I brand investono sempre di più nell'influencer marketing, ma ancora lottano per misurare l'impatto di tutto quel budget.
Misurare il ROI degli influencer è stato qualcosa a cui abbiamo dedicato molto tempo quando abbiamo costruito Roundabout, quindi sappiamo quanto può essere difficile. Abbiamo capito rapidamente che non si può fare affidamento solo sui codici promozionali: troppi clienti dimenticano di usarli, e gli affiliati meno affidabili spesso condividono i codici attraverso portali di scambio coupon per guadagnare più click.
I codici promozionali devono essere parte di un piano più ampio, un approccio più olistico alla misurazione, che integra il monitoraggio digitale e il Marketing Mix Modeling (MMM), lavorando insieme per eliminare la spesa media sprecata su campagne che non stanno guidando le vendite.
Iniziamo a scoprire quali problemi di misurazione si possono trovare con le tue campagne di influencer marketing. Successivamente daremo una breve introduzione a Marketing Mix Modeling, quali sono i suoi punti di forza e le sue limitazioni e perché i moderni marchi DTC l'hanno adottato.
Misurare l'impatto degli influencer
L'Influencer marketing è uno dei canali digitali meno misurabili, perché è "off-book". Piuttosto che pagare una piattaforma come Meta (Facebook & Instagram) per la pubblicità, in genere si sta contattando singoli influencer per lavorare con loro direttamente.
I risultati spesso variano, perchè di fatto il successo della campagna dipende molto da:
- quanto è rilevante il vostro prodotto per il pubblico di un influencer
- se l'influencer è appassionato del vostro prodotto
- l'esecuzione creativa della vostra campagna
C'è anche il problema della frode: follower e interazioni falsi, che portano i marketer a dover verificare l'affidabilità dei profili. La FTC e le piattaforme di social media controllano anche la corretta divulgazione di messaggi pubblicitari degli influencer.
Uno dei metodi principali per la misurazione dalla maggior parte dei brand è proprio quello dei codici promozionali. Questa tecnica risale ai primi decenni del Novecento, e l'uso dei coupon toccò il suo apice negli anni '30, durante la Grande Depressione. I primi marketer scientifici come Daniel Starch e Claude Hopkins hanno aperto la strada alla pratica di assegnare codici promozionali unici a diverse variazioni di pubblicità per testarne l'efficacia.
Questa tecnica semplice ma efficace ha purtroppo difetti significativi quando viene utilizzata nell'economia digitale di oggi.
- Estensioni del browser come Honey o Rakuten che auto-compilano i campi del codice promozionale con tutto ciò che offre il massimo sconto
- Acquirenti furbi addestrati a googlare "[brand] codici promozionali" al checkout, per vedere se possono ottenere qualche sconto
- Affiliati truffatori che praticano il "cookie stuffing" per taggare il maggior numero possibile di persone con il loro codice di affiliazione
In nessuno di questi scenari si registrano vendite "incrementali". D'altro canto, molti clienti semplicemente dimenticano di usare i loro codici promozionali! O forse non hanno notato il codice sepolto nel testo del post. In entrambi i casi, qualsiasi marketer con esperienza in campagne influencer vi dirà che vedono picchi di vendite durante le campagne, oltre a tutto quello che potrebbero spiegare con il monitoraggio.
Marketing mix modeling
Il Marketing Mix Modeling (MMM) è stato introdotto nel 1960 per abbinare picchi e cali nelle vendite alle azioni intraprese nel marketing (e a fattori esterni). Quando è usato per bene, può dirti l'effetto incrementale di ogni parte della tua strategia di vendita, in modo da poter prendere le decisioni data-driven sulla distribuzione del tuo budget marketing.
Storicamente, è stato usato dai grandi advertisers, ma negli ultimi anni è stato adottato anche dai brand DTC sulla scia delle modifiche alla privacy di Apple iOS14, GDPR/ CCPA e ad blocker che limitano la capacità dei marketer di tracciare gli utenti. Il MMM funziona senza bisogno di dati a livello utente, quindi è perfetto per i canali difficili da monitorare come TV, Podcast e Influencers.
Una volta che hai costruito un modello sarai in grado di determinare la spesa su ogni canale di marketing, ridistribuire il budget spostandolo dai canali con scarse prestazioni a quelli con più spazio per scalare. Serve come secondo parere per il monitoraggio e l'analisi digitale, come una prova del nove tra le vendite che vedi su Google Analytics, il monitoraggio del tuo codice promozionale, e l'indagine del "come hai sentito parlare di noi".
Il Marketing Mix Model può essere difficile da calcolare correttamente, e talvolta richiede conoscenze statistiche avanzate, ad esempio la familiarità con algoritmi bayesiani. Questi offrono più di una visione top-down, della visione dell'impatto complessivo di ogni canale, piuttosto che l'analisi drill-down delle singole campagne, messaggio, o tattiche. Detto questo, se si ottiene nel modo giusto, il MMM è una parte preziosa del moderno stack di attribuzione.
Tutorial sul Marketing mix modeling
Per seguire il tutorial, controlla il template segnato in questo post, basato sui dati di un'azienda di e-commerce, tratto dai corsi di marketing mix di Vexpower:
Per una piccola o media impresa il Marketing Mix Model può essere un lavoro complesso perchè richiede il coinvolgimento di più persone, mesi di lavoro per essere completato correttamente, e il lavoro continuativo per essere monitorato. Tuttavia è possibile ottenere un modello "abbastanza buono" in un pomeriggio con nient'altro che un Excel o Fogli Google.
Step 1: raccogliere i dati
Hai bisogno di dati da tutto il tuo mix di marketing, tutto ciò che ripaga il budget e che spinge le vendite, in modo che il modello possa identificare l'impatto degli influencer rispetto a tutto il resto. Deve essere nel formato tabellare come indicato, che significa una riga per ogni giorno o settimana ed una colonna per ogni canale o campagna.
Nota: Quando stai lavorando con canali come YouTube, è improbabile che tu riesca ad ottenere i dati relativi a ciascun giorno o settimana in maniera specifica. Se ti aspetti un traffico continuo a lungo termine, questo modello non attribuirà quei benefici a lungo termine.
-
Suggerimento per la modellazione Influencers:
Abbina il budget alla tua programmazione di post
Il trucco è quello di abbinare quello che hai speso per ogni post con quando quel post è andato online. Altrimenti il modello cercherà l'impatto nel posto sbagliato. Allocare la spesa al giorno in cui l'ingaggio dell'influencer è confermato è un errore comune, così come raggruppare la spesa alla settimana di calendario o al mese.
-
Idealmente con ogni canale multimediale, si vuole misurare l'effetto della spesa: quanti € si ottengono per ogni €1 speso? Si dovrebbe modellare il costo effettivo delle tue campagne, non la reach, impression, follower, o altre vanity metrics.
Puoi anche controllare le variabili esterne di impatto, per esempio il Ranking Amazon o PR, anche se si dovrebbe fare attenzione a come si incorporano queste variabili.
Step 2: costruisci il modello
Questa pila imperscrutabile di numeri è il risultato della funzione LINEST, disponibile in Excel e GSheets. La linea superiore sono i coefficienti (nota: escono in ordine inverso), che ti dicono l'impatto di ogni attività di marketing (presumendo che il modello sia corretto).
Potete interpretare i coefficienti come segue. Per le Campagne Influencer gestite con Roundabout il coefficiente è circa 0,025, il che significa che per ogni €1 di budget hai circa 0,025 vendite. Se si divide 1 per il coefficiente si ottiene il costo per acquisizione (CPA) incrementale, che nel nostro modello è di circa €40. Puoi confrontare questo con il numero che ottieni dal tracking del tuo codice promozionale, che può essere superiore o inferiore.
Il moltiplicatore è il rapporto tra questi due numeri, che è possibile utilizzare come regola generale quando si stima il ROI 'vero' delle tue campagne. Nel nostro esempio il CPA misurato con i codici promozionali è di circa €64, quindi il moltiplicatore è 0,63. Se si esegue una nuova campagna che mostra un €50 CPA per mezzo di codice promozionale di monitoraggio, si può essere ragionevolmente sicuri che il "vero" CPA era più vicino a €32 (50 x 0,63 ≈ 32).
Step 3: valida il modello
Nel nostro caso possiamo vedere che il modello segue bene l'andamento delle vendite passate. Il MAPE - una misura di accuratezza/ errore - è del 13,4% complessivo, con alcune settimane molto più precise di altre. Questo è un buon inizio, ma non è sufficiente!
Successivamente dovremmo controllare che il nostro modello possa prevedere con precisione i nuovi dati che non ha ancora visto: ad esempio le prossime 4 settimane di vendite.
È anche importante che il modello sia plausibile: se ci avessi detto che i nostri influencer stavano guidando le vendite a €5 invece di €50, il che sarebbe difficile da credere, e un segno c'è qualcosa di sbagliato con il modello. In ogni caso, questi modelli dovrebbero essere convalidati e calibrati in base a ciò che hai imparato da altri metodi di attribuzione di marketing, inclusi esperimenti controllati randomizzati (test A/ B).
Mentre lavori per una maggiore precisione e validità statistica, inizierai a voler adottare tecniche più avanzate come Bayesian MMM, oltre a misurare l'impatto ritardato delle tue campagne influencer (quanto tempo dopo il post si verificano ancora le vendite?) e i rendimenti in diminuzione (quanto potete spendere prima che sia saturato?), e una serie di altre caratteristiche importanti per un buon modello di Marketing Mix. E' da qui che è necessario iniziare per imparare le tecniche di MMM avanzate, avere dati a portata di mano, o lavorare con un fornitore come Recast in grado di gestire questa complessità e assicurarsi che il modello sia accurato.
Se hai bisogno di trovare gli influencer più adatti puoi partire dalla Creator Analysis; se vuoi coordinare efficacemente la tua campagna e avere i numeri rilevati contenuto per contenuto, scopri le Campagne gestite end-to-end.
