Marketing analitika és a COVID

Azt hiszem, nem kell különösebben alátámasztani azt a kijelentést, hogy a COVID járvány az élet szinte minden területén érezteti hatását. Nincs ez másként a marketing analitika esetében sem: a termékek, szolgáltatások kereslet-kínálati viszonyainak hirtelen változása felborította a korábban megszokott elemzési módszerek, köztük a hatékonyságot vizsgáló modellek eddigi rendjét is.

Az ilyen modellek alapvető jellemzője, hogy múltbeli idősoros adatok felhasználásával von le következtetéseket a marketing mix egyes elemeinek hatékonyságával kapcsolatban, illetve erre alapozva készít előrejelzéseket. Egyértelmű, hogy a legtöbb termék esetében nem használhatók fel módosítás nélkül a múltbeli adatok és következtetések az új, megváltozott helyzetben. Sőt, vannak szakértők, akik a modellezés felfüggesztését javasolják addig, míg ismét be nem áll az egyensúly. Addig viszont még a legoptimistább jóslatok szerint is el kell telnie egy kis időnek, az élet viszont nem áll meg, így mégis érdemes átgondolni, hogyan tudnak a marketing-mix modellek ebben a – remélhetőleg csak – átmeneti időszakban segítséget nyújtani az optimális kommunikáció kialakításában.

A kommunikációs eszközök hatásvizsgálatakor megkülönböztetjük a vizsgált eredményváltozó (KPI) értékének kommunikációtól független (Base), illetve a kommunikációs eszközök használatától függő részét. Belátható, hogy a COVID hatására mindkettő változhatott: egyrészt a Base szintje is módosult (csökkenő/növekvő trendet mutat, esetleg hirtelen magasabb/alacsonyabb szintre ugrott), másrészt a kommunikációs eszközök is eltérő módon és mértékben fejtik ki a hatásukat, mint a járvány kitörése előtt tették.

A modellünk esetében ezért először egy trendváltozót kell beépítünk a modellbe, amely leírja a Base szint változását. Nyilván ez nem csak egy önkényesen választott, jól illeszkedő változó kell, hogy legyen, hanem egy olyan adatsor, mely jól reprezentálja a lezajlott makroszintű folyamatokat. Ilyen változó lehet az adott terméket magába foglaló kategória egészében megfigyelhető trend (pl. az értékesítési volumen változása), de ennek hiányában megpróbálkozhatunk általánosabb makroökonómiai indexek (pl. háztartások vásárlóerő változása, fogyasztói várakozások alakulása) beépítésével is.  Lehetőség szerint tartózkodnunk kell több makrováltozó kiválasztásától, kivéve, ha azok függetlenek egymástól, s mindenképpen erősíti a modell jóságába vetett bizalmunkat, ha a beemelt változó több modellezett KPI esetében is megfelelő.

Amennyiben sikerült a Base szint változását beépítenünk a modellbe, következhet az egyes kommunikációs eszközök hatásának vizsgálata. Itt a legegyszerűbb, ha minden eszköznél megkülönböztetünk pre-COVID és post-COVID változókat, s ezeket külön-külön vizsgáljuk (pl. TV GRP a járvány kitörése előtt, illetve után). Ezek tesztelése után láthatjuk, mely eszközöknél volt szignifikáns változás a járvány hatására, s ezeket beépítve a modellbe reálisan tudjuk értékelni az egyes kommunikációs formák hatékonyságának alakulását.

Természetesen tudom, hogy vannak olyan szegmensek, melyeket olyan drámai módon érintettek a változások (pl. hosszú ideig tartó hiány a kínálati oldalon), hogy nem érdemes a jelen helyzetben analitikai eszközöket alkalmazni. De úgy gondolom, hogy a kategóriák jelentős részénél megtalálhatók azok a változók, melyek segítségével alapos tesztelés és megfontolt modellkiválasztás után a jelen helyzetben is segítséget kaphatunk kommunikációnk optimalizálásához.

Felhasznált forrás: Building and using MMM in the COVID 19 economy (ScanmarQED  webinar, May 2020)