Глава 5. Бюджет – сколько нужно тратить?

Итак, мы знаем, с кем хотим говорить и как найти этих людей. Сколько денег мы собираемся тратить на общение с нашими нынешними и будущими клиентами? Теперь данный вопрос становится для нас самым важным. Вне зависимости от суммы вы должны обеспечить максимально высокий возврат на инвестиции в маркетинг. Такова тема следующей главы. Это позволит вам оказаться на голову выше своих конкурентов. Но, как вы узнаете чуть ниже, большинство компаний быстро принимают решение о том, сколько тратить на маркетинг, – подобное положение справедливо как для компаний, тратящих несколько тысяч, так и для компаний, тратящих несколько сотен миллионов долларов в год.

Моя цель в этой главе двояка: с одной стороны, я хочу помочь вам определить, как должен выглядеть ваш маркетинговый бюджет, то есть помочь найти лучший способ понять, сколько нужно тратить на создание спроса. С другой – как только в вашем распоряжении окажется нужная цифра, я покажу, как распределять средства по задачам, географическим регионам и каналам.

Если бы мне платили по доллару всякий раз, когда я слышу вопрос, вынесенный мной в заголовок главы, я мог бы иметь вполне неплохой побочный источник дохода. В наши дни каждый маркетолог задумывается над тем, сколько денег ему необходимо тратить. И это не удивительно. Слишком долго они расходовали огромные суммы, порой исчислявшиеся миллиардами – особенно для компаний, продающих фасованные товары, – даже не представляя, что они получат в итоге. А вот это уже неразумно. Сразу вспоминаются слова одного политического деятеля: «Миллиард – туда, миллиард – сюда. Давайте уже говорить о серьезных деньгах»[10]. В одних только США в 2012 году компании потратят на рекламу 154 миллиарда долларов. Хотелось бы думать, что при более строгом подходе мы добьемся большей эффективности расходов наших бюджетов – пусть всего лишь на 1 %. Однако даже 1 % означает, что величина прироста компаний могла бы составить 1,5 миллиарда долларов.

Слишком многое стоит на кону, поэтому нас не должно удивлять количество литературы, посвященной методам учета затрат и расчета себестоимости. Примерно тридцать лет назад в альманахе Крэнфилдской школы управления Cranfield Broadsheet появилась статья Гарри Генри How much should you spend on marketing? («Сколько надо тратить на рекламу?»). Автор выделил 15 подходов, обычно применяемых разными компаниями при решении этой проблемы.

1. Интуитивный и/или грубо эмпирический подход. Как правило, принимается волевое решение, которого вполне достаточно, чтобы выполнить работу при наличии достаточного опыта.

2. Поддержание прежнего уровня расходов. Если метод работает, то продолжать делать то, что делали (иногда с поправкой на инфляцию).

3. Процент от предыдущих продаж. Отсталый метод, основанный на ожидании «наград» за прошлые успехи (или наказания за неудачи).

4. Метод исчисления от наличных средств. Действовать в рамках бюджета.

5. Остаточная прибыль прошлого года. Метод связан с источниками финансирования, а не направлениями их использования.

6. Процент от валовой прибыли. Метод, позволяющий уклоняться от решения вопроса рентабельности.

7. Процент от прогнозируемого объема сбыта. Самый распространенный метод.

8. Фиксированные расходы в расчете на единицу продаж. Простая арифметика.

9 Затраты на клиента и/или на капитал. Метод часто используют компании, работающие с деловыми предприятиями, то есть в секторе B2B.

10. Соответствие уровню расходов конкурентов. Конкуренты знают, что делают.

11. Приведение доли «рекламного голоса» к доле марочного товара. Если вы занимаете 5-процентную долю рынка, то доля вашего информационного присутствия на конкурентном поле тоже должна быть 5-процентной.

12. Предельная отдача. Предельный коэффициент окупаемости возможен в компаниях, применяющих метод рекламы прямого отклика. Но вы можете расширять свою аудиторию только до тех пор, пока прирост прибыли от дополнительных клиентов не оказывается ниже целевой нормы прибыли.

13. Ориентация на задачи. Вы определяете цели и рассчитываете, сколько денег вам понадобится для их достижения. В теории метод выглядит отлично, но на практике может потребовать серьезного эконометрического моделирования.

14. Моделирование. Самый сложный подход.

15. Проверка значимости средств рекламы. Вы выходите на рынок и проводите рекламную кампанию сначала в одном регионе (Восточное побережье), а затем в другом (Западное побережье), после чего сравниваете результаты. Теоретически метод замечательный, но на практике все сложнее: во-первых, значимость непросто оценивать в стоимостном отношении, во-вторых, проверку трудно проводить повторно.

За последние тридцать лет изменилось не так уж много. Большинство маркетологов обычно выбирают один из пятнадцати методов, описанных выше. Как показывают исследования – и мой опыт подтверждает это, – самым популярным является метод, когда затраты на рекламу зависят от объема продаж. Меня часто поражает, почему отдельные крупнейшие мировые компании при разработке своего рекламного бюджета используют настолько простые, грубые и не всегда точные методы.

Существуют более научные методы (некоторые из них указаны в двух последних позициях списка Гарри Генри). Самое удивительное, что они окружают нас уже на протяжении десятилетий. Однако компаниям почему-то крайне сложно включать их в процесс принятия решений. Наука часто воспринимается как черный ящик – слишком сложно для понимания. В результате – и мне доводилось не раз наблюдать это – во многих компаниях вкладывают огромные суммы в научные исследования ради создания нового продукта (вспомним хотя бы фармацевтическую отрасль), но рассчитывают бюджет на маркетинговые исследования по простой формуле – как долю от объема продаж. Как не стыдно! Тот факт, что такой подход проще, никак не доказывает, что он лучше с точки зрения принятия решений. И конечно, никак не означает, что этот примитив должен подменять собой научные методы.

Вам никто не сможет назвать единственного и самого оптимального подхода к расчету бюджета. Такого просто нет. Однако давайте рассмотрим несколько методов, которые я считаю наиболее предпочтительными.

Кривая расходов и отдачи.

Приведенная ниже кривая показывает, что вы можете получить за свои деньги, когда речь касается маркетинга. Я часто называю ее кривой расходов и отдачи. Расходы означают инвестиции в маркетинг, а отдача означает то, что вы пытаетесь получить за счет этих инвестиций: рост объемов продаж или прибыли; достижение целей, связанных с брендом (реклама для создания осведомленности или реклама для создания должного внимания). На рисунке ниже приведена типичная кривая ответной реакции на рекламу, формирующую осведомленность о бренде.

Давайте посмотрим на эту простую кривую более внимательно.

• Она имеет положительный угол наклона – это значит, что чем больше вы тратите на формирование осведомленности, тем выше будет ее степень.

• Кривая показывает снижение предельной отдачи – это значит, что вы получите различные результаты в зависимости от уровня расходов и уровня осведомленности. Как вы можете заметить, чем больше денег вы тратите, тем меньшую отдачу получаете. В итоге вы дойдете до точки насыщения – когда уже не сможете увеличивать показатель осведомленности вне зависимости от размера инвестиций (подобная ситуация наблюдается в крайней правой части кривой).

Построение таких кривых сопряжено с определенными проблемами, так как расчет нередко носит интуитивный характер. Если вам доступны прошлые данные об уровнях расходов и степени осведомленности, то вы сможете значительно упростить свою жизнь с помощью эконометрического моделирования, позволяющего рассчитать для кривых отдачи их форму и угол наклона. Это, разумеется, требует от нас четкого ответа на вопрос: что такое эконометрическое моделирование?

Наука – эконометрические модели.

В Антверпенском университете я специализировался в области количественной экономики – области, основанной на математических расчетах. Неудивительно, что этот предмет не был особенно популярен. Приверженцы математики предпочитали заниматься техническими или точными науками, но не экономикой. Поэтому встречалось довольно мало студентов – с одной стороны, не убоявшихся математики, с другой стороны, не желавших становиться инженерами, – которые занимались количественной экономикой. Я не преувеличиваю. Из тысячи студентов моего курса степень в области количественной экономики получили лишь шесть выпускников. Но зато это нас сплотило. Для сравнения представьте, насколько сильными могут быть связи между двумя сотнями психологов, собирающихся в одном зале.

Правда, нам не сильно повезло с руководителем, специалистом в области эконометрики – дисциплины, которая занимается исследованием количественных и статистических методов в применении к экономическим принципам. Эконометрические методы – чуть ли не самое важное направление, которым только могут заниматься специалисты в области количественной экономики. Мой наставник предпенсионного возраста, будучи отличным профессионалом, так и не научился общаться с аудиторией. Он стоял в аудитории, рассчитанной на пятьсот слушателей, и бубнил что-то маленькой кучке студентов (мы так и не нашли того идиота, который отвечал в университете за распределение аудиторий). Сначала мы, все шестеро, заняли первый ряд, напротив кафедры, но преподаватель ни разу даже не взглянул на нас. В какой-то момент мы решили распределиться по всей огромной аудитории – он не обратил на это никакого внимания и продолжал свои девяностоминутные бормотания.

Поэтому нет ничего странного, что мой энтузиазм по отношению к эконометрике был довольно низок, равно как и представление о ее практическом применении. Ситуация коренным образом изменилась в мой последний университетский год, когда у нас появилось несколько очень интересных преподавателей. Один из них отвечал за экономическую политику бельгийского правительства и смог объяснить нам, каким образом эконометрика может использоваться для прогнозирования спроса и предложения в экономике (что позволяло правительству заблаговременно совершать важные шаги). Другая преподавательница показала нам, каким образом эконометрика и другие количественные методы могут использоваться в маркетинге и продажах. И если бы не она (и не моя легкая влюбленность в нее), я вряд ли смог бы написать эту книгу!

Так как же работает эконометрическое моделирование? Этот метод позволяет рассчитать влияние на систему целого набора параметров (например, объемов общего потребления продукта или спроса на него). В области маркетинга специалисты по эконометрике пытались оценить спрос на тот или иной бренд.

Что может повлиять на величину спроса? Спрос на продукт зависит от цены, качества, дистрибуции, рекламы и множества других факторов. И все это может быть выражено в виде математической функции, например функции линейной регрессии. (Тут нам не обойтись без некоторых специфических подробностей, но не беспокойтесь, я постараюсь сделать это быстро и безболезненно – вы даже не заметите.) Основное уравнение линейной регрессии выглядит так:

Продажи = β1 × Предложение + β2 × Дистрибуция + β3 × Цена + β4 × Маркетинг + β5,

Где β (бета) в каждом случае означает некий неизвестный фактор, определяющий, каким образом та или иная переменная будет влиять на спрос вашей продукции, то есть какое значение имеет дистрибуция. Если тот или иной параметр имеет большое влияние, то он имеет и большую бету. Если дистрибуция не имеет особого значения, то ее бета будет минимальной.

Вы знаете величину показателей, связанных с предложением, дистрибуцией, ценой и маркетинговыми усилиями. Как только вы определите величину беты, то сможете понять, в какой степени эти факторы влияют на объем продаж. Таким образом, основная задача состоит в нахождении значения беты. Каким образом эконометрическое моделирование может помочь нам в этом процессе?

Давайте рассмотрим практический пример, и вы сами увидите причину, по которой вам имеет смысл заниматься такой работой. Она позволяет вам создать диаграмму причинно-следственных связей (в том числе с включением фактора неизвестности) в виде самых простых графиков. А все, что способно упростить картину, – это благо.

Предположим, мы хотим разобраться, как влияют маркетинговые усилия на продажи одновременно двух брендов – при прочих равных условиях (уровень предложения, дистрибуции и цены). В данном случае мы пытаемся вычислить, какой эффект будет иметь та или иная величина маркетинговых расходов на продажи с течением времени. Приведенный ниже график показывает, каким образом могли бы выглядеть эти данные для обоих брендов. На вертикальной оси отмечены продажи брендов. На горизонтальной оси приведены маркетинговые затраты. Каждая точка представляет собой «наблюдение», то есть в нашем случае период с определенной величиной расходов и связанным с ней уровнем продаж.

Мы видим две различные картины. Для бренда А почти не заметна связь между маркетинговыми усилиями и продажами. Каждый уровень маркетинговых расходов приводил к совершенно разным значениям показателя продаж. С точки зрения математики мы возвращаемся обратно к формуле (Продажи = β4 × маркетинг) и считаем бету незначительной в статистическом смысле слова. Фактически здесь не наблюдается никакой существенной корреляции. Совсем иначе обстоят дела с брендом В, где связь заметна сразу.

Эконометрическое моделирование помогло нам найти взаимосвязь маркетинговой политики и продаж. Иными словами, мы смогли нарисовать кривую, оптимальную с точки зрения всей совокупности точек. Визуально заметно, что к верхней линии ближе куда больше точек, чем к нижней.

Пока все идет неплохо. Однако мы не хотим всякий раз рисовать эти линии от руки, а кроме того, не каждая ситуация в реальной жизни будет столь же простой. Нам необходимо научить компьютер рисовать эти линии и находить тенденции даже там, где мы сами их не видим.

Вот каким образом мы добились этого. Мы попросили компьютер рассчитать дистанцию между каждой точкой и линией. Затем мы попросили его сложить величины всех этих дистанций. Показатель суммы дистанций отражает степень соответствия. Чем выше сумма, тем хуже соответствие. Именно таким образом компьютер может рассчитать, какая линия лучше всего соответствует всем точкам, образующим облако.

Теперь, после того как нам стал ясен алгоритм, компьютер может нарисовать сотни линий и выбрать одну с наименьшей суммой, то есть с наибольшим соответствием. То же самое можно сделать в отношении показателей продаж и цен, продаж и дистрибуций. В сущности, мы не только можем, но и должны использовать систему для создания кривых расходов и отдачи для каждой переменной, способной повлиять на объем продаж.

Как только нам стали понятны все кривые, которые мы хотим создать, мы можем попросить компьютер найти оптимальную точку на каждой кривой, позволяющей увидеть, сколько мы должны потратить, чтобы обеспечить максимально возможный возврат на наши инвестиции в маркетинг, – и ни долларом больше.

Как вы можете заметить, эконометрическое моделирование – довольно сложная процедура, которую обычно проводят дорогостоящие специалисты. Многие компании попросту не могут себе позволить их услуги. Но даже компаниям, использующим эконометрику, часто приходится прикладывать немалые усилия, чтобы включить результаты исследований в процессы принятия решений. В итоге им приходится обращаться к слишком простым способам: разработке маркетингового бюджета в зависимости от объема продаж или использованию данных предыдущего года с поправкой на инфляцию. Почему? Дело в том, что компании не понимают те подспудные предположения, на которых основаны эконометрические заключения. Поэтому они предпочитают простые методы (о которых я рассказывал выше) – интуитивно понятные и более доступные, хотя и не основанные на реальных данных.

Дабы помочь компаниям, не имеющим возможности позволить себе эконометрическое моделирование или не способным понять его преимущества, давайте обсудим некоторые альтернативы.

Искусство гибридного метода.

В свое время в тайны гибридного метода меня посвятил мой коллега Дэвид Коппок, получивший степень доктора экономики в Йельском университете. Он занимался созданием сложных эконометрических моделей еще в то время, когда я собирал Lego в детском саду.

Согласно подходу Дэвида, эконометрика используется там, где имеются доступные данные, а когда нет данных, пустоты заполняются нашими предположениями. Как только у вас появится набор данных и расчетов, гибридный подход Дэвида потребует от вас ответа на четыре вопроса.

• Минимум. Если взять кривую осведомленности, о которой мы говорили выше, то каково будет значение параметра осведомленности, если мы вообще не будем тратить на него денег (крайняя левая часть кривой)?

• Максимум. Какого значения параметра осведомленности мы могли бы достичь в случае неограниченного бюджета (крайняя правая часть кривой)?

• Настоящий момент. Чему равны уровни осведомленности и затрат на данный момент?

• Приращение. Как, с нашей точки зрения, изменится параметр осведомленности, если мы будем увеличивать или уменьшать свои инвестиции на Х %?

Для своих клиентов я часто использую гибридный метод при создании кривых отклика. Иногда я сталкиваюсь с их сопротивлением этому «ненаучному» методу. Клиентов беспокоит слишком большое количество предположений. Но они не во всем правы, поскольку в рамках гибридного процесса мы всегда используем все доступные данные или эконометрические модели. Однако при отсутствии идеальных данных нам не обойтись без предположений.

В сущности, когда вы используете такие довольно грубые показатели, как отношение рекламного бюджета к объему продаж, то делаете куда более серьезные предположения относительно связи между затратами и тем, что вы получаете взамен. Например, вы сначала предполагаете, что реклама имеет один и тот же эффект в отношении различных продуктов; затем предполагаете, что содержание рекламного сообщения не имеет большого значения; после этого вы предполагаете, что реклама имеет линейный эффект, то есть если затраты 1 доллара на рекламу приводят к продажам на 2 доллара, то затраты 10 долларов приведут к продажам на 20 долларов, – и так далее. Теперь вы понимаете, почему я считаю, что методы приближенного подсчета – это не лучший путь, в отличие от гибридного подхода (даже при отсутствии достаточного объема данных).

Использование гибридного метода при построении кривых отдачи имеет три основных преимущества. Посмотрим на них.

1. У вас появляется возможность соединять фактические данные с суждениями и интуицией. Возьмем довольно известную и крайне необычную маркетинговую кампанию бренда Dove с участием реальных женщин. Факты могли бы подсказать нам, что рекламная кампания, показавшая хорошие результаты по итогам тестирования (как в случае с Dоvе), принесет компании 1,50 доллара продаж на каждый доллар затрат. Однако вы на собственном опыте знаете, что подобные рекламные объявления, входящие в резонанс с ожиданиями рынка (как показало качественное исследование этой рекламы), – в состоянии привести к еще более высоким результатам, поэтому можно адаптировать график расходов и отдачи и убедиться в том, что каждый доллар затрат принесет вам 1,70 доллара продаж.

2. После создания кривой отдачи (с использованием эконометрики, предположений или их комбинации) она может использоваться для оптимизации. Например, вы можете просто импортировать кривую в Ехсеl-файл, а затем перебирать различные переменные, чтобы получить в итоге более точный прогноз.

3. Процесс создания кривой протекает открыто и завязан на сотрудничестве, поскольку принимающие решения руководители понимают, что лежит в черном ящике, и по этой причине склонны в большей степени доверять нашим рекомендациям. Они знают, откуда берутся данные, то есть на основании какой информации создаются кривые расходов и отдачи.

Использование такого гибридного подхода позволяет лишить процесс эконометрического моделирования покрова таинственности.

Создание бюджета в период экономического спада.

Пока что все наши предположения основывались на том, что отделу маркетинга будут без особых проблем выделять бюджет на их работу. Но сколько компании могут позволить себе тратить на рекламную политику в тяжелые времена? Я отлично помню рецессию в сентябре 2008 года. Крупные клиенты – а в борьбе за них я тогда играл крайне незначительную роль – моментально исчезли из нашего поля зрения. Об этом я расскажу подробнее.

Летом 2008 года Ogilvy работала над презентацией для Wachovia, на тот момент четвертого по размеру банка в США. Для нас это был крупнейший тендер года. Мы пережили уже несколько раундов отбора. Банк сократил список финалистов до двух компаний, и уже с самой первой встречи нам было ясно, что его руководители очень нуждались в тщательно проведенном анализе (в конце концов, они были типичными банкирами).

Настало время презентации, которую мы проводили перед СЕО и председателем правления Wachovia Бобом Стилом. Обычно аналитики Ogilvy присутствуют лишь на первых встречах, в самом начале процесса, просто для того, чтобы клиент мог оценить нашу мощь и боевую готовность и, фигурально выражаясь, поставить нам «галочку». Дальнейшие встречи посвящались вопросам стратегии и созидательных концепций. Но поскольку наши банкиры проявляли крайнюю заинтересованность в цифрах, было решено включить аналитиков в общую команду.

Презентация прошла великолепно, вся встреча протекала в дружеской и даже веселой атмосфере. Банкиры задавали множество вопросов. Мы, довольные и преисполненные надежд, вернулись в свой манхэттенский офис. Через несколько дней нам подтвердили, что тендер нами выигран. А еще через день я прочитал в Интернете статью, что Citibank собирается поглотить Wachovia, пошедший ко дну в самом начале финансового кризиса. Мы получили многообещающий заказ, который испарился в считаные часы.

После этого начался коллапс всей мировой экономики, и мы оказались в глубокой рецессии. В течение этого периода все как один принялись спрашивать нас, сколько денег в таких условиях нужно тратить на маркетинг. (Если быть совсем честным, то вопрос звучал иначе: «На сколько я могу урезать свой маркетинговый бюджет?»).

В попытках найти ответ я принялся изучать исследования, проведенные в периоды прошлых рецессий. Поглотив массу информации, я нашел в ней крайне мало свежих мыслей. А большинство статей либо были перепечатками старых материалов, либо предлагали уже знакомые всем подходы к анализу новых данных в новых условиях.

Самый распространенный подход состоял в сравнении финансовых результатов компаний, сокративших свои рекламные бюджеты во время рецессии, с компаниями, сохранившими или даже нарастившими их. Эта методология была впервые предложена в 1920-х годах Роландом Вейлом и опубликована в апреле 1927 года в Наrvаrd Business Review. Вейл сравнил компании, сохранившие свои бюджеты во время рецессии 1923 года, с компаниями, сократившими расходы. Он обнаружил, что основной прирост продаж наблюдался у компаний с максимальными рекламными затратами. Исследование по методу Вейла повторялось во времена почти всех последующих экономических спадов, и результаты всегда были одинаковыми: компании с сокращенными бюджетами показывали более низкие результаты как в период рецессии, так и в период экономического восстановления.

Изучая все эти работы, я довольно сильно нервничал из-за содержавшихся в них выводов и рекомендаций, на которые полагается большинство людей, считавших, будто у них есть полное научное обоснование увеличивать размеры инвестиций во время рецессии. Они считают, что за счет таких действий смогут пересилить более слабых конкурентов и забрать у них долю рынка, что приведет их к возникновению устойчивого преимущества во время периода восстановления и после него. С их точки зрения, здесь есть четкая причинно-следственная связь, однако этот вывод не подкрепляется ни одним исследованием. Действительно ли компании, тратящие больше денег во время рецессии, показывают более хорошие результаты именно из-за этих затрат? Или компании, бывшие эффективными до, во время и после рецессии, просто занимали более выгодное положение, чтобы сохранять и даже наращивать расходы во время экономического спада? Этими вопросами задаются многие исследователи, но пока ни один из них не смог дать внятного ответа.

Я полагаю, что для определения размера длительных инвестиций в маркетинговую политику во время экономического спада требуется скрупулезный анализ, особенно если мы хотим, чтобы к нашим аргументам прислушивались столь скептически настроенные финансовые директора и СЕО. В этом мы будем опираться на три важнейших положения.

1. Расширять применение метода эконометрического моделирования.

2. Использовать целостный подход к общему плану сбыта, принимая во внимание как расходы на средства рекламы, так и характер потребления рекламной продукции в период рецессии.

3. Определять долговременные эффекты маркетинговой деятельности и величину ее вклада в повышение акционерной стоимости.

Рассмотрим каждый из пунктов в отдельности.

– Расширять применение метода эконометрического моделирования. Самым часто цитируемым источником, где для оценки устойчивости инвестиций в период рецессии использовалось эконометрическое моделирование, стала статья Cutting Ad Spend in Recession Delays Recovery («Сокращение расходов на рекламу в период рецессии замедляет восстановление»), написанная Полом Дайсоном в 2008 году и опубликованная World Advertizing Research Center. В статье описывается эконометрическое моделирование для доказательства мысли, вынесенной Дайсоном в заголовок. В частности, автор показывает: «Чтобы в течение года после окончания рецессии вернуться к прежнему уровню продаж, вам потребуется примерно на 60 % больше денег, чем вы сэкономили за счет сокращения рекламного бюджета». Объясню своими словами: если я во время рецессии уменьшу свой рекламный бюджет на 1 доллар, мне придется потратить еще 1,60 доллара на то, чтобы по ее окончании вернуться к прежнему уровню.

– Использовать целостный подход к общему плану сбыта. В процессе принятия решения, на сколько сокращать (и сокращать ли вообще) маркетинговый бюджет во время рецессии, вы должны принимать во внимание как расходы на средства рекламы, так и специфику потребления той или иной рекламной продукции. Во время рецессии падают расценки на размещение рекламы, так как радио– и телевизионные каналы, газеты, журналы и интернет-порталы предлагают значительные скидки для удержания клиентов.

Существуют доказательства, что во время рецессии меняется характер потребления рекламной продукции. Люди чаще остаются дома и поглощают намного больше информационного материала, что может привести к повышению эффективности расходов на размещение рекламы в средствах массовой информации в сложные времена. Очевидно, что подход, использующий моделирование и принимающий во внимание особенности бренда, товарной категории и рекламного окружения, кажется более уместным и логичным, чем любые универсальные методы.

– Определять долговременные эффекты маркетинговой деятельности и величину ее вклада в повышение акционерной стоимости. Сокращения бюджета во времена рецессии часто представляют собой результат слишком прямолинейного ви́дения ситуации. В краткосрочной перспективе реклама редко окупается (не говоря уже о прибыли). Тем не менее практически все исследования постоянно доказывают нам, что реклама как таковая повышает акционерную стоимость (догадываюсь, что это прозвучит как реклама моей отрасли, но я зарабатываю на жизнь анализом данных, а данные показывают, что это действительно так). Есть и другие исследования, доказывающие, что справедливо и обратное: сокращение рекламных бюджетов имеет еще больший (негативный) эффект в долгосрочной перспективе. Для того чтобы доказать абсолютную справедливость этого утверждения, придется проделать большую работу, однако понимание долговременного эффекта от затрат на маркетинг крайне важно – ведь оно способно оказать влияние на акционерную стоимость в течение длительного времени.

Распределение бюджета.

Понимание того, сколько нужно тратить в «худые и тучные» годы, – всего лишь первый шаг. Как только вы узнаете ответ на этот вопрос, вам придется подумать о том, как распределить средства наилучшим образом. Поэтому давайте обсудим, как нужно выравнивать бюджет для различных маркетинговых целей, распределять его между рынками и средствами информации. Мне доводилось видеть компании, которым удавалось увеличить капиталовложения в маркетинговую политику до 30 % за счет принятия правильных решений в соответствии с подходом, о котором мы поговорим чуть ниже.

Вы уже узнали ответ на вопрос о размере бюджета. Теперь, при обсуждении вопроса о распределении бюджета, вы должны быть уверены в одном: деньги расходуются на то, что даст наибольшую отдачу.

Многие компании используют подход «маркетинговой воронки», приводящей клиентов к решению о покупке за счет:

• осведомленности – то есть дайте клиентам знать о своем существовании;

• привлечения внимания – то есть сделайте так, чтобы клиенты думали о вас;

• покупки – то есть сделайте так, чтобы клиенты купили то, что вы продаете;

• лояльности – то есть сделайте так, чтобы клиенты возвращались и покупали снова.

Каждый уровень воронки имеет свои задачи, связанные с формированием спроса и требующие своей доли в бюджете. Инструмент, разработанный Дэвидом Коппоком и названный «воронка распределения расходов» (Funnel Allocator), помогает вам решить, сколько денег потратить на каждую задачу.

Воронка распределения расходов включает три стадии.

1. Создание модели дохода.

2. Создание кривой расходов и отдачи.

3. Оптимизация.

При создании модели дохода вы определяете, каким образом в вашей воронке создаются продажи. Предположим, что вы продаете новый вид подгузников Huggies и в стране имеется 4 миллиона домохозяйств, готовых их покупать. Около 80 % (3,2 миллиона домохозяйств) из них знакомы с вашим брендом. Из них 30 %, или 960 тысяч, домохозяйств размышляют, какие подгузники лучше приобрести, а благодаря хорошей репутации Huggies половина группы выберет именно этот бренд. Иными словами, у вас есть 480 тысяч клиентов. В среднем – пока ребенок не приучится к горшку – обычное домохозяйство купит 28,5 упаковки по 64 подгузника в каждой. Это означает, что вы продадите ему 1824 подгузника в расчете на каждого ребенка. Если средняя цена одного подгузника составляет 20 центов, то речь идет о 175 миллионах долларов дополнительного дохода.

Наша воронка будет выглядеть так, как показано ниже.

Вы можете произвести ряд манипуляций с этой моделью и увидеть, что при увеличении степени осведомленности на первом уровне всего лишь на 1 % доходы вырастут на 2 190 000 долларов (при условии, что все показатели других уровней воронки останутся на прежнем уровне).

Эта стратегия может быть хорошей или плохой – все зависит от того, сколько вам нужно заплатить за повышение осведомленности с 80 до 81 %. Возможно, имеет смысл лучше сконцентрироваться на этапах покупки или лояльности. И – что чрезвычайно важно – принятие решения о том, чтобы сфокусировать усилия на этих этапах, зависит от необходимой величины расходов. На втором этапе мы создаем кривую расходов и отдачи и, как обычно, при этом используем гибридный подход для каждого уровня воронки. Эти кривые расходов и отдачи могут подсказать вам, насколько сильно может вырасти уровень осведомленности в случае дополнительных инвестиций. Результат второго этапа работы инструмента представлен ниже.

Как можно заметить, вы в состоянии получить величину расходов для каждой кривой и каждого уровня воронки.

Финальный этап – обычная оптимизация. Как только вы создадите кривые расходов и отдачи, любой сравнительно прямолинейный компьютерный алгоритм может использовать их для поиска точки оптимума для каждой кривой, то есть места, в котором вы можете максимизировать свои маркетинговые инвестиции.

Впервые я внедрил этот метод, работая на одну мощную технологическую компанию. Ее сотрудники попросили меня помочь им определить, сколько денег необходимо тратить на создание масштабной программы формирования осведомленности об их компании и сколько денег они должны потратить на превращение этого фактора в реальные продажи. В сущности, они просили нас подумать о воронке из двух уровней: «Осведомленность» и «Привлечение внимания» вверху и «Создание спроса» внизу.

У нас не было ни готовых эконометрических моделей, ни времени для их создания, поэтому мы выстроили кривую с использованием гибридного метода, описанного выше. В итоге мы создали четыре различных сценария с различными предположениями, что влияло на разную форму кривых расходов и отдачи. Затем мы провели оптимизацию по каждому сценарию, чтобы увидеть, как изменилась предложенная схема распределения бюджета в результате изменения основных предположений. На приведенном ниже рисунке показан конечный результат.

Результаты были совершенно ясны. Изначально 70 % бюджета тратилось на деятельность в области «осведомленность и рассмотрение», а все остальное – на создание спроса. Все наши сценарии предполагали, что распределение расходов производится в пропорции 45–55 % или 55–45 %.

Клиент остался очень доволен нашим исследованием, причем по целому ряду причин. Прежде всего, в нем отсутствовало какое-либо шаманство. Все было прозрачным. Кроме того, наш подход позволял ему получить план конкретных действий: сократить расходы на формирование осведомленности и использовать свободные деньги на увеличение спроса и стимулирование роста продаж. Однако больше всего клиенту понравился сам механизм работы нашей аналитической модели, который поможет ему делать правильные и систематические предположения, что будет работать, а что нет.

Этот успех по-настоящему меня порадовал. Однако когда к нам обратился с подобным предложением еще один клиент, то беседы с его представительницей, которой было не слишком комфортно иметь дело с математическими выкладками, практически вогнали меня в депрессию. Вот каким образом это происходило. Я описал процесс оптимизации представительнице потенциального клиента, и она попросила меня уточнить, каким образом я обычно создаю кривые расходов и отдачи. Вот наш разговор:

– Мы используем все доступные данные и заполняем пробелы здравыми суждениями. В этом и заключается красота подхода. Он по-настоящему гибок и соединяет фактические данные и здравый смысл.

– У нас нет достаточного объема данных.

– Нет проблем, – продолжил я и рассказал историю о другом клиенте, у которого тоже не было достаточных данных, но это не помешало нам решить проблему.

– То есть вы просто манипулируете с формой этих кривых?

– Если нам недостает данных, мы делаем разумные предположения, которые позволили бы нам их выстроить.

Она немедленно отвергла мой подход и сказала, что ни в коем случае не хотела бы использовать столь ненаучный метод для принятия значительных финансовых решений.

Я спросил ее, что бы сделала она сама при нехватке данных.

Она ответила, что воспользовалась бы одним из традиционных методов приближенного подсчета.

Я был крайне разочарован, потому что знал, что могу помочь ей, но не могу убедить ее в ценности нашего аналитического подхода. Эта компания так и продолжила вкладывать миллионы долларов в маркетинг на основании неверных предпосылок. В частности, она использовала в качестве точки отсчета маркетинговый бюджет предыдущего года и корректировала его на сумму прироста общих корпоративных расходов на следующий год. Это очень распространенный метод, но, как мы уже видели, он далек от оптимального.

Столь неудачный опыт работы с клиентом, не способным увидеть ценность аналитики, в итоге сослужил мне добрую службу. Я обнаружил, что такие люди, как мой первый клиент (которому понравился наш подход), встречаются крайне редко. Большинство компаний не может осознать ценности кривых, создаваемых при отсутствии или нехватке данных. Это кажется им нелогичным. Мне удалось понять причину такой точки зрения. Все дело было в том, что я использовал для расчета суммы затрат научные инструменты – кривые и алгоритмы оптимизации. У клиентов складывалось впечатление, что этот метод предполагает обработку множества данных. Разумеется, когда у вас есть данные, вы их используете. Когда же данных недостает, вы делаете разумные предположения, основанные на имеющейся информации. В сущности, вам приходится заниматься манипуляциями, и некоторых клиентов такое положение вещей, мягко говоря, тревожит.

Поэтому теперь я говорю об этом подходе как об инструменте для принятия решений, требующих ответов на целый ряд вопросов. Ответы даются на основании доступных данных и вашего делового опыта. Что это за вопросы? Те же самые, что вы задаете в процессе создания кривых расходов и отдачи:

• чему равен текущий уровень расходов;

• каким будет уровень осведомленности, если мы вообще не будем тратить на него деньги;

• что произойдет с показателем осведомленности в случае неограниченного бюджета;

• что, с нашей точки зрения, может произойти, если мы изменим величину имеющихся расходов (увеличим или снизим) на Х %.

Ответы на эти вопросы предполагают несколько сценариев распределения инвестиций.

Когда я начал позиционировать свой инструмент таким образом, то сопротивление со стороны клиентов резко снизилось. Если они все равно испытывали дискомфорт от того, что им приходится выдвигать предположения при отсутствии данных, я напоминал им: они делают ровно такие же предположения при любом другом подходе – и об этом должен помнить каждый клиент. Например, если вы рассчитываете рекламный бюджет как долю от объема продаж, то предполагаете, что все компании делают то же самое и мыслят так же, как и вы. А это очень опасное предположение.

Инструмент воронки распределения расходов оказался крайне успешным. Думаю, помогли мои объяснения. Но основная причина его успеха заключается в том, что он работает. Создание кривых расходов и отдачи и применение различных сценариев оптимизации, по сути, могут использоваться каждый раз, когда вам нужно принять решение по тем или иным капиталовложениям.

Теперь давайте обсудим, каким образом вы можете распределить свой бюджет по странам и каналам.

Распределение по странам.

Как мы уже видели, вполне возможно принимать грамотные решения в области инвестиций в маркетинговые мероприятия с очень ограниченными данными или даже при их отсутствии. Все, что вам нужно, – это время и возможность поработать над созданием кривых расходов и отдачи. Однако порой у вас нет даже такой возможности. Меня часто просят помочь в решении инвестиционных задач за несколько дней, а то и часов (и при минимальном сотрудничестве со стороны клиента). Но даже в таких обстоятельствах вы можете использовать простой математический аппарат для принятия грамотных решений.

Я работаю с большим количеством крупных международных компаний, которым в какой-то момент в процессе планирования годового бюджета необходимо решить, сколько денег они должны потратить на маркетинговую политику в каждой стране (если у вашей компании нет общемировой деятельности, то замените слово страна на слово отдел или подразделение). Вы можете представить, к каким политическим и организационным дебатам с руководителями подразделений в разных странах обычно приводит то или иное решение. И в этой связи особую важность приобретает наличие у компании прозрачного механизма распределения бюджетов по странам.

Вы можете довольно быстро использовать в практической деятельности следующий простой подход. Его уже применяют и извлекают из него немалую пользу несколько международных компаний из списка Fortune 100.

– Шаг 1. Спроектируйте общий рост дохода в следующем году (или в следующие пять лет, если вы используете долговременное планирование).

– Шаг 2. Распределите маркетинговый бюджет на основании доли каждой страны в будущем росте дохода.

– Шаг 3. Поместите каждую страну в матрицу два на два, основываясь на их текущей доле в доходе – то есть доле каждой страны в глобальных продажах – и предположениях о будущем росте их доходов.

Это дает нам возможность выстроить модель, представленную ниже.

Рассмотрим отдельно каждый сектор.

– Сектор А состоит из стран с высоким текущим доходом и высоким ростом дохода. Они получат значительную часть инвестиций, и их бюджет должен быть распределен по всей маркетинговой воронке.

– Сектор В состоит из стран с низким текущим доходом, но прогнозируемым высоким ростом. Страны в этом квадранте должны тратить основную часть своих денег в верхней части воронки на создание осведомленности о бренде и его рассмотрение в качестве возможного варианта для покупки.

– Сектор С – в нем располагаются страны с высоким текущим доходом, но низким планируемым ростом дохода в будущем. Они находятся в достаточно прочной позиции, а следовательно, им потребуется меньше тратить на верхушке воронки и больше – там, где они пытаются конвертировать свое присутствие на рынке в реальные продажи.

– Сектор D состоит из стран с низким доходом в настоящем и низким потенциалом роста дохода в будущем. Очевидно, что в эти страны стоит инвестировать меньше всего, а закрепленные за ними бюджеты должны направляться в развитие продаж.

Если вам хватает данных, то вы можете воспользоваться более сложным подходом и создать кривые расходов и отдачи для каждой страны. Однако, когда у вас нет данных или времени, вы можете воспользоваться описанным выше простым правилом для определения того, куда направить свои ресурсы (а также объяснить, почему вы сокращаете бюджеты для той или иной страны). Этот метод настолько прост, что с его выводами сложно спорить.

Распределение по средствам распространения рекламы.

Последний вопрос в отношении распределения денег связан с типами средств информации. В наши дни компании применяют комплексное использование самых разных средств распространения рекламы, поскольку им есть из чего выбирать: начиная от традиционных средств (радио, телевидение, печатная продукция) и заканчивая новейшими технологиями (поисковые системы, интернет-баннеры, социальные сети, дисплеи в магазинах, мобильные сети, электронная почта, SMS-сообщения, RSS-ленты, блоги, приложения для iPhone). Последний список увеличивается с каждым днем, и его можно продолжать до бесконечности. Таким образом, становится все труднее понимать, какая часть вашего бюджета тратится на каждое средство коммуникации. Ситуация стала настолько сложной, что на рынке даже появилась целая отрасль, занимающаяся моделированием комплекса средств информации; достаточно упомянуть такие компании, как Marketshare Partners, Hudson River Group, Milward Brown Optimor, Analytic Partners, M-Factor и ММА. Все они при помощи данных и сложных статистических алгоритмов дают ответ на непростой вопрос: какие средства распространения рекламы мы должны использовать, чтобы достучаться до нынешних и потенциальных клиентов. По сути, все они создают кривые расходов и отдачи, о которых мы говорили выше. Они формируют эти кривые для каждого средства коммуникации, что, в свою очередь, позволяет создать сценарий оптимизации, распределяющей бюджет по отдельным средствам коммуникации.

На самом базовом уровне существуют два способа получения соответствующих данных – исторические данные и данные опросов. Есть, правда, и третий вариант – моделирование атрибутов на индивидуальном уровне (мы поговорим о нем в шестой главе).

Суть исторических данных полностью объясняется их названием. Вы смотрите, как меняются с течением времени разные средства распространения рекламы, и следуете за этими изменениями, чтобы понять, в какой степени они влияют на результаты бизнеса. Вы можете воспользоваться методом эконометрического моделирования, описанным нами ранее. Основное преимущество этого метода заключается в том, что вы имеете дело с реальными цифрами, то есть ваше решение основано на реальных исторических фактах. К сожалению, с этим связано и основное ограничение такого подхода. Если вы хотите сделать нечто радикально новое, то прошлое никак не поможет вам спрогнозировать будущее. Например, если вы ранее использовали только рекламу на телевидении, радио и в печати, то прошлое никак не подскажет вам, сколько денег вам предстоит потратить в будущем на оптимизацию поисковых систем. Аналогичным образом, если вы собираетесь потратить лишь половину того, что тратили в течение последних лет, ваши исторические тенденции вновь не смогут предсказать ваше будущее.

Вот почему исторический анализ часто сопровождается дополнительными исследованиями. Существует целый ряд поставщиков исследовательских данных, которые собирают данные о потреблении клиентами тех или иных видов размещения рекламы и о том, какое влияние средства коммуникации оказывают на их решение о покупке. Затем полученные данные могут использоваться для создания кривых расходов и отдачи для каждого средства коммуникации. Такие данные собирает, например, голландская фирма Pointlogic. Они позволяют компаниям создать кривые расходов и отдачи для всех типов маркетинговых задач (ниже показан пример работы для одного из клиентов компании).

Преимущество дополнительного исследования состоит в том, что оно позволяет вам получить данные о прежде не использовавшихся каналах. Основной недостаток метода – он может оказаться слишком дорогостоящим, если вы решите собирать нужные данные самостоятельно.

Разумеется, вы можете найти партнеров, способных помочь вам с моделированием комплекса средств распространения рекламы. В процессе поиска вам следует воспользоваться приведенным ниже списком, помогающим убедиться, что вы получаете в точности то, что вам нужно.

Как выбирать партнера.

Вы можете использовать исторические данные, или опросы, или какую-то другую комбинацию этих методов. В любом случае для оптимизации ваших маркетинговых инвестиций вам понадобится сделать несколько шагов.

1. Собрать данные о расходах на маркетинг и результатах работы из широкого набора источников.

2. Собрать данные в единую систему. Поместите все эти данные в один источник и обеспечьте легкий доступ к нему для людей, которые будут делать анализ.

3. Статистическое моделирование. Создайте статистическую модель, привязывающую расходы на маркетинг к результатам работы компании.

4. Оптимизация. Используйте статистические модели для определения оптимального размера маркетинговых расходов и направлений расходования бюджета.

5. Сценарное планирование. Для определения всех возможных вариантов создайте несколько инвестиционных сценариев, демонстрирующих влияние различных инвестиционных стратегий на работу компании.

6. Приборные панели и системы управления. Вы можете дать возможность доступа к данным и сценариям пользователям, не имеющим достаточного технического опыта. Для этого используется система поддержки решений, позволяющая им понять суть ваших выводов. (В шестой главе мы будем говорить о сравнительно простом методе для этого – создании приложений.).

7. Стратегическое консультирование и планирование. Вам необходимо помочь лицам, принимающим решения, выбрать лучший из имеющихся вариантов и показать, как они могут использовать эти инструменты для принятия решения.

В ходе моих бесед с поставщиками данных я выявил несколько важных факторов, определяющих привлекательность того или иного предлагаемого ими решения.

Позвольте мне чуть подробнее рассказать о том, что я обнаружил.

– Доступ к данным. Некоторые поставщики имеют доступ к специализированным источникам данных через альянсы с третьими лицами или владельцами поисковых систем.

– Автоматизированная подготовка данных. Подготовка данных может забирать у вас массу ресурсов, вне зависимости от того, что именно вы планируете делать со своими цифрами. Вам нужно понять, что спрашивать, затем задать вопросы, после этого собрать результаты, затем просуммировать их, провести анализ. Думаю, что идея вам понятна, хотя предстоит уйма работы. Некоторые поставщики смогли автоматизировать многие из этих шагов, что позволяет им производить сбор и объединение данных быстрее, лучше и значительно дешевле.

– Уникальные алгоритмы. Алгоритмы окружают нас десятилетиями, поэтому кое-кто может подумать, что все методы эконометрического моделирования сходны между собой. Но вы и представить не можете, насколько сильно различаются методы и качество статистического моделирования между различными поставщиками. Поэтому не поленитесь узнать, кто конкретно занимается этим методом.

– Инструменты поддержки решения. Некоторые поставщики включают свои отдельные инструменты в приложения или системы сценарного планирования и поддержки решения. Эти инструменты могут оказаться крайне полезными для конечных потребителей (особенно не имеющих математического или научного опыта). Теперь они могут добавить в свои процессы принятия решений некоторые из научных методов работы.

– Служба передачи данных, расширяющая ассортимент услуг. Пожалуй, эта зона может считаться самой важной. Мне доводилось видеть немало проектов в области моделирования, пылящихся на полках в отделах маркетинга. Создать модель несложно – гораздо сложнее применять ее в реальной жизни. Поэтому попытайтесь найти партнера, способного помочь вам в решении обеих этих задач.

Вне зависимости от того, предпочитаете ли вы работать с поставщиком или делать все самостоятельно, вам важно убедиться, что у вас есть все нужные вам ресурсы, а также нет ничего лишнего (потому что никто не хочет тратить деньги зря).

Как сделать все правильно.

В процессе принятия бюджетных решений может случиться много хорошего. В седьмой главе мы обсудим с вами, каким образом компания TD Ameritrade использовала научные методы для оптимизации своей работы в области цифрового маркетинга. Сейчас мы увидим, каким образом компания применила некоторые из методов, описанных выше, для значительных изменений в комплексном использовании разных средств распространения рекламы.

В эпоху пузыря доткомов значительная часть инвестиций TDA застряла в довольно дорогостоящем канале – трансляции рекламы на национальном телевидении. После того как пузырь лопнул, а объемы торгов значительно сократились, компания больше не могла позволить себе столь большие расходы. Поэтому мы решили изменить состав средств распространения рекламы. В частности, мы посмотрели на два решения, описанные мной в этой главе, – как много нужно тратить на отдельные задачи и средства коммуникации.

Нами было решено использовать инструмент воронки распределения расходов. Как показано ниже, у ТDА получилась сравнительно простая схема.

Изучению подверглись два уровня – расходы, связанные с брендом и формирующие осведомленность («Да, я слышал о ТD Ameritrade») и предпочтение («Мне нравится эта компания»), а также расходы на приобретение клиентов, то есть позволяющие превратить предпочтение в реальные контракты с компанией. С помощью исследований мы обнаружили, что рост предпочтения на 1 % увеличивает прирост количества клиентов на 4,3 %. Это показало связь между работой на самой верхушке воронки и результатами на ее дне.

Затем мы создали кривые для двух уровней воронки и проиграли оптимизационные сценарии, которые подтвердили, что TDA довольно точно распределяла доли бюджетов по обоим уровням воронки.

На втором этапе мы перешли к распределению по типам средств распространения рекламы. Для этого мы использовали комбинацию исследований внешнего поставщика (Pointlogic) и эконометрическое моделирование.

В результате мы поняли, что именно нужно менять, и предприняли следующие действия:

• бюджеты на печатную рекламу выросли более чем в два раза;

• бюджеты на ТВ-рекламу были снижены на 20 %;

• снижение бюджетов на баннерную рекламу составило 19 %;

• деньги, изъятые из бюджетов, связанных с баннерной рекламой, были направлены на продвижение с помощью потокового видео.

Так как в данном случае процесс распределения состоял из двух шагов, то мы смогли создать комплекс средств распространения рекламы для каждого уровня воронки, как показано на графике ниже.

В результате этого упражнения мы смогли перенаправить значительную сумму инвестиций в дорогостоящую телевизионную рекламу на более дешевую рекламу с прямой обратной связью и на работу с цифровыми медиа, что позволило компании достичь своих целей и при этом сэкономить миллионы долларов.

Задание на утро следующего понедельника.

1. Заставьте эти инструменты работать. К сожалению, для большинства компаний выводы этой главы могут показаться неприемлемыми. Однако реальность состоит в том, что мало кто из маркетологов использует методы эконометрического моделирования для оценки влияния маркетинга на бизнес. Не надо на них равняться. Откажитесь от принятия многомиллионных решений об инвестировании на основании интуитивного подхода. Он приведет вас к катастрофе вне зависимости от общего состояния экономики!

2. Попробуйте воспользоваться интуитивным методом из списка Гарри Генри. Конечно, это крайне грубый инструмент, однако он позволяет вам достаточно быстро произвести расчеты и понять, где вы находитесь. Затем вы можете использовать свои выводы в качестве начальной точки при расчете различных уровней расходов.

3. Затем используйте приведенные выше рекомендации для начала диалога со специализированными компаниями, способными помочь вам оптимизировать маркетинговый бюджет.

4. Наконец, внимательно посмотрите на свои три главные маркетинговые цели и определите, какие из рассмотренных нами инструментов помогут вам превратить их в реальность.