжают нарастать в первые 3 недели кампании, хотя уровень рекламы постоянен. Данный эффект называется явлением усиления. В действительности, если усиление наблюдается, то обычно это происходит на начальных этапах кампании. Оно может вызываться повторением кампании в последующие периоды и позволить большему количеству людей увидеть рекламу, обсудить ее, обдумать ее и прореагировать на нее, чем это смогло бы сделать в первый период компании. Выручка Эффект усиления Эффект износа Базовые продажи Еженедельные рекламные усилия Время в неделях Рисунок 3. Эффекты усиления и износа в рекламной эффективности. Износ это уменьшение реакции продаж на рекламу от недели к неделе с ходом компании, даже при сохранении интенсивности рекламы на одном и том же уровне. Износ обычно проявляется к концу кампании из-за того, что она начинает надоедать потребителям. Рисунок 3 показывает износ в последние 3 недели компании. Сохранение это постоянный эффект от рекламного воздействия, который остается даже после того, как рекламная кампания завершена (см. Рисунок 1Г). Обычно, этот эффект не происходит более одного раза. Он вызывается тем, что реклама создает запоминающийся и ранее неизвестный факт, связь или отношение. Сохранение это достаточно необычный эффект рекламы, который встречается достаточно редко. Контентый эффект. Контентные эффекты это различия в реакции на рекламу в зависимости от изменения содержания или оформления рекламы. Это наиболее важный источник изменений рекламной отзывчивости и на нем сосредоточены креативные специалисты в каждом агентстве. Эта тема, по сути, изучается в области потребительского поведения с помощью лабораторных экспериментов или инсценировок. Однако экспериментальные данные не могут быть легко и быстро преобразованы в управленческие практики из-за того, что они не были реализованы «в поле» на реальных рынках. Как правило, разработчики моделей описывают реакцию потребителей или рынков на рекламу, измеренную в агрегированных величинах (долларах, валовых рейтинговых очках или воздействиях) безотносительно рекламного содержания. Таким образом, задачей разработчиков моделей является учет измерения содержания рекламы в построение моделей реакции на рекламу для реальных рынков. Медиа-эффекты. Медиа-эффекты это изменения в реакции на рекламу в зависимости от различных медиа, таких как ТВ или газеты или от программ в них, например канала телевидения или колонки газеты. Моделирование реакции на рекламу. В этом разделе обсуждается пять различных моделей отклика на рекламу, которые описывают один или более из вышеперечисленных эффектов. Модели представлены в порядке возрастания их сложности. Во время обсуждения сильных и слабых сторон каждой модели, читатель оценит их значение и развитие в сторону усложнения. Путем комбинации одной или нескольких моделей, перечисленных ниже, исследователь может разработать модель, описывающую множество из эффектов, приведенных выше. Однако задача решается только ценой увеличения сложности. В идеале, рекламная модель должна быть достаточно полной, чтобы описать все семь эффектов обсужденных выше. Никто не предложил модели, которая бы делала это, хотя некоторые были достаточно к этому близки. Базовая Линейная Модель Базовая линейная модель способна описать только первый из эффектов, описанных выше – текущий эффект. Эта модель имеет следующий вид: (2) Здесь, представляет зависимую переменную (например, продажи), в то время как другие заглавные буквы представляют переменные маркетинг-микса, например рекламу ( ), цену ( ), продвижение товаров ( ) или качество ( ). Параметры и отражают воздействие независимых переменных на зависимую, где индекс соответствует независимым переменным. Индекс отражает различные периоды времени. В следующем разделе обсуждаются проблемы выбора соответствующего временного интервала, но пока исследователь может считать, что время измеряется в неделях или днях. это ошибки в оценке которые мы считаем независимыми и соответствующими нормальному распределению. Это предположение означает, что погрешность не является систематической, так что она представляет собой просто случайный шум (т.н. белый шум). Наша простая модель предполагает, что мы имеем множество наблюдений (во времени) по продажам, рекламе и другим маркетинговым переменным. Эта модель лучше всего может быть описана регрессией, простым но мощным статистическим инструментом. Являясь простой, эта модель может отразить только первый из семи эффектов, обсужденных выше. Мультипликативная Модель. Мультипликативная модель получила свое название из-за того, что независимые переменные маркетинг-микса перемножаются друг с другом. Таким образом, ( ) (3) Хотя эта модель выглядит сложной, простое преобразование может сделать ее крайне простой. В частности, логарифмическое преобразование линеаризует Уравнение (3) и делает ее похожей на Уравнение (2); таким образом, ( ) ( ) ( ) ( ) ( ) . (4) Главное отличие Уравнения (2) от Уравнения (4) в том, что последнее содержит все переменные после логарифмического преобразования их начального состояния. После этого преобразования все погрешности в Уравнении (4) предполагаются нормально распределенными. Мультипликативная модель имеет множество преимуществ. Во-первых, эта модель подразумевает, что на зависимую переменную оказывает влияние взаимодействие переменных маркетинг-микса. Иными словами, независимые переменные оказывают синергетическое воздействие на зависимую. Во многих рекламных ситуациях переменные действительно могут взаимодействовать между собой и влиять таким образом. Например, реклама в сочетании с падением цены может увеличить объем продаж больше, чем суммарно реклама и уменьшение цены, происходящие по отдельности. Во-вторых, Уравнения (3) и (4) подразумевают, что реакция на продажи для любой из независимых переменных может принимать различные формы в зависимости от значения коэффициентов. Другими словами, модель является достаточно гибкой для того, чтобы описывать отношения, которые имеют различную форму путем точной оценки значений коэффициента отклика. В-третьих, коэффициенты не только оценивают влияние независимых переменных на зависимые, но и являются эластичностями. Оценка реакций в форме эластичностей имеет ряд преимуществ, описанных выше. Однако следует учитывать, что мультипликативная модель имеет три главных ограничения. Вопервых, она не может оценить последние пять из семи эффектов, описанных выше. Для этой цели мы должны перейти к другим моделям. Во-вторых, мультипликативная модель не может описать S-образную реакцию продаж на рекламу. В-третьих, мультипликативная модель подразумевает, что эластичность продаж рекламы постоянна. Иными словами, это процент, на который увеличиваются продажи, в ответ на процентное увеличение рекламы, неизменен. Этот результат неправдоподобен. Нам следует ожидать, что процентное увеличение продаж в ответ на процентное увеличение рекламы снизится, когда продажи фирмы или реклама станут очень большими. Уравнение (4) не предполагает таких изменений в эластичности рекламы. Экспоненциальная модель привлекательности и модель логарифмического многочлена. Модель привлекательности базируется на предположении, что реакция рынка это результат силы притяжения бренда относительно других брендов, составляющих ему конкуренцию. Модель привлекательности предполагает, что доля бреда в продажах на рынке это функция от его доли в общих маркетинговых усилиях, то есть, (5) Где это доля на рынке i-го бренда (в диапазоне от 0 до 1), это продажи бренда i, означает суммирование значений соответствующей переменной по всем j брендам на рынке и это маркетинговые усилия бренда i и усилия, затраченные на маркетинг-микс (реклама, цена, продвижение, качество и т.д.) Уравнение (5) может быть названо фундаментальной теоремой маркетинга Котлера. Также, правая часть уравнения (5) называется привлекательностью бренда i. Модель привлекательности, в сущности, описывает эффекты конкуренции. Простой, но неточной формой модели привлекательности является использование относительных значений величин в Уравнении (2). Так, для продаж, исследователь должен использовать долю рынка. Для рекламы он или она должны использовать долю расходов на рекламу и долю суммарных рейтинговых очков (долю или вес) и так далее. Хотя такая модель описывает эффекты конкуренции, она сохраняет другие недостатки линейной модели, такие как линейность реакции. Также, она неточна из-за того, что в правой части будут не сами доли маркетинговых усилий, а сумма долей индивидуальных усилий на каждый элемент маркетинг-микса. Изменение линейной модели привлекательности может решить проблему линейности реакции и неточности в определении правой части уравнения, плюс предоставит некоторые другие преимущества. Это изменение выражает долю рынка бренда как экспоненциальную зависимость от переменных маркетинг-микса, то есть: ( ) (6) где это доля на рынке i-го бренда (в диапазоне от 0 до 1), это маркетинговые усилия j-го бренда на рынке, означает суммирование по всем j брендам на рынке, это экспонента и это маркетинговые усилия i-го бренда, выраженные в правой части Уравнения (2). Так, (7) где ошибки. Подставляя значение уравнения (7) в Уравнение (6) мы получаем ( ) ( ) ( ) (8) где (от 0 до m) это m независимых величин элементов маркетинг-микса, и и. Использование экспоненты в Уравнениях (6) и (8) гарантирует, что доля рынка это S-образная функция от доли маркетинговых усилий бренда. Из-за этого, она имеет ряд положительных сторон, обсужденных ранее. Между тем, Уравнение (8) имеет также и два ограничения. Во-первых, его непросто интерпретировать так как правая часть Уравнения (8) находится в форме экспонент. Во-вторых, оно существенно нелинейно и сложно оценимо, поскольку в знаменателе правой части уравнения сумма экспонент маркетинговых усилий каждого бренда, просуммированных по каждому элементу маркетинг-микса. К счастью, обе эти проблемы можно разрешить применением логцентрированного преобразования к Уравнению (8) (Cooper & Nakanishi, 1988). После применения этого преобразования уравнение (8) сводится к ( ) ( ) (9) где терм с * это лог-центрированная версия нормального терма; то есть ̅ ̅ ̅ для k от 1 до m, а терм с чертой означает среднее значение по m брендам на рынке. Лог-центрированное преобразование Уравнения (8) сводит его к виду модели логарифмического многочлена, Уравнению (9). Приятная черта этой модели в том, что она относительно проста, легче интерпретируется и легче оценивается, чем Уравнение (8). Правая часть уравнения (9) это линейная сумма преобразованных независимых переменных. Левая часть Уравнения (9) это разновидность логарифмического преобразования доли рынка и может быть интерпретирована как логарифм вероятности того, что потребители в целом предпочтут целевой бренд среднему бренду на рынке. В части формы логарифмического многочлена в Уравнении (9) стоят суммы. То есть, эта форма оценивается на уровне рыночных данных, полученных в форме доли брендов на рынке и их доли маркетинговых усилий относительно других брендов рынка. В аналогичном виде модель может оценить уровни предпочтений индивидуального потребителя (см., например, Tellis, 1988a). Эта другая форма модели оценивает как индивидуальный потребитель выбирает между конкурирующими брендами и называется моделью логарифмического многочлена выбора бренда (Guadagni & Little, 1983). Модель логарифмического многочлена (Уравнение (9)) обладает рядом привлекательных черт, которые возвышают ее над другими моделями обсужденными ранее. Во-первых, это модель принимает во внимание конкурентный контекст, так что предсказания модели суммируются и диапазон ограничен, как и в реальных данных. То есть, предсказания доли рынка любого бренда находятся в диапазоне от 0 до 1, и сумма прогнозов по всем брендам рынка равна 1. Во-вторых, и что более важно, функциональный вид Уравнения (6) (из которого выводится Уравнение (9))) предполагает S-образную зависимость между долей рынка и любыми независимыми переменными (см. Рисунок 2). В случае рекламы, например, эта форма подразумевает, что реакция на рекламу низка на очень высоких и очень низких уровнях интенсивности рекламы. Это свойство особенно привлекательно в контексте теории рекламы. Причина в том, что очень низкая интенсивность рекламы может быть неэффективной из-за того, что она потеряется в шуме конкурентных сообщений. Очень высокие уровни рекламы могут быть неэффективными из-за насыщения или убывания отдачи от масштаба. Если по оценкам нижний порог S-образной зависимости не совпадает с 0, это означает, что доля на рынке сохранит некое минимальное значение, даже если снизить маркетинговые усилия до нуля. Мы можем интерпретировать этот минимальный уровень как базовую лояльность к бренду. С другой стороны, мы можем интерпретировать уровень маркетинговых усилий, который совпадает с пороговым значением (или первой точкой перегиба) S-кривой как необходимый минимум, который необходим потребителям на рынке, чтобы начать замечать изменения в маркетинговых усилиях. В-третьих, из-за S-образной зависимости модели логарифмического многочлена, эластичность долей на рынке для любых независимых переменных показывает характерную связь в форме перевернутого колокола в зависимости от маркетинговых усилий. Эта связь означает, что на очень высоких уровнях маркетинговых усилий, 1% увеличение в маркетинговых усилиях преобразуется в меньшее процентное увеличение рыночной доли. И наоборот, на очень низких уровнях маркетинговых усилий уменьшение на 1% маркетинговых усилий приводит к меньшему процентному уменьшению доли рынка. То есть рыночная доля сильнее всего реагирует на маркетинговые усилия на некоторых промежуточных уровнях рыночной доли. Эта модель поведения, которую мы интуитивно ожидали для связей между рыночными долями и маркетинговыми усилиями. Несмотря на свои многочисленные преимущества, экспоненциальная модель привлекательна или модель логарифмического многочлена, как определено выше, не описывают последние четыре из семи эффектов, описанных выше. Модель Койка и Модель распределенной задержки Модель Койка может быть рассмотрена как простое функциональное дополнение базовой линейной модели (Уравнение (2)), которое включает задержку зависимой переменной как независимую переменную. Что означает, что продажи зависят от продаж предыдущего периода и все независимых переменных, вызвавших продажи предыдущего периода, плюс от текущих значений тех же независимых переменных. , (10) В этой модели текущий эффект от рекламы это , а переходящий эффект от рекламы это ( ) Чем выше значение λ тем дольше эффект от рекламы. Чем меньше значение λ, тем короче эффект от рекламы, так что продажи зависят большей частью только от текущей рекламы. Суммарный эффект от рекламы это ( ) Хотя эта модель выглядит достаточно простой и обладает некоторым количеством приятных свойств, просчет ее может быть достаточно сложным (Clarke, 1976). Кроме того, читатели должны помнить о следующих ограничениях этой модели. Во-первых, эта модель может описать переходящие эффекты только как убывающими монотонно и не имеющими «горбов» или немонотонности убывания. Во-вторых, оценить эффект переноса от любой конкретной переменной достаточно сложно, когда есть множество независимых переменных, каждая из которых обладает своим собственным эффектом переноса. В-третьих, высок уровень агрегирования данных. Расчетная продолжительность переноса завышается или смещается вверх по мере роста уровня обобщения. Недавние статьи доказывают, что оптимальный временной интервал данных, который не приводит к какой-либо предвзятости не время между продажами категории, как обычно считается, а крупнейшие периоды с не более чем одним воздействием и, если они есть, в тот же самый период (Tellis & Franses, in press). Модель распределенной задержки это модель, в которой множество значений задержки и зависимых и независимых переменных. То есть , (11) Эта модель очень широка и может описать целый ряд переходящих эффектов. Действительно, модель Койка может рассматриваться как частный случай модели распределенной задержки с единственным значением задержки зависимой переменной. Модель распределенной задержки преодолевает две проблемы модели Койка. Во-первых, она допускает немонотонные или «горбатые» функции убывания (см Рисунок 4). Во-вторых, она может частично разделить переходящие эффекты от разных независимых переменных. Однако, она также обладает и двумя ограничениями. Во-первых, возможны мультиколлинеарные зависимости между переходящими и текущими значениями одних и тех же переменных. Во-вторых, из-за этой проблемы, оценка количества необходимых переходящих переменных, трудна и ненадежна. Таким образом, если исследователь обладает достаточно широкими данными, которые минимизируют последние две проблемы, то ему или ей следует использовать модель распределенной задержки. В ином случае, модель Койка будет разумным приближением. Иерархические модели Оставшиеся эффекты от рекламы, которые нам нужно описать (контента, медиа, усиления и износа) связаны с изменениями в отзывчивости самой рекламы (т.е. в коэффициенте β) в зависимости от содержания, используемых медиа, времени или компании. Эти эффекты могут быть описаны одним из двух способов: моделью регрессии фиктивной переменной или иерархической моделью. Модель регрессии фиктивной переменной это использование различных термов взаимодействия для описания того как рекламная отзывчивость изменяется содержанием, медиа, улучшением или износом. Мы покажем это в контексте с несколькими объявлениями. Во-первых, предположим, что рекламная компания использует только несколько разных типов объявлений (скажем, два). Также, предположим, начнем с простой регрессионной модели Уравнения (3). Затем мы можем описать эффекты от этих различных объявлений через включение подходящих фиктивных переменных. Один из простых способов – включить фиктивную переменную для второго объявления плюс эффект взаимодействия от рекламных повторений этой фиктивной переменной. Таким образом, , (12) где это фиктивная переменная, принимающая значение 0 если первое объявление используется в момент t и 1 если используется второе. это эффект взаимодействия термов ( ). В этом случае главный коэффициент от рекламы, описывает эффект от первого объявления, в то время как коэффициенты плюс терм взаимодействия ( ) описывают воздействие второго объявления. Несмотря на простоту, эти модели быстро становятся достаточно сложными когда мы работаем с множеством объявлений, медиа и временными периодами, особенно если они происходят одновременно. Эта ситуация реальных рынков. Эта проблема может быть разрешена путем использования иерархических моделей. Иерархические модели это многошаговые модели, в которых коэффициенты (рекламные) оцененные на одном шаге становятся зависимыми переменными на другом. Второй этап содержит характеристики, по которым реклама, вероятно, менялась на первом шаге, такие как содержание, медиа или продолжительность компании. Рассмотрим следующий пример. Пример Исследователь собирает данные о воздействии рекламы на продажи для бренда одной фирмы в течении двухлетнего периода. Фирма рекламирует бренд, используя большое количество разных объявлений (или версий контента), в компаниях различной продолжительности (скажем, от 2 до 8 недель), некотором количестве городов или рынков. Предположим, что исследователь обладает данными высокой точности, скажем до часа в дне. Такие данные возможны из-за появления электронных баз данных, таких как статистика Интернет-продаж, телерынков или розничных продаж со сканеров. Исследователь анализирует воздействие рекламы на продажи отдельно для каждого города, компании (объявления) и недели компании. Эти воздействия значительно варьируются для разных оценок модели. Почему? Выручка Модель Койка: Продажи= функции задержек продаж Продажи = функции двойных задержек продаж и рекламы Продажи = функции двойных задержек продаж и рекламы Время Экспозиция рекламы Рисунок 4. Альтернативные формы рекламных переходов Исследователь предполагает, что изменение может быть вызвано различными факторами рынка, или компании или недели компании. У исследователя есть информация обо всех этих трех факторах (рынок, компания и неделя компании). На втором шаге модели исследователь может проанализировать как коэффициенты рекламы, оцененные на первом шаге, изменяются под действием этих факторов. Зависимая переменная это коэффициенты рекламы с первого шага и независимые переменные это факторы, которые могут повлиять на этот коэффициент. Такая многоступенчатая модель называется иерархической (например, Chandy, Tellis, MacInnis, & Thaivanich, 2001; Tellis, Chandy, & Thaivanich, 2000). Два свойства очень важны для иерархических моделей. Во-первых, мы должны иметь возможность получить несколько оценок воздействий (или значений коэффициентов) рекламы для некоторой зависимой переменной, например продаж или рыночной доли для одного бренда в различных контекстах или, по крайней мере, одном из следующих: рекламная кампания, неделя кампании, рынок или среда. Затем мы можем использовать оценки эффектов от рекламы с первого шага как зависимые переменные на втором. Во-вторых, насколько возможно, нам следует минимизировать взаимодействие между факторами. Так, одна определенная реклама не может всегда проводиться на одном определенном канале или одна кампания идти на одном и том же канале. Такая одновременность приводит к проблемам множественных зависимостей между созданными переменными на втором шаге. Пока эти три фактора в достаточной степени выполняются, оценки на втором шаге будут реалистичными. В зависимости от качества данных, иерархические модели могут оценить последние три эффекта от рекламы, которые были описаны выше. То есть с такими моделями и необходимыми данными, исследователь может оценить, какой контент наиболее эффективен, какая длительность компании наиболее эффективна и какие медиа наиболее эффективны. Продолжительность компании можно оценивать в неделях. Например, эффективность рекламы сначала медленно увеличивается и потом неуклонно падает с течением времени, следует заключить, что улучшение происходит медленно, а износ быстро. С другой стороны, если эффективность рекламы неуклонно снижается со временем, то улучшения не было, а износ начался с самого начала. Кроме того, если данные достаточно обильны и детализированы, исследователь может также наблюдать эффекты взаимодействия, такие как какие медиа лучшим образом подходят для определенных объявлений или какой контент нужен для запуска компаний на длительный либо короткий срок. Обратите внимание, что для описания всех семи эффектов от рекламы, описанных выше, исследователю следует использовать иерархическую модель, которая содержит в себе экспоненциальную модель привлекательности или модель логарифмического многочлена с улучшение вроде модели Койка или модели распределенной задержки. Другими словами, сочетания моделей, описанных выше, достаточно для исследования важнейших явлений, связанных с рекламой. В действительности, полностью интегрированные модели, которые могут описать все эффекты от рекламы, очень сложны и требуют значительных данных (напр., см. Chandy et al., 2001). Если исследователи хотят сосредоточиться только на некоторых эффектах или их данные недостаточно полны, они могут хотеть упростить модель, которую они используют для того, чтобы сосредоточиться на наиболее важных эффектах. Шаблоны и модели реакции на цену. Первые четыре эффекта отклика на рекламу также применимы и к цене: текущий эффект, эффект формы, эффект конкуренции и переходящий эффект. Текущий эффект от цены это изменение в продажах, которое происходит в том же периоде, в котором изменилась цена. В отличии от реакции на рекламу, реакция на цену обычно сильная и проявляющаяся в большой доле отдачи в текущем периоде (Sethuraman & Tellis, 1991). Однако изменение цены может также иметь переходящие эффекты. Эти эффекты могут возникать из-за того, что потребителям нужно время, чтобы заметить изменение цены, задержка реакции до следующего визита в магазин, или из-за текущих запасов. Обычно, переходящие эффекты для цены проявляются в меньшей степени, чем для рекламы. Один тип переноса уменьшает продажи после понижения цены из-за того, что потребители покупают про запас товары со скидкой и затем не совершают регулярные покупки до тех пор, пока не исчерпают запасов. Экспоненциальная модель привлекательности или модель логарифмического многочлена, описывающая реакцию на рекламу, также хорошо служит для описания S-образной реакции и эффектов конкуренции, если такие присутствуют, в ответ на ценообразование. Кроме того, интеграция этих моделей с моделью Койка или моделью распределенной задержки может также описать все эффекты переноса, которые могут существовать в реакции на рекламу. Кроме того, реакция на цену обладает тремя дополнительными эффектами, которые уникальны для цены: эффект цены в продвижении, эффект контрольной цены и эффект взаимодействия цены. Чтобы описать эти три эффекта, исследователь должен просто изменить линейную, модель логарифмического многочлена или модель распределенной задержки, включив подходящие независимые переменные. Основную структуру модели менять нет необходимости. Таким образом, с целью экономии мы рассматриваем только эффекты, уникальные для ценообразования и то, как изменение классических моделей, описанных ранее, может описать эти эффекты. Моделирования эффекта цены продвижения. Основным свойством ценообразования на современных рынках является то, что цены постоянно в движении. Розничные торговцы имеют некий прайс лист «по умолчанию» и часто по разным причинам они предоставляют скидки или «распродажи» от этих цен (Tellis, 1986). Таким образом, стратегии ценообразования имеют две компоненты: (1) компонента прайс-листа, который показывает как бренд в основном позиционируется по цене относительно других брендов и (2) компонента цены продвижения, которая показывает временные снижения от этого прайс-листа. Так, модели отклика на ценообразование должны включать оба этих компонента для корректного определения и полного описания всех эффектов ценообразования. Цена Прайс-лист Скидки Время Рисунок 5. Динамика цен одного бренда в одном магазине во времени Предположим, что мы выбрали модель логарифмического многочлена, рассмотренную выше. Затем, для полного описания эффекта цены продвижения, следует использовать две независимые переменные для цены вместо одной: одна переменная должна представлять цену из прайс-листа бренда, другая – цену продвижения бренда. Основной вопрос в том, как измерять цену в прайслисте и цену продвижения. На рынках в наше время, фирмы в основном держат цену прайс-листа бренда высокой в течение продолжительного периода времени, но иногда снижают эту цену, устраивая распродажи или скидки (Tellis, 1998). Таким образом, можно определить и описать цену прайс-листа как высокую постоянную цену бренда для рассматриваемого временного периода (см Рисунок 5). Можно определить цену продвижения или скидку бренда как цену по прайс-листу минус фактическая цена или выплата в отельный период времени внутри рассматриваемого периода. Стоит использовать те же правила для вычисления цены по прайс-листу и цены продвижения для конкурирующих брендов. Оценки коэффициентов (эластичностей) этих переменных будут отражать реакцию рынков на эти переменные. По определению, эффект цены по прайс-листу, как правило, будет отрицательным. То есть, чем выше цена по прайс-листу для бренда, тем меньше у него продаж или доли рынка. Действие цен продвижения, как правило, будет положительным. То есть чем круче рекламные скидки для бренда, тем выше его продажи или доля рынка. Моделирование эффекта справочной цены Справочные цены это скрытые внутренние нормы, которые потребители используют в качестве базиса, относительно которого сравнивают текущие цены (Tellis, 1998; Winer, 1986). Справочные цены не наблюдаются и не могут быть точно установлены для исследования из-за проблемы предвзятых запросов. Даже если они не существуют, потребители будут иметь искушение ответить утвердительно о них просто для удовольствия исследователя. Лучший способ проверки базовых цен это предсказание поведения с и без справочных цен. Например, исследователь может создать улучшение модели в соответствии с данными, если такие есть, путем включения терма, описывающего справочную цену. Современные исследования показывают, по крайней мере, две компоненты справочной цены (Rajendran & Tellis, 1994): во-первых, временная или внутренняя справочная цена, основанная на памяти, которая, вероятно, возникает на основе прошлых цен, по которым совершал покупки потребитель, и, во-вторых, внешняя или контекстная справочная цена, основанная на видимых ценах которые, вероятно, сверяются с ценами других конкурирующих брендов, доступных потребителю на момент покупки. Полная модель реакции на ценообразование должна описывать эти эффекты справочной цены. Любая из моделей, обсужденных выше может учесть воздействия справочных цен путем включения независимых переменных для этих эффектов. В сущности, вместо одной переменной для цены исследователю следует включить переменную для временной справочной цены минус оплачиваемая цена плюс другая переменная для контекстной справочной цены минус оплачиваемая цена. Следующая проблема в том, как именно измерить эти справочные цены. Для измерения контекстной справочной цены целевого бренда исследователь может использовать либо среднюю по другим брендам цену или нижнюю цену из других брендов или цену бренда-лидера на рынке (Rajendran & Tellis, 1994). Другие или конкурирующие бренды, рассматриваемые в этом случае, это те, вместе с которыми доступен целевой бренд. Которую из этих трех цен использовать исследователю зависит от того, какая цена наиболее важна для потребителей, когда они принимают решение, основанное на ценах. В отсутствии сильной теории относительно этого вопроса, исследователь должен попробовать каждую из этих трех справочных цен и использовать ту, которая даст наилучшее соответствие с данными. Для фиксации временной справочной цены исследователь должен использовать некое скользящее среднее значение последних цен, которые потребитель использовал в связи с целевым брендом. Вместо простого среднего значения некоторые исследователи выступают в защиту взвешенного скользящего значения последних цен. Ключевой вопрос здесь в том, как нужно оценивать веса и порядок предыдущих периодов которые должны быть включены в определение? Текущее мнение в том, что нужно брать модель временных рядов, которая лучше всего описывает исторические ряды цен бренда (Winer, 1986). Логика этой точки зрения в том, что цены, которые могут лучше всего быть предсказаны, это те, которые потребитель наиболее вероятно может вспомнить и назвать. Однако, это не абсолютная истина, что измерение прошлых цен лучшим образом определяет временную компоненту справочной цены. В сущности, исследователь должен использовать ту компоненту, которую он или она посчитает наиболее соответствующую данным. Моделирование эффектов цены продвижения и контрольной цены. Модель может стать достаточно громоздкой, если попытаться описать одновременно и эффект цены продвижения и эффект справочных цен и для каждой из них описать временную и контекстную компоненты. К счастью, эффект справочной цены, вероятно, связан с эффектом цены продвижения. В частности, вероятно, что цена по прайс-листу это контекстная или внутренняя справочная цена. Причина в том, что цены в прайс-листе меняются не сильно с течением времени, так что потребители, вероятно, их используют как справочные цены для конкурирующих брендов в момент покупки. С другой стороны, цены продвижения вероятно сравнимы с внутренней справочной ценой из-за того, что они сильно меняются во времени и зависят от памяти потребителя и опыта относительно этих цен. Таким образом, несмотря на множество эффектов ценообразования, исследователь может описать многие из них компактно с использованием всего двух независимых переменных для цены. Первая переменная должна быть справочной ценой по прайс-листу минус реальная цена по прайс-листу. Этот терм опишет эффект цены по прайс-листу относительно справочных контекстных цен. Второй терм будет временной ценой распродажи минус цена со скидкой, которую реально предоставляют. Это терм опишет эффект от скидок в отношении к временным справочным ценам. Скидка сама по себе это цена по прайс-листу минус актуальная цена, взимаемая в данный период. Моделирование эффектов взаимодействия. Часто маркетинговые переменные воздействуют на потребителей синергетично. То есть воздействие двух из них вместе больше, чем сумма воздействий каждой из них по отдельности. Мы называем эту синергетичность воздействия эффектом взаимодействия. Можно утверждать, что вся концепция маркетинг-микса именно в том, что все эти переменные не работают по одиночке и имеют некоторый совместный эффект, который гораздо больше, чем суммарный эффект от частей. Основной способ, с помощью которого модели реакции описывают эффекты взаимодействия это включение дополнительного терма, который состоит из произведения двух взаимодействующих переменных. Например, если исследователь верит, что реклама будет более эффективной во время распродажи, ему стоит включить новую независимую переменную, составленную из произведения рекламы и скидки. Когда накапливается большое количество независимых переменных, некоторые из которых имеют несколько компонент (такие как переходящие значения рекламы или временные и контекстные цены), то проверка всех видов взаимодействий может быть достаточно сложной. В чем есть потребность, так это модель, которая может решать вопрос достаточно просто. Некоторые из последних моделей могут делать это при некоторых допущениях. Рассмотрим мультипликативную модель в Уравнении (3). Эта модель в своем начальном виде (с переменными измеряемыми в естественных величинах) предполагает, что продажи являются результатом произведения набора независимых переменных. Другими словами, предполагается, что продажи являются результатом взаимодействия переменных маркетинг-микса. Однако, в ее логарифмической форме (после логарифмирования всех переменных) в Уравнении (4), которое используется для линеаризации и оценки модели, она уже не содержит эффекта взаимодействия. Так что если теория предполагает, что эффекты взаимодействия содержатся в естественном состоянии переменных, но не в логарифмической форме, то мультипликативная модель служит простейшей формализацией этих эффектов взаимодействия. С другой стороны, если исследователь верит, что эффекты взаимодействия сохраняются даже после того, как натуральные значения логарифмируются или не уверен в этом, ему или ей следует просто использовать модель, которая включает дополнительный терм взаимодействия в логарифме маркетинговых переменных, для которых предполагается эффект взаимодействия. Если у исследователя есть причина верить, что сильный эффект взаимодействия существует между какими-то переменными и исследователь использует модель отличную от мультипликативной, то лучшее, что ему или ей можно посоветовать это моделирование эффекта взаимодействия явным образом. Это моделирование может быть достигнуто включением дополнительной независимой переменной, образованной путем умножения тех переменных, которые, как исследователь предполагает, взаимодействуют друг с другом. Частичная адаптация иерархической модели для реакции на рекламу Ни один исследователь не опубликовал модель, описывающую все семь характеристик маркетинг-микса. Однако недавний пример, опубликованный в двух исследованиях командой из четырех авторов, показывает, как можно описать все эти эффекты кроме конкуренции. Сейчас, многие читатели скажут, что конкуренция повсеместно распространена на рынках в наши дни и является одним важнейших направлений описания. Однако, в данном примере конкуренты не были представлены. Кроме того, реклама была не единственным используемым фирмой элементом маркетинг-микса. С учетом этих двух оговорок достаточно неплохо удалось интегрировать остальные шесть желаемых характеристик маркетинговых моделей. Это пример из исследований проведенных Теллисом и др. (2000) и Чэнди и др. (2001). Исследователи имели данные о потребителях (продажах) и ТВ-рекламе для предоставляемого сервиса за несколько лет для более, чем 30 городов. В каждом городе сервис-провайдер мог привлечь к работе около 70 рекламных разработчиков в течение года. К счастью, фирма использовала различные рекламные ролики в разных городах, в каждом из которых фирма работала в течение различного времени. Исследователям удалось описать различия в этих роликах в зависимости от набора ключевых характеристик, таких как использование эмоций, аргументации, оценок, некоторые виды копирования и т.д. Они также откалибровали различия для различных городов относительно среднего значения по рынку для момента, когда объявление выходило в эфир. Учитывая эти особенности, на первом шаге модель смогла объяснить, какие последствия каждого ролика имели место в каждом городе. Затем, на втором шаге модель смогла объяснить, как эти воздействия варьировались в зависимости от типа ролика и типа города. Это иерархическая модель. Теперь мы продолжим писать уравнения для каждого шага. Шаг 1: Оценка Реакции на различную рекламу. Авторы начали с модели распределенной задержки, как в Уравнении (11). Затем авторы включили фиктивную переменную в модель для отражения присутствия или отсутствия каждой рекламы. Коэффициенты этих переменных определяют как воздействие рекламы отличается от общего эффекта, описанного Уравнением (11), в зависимости от использования конкретного вида рекламы и возраста рынка в настоящее время. Авторы также включили множество контрольных переменных для учета других различий, таких как время суток или день недели совершения покупки, часть дня (утро или вечер), в которой реклама выходила в эфир и работал ли в этой время сервис. На первом шаге модель выглядит так: ( ) , (13) где вектор рефералов в час, матрица задержки рефералов в час, матрица текущей и задержанной рекламы за час, матрица фиктивных переменных, отражающих то, какая именно реклама использовалась в каждый час (мы используем С, чтобы отразить матрицу рекламы и с для обозначения отдельной рекламы позже) матрица текущей и задержанной рекламы на каждом телеканале в час, матрица текущей и задержанной рекламы в утренние часы, матрица фиктивных переменных для времени дня в час, матрица фиктивных переменных для дня недели в час, вектор фиктивных записей, был ли сервис открыт в час, оцениваемый постоянный терм, вектор оцениваемых коэффициентов запаздывающих потенциальных потребителей, вектор оцениваемых коэффициентов и вектор ошибок, который изначально считается нормально-распределенным. Заметьте, что в этом исследовании авторы сумели охватить многие ключевые аспекты воздействия рекламы. Например, описывает основное воздействие от рекламы по часам дня. Комбинация и описывает преходящий эффект от рекламы. описывает воздействие различных каналов рекламы плюс основное воздействие рекламы в час за день. описывает воздействие различных используемых медиа (ТВ станций). Заметьте, что авторы включили отдельные виды рекламы как фиктивные переменные в Уравнение (13), показывая, использовалась ли конкретная реклама на определенном рынке. Они решили отбросить рекламу со средней эффективностью и включать только те, которые были значительно выше или ниже среднего уровня. Таким образом, коэффициенты рекламы в Уравнении (13) отражают повышение или понижение ожидаемого количества потенциальных потребителей в зависимости от конкретной рекламы, относительно средней рекламы на определенном рынке. Такое определение имело большое практическое значение. Обычно менеджеры не очень заинтересованы в глобальной оптимизации портфеля рекламных каналов. Скорее, они были заинтересованы в том, чтобы добиться улучшений относительно их стратегии в предыдущем году. По этой причине они ищут аналитику, которая выявляет лучшие примеры рекламы (для более частого использования) и худшие (для удаления из стратегии). Результаты показали, что хотя реклама имеет маленькое воздействие, это воздействие сильно зависит от типа рекламы и ТВ канала. Таким образом, менеджеры могут отказаться от использования менее эффективной рекламы и каналов и тратить больше на наиболее эффективные. Подробные данные и специализация модели продемонстрировали некоторый объем других интересных явлений того, как меняется воздействие рекламы и убывает в зависимости от времени дня и дня недели. Шаг 2: Объяснение эффективностей реакции на рекламу от типа Креатива. На втором шаге авторы собрали коэффициенты ( ) для каждого типа рекламы каждого рынка (m) на котором она используется и объясняет их изменения как функцию творческих характеристик и возраста рынка следующим образом: ( ) ( ) ( ( ( ( ) ) ) ( ( ) ) ) (14) где = коэффициенты креатива рекламы с на рынке m из Уравнения (13), Age= возраст рынка (количество недель с момента появления сервиса на рынке), Market= матрица рынка моделей (matrix of market dummies,), Г= вектор рыночных коэффициентов, v= вектор ошибок, = коэффициенты, которые оцениваются на втором шаге, и другие переменные, определенные в Уравнении (4). Наиболее важные характеристики рекламы были использованы в качестве аргументов, а именно, эмоции, оценка экспертов, видимость названия бренда, отрицательные и положительные аргументы, и сравнение экспертных и неэкспертных оценок. Наиболее важным открытием авторов является то, что эмоциональные лозунги были эффективны на развитых рынках, в то время как аргументированные хорошо работали на развивающихся. Кроме того, нелинейная регрессия эффективности объявлений в зависимости от возраста рекламы позволила исследователям оценить эффекты усиления и износа. Они обнаружили, что реклама не обладает периодом усиления и износ начинается сразу, с первой недели кампании, и нарастает в первые несколько недель. Таким образом, частая смена кампаний и разработка новых может быть очень полезной. При разработке новых кампаний крайне желательно использование лозунгов, наиболее эффективных для рынка заданного возраста. Заключение Планирование маркетинг-микса это основная задача управления маркетингом. Разумное планирование требует, чтобы менеджеры по маркетингу понимали реакцию рынка на переменные маркетинг-микса в прошлом. Основополагающие предположения не в том, что прошлое предсказывает будущее со всей определенностью, но в том, что оно содержит ценные ориентиры, которые могут пролить свет на будущее. Эконометрика моделирования реакции описывает то, как исследователю следует моделировать маркетинг-микс для того, чтобы дать правильное описание наиболее важных эффектов. В этой статье представлен обзор основных вопросов и принципов в этой области. В начале статьи описываются важные эффекты, наблюдаемые сегодня на рынке. Затем обсуждаются сильные стороны и ограничения различных моделей описания этих эффектов. Глава сосредотачивается на двух элементах маркетинг-микса: рекламе и цене. Это объясняется тем, что эти переменные наиболее часто контролируются и анализируются и охватывают широкий спектр шаблонов реакции. Понимание того как модель реагирует на эти две переменные должно предоставить исследователям основные инструменты для моделирования реакции для других элементов маркетинг-микса. В статье приводятся ссылки на статьи, которые предоставляют наиболее детальное рассмотрение этих вопросов. СПИСОК ЛИТЕРАТУРЫ Chandy, R., Tellis, G. J., MacInnis, D., & Thaivanich, P. (2001). What to say when: Advertising appeals in evolving markets. Journal of Marketing Research, 38, 399–414. Clarke, D. G. (1976). Econometric measurement of the duration of advertising effect on sales.Journal of Marketing Research, 13, 345–357. Cooper, L. G., & Nakanishi, M. (1988). Market share analysis. Norwell, MA: Kluwer. Guadagni, P., & Little, J. D. C. (1983). A logit model of brand choice calibrated on scanner data. Marketing Science, 2, 203–238. McCarthy, J. (1996). Basic marketing: A managerial approach (12th ed.). Homewood, IL: Irwin. Rajendran, K. N., & Tellis, G. J. (1994). Is reference price based on context or experience? An analysis of consumers’ brand choices. Journal of Marketing, 58, 10–22. Sethuraman, R., & Tellis, G. J. (1991). An analysis of the tradeoff between advertising and pricing. Journal of Marketing Research, 31, 160–174. Tellis, G. J. (1986). Beyond the many faces of price: An integration of pricing strategies. Journal of Marketing, 50, 146–160. Tellis, G. J. (1988a). Advertising exposure, loyalty and brand purchase: A two-stage model of choice. Journal of Marketing Research, 15, 134–144. Tellis, G. J. (1988b). The price sensitivity of competitive demand: A meta-analysis of sales response models. Journal of Marketing Research, 15, 331–341. Tellis, G. J. (1989). Interpreting advertising and price elasticities. Journal of Advertising Research, 29(4), 40–43. Tellis, G. J. (1998). Advertising and sales promotion strategy. Reading, MA: Addison-Wesley. Tellis, G. J. (2004). Effective advertising: How, when, and why advertising works. Thousand Oaks, CA: Sage. Tellis, G. J., Chandy, R., & Thaivanich, P. (2000). Decomposing the effects of direct advertising: Which brand works, when, where, and how long? Journal of Marketing Research, 37, 32–46. Tellis, G. J., & Franses, P. H. (in press). The optimal data interval for econometric models of advertising. Marketing Science. Tellis, G. J., & Weiss, D. (1995). Does TV advertising really affect sales? Journal of Advertising, 24(3), 1– 12. Tellis, G. J., & Zufryden, F. (1995). Cracking the retailer’s decision problem: Which brand to discount, how much, when and why? Marketing Science, 14(3), 271–299. Winer, R. (1986). A reference price model for demand of frequently purchased goods. Journal of Consumer Research, 13, 250–256.
