Используйте эти инструменты для количественной оценки неизвестных и реальных сценариев.
Вы когда — нибудь оказывались в комнате с руководителем — будь то ваш клиент, ваш босс или даже босс вашего клиента-рекомендующим стратегию, которую вы искренне считаете лучшим маркетинговым решением для компании, только чтобы столкнуться с неожиданным сопротивлением?
Или, возможно, вы пришли в поисках дополнительного бюджета для канала, который уже ставит перед собой сокрушительные цели, думая, что это будет легкая и очевидная продажа, но теперь сталкиваетесь с градом вопросов.
Дискуссия” чего мы можем ожидать от этого? ” может быть пугающей, независимо от того, когда и где она происходит.
В прошлом году в SMX Advanced и SMX Next поделился двумя ресурсами, чтобы подготовить цифровых маркетологов для таких сложных бесед:
- Инструмент прогнозирования с переменными неопределенности
- Инструмент прогнозирования новых каналов и органического роста
Надежное прогнозирование необходимо, но сложно
Великая и ужасная вещь заключается в том, что прогнозирование-это все о людях.
Если поведенческая экономика чему-то нас и научила, так это тому, что люди не совсем рациональны. Да, мы заинтересованы в себе, но мы также принимаем решения, противоречащие тому, чего следовало бы ожидать, если бы это была единственная переменная в игре.
Маркетинг также зависит от среды, в которой живут, работают, совершают покупки и совершают покупки наши потенциальные клиенты. По мере того как меняются их приоритеты и предпочтения, должна меняться и наша тактика информирования и приглашения.
В наши дни никому не нужно читать лекции о потенциальных потрясениях для нашей хрупкой экосистемы: помимо глобальной пандемии, которую мы все еще переживаем, последние несколько лет привели к разрушительным стихийным бедствиям, новым конкурентам и нарушителям, изменениям в регулировании (например, GDPR), политическим и социальным беспорядкам и многому другому.
Тем не менее, маркетинг-это часть бизнеса. А успешные предприятия полагаются на разумное принятие решений, что требует эффективного использования высококачественных данных. Клиенты и руководители хотят иметь возможность сказать “ДА!”, когда им предлагают инновационные и захватывающие идеи, но они также должны учитывать и снижать связанные с этим риски.
Это означает, что маркетологи должны быть готовы обсуждать не только то, что, по нашему мнению, произойдет, основываясь на наилучших доступных данных, но и то, что может произойти, если обстоятельства внезапно изменятся.
Данные и статистика могут помочь нам лучше предвидеть и подготовиться к будущему.
Как использовать инструмент прогнозирования с переменными неопределенности
Первый инструмент, который был создал, предназначен для того, чтобы помочь повседневным маркетологам использовать случайные величины и анализ чувствительности для укрепления своих прогнозов. Модель учитывает и смягчает неопределенность, исследуя, как изменяются ожидаемые результаты, если один из ключевых входных данных ведет себя иначе, чем предсказывалось.
Чтобы использовать этот инструмент, вы должны сначала ознакомиться с понятием статистической вероятности.
Распределения вероятностей
Если вы не знакомы со статистической концепцией вероятностных распределений, или если прошло несколько лет, и вы немного заржавели, это нормально. Вам не обязательно разбираться во всех деталях или выводах, чтобы использовать их с предоставленными моделями.
Для наших целей вы можете рассматривать дискретное распределение вероятностей как такое, в котором список возможных сценариев имеет определенную вероятность возникновения.
Например, мы не можем точно не знать, какими будут CPC завтра. Но мы могли бы предположить, что с вероятностью 50% они будут такими же, как CPC сегодня, с вероятностью 40%, что они выше, чем сегодня, и с вероятностью 10%, что они ниже. Когда мы проснемся завтра, фактический КПК будет находиться в одном из этих трех различных состояний (равный, выше или ниже).
Нормальное распределение-это скорее скользящая шкала, которая охватывает возможные результаты. Если мы знаем, что исторически наши CPC составляли от 1 до 5 долларов, но мы наблюдаю, что они обычно составляют от 2,50 до 3,50 доллара, то нормальное распределение вероятностей позволило бы мне рассчитать вероятность того, что завтрашние CPC будут меньше цели в 4 доллара.
Решение о том, какой дистрибутив использовать в вашей модели, полностью зависит от вас. Нет правильного или неправильного ответа.
Обычно предпочитают менее точную, дискретную вероятностную модель, когда нет надежных исторических данных или низкой уверенности в том, что будущее состояние, скорее всего, будет похоже на прошлое. С другой стороны, многие выберут более точное, нормальное распределение вероятностей, если будут хорошие исторические данные и есть уверенность, что будущие показатели, скорее всего, будут соответствовать прошлым показателям и тенденциям.
На первой вкладке инструмента прогнозирования неопределенности, озаглавленной “Как использовать”, представлен обзор, на который вы можете ссылаться в любое время. Каждая из других вкладок следует одному и тому же пятиэтапному процессу создания выходных данных:
- Постройте модель: Введите известные или оценочные значения в статическую модель с одним выходным KPI (например, CPA или объем преобразования). Убедитесь, что изменение одного или нескольких значений входной ячейки приводит к изменению значения выходной ячейки.
- Определение неопределенности: Добавьте нужные параметры вероятности в предоставленную таблицу в соответствии с выбранным типом распределения.
- Вставка неопределенности: Если вы не внесли никаких изменений в модель на шаге 1, для этого шага не требуется никаких действий. Если вы пересмотрели модель на шаге 1, убедитесь, что динамическая модель отражает те же отношения, что и ваша статическая модель.
- Повторите с таблицей данных: Следуйте приведенной инструкции, чтобы создать таблицу данных, используя предоставленные 1000 строк. Если вывод не отображается, проверьте настройки, перейдя на ленту “Формулы”, затем “Параметры расчета”и выбрав “Автоматический”.
- Оценка результатов: Просмотрите сгенерированную статистику максимального, минимального, медианного, среднего и стандартного отклонения для вашей выходной ячейки на основе итераций таблицы данных.
Чтобы увидеть пример этого инструмента в действии, посмотрите это видео-пошаговое руководство:
Как использовать инструмент прогнозирования для новых каналов и органического роста
Второй инструмент, который был создан, предназначен для преодоления различного рода неопределенности, связанной с новыми, непроверенными каналами или органическим ростом в рамках существующего канала.
Показатели для понимания
Два варианта этого инструмента основаны на показателях частоты и насыщенности, а также на критериях CPC или CPM. Если для вас это новые концепции, ознакомьтесь с краткими пояснениями ниже.
- Частота: среднее количество показов объявления уникальным пользователем в рамках определенной кампании в течение определенного периода времени (в этом инструменте-один месяц).
- Насыщенность: средний процент определенного сегмента аудитории, подверженного рекламе в рамках определенной кампании с требуемой частотой.
- Базовая цена за клик: средняя стоимость, которую рекламодатель может ожидать за каждый клик на платформе, на основе агрегированных данных от многих рекламодателей в недавнем прошлом.
- Контрольный показатель CPM: средняя стоимость, которую рекламодатель может рассчитывать заплатить за 1000 показов на платформе, на основе агрегированных данных от многих рекламодателей в недавнем прошлом.
Контрольные данные для популярных платформ PPC можно найти в большинстве поисковых систем или предположить на основе доступных контрольных показателей или платформ аналогичного размера, среднего размера и возраста.
На первой вкладке Нового инструмента прогнозирования каналов с надписью “Как использовать ” приведены инструкции по использованию каждого варианта. Вам будет предложено ввести информацию о вашей кампании и желаемые параметры в желтые ячейки для обоих инструментов. Ячейки, выделенные синим и серым цветом, обеспечивают вывод, как указано.
Чтобы увидеть пример этого инструмента в действии, посмотрите видео-пошаговое руководство здесь:
Используйте эти и другие инструменты прогнозирования в качестве руководства для принятия решений, а не источника абсолютной истины. Например, добавление вторичных и третичных переменных неопределенности в модель может обеспечить ценность и повысить вашу уверенность в некоторых областях. Однако это также может создать ложную безопасность и упустить взаимодействия между переменными, которые могут исказить ваши прогнозы. Не жертвуйте полезностью в погоне за полнотой или сложностью.
Каждый раз, когда вы создаете или настраиваете модель, обязательно дважды и трижды проверяйте свои формулы, чтобы убедиться, что взаимосвязь между переменными определена правильно. Избегайте поспешных предположений или безоговорочного принятия поразительных результатов. Эти инструменты должны помочь количественно оценить неизвестные в реальных сценариях, а результаты должны соответствовать ожидаемому диапазону.
