Моделирование многофакторного рекламного воздействия на целевую интернет-аудиторию

Актуальность темы, связанной с интернет-маркетингом и интернет-рекламой, сегодня уже не требует пояснений. По некоторым оценкам, только с 1995 по 2007 гг. численность мировой интернет-аудитории увеличилась с 25 млн до 1,5 млрд человек [1, с. 10]. На сегодняшний момент эта отметка уже превысила 2,2 млрд человек [2]. Интернет стремительно проникает во все сферы жизни общества, и для фирм, занимающихся коммерческой деятельностью, появилась возможность распространять свою информацию о товарах, идеях и услугах в новой среде — сети Интернет. Именно поэтому происходит бурный рост рынка интернет-рекламы — по данным АКАР, в 2011 году в России объем рекламного рынка сети составил более 41,8 млрд руб. [3], уступая по этому показателю только рекламе на телевидении.

Существует множество трактовок относительно классификации интернет-рекламы по видам и технологиям отображения. Тем не менее и в западной, и в отечественной литературе по интернет-маркетингу выделяют два основных вида интернет-рекламы [4]: контекстную и медийную. Принципиальное различие состоит в способе воздействия на пользователя: если медийная интернет-реклама показывает всем пользователям одинаковое содержание (сюда относятся графические jpeg и анимированные flash-баннеры), то содержание сообщения контекстной рекламы может меняться в зависимости от интересов пользователя, т. е. в зависимости от его поисковых запросов. Контекстная реклама — изобретение, которое не имеет аналога за рамками сети Интернет. Изначально предполагается, что таргетирование рекламных сообщений на конкретные сегменты пользователей повышает экономическую рентабельность рекламных кампаний, а следовательно, контекстная реклама должна обладать большей эффективностью по сравнению с медийной.

В рамках данного исследования изучение производилось на основе статистики экспериментального интернет-магазина по продаже мобильных телефонов, где автором велась работа по созданию и продвижению веб-ресурса, а также менеджмент рекламной кампании с целью изучения влияния различных факторов на посещаемость веб-ресурса и объем входящих заявок / объем продаж. Интернет-магазин имеет узкоспециализированный ассортимент и предлагает к продаже смартфоны-реплики iPhone на базе операционной системы Android. К моменту выхода на рынок товар уже был известен и имел свой целевой сегмент потребителей, что позволило не производить дополнительные расходы на создание имиджевой рекламы и PR, а сосредоточиться лишь на коммерческой рекламе с целью привлечения заинтересованных посетителей.

В контексте предлагаемого продукта затраты производились на два вида интернет-рекламы: баннерную и контекстную. В качестве площадки для размещения баннерной рекламы был взят ресурс сервиса отслеживания почтовых отправлений , посещаемость которого составляет более 50 000 уникальных посетителей за сутки. Плата за размещение осуществляется фиксированно за месяц. Также производилась подача рекламных объявлений в системе контекстной рекламы «Бегун» ( по основным средне- и низкочастотным целевым запросам.

Таблица 1

Период	Объем продаж, шт.	Прибыль, руб.	Валовой доход, руб.	Затраты на рекламу, баннерная, руб.	Затраты на рекламу, контекстная, руб.	Затраты на рекламу, всего, руб.	Позиция сайта в поисковике Yandex по целевому среднечастотному запросу
Май 12	6	8700	28200	0	0	0	7
Июнь 12	8	12000	37600	800	0	800	2
Июль 12	6	10200	28200	0	0	0	3
Август 12	10	17000	47000	1500	0	0	1
Сентябрь 12	15	25500	72000	1500	1900	3400	2
Октябрь 12	14	26800	68900	1500	0	1500	1
Ноябрь 12	17	30399,99	83300	1500	2300	3800	1
Декабрь 12	25	38900	116950	2100	2600	4700	1
Январь 13	17	35400,2	90100	1500	1200	2700	1
Февраль 13	12	19700,04	57300	1500	0	1500	3
Март 13	20	32450	94050	1500	1500	3000	1
Апрель 13	21	39150,08	102250	2100	2234	4334	1
Май 13	22	34140,04	95840	2100	4650	6750	1

На основании данной статистики была построена регрессия. В качестве объясняющих переменных были взяты три фактора — объем затрат на баннерную рекламу, объем затрат на контекстную рекламу и позиция сайта в поисковике, где каждой позиции присвоен свой коэффициент согласно статистическим данным зависимости вероятности клика от позиции сайта [5].

Соответствие коэффициентов видимости и вероятности клика по позиции представлено на рисунке 1.

Обозначим за Q объем продаж в денежном выражении (валовой доход), X1 — расходы на баннерную рекламу, X2 — расходы на контекстную рекламу, Z — коэффициент, соответствующий позиции веб-сайта рекламодателя в поис- ковой системе. Оценивание коэффициентов множественной регрессии будем производить методом наименьших квадратов.

Рис. 1. Распределение коэффициентов видимости и вероятности клика по позициям

Полученное уравнение имеет вид

Q = 4463,83205 + 22,175976X 1 +

+ 12,54666X 2 + 36171,77535Z + ε.    (1)

В целом уравнение регрессии значимо на 95 %-ном уровне доверия (Fнабл. = 23,2). Коэффициент детерминации, равный 0,8729, говорит нам о том, что вариация величины объема продаж на 87,29 % обусловлена вариацией рассматриваемых в совокупности факторов.

Однако коэффициент при Z и константа оказались незначимы на 95 %-ном уровне доверия, константа значима лишь на 20 %-ном уровне (наблюдаемые t-статистики 0,1887 и 1,2467 соответственно).

Исключим из модели фактор позиции сайта в поисковике ввиду инертности этой характеристики и ее взаимной коррелированности с посещаемостью сайта (соответственно, и с рекламными расходами) и построим новую двухфакторную линейную модель.

Получим новое уравнение регрессии

Q = 25604,82641 + 25,86614752X 1 +

+ 8,861270764X 2 + ε.          (2)

Уравнение регрессии значимо на 95 %-ном доверительном уровне. Коэффициент детерминации свидетельствует о том, что вариация величины объема продаж на 86,97 % обусловлена вариацией в совокупности рекламных расходов на баннерную и контекстную рекламу. Все коэффициенты также оказались значимыми на 5 %-ном уровне значимости. Полученный при этом ряд остатков является белым шумом. Об этом свидетельствует ничтожно малое значение статистики Льюнга-Бокса и коэффициентов автокорреляции (r(1) = -0,002959).

Полученная модель достаточно четко описывает наблюдаемую на практике зависимость (рис. 2). Вкладывая 1 рубль в рекламные расходы на баннерную интернет-рекламу, мы получаем увеличение объема продаж на 25,866 руб.; 1 рубль, вложенный в контекстную рекламу, дает 8,86 руб. прироста объема продаж. Из этих значений очевидно, что у магазина высокая эластичность на продажу по отношению к рекламным воздействиям. Из полученного уравнения также следует, что вложения в баннерную рекламу являются наиболее эффективными и дают более существенный объем продаж, нежели вложения в контекстную рекламу.

Рис. 2. Наблюдаемые и прогнозные значения модели

Рассмотрим влияние различных видов ин-тернет-рекламы как каждого фактора по отдельности и построим однофакторные модели зависимости от затрат на баннерную и контекстную рекламу соответственно.

Для первого случая получим уравнение

Q = 20027,45551 + 38,234834X 1 + ε. (3)

Данное уравнение значимо на 95 %-ном доверительном уровне (Fнабл = 36,7344). Полученные коэффициенты свидетельствуют о высокой степени отдачи от баннерной рекламы: на 1 вложенный рубль мы получаем 38,23 руб. прироста объема продаж.

В случае с рассмотрением однофакторной модели зависимости от вложений в контекстную рекламу получим уравнение

Q = 50211,94231 + 17,1224823X 1 + ε. (4)

Коэффициент при X 1 свидетельствует о том, что от вложения 1 рубля в данный вид рекламы мы получим увеличение объема продаж на 17,12 руб. Это более чем в два раза ниже, нежели при вложении в баннерную рекламу. Все это свидетельствует о более низкой эффективности вложений в контекстную рекламу.

Контекстная реклама ориентирована на показ рекламных сообщений более конкретному целевому сегменту пользователей. Следовательно, ей должна быть присуща наибольшая эффективность. Однако высокая стоимость перехода и «накрутка» счетчика кликов сайтами-партнерами, по-видимому, делают этот вид ин-тернет-рекламы менее эффективным и привлекательным в плане вложений. Вполне возможно, существуют еще какие-то факторы, объясняющие полученные результаты, о которых у автора не имеется данных. В целом, полученные данные хоть в некотором роде и противоречат теории, но подтверждаются практикой. Баннер на ресурсе со сверхпосещаемостью может быть эффективнее, так как позволяет привлекать новых потенциальных клиентов, которые до этого ничего не знали о предлагаемом товаре, в то время как контекстные сообщения показываются только пользователям, вводившим в поисковую строку целевые поисковые запросы, непосредственно связанные с продвигаемым товаром.

Общепринятым является мнение [5, с. 12], что коммерческая интернет-реклама, в отличие от имиджевой, должна обладать мгновенным эффектом отдачи, не имеющим какого-либо запаздывания. В ходе данной работы автором было проведено собственное исследование правомерности этого утверждения. Для этого была взята статистика с более мелким периодом рассмотрения в одну неделю. Особенность управления рекламной кампанией интернет-магазина 4scopy.ru заключалась в жестком ограничении рекламного бюджета. Списания за контекстную рекламу происходили неравномерно. Пополнение счета в системе begun.ru осуществлялось в начале месяца, и, как правило, средства на счету заканчивались в течение первой половины месяца; трансляция рекламных объявлений в рамках рекламной кампании этой системы не производилась. Это, в свою очередь, и дало возможность изучить эффект запаздывания отдачи от вложений в коммерческую интернет-рекламу.

При первой же попытке построения на основании понедельной статистики прямой линейной зависимости мы получили плохие показатели качества регрессии, свидетельствующие о непригодности использования такой модели для описания данной статистики.

Для описания зависимости была получена следующая модель с распределенными лагами:

Q = 8198,72116 + 2,09221X t +

+ 12,74920X t-1 + εt. (5)

При попытке включения большего количества лаговых регрессоров в модель начиная со второго лага были получены незначимые коэффициенты.

Константа и коэффициент при X t-1 оказались значимы на 5 %-ном уровне значимости, коэффициент же при Xt оказался не значим на этом уровне. При этом в целом уравнение оказалось значимо. Коэффициент детерминации в модели R ² оказался равным 0,6286, что свидетельствует о наличии взаимосвязи вариации показателей. При помощи статистики Льюнга-Бокса было установлено, что полученный ряд остатков является белым шумом.

В целом полученная модель свидетельствует о наличии запаздывающего эффекта от вложений в интернет-рекламу. Здесь стоит подразумевать, что речь идет прежде всего о контекстной интернет-рекламе, так как списания средств за баннерную рекламу осуществлялись практически равными долями на протяжении всего периода и их вариация несущественна.

Таким образом, гипотеза о мгновенной отдаче от вложений в коммерческую рекламу была отвергнута. В нашем случае вложения в интернет-рекламу обладают запаздывающим эффектом с периодом, равным примерно одну неделю. Этот вывод имеет большое практическое значение.

На втором этапе работы предпринимались попытки построить нелинейные модели для описания данной зависимости. Экспериментальным путем была построена следующая нелинейная модель вида

Q = f(X 1 , X 2 ) = A[αX 1^ρ + (1-α)X 2^ρ ].

С помощью прикладного пакета «Статистика» была произведена оценка параметров модели методом Гаусса-Ньютона.

Α = 0,53; ρ = 0,2.

Получили модель вида

Q = 21005 X (0,53X 1^0,2 + 0,47X 2^0,2 ),

Q = 4831,15 X 1^0,2 + 9872,35 X 2^0,2 .     (6)

Также ввиду ограниченности бюджета кампании не удалось исследовать эффект убывающей отдачи от вложения в конкретный вид ин-тернет-рекламы.

Объясненная доля дисперсии зависимого показателя на уровне 85 % свидетельствует о наличии сильной взаимосвязи между показателями.

Все коэффициенты модели оказались значимы на 5 %-ном уровне. Полученная статистика Льюнга-Бокса свидетельствует о том, что ряд является белым шумом.

К сожалению, не удалось построить более точную нелинейную модель, описывающую наблюдаемую статистику более конкретно. Однако практически важные выводы были сделаны.

• 1.    Васильев Г. А., Забегалин Д. А. Электронный бизнес. Реклама в Интернете. М. : Юнити-Дана, 2008. 183 с.

• 2.    Официальный сайт информационного агентства Pingdom. URL: www.pingdom.com (дата обращения: 10.04.2013).

• 3.    Ассоциация коммуникационных агентств России. URL: www.akarussia.ru (дата обращения: 10.04.2013).

• 4.    Голик В. С. Эффективность интернет-маркетинга в бизнесе. Минск : Дикта, 2008. 196 с.

• 5.    Успенский И. В. Интернет-маркетинг : учеб. СПб. : Изд-во СПГУЭиФ, 2003.