Mindre kan vara mer: Dubbeleggat svärd av flerkanals-reklam

Samtidigt definierade denna studie exponering för flera kanaler som att vara utsatt för två kanaler snarare än en. Men i verkligheten är antalet kanaler genom vilka varumärken fördelar sina reklamutgifter (mycket) större. På var och en av dessa kanaler tävlar kreatörer från andra annonsörer också om konsumenternas uppmärksamhet och tillför en viss mängd ”brus” som gör det svårare för varumärken att tydligt förmedla sitt budskap. Detta väcker frågan om huruvida spridningen av ens reklaminsatser över ett stort antal kanaler fortfarande skulle lämna tillräckligt med tryck per kanal för att fortfarande sticka ut – och faktiskt ”bryta igenom bruset”.

Dessa två motsatta argument om varför det att lägga till fler kanaler till ens mediamix kan eller inte kan visa sig vara fördelaktigt för det annonserande varumärket, fick oss intresserade av att bedöma i vilken utsträckning – och hur – effektiviteten av marknadsföringskampanjer beror på antalet kanaler. Därför satte vi ut för att svara på denna fråga genom en metaanalys, som beskrivs ytterligare nedan.

Vi ville ta reda på hur och i vilken utsträckning reklamens inverkan drivs av antalet kanaler över vilka man annonserar. Därför byggde vi en (vecko-nivå) datamängd som hämtades från våra varumärkesspårare. Denna datamängd innehåller följande information:

Stödd reklammedvetenhet: För varje varumärke och vecka i vår datamängd, fångar denna variabel andelen undersökningsrespondenter som väljer det varumärket efter att ha blivit frågade ”För vilket/vilka varumärke(n) kommer du ihåg att ha sett eller hört någon reklam under de senaste veckorna?”.

Medietryck (över 8 kanaler): För varje varumärke och vecka i vår datamängd, reflekterar dessa variabler antalet mediekontakter som realiserades av det varumärkets reklaminsatser. Vi tar hänsyn till 8 olika kanaler: 1) TV, 2) Radio, 3) Tryck, 4) Utomhus, 5) Pre-rullar, 6) Sociala medier, 7) Online-sökning, 8) Online-display.

Vi utvidgar sedan denna datamängd genom att konstruera två ytterligare variabler:

RPS (Reality Performance Score): På DVJ Insights använder vi RPS för att representera det totala medietrycket som realiseras av ett varumärkes veckovisa reklaminsatser (relativt till marknadens storlek där det verkar). RPS tar hänsyn till att:

1. 1. Varje kanal skiljer sig i sannolikheten för att annonser märks och återkallas av konsumenterna.
   2. Konsumenter kan vanligtvis komma ihåg annonser för åtminstone en tid efter att ha sett eller hört dem. Därför har en del av reklaminsatserna under en vecka fortfarande värde under följande veckor.

Flera använda kanaler: Vi erhåller antalet kanaler som är involverade i ett varumärkes veckovisa reklaminsatser genom att räkna de kanaler på vilka mer än 0 realiserades. Vi räknar kontakter över 8 olika kanaler som nämnts ovan.

Vår datamängd omfattar 34 varumärken, över 8 produktkategorier och 8 länder. Tabell 1 nedan visar vilka kategori/land-kombinationer som täcks av vår datamängd.

Tabell 1: Antal varumärken täckta i varje kategori/land-kombination

De modererande rollen av antalet kanaler

För att bedöma rollen av antalet använda kanaler i att bestämma reklameffektivitet, följer vi en konceptuell modell som visuellt representeras i Figur 1 nedan:

Figur 1: Konceptuell modell för antalet kanalers roll i att bestämma reklameffektivitet

Pil 1 är ryggraden i denna modell. Den representerar hur ett varumärkes vecka-till-vecka reklaminsatser (RPS) efterföljande påverkar konsumenternas förmåga att minnas varumärkets mediapresens (reklammedvetenhet). Således representerar pil 1 reklamens inverkan, och vår konceptuella modell antar att den exakta magnituden av denna inverkan kan bero på flera faktorer.
Följande vår huvudforskningsfråga, är vi främst intresserade av pil 2. Den pilen symboliserar hur antalet kanaler som används för att uppnå en viss nivå av medietryck påverkar (eller med andra ord modererar) effekten som beskrivs av pil 1, t.ex. inverkan av det medietrycket på reklammedvetenhet.

Dessa relationer kommer att analyseras med hjälp av en regressionsmodell av RPS (oberoende variabel) på reklammedvetenhet (beroende variabel), med antalet kanaler som fungerar som moderator. Både RPS och flera kanaler inkorporeras i modellen genom både en linjär och en kvadratisk term. Genom detta tillvägagångssätt förblir vi flexibla med avseende på de (möjliga) formerna av dessa relationer, såsom ökande eller minskande skalaeffekter eller ”inverterade U”-kurvor.

Vi förväntar oss att reklamens effektivitet också kommer att vara högst kampanjspecifik (t.ex. på grund av skillnader i kreativ styrka eller realiserad share-of-voice) och/eller varumärkesspecifik (t.ex. eftersom konsumenter kan finna det lättare att minnas annonser från välkända varumärken). Därför behöver vi kontrollera dessa skillnader i reklameffekt (pilar 3 och 4) över varumärken och kampanjer innan vi kan erhålla en tillförlitlig uppskattning av den exakta rollen som antalet kanaler spelar.

Vi gör detta genom att uppskatta regressionsmodellen som en så kallad ”blandad modell”. Det kommer att uppskatta RPS-parametrarna som slumpmässiga snarare än fasta effekter (över både varumärken och kampanjer, där de senare definieras som isolerade perioder i tiden då medietrycket överstiger noll). Dessutom kan varumärken skilja sig avsevärt i sin ”grundnivå” av reklammedvetenhet. Detta innebär att konsumenter fortfarande kan hävda att de har sett eller hört reklam från (starka) varumärken även om dessa varumärken faktiskt inte har annonserat på ett tag. Därför följer vi en liknande slumpmässig-effektansats för modellens ”intercept” också (pil 5).

Att söka efter ett optimum: Vilket antal kanaler fungerar bäst?

Först uppskattade vi regressionsmodellen som beskrivs ovan. Efteråt, som väntat, fann vi att varumärken varierar avsevärt när det gäller deras grundnivå av reklammedvetenhet – med minsta och högsta nivåer som uppgår till 2 % och 51 %, respektive. Detta innebär i huvudsak att beroende på varumärket, kan upp till ±50 % av konsumenterna hävda att de nyligen har sett och/eller hört reklam från varumärket – även om ingen kampanj pågick vid den tidpunkten.
Vi fann också betydande variabilitet i hur denna reklammedvetenhet påverkas av RPS. En nivå av veckovis medietryck motsvarande en kontakt (i genomsnitt) med varje person i målgruppen resulterar i en ökning av reklammedvetenheten på någonstans mellan 0,1 och 2,3 procentenheter. Som sådant bekräftar detta vikten av att kontrollera för varumärkes- och kampanjspecifika skillnader.

Nästa, vi vänder vår uppmärksamhet till hur (genomsnittlig) inverkan av medietryck på reklammedvetenhet beror på antalet kanaler som man annonserar på. För att göra detta använder vi modellens parametrar för att beräkna förväntade ökningar i reklammedvetenhet under olika mängder kanaler och grader av (veckovis) medietryck. För det senare definierar vi en ”mycket låg” nivå av medietryck som ett antal veckokontakter som ligger under den stora majoriteten (90 %) av kampanjerna i vår datamängd. Vi definierar också en ”mycket hög” nivå av medietryck som ett antal veckokontakter som ligger över den stora majoriteten (90 %) av kampanjerna i vår datamängd. De ”låga”, ”medel” och ”höga” nivåerna skalas sedan mellan de ”mycket låga” och ”mycket höga” nivåerna, med exakt samma stegstorlek mellan varje par nivåer.

Figur 2 visar resultaten av dessa beräkningar. Observera att för varje av de fem nivåerna av medietryck beräknar vi endast förväntade ökningar för kanalmängder som vi faktiskt observerar för den nivån i vår datamängd.

Figur 2: Förväntade ökningar i reklammedvetenhet under olika nivåer av medietryck och mängder av kanaler (använda för att realisera detta medietryck)

Ett första slående resultat är att när vi går från den ”mycket låga” nivån av medietryck mot den ”mycket höga” nivån, resulterar varje ökning i nivå i en mindre ökning av reklammedvetenhetsökningen (eftersom linjerna i diagrammet blir allt närmare varandra) – trots att ökningen i faktiskt medietryck alltid var densamma. Detta betyder att det finns minskande ”skalfördelar”. Ju mer man annonserar desto mer kommer dessa ytterligare ansträngningar att resultera i att nå samma konsumenter med en högre frekvens snarare än att nå nya konsumenter, och den ytterligare inverkan på reklammedvetenheten kommer att vara lägre.

Nästa steg är att undersöka den faktiska rollen som antalet kanaler spelar. Trots mycket lågt (veckovis) mediapåtryck, och även om det optimala antalet kanaler formellt ligger på 2, ser vi i princip ingen skillnad i effektstorlek (då den alltid är mycket nära +0%) över de olika antalen kanaler. Denna nivå av mediapåtryck är sannolikt alltid för låg för att ha någon betydande inverkan på medvetenheten om reklam, oavsett antalet använda kanaler för att förverkliga det. Men härifrån, ju högre nivå av mediapåtryck, desto tydligare framträder ett optimum när det gäller antalet kanaler som ska användas.

Under detta optimala antal kanske man inte (ännu) blir märkt av de konsumenter som endast kan nås genom att lägga till vissa kanaler i mediemixen (t.ex. unga ”endast-digitala” konsumenter). Över detta optimala antal är det dock mindre troligt att man ”bryter igenom bruset” på de kanaler där man annonserar. Detta beror på att antalet kontakter som kan tilldelas varje enskild kanal helt enkelt blir för lågt. Med detta resonemang är det kanske inte så överraskande att vi ser att det optimala antalet kanaler ökar tillsammans med mediapåtryckets nivå – från 2 kanaler på en låg nivå, till 3 kanaler på en medium eller hög nivå, och till 4 kanaler på en mycket hög nivå. Ju högre det totala mediapåtrycket bakom en kampanj är, desto fler kanaler kan man tilldela ett tillräckligt antal kontakter för att ”bryta igenom”; och dra nytta av de ytterligare konsumenter som man på detta sätt kan nå.

Samtidigt bör det betonas att även om vi observerar många kampanjer som använder hela spektrumet av åtta kanaler, verkar det optimala antalet kanaler för att öka reklammedvetenheten aldrig överstiga fyra – även vid mycket höga nivåer av mediapåtryck. Detta tyder på att inom ett betydande antal kampanjer kan varumärken ”sprida ut sig för tunt” för att deras reklam verkligen ska sticka ut på var och en av kanalerna i deras mediemix – vilket leder till en lägre andel konsumenter som kan komma ihåg kampanjen under en längre tid.

”En balans av kanaler”

Resultaten av vår metaanalys avslöjar att effektiviteten av en reklamkampanj, med en viss nivå av mediapåtryck, kan bero på antalet kanaler som används för att förverkliga detta tryck.
Ändå förblir den roll som antalet kanaler spelar begränsad i bästa fall för mycket småskaliga kampanjer, vilka upplever allvarliga svårigheter att ”bryta igenom” bland sin publik oavsett det exakta antalet använda kanaler. Men valet av det optimala antalet kanaler börjar göra mer av en skillnad (och blir således allt viktigare) ju större en kampanj är i termer av mediapåtryck.

Att hitta detta optimum handlar först och främst om att lägga till tillräckligt med kanaler i mediemixen för att komma i kontakt med de konsumenter som annars inte skulle ha nåtts. Samtidigt bör man också undvika fällan att sprida reklambudgeten över för många kanaler för att de ska förbli effektiva i att bryta igenom bruset.

När en kampanj ökar i skala, ökar även antalet kanaler som kan integreras för att uppnå maximal effektivitet. Samtidigt finner vi att detta antal aldrig tenderar att överstiga fyra, även under mycket högt mediapåtryck. Som ett resultat är det kanske inte så överraskande att vi observerar många kampanjveckor (ungefär 40%) i vår datamängd som antingen ”under- eller överanvänder” antalet tillgängliga kanaler för dem. Detta leder till suboptimal memorering av kampanjen bland dess avsedda publik.

Naturligtvis bör vi notera att i denna studie var vår operationalisering av kampanjeffektivitet baserad på ökningar i reklammedvetenhet, vilket inte är ett typiskt slutmål. Ändå ligger den första nyckeln till en framgångsrik kampanj ofta i dess förmåga att bli ihågkommen av sin avsedda publik, och i den meningen drar vi slutsatsen att ”mindre” mycket väl kan vara ”mer”. Detta understryker vikten av ett väl genomtänkt beslut om vilka kanaler som ska inkluderas i – och uteslutas från – mediamixen. Håll utkik efter en uppföljning till denna metaanalys senare i år, där vi kommer att tillhandahålla fler insikter i detta ämne!