Minder kan meer zijn: Het tweesnijdend zwaard van multi-kanaal reclame

Tegelijkertijd definieerde deze studie multi-channel blootstelling als blootgesteld zijn aan twee kanalen in plaats van één. Maar in werkelijkheid is het aantal kanalen waarlangs merken hun advertentie-uitgaven verdelen (veel) groter. Op elk van die kanalen concurreren creatieven van andere adverteerders ook om de aandacht van de consument en voegen een bepaalde hoeveelheid “ruis” toe die het moeilijker maakt voor merken om hun boodschap duidelijk over te brengen. Dit roept de vraag op of het verspreiden van de reclame-inspanningen over een groot aantal kanalen nog steeds voldoende druk per kanaal zou achterlaten om nog steeds op te vallen – en daadwerkelijk “door de ruis heen te breken”.

Deze twee tegenstrijdige argumenten over waarom het toevoegen van meer kanalen aan de media-mix al dan niet voordelig kan blijken te zijn voor het adverterende merk, hebben ons geïnteresseerd in het beoordelen in hoeverre – en hoe – de effectiviteit van marketingcampagnes afhankelijk is van het aantal kanalen. Daarom hebben we ons tot doel gesteld deze vraag te beantwoorden door middel van een meta-analyse, zoals hieronder nader beschreven.

We wilden ontdekken hoe en in hoeverre de impact van reclame wordt gedreven door het aantal kanalen waarover men adverteert. Daarom hebben we een (weekniveau) dataset samengesteld die afkomstig was van onze merktrackers. Deze dataset bevat de volgende informatie:

Ondersteunde reclamebewustzijn: Voor elk merk en week in onze dataset, vangt deze variabele het aandeel van enquête-respondenten op dat dat merk selecteert nadat hen gevraagd is “Voor welk merk(en) herinner je je in de afgelopen weken reclame te hebben gezien of gehoord?”.

Media druk (over 8 kanalen): Voor elk merk en week in onze dataset reflecteren deze variabelen het aantal mediacontacten dat werd gerealiseerd door de reclame-inspanningen van dat merk. We nemen 8 verschillende kanalen in acht: 1) TV, 2) Radio, 3) Print, 4) Buitenreclame, 5) Pre-rolls, 6) Social, 7) Online zoeken, 8) Online display.

Vervolgens breiden we deze dataset verder uit door twee aanvullende variabelen te construeren:

RPS (Reality Performance Score): Bij DVJ Insights gebruiken we RPS om de totale mediadruk te vertegenwoordigen die wordt gerealiseerd door de wekelijkse reclame-inspanningen van een merk (relatief ten opzichte van de grootte van de markt waarin het opereert). RPS houdt rekening met het feit dat:

1. 1. Elk kanaal verschilt in de waarschijnlijkheid dat advertenties worden opgemerkt en onthouden door consumenten.
   2. Consumenten zijn gewoonlijk in staat om zich advertenties te herinneren voor ten minste enige tijd nadat ze deze hebben gezien of gehoord. Daarom heeft een deel van de reclame-inspanningen in één week nog steeds waarde in de volgende weken.

Verschillende ingezette kanalen: We verkrijgen het aantal kanalen dat betrokken is bij de wekelijkse reclame-inspanningen van een merk door de kanalen te tellen waarop meer dan 0 werd gerealiseerd. We tellen contacten over 8 verschillende kanalen zoals hierboven vermeld.
Onze dataset bestaat uit 34 merken, verdeeld over 8 productcategorieën en 8 landen. Tabel 1 hieronder toont welke categorie/land combinaties door onze dataset worden gedekt.

Tabel 1: Aantal merken gedekt in elke categorie/land combinatie

De modererende rol van het aantal kanalen

Om de rol van het aantal ingezette kanalen bij het bepalen van de effectiviteit van reclame te beoordelen, volgen we een conceptueel model dat visueel wordt weergegeven in Figuur 1 hieronder:

Figuur 1: Conceptueel model voor de rol van het aantal kanalen bij het bepalen van de effectiviteit van reclame

Pijl 1 is de ruggengraat van dit model. Het vertegenwoordigt hoe de week-tot-week reclame-inspanningen van een merk (RPS) vervolgens de mogelijkheid van consumenten beïnvloedt om zich de media-aanwezigheid van het merk te herinneren (reclamebewustzijn). Dus pijl 1 vertegenwoordigt de impact van reclame, en ons conceptuele model gaat ervan uit dat de exacte magnitude van deze impact afhankelijk kan zijn van verschillende factoren.
Naar aanleiding van onze hoofdvraag zijn we voornamelijk geïnteresseerd in pijl 2. Die pijl symboliseert hoe het aantal kanalen dat ingezet wordt om een bepaald niveau van mediadruk te bereiken, het effect beschreven door pijl 1, beïnvloedt (of met andere woorden, modereert), bijv. de impact van die mediadruk op reclamebewustzijn.

Deze relaties zullen worden geanalyseerd met behulp van een regressiemodel van RPS (onafhankelijke variabele) op reclamebewustzijn (afhankelijke variabele), met het aantal kanalen als moderator. Zowel de RPS als meerdere kanalen worden in het model opgenomen via zowel een lineaire als een kwadratische term. Door deze aanpak blijven we flexibel met betrekking tot de (mogelijke) vorm van deze relaties, zoals toenemende of afnemende schaaleffecten of “omgekeerde U”-curves.

We verwachten dat de effectiviteit van reclame ook sterk campagnespecifiek zal zijn (bijv. door verschillen in creatieve kracht of gerealiseerde share-of-voice) en/of merkspecifiek (bijv. omdat consumenten zich advertenties van bekende merken gemakkelijker kunnen herinneren). Daarom moeten we deze verschillen in reclame-impact (pijlen 3 en 4) over merken en campagnes heen controleren voordat we een betrouwbare schatting kunnen verkrijgen van de exacte rol die het aantal kanalen speelt.

We doen dit door het regressiemodel te schatten als een zogenaamd “gemengd model”. Dit zal de RPS-parameters schatten als willekeurige in plaats van vaste effecten (over zowel merken als campagnes, waarbij de laatste wordt gedefinieerd als geïsoleerde perioden in de tijd waarin de mediadruk nul overstijgt). Bovendien kunnen merken aanzienlijk verschillen in hun “basisniveau” van reclamebewustzijn. Dit betekent dat consumenten nog steeds kunnen beweren dat ze reclame van (sterke) merken hebben gezien of gehoord, ook al hebben deze merken een tijdje niet daadwerkelijk geadverteerd. Daarom volgen we een vergelijkbare willekeurige-effecten benadering voor het “intercept” van het model (pijl 5).

Op zoek naar een optimum: Welk aantal kanalen werkt het beste?

Eerst schatten we het hierboven beschreven regressiemodel. Vervolgens vonden we, zoals verwacht, dat merken aanzienlijk variëren in termen van hun basisniveau van reclamebewustzijn – met de minimum- en maximumniveaus die respectievelijk 2% en 51% bedragen. Dit betekent in wezen dat, afhankelijk van het merk, tot ±50% van de consumenten kan beweren onlangs reclame van het merk te hebben gezien en/of gehoord – ook al liep er op dat moment geen campagne.
We vonden ook aanzienlijke variabiliteit in hoe dit reclamebewustzijn wordt beïnvloed door RPS. Een niveau van wekelijkse mediadruk dat overeenkomt met gemiddeld één contact met elke persoon in de doelgroep, blijkt te resulteren in een toename van het reclamebewustzijn van ergens tussen de 0,1 en 2,3 procentpunten. Dit bevestigt dus het belang van het controleren op merk- en campagnespecifieke verschillen.

Vervolgens richten we onze aandacht op hoe de (gemiddelde) impact van mediadruk op reclamebewustzijn afhangt van het aantal kanalen waarop men adverteert. Om dit te doen, gebruiken we de parameters van het model om verwachte toenames in reclamebewustzijn te berekenen onder verschillende hoeveelheden kanalen en graden van (wekelijkse) mediadruk. Voor de laatste definiëren we een “zeer laag” niveau van mediadruk als een aantal wekelijkse contacten dat onder de overgrote meerderheid (90%) van de campagnes in onze dataset ligt. We definiëren ook een “zeer hoog” niveau van mediadruk als een aantal wekelijkse contacten dat boven de overgrote meerderheid (90%) van de campagnes in onze dataset ligt. De “lage”, “gemiddelde” en “hoge” niveaus worden dan geschaald tussen de “zeer lage” en “zeer hoge” niveaus, met dezelfde exacte stapgrootte tussen elk paar niveaus.

Figuur 2 toont de resultaten van deze berekeningen. Let op dat we voor elk van de vijf niveaus van mediadruk alleen verwachte toenames berekenen voor het aantal kanalen dat we daadwerkelijk voor dat niveau in de dataset waarnemen.

Figuur 2: Verwachte toenames in reclamebewustzijn onder verschillende niveaus van mediadruk en hoeveelheden kanalen (gebruikt om deze mediadruk te realiseren)

Een eerste opvallend resultaat is dat wanneer we van het “zeer lage” niveau van mediadruk naar het “zeer hoge” niveau gaan, elke verhoging van niveau resulteert in een kleinere toename van de uplift in reclamebewustzijn (aangezien de lijnen in de grafiek steeds dichter bij elkaar komen) – ondanks het feit dat de toename van de daadwerkelijke mediadruk altijd precies hetzelfde was. Dit duidt op het bestaan van afnemende “schaalopbrengsten”. Hoe meer men adverteert, hoe meer deze extra inspanningen zullen resulteren in het bereiken van dezelfde consumenten met een hogere frequentie in plaats van nieuwe consumenten te bereiken, en hoe lager de extra impact op reclamebewustzijn zal zijn.

Vervolgens gaan we over naar de daadwerkelijke rol die het aantal kanalen speelt. Onder zeer lage (wekelijkse) mediadruk, ondanks dat het optimale aantal kanalen formeel op 2 ligt, zien we in wezen geen verschil in effectgrootte (aangezien het altijd zeer dicht bij +0% ligt) over de verschillende hoeveelheden kanalen. Dit niveau van mediadruk is waarschijnlijk altijd te laag om enige substantiële impact op reclamebewustzijn te hebben, ongeacht het aantal gebruikte kanalen om het te realiseren. Echter, vanaf hier, hoe hoger het niveau van mediadruk, hoe duidelijker een optimum wordt onthuld in termen van het aantal kanalen dat gebruikt moet worden.

Onder dit optimale aantal kanalen wordt men mogelijk nog niet (voldoende) opgemerkt door die consumenten die alleen bereikt kunnen worden door bepaalde kanalen aan de mediamix toe te voegen (bijv. jonge “digital-only” consumenten). Boven dit optimale aantal is de kans echter kleiner dat men “door de ruis heen breekt” op de kanalen waarop men adverteert. Dit komt omdat het aantal contacten dat aan elk afzonderlijk kanaal kan worden toegewezen simpelweg te laag wordt. Volgens deze redenering is het misschien niet al te verrassend dat we wel zien dat het optimale aantal kanalen toeneemt naarmate het niveau van mediadruk stijgt – gaande van 2 kanalen bij een laag niveau, naar 3 kanalen bij een gemiddeld of hoog niveau, en naar 4 kanalen bij een zeer hoog niveau. Hoe hoger de algehele mediadruk achter een campagne, hoe meer kanalen men een voldoende aantal contacten kan toewijzen om “door te breken”; profiterend van de extra consumenten die men op deze manier kan bereiken.

Tegelijkertijd moet benadrukt worden dat hoewel we talrijke campagnes observeren die het “volledige spectrum” van acht kanalen gebruiken, het optimale aantal kanalen om reclamebewustzijn te verhogen nooit meer lijkt te zijn dan vier – zelfs bij zeer hoge niveaus van mediadruk. Dit suggereert dat binnen een aanzienlijk aantal campagnes, merken mogelijk “zichzelf te dun uitspreiden” voor hun reclame om echt op te vallen op elk van de kanalen in hun mediamix – wat leidt tot een lager aandeel consumenten dat zich de campagne voor een langere tijd kan herinneren.

“Een balans van kanalen”

De resultaten van onze meta-analyse onthullen dat de effectiviteit van een reclamecampagne, met een bepaald niveau van mediadruk, kan afhangen van het aantal kanalen dat wordt gebruikt om deze druk te realiseren.
Toch blijft de rol die het aantal kanalen speelt op zijn best beperkt voor zeer kleinschalige campagnes, die ernstige moeite ondervinden om “door te breken” bij hun publiek, ongeacht de exacte hoeveelheid gebruikte kanalen. Het selecteren van het optimale aantal kanalen begint echter meer verschil te maken (en wordt dus steeds belangrijker) naarmate een campagne groter is in termen van mediadruk.

Het vinden van dit optimale aantal is allereerst een kwestie van voldoende kanalen aan de media-mix toevoegen om in contact te komen met die consumenten die anders niet bereikt zouden worden. Tegelijkertijd moet men ook de valkuil vermijden van het te veel verspreiden van het reclamebudget over te veel kanalen om effectief door de ruis heen te breken.

Naarmate de schaal van een campagne toeneemt, neemt ook het aantal kanalen dat haalbaar kan worden opgenomen om maximale effectiviteit te bereiken toe. Tegelijkertijd vinden we dat dit aantal nooit meer dan vier lijkt te overschrijden, zelfs niet onder zeer hoge mediadruk. Het is dan misschien ook niet te verbazingwekkend dat we observeren dat veel campagneweken (ongeveer 40%) in onze dataset ofwel “onder- of overbenutten” het aantal kanalen dat tot hun beschikking staat. Dit leidt tot suboptimale memorisatie van de campagne onder het beoogde publiek.

Uiteraard moeten we opmerken dat in deze studie onze operationalisatie van campagne-effectiviteit was gebaseerd op toenames in reclamebewustzijn, wat geen typisch einddoel is. Toch ligt de eerste sleutel tot een succesvolle campagne vaak in het vermogen om herinnerd te worden door het beoogde publiek, en in die zin concluderen we dat “minder” heel goed “meer” kan zijn. Dit onderstreept het belang van een weloverwogen beslissing over welke kanalen wel en niet op te nemen in – en uit te sluiten van – de media-mix. Blijf op de hoogte voor een vervolg op deze meta-analyse later dit jaar, waarin we meer inzichten in deze kwestie zullen verschaffen!