Как МММ-модель помогла перераспределить 15 млн бюджета: кейс сети клиник

С чем пришел клиент?

Клиент — сеть медицинских многопрофильных клиник, на рынке - 5 лет. Рекламный бюджет около 15 млн рублей в квартал. 

До обращения к нам маркетологи полагались на модель атрибуций (обычную практику на рынке). Однако атрибуция не всегда объясняет все колебания. Например, иногда бюджет увеличивали, а обращения росли не так сильно, как ожидалось. А иногда — наоборот, бюджет оставался прежним, а обращения шли вверх. 

Компания захотела разобраться, что на самом деле влияет на метрики. Возникла гипотеза, что, возможно, деньги уходят куда-то впустую, ибо не весь рост продаж создается только рекламой.

Задача: понять реальную эффективность каждого рекламного канала и научиться стратегически перераспределять бюджеты, чтобы увеличить количество первичных обращений без дополнительных затрат.

Как мы подошли к решению задачи?

Стандартным и наиболее обоснованным подходом в данной ситуации является построение эконометрической Marketing Mix Model (MMM). Этот метод позволяет декомпозировать продажи на составляющие, исключить влияние фоновых факторов и количественно оценить вклад каждого рекламного канала.

Значительная часть ресурсов при разработке таких моделей (до половины) традиционно уходит на корректный сбор данных — как рекламных, поступающих из разных каналов, так и внешних факторов. В компании маркетинговая информация велась разрозненно: у стейкхолдеров, в агентстве, в различных форматах по каждому запуску отдельно. В связи с этим было принято решение о переходе на платформу Optimix как единый центр медиапланирования, прогнозирования, учета и аналитики.

Хотя разовый сбор данных и построение модели возможны в Excel или с помощью кода на Python, компания стремилась не к получению единоразовой консультации, а к созданию системы стратегического планирования и управления бюджетами с поддержкой всех данных в актуальном состоянии.

После консолидации на платформе всех необходимых сведений — рекламных бюджетов, первичных обращений, внутренних показателей (оценки врачей, специализации, цены консультации, активности конкурентов и др.) — оставалось лишь задействовать функционал автоматического построения MMM-модели.

Важно: атрибуция — хороший инструмент для оперативной оптимизации (креативы, микроконверсии). Но для стратегического распределения бюджетов и учета оффлайн-эффектов её возможностей недостаточно. Optimix с возможностью построения МММ-моделей не отменяет атрибуцию, а дополняет её. 

Optimix выдал готовую модель. И вот что мы увидели.

Что показала модель: продажи складываются из трёх слоёв

Модель разложила продажи клиента на три компонента:

Количество первичных обращений  =  Базовый уровень обращений + Вклад рекламных каналов + Вклад нерекламных факторов

Компонент 1. Базовые продажи

Модель показала: даже если отключить всю рекламу, клиент получит 1125 первичных обращений в неделю. Откуда они? Это, например, те люди, которые уже давно знают бренд, приходят по рекомендациям своих знакомых и т.д. 

Это нормально для бизнеса со сформированной репутацией. Значит, не все обращения в отчетах созданы текущей рекламой — часть из них «наследство».

Также модель рассчитала сезонность: например, больше всего первичных обращений происходит в осенне-зимний период, а летом традиционный спад. Это происходит независимо от того, есть реклама или нет.

Компонент 2. Нерекламные факторы — скрытый двигатель продаж

Модель выдала список коэффициентов, которые влияют на продажи (кроме рекламных бюджетов).

Как читать коэффициенты? Посмотрим на примере параметра “Средняя оценка врачей на медицинских агрегаторах”: при увеличении среднего рейтинга врачей клиники на 0,1, количество первичных обращений вырастает на 21 шт. 

Маркетологи увидели в цифрах, где именно лежит немаркетинговый рычаг роста.

Компонент 3. Uplift — эффект, который реклама реально добавляет

Мы ввели клиента в понятие uplift — это разница между тем, что случилось с рекламой, и тем, что случилось бы и без неё.

Формула простая:  Uplift = Обращения с рекламой − Обращения без рекламы

Обращения без рекламы — это базовый уровень плюс эффект от пользовательских коэффициентов.

Мы пересчитали эффективность последней большой кампании клиента:

Получаем, что из 2400 первичных обращений только 975 — реальная заслуга рекламы. Остальные 1425 случились бы сами собой: благодаря бренду, выросшим оценкам врачей и сезону.

Таким образом, фактический ROI уменьшился в 2,5 раза!

Важно уточнить, что «базовые» первичные обращения не возникают сами по себе. Здесь следует выделить две составляющие.

Первая — это само существование бизнеса. Клиника индексируется в поисковых системах, отображается на картах, привлекает прохожих. Этот органический канал самостоятельно генерирует значительную часть потока пациентов.

Вторая составляющая — накопительный эффект рекламы, связанный с узнаваемостью. Реклама воздействует на аудиторию накопительно, формируя отложенный спрос на длительном горизонте, который в некоторых бизнес-вертикалях может достигать нескольких лет. Данный эффект обычно измеряется и моделируется отдельно, и его учёт увеличивает совокупный вклад рекламы.

Таким образом, показатель в 975 первичных обращений следует интерпретировать лишь как сиюминутный результат рекламного воздействия. Реальный же эффект ощутимо выше. Мы будем рассказывать об этом в следующих статьях

Как это изменило распределение бюджета?

Опираясь на собственный опыт и данные по атрибуции, маркетологи интуитивно распределяли ранее бюджет следующим образом:

Скрин из сервиса: распределение бюджета ручным способом, прогнозный % насыщения каналов

Клиент уже вкладывал значительные средства в охватные каналы. Но он не был уверен, что эти деньги работают эффективно, поскольку атрибуция не умеет правильно оценивать оффлайн каналы.

Модель Optimix рассчитала uplift “под капотом” по каждому каналу и предложила новое оптимальное распределение бюджета:

Скрин из сервиса: распределение бюджета при помощи модели Optimix, прогнозный % насыщения каналов

Почему модель так кардинально перераспределила бюджет?

Каналы наружной рекламы и реклама на ТВ оказались уже перегреты. Модель показала, что при текущем уровне интенсивности эти каналы работают на пределе насыщения. Дальнейшие вложения дают все меньший прирост новых клиентов. Клиент просто «сжигал» деньги, поддерживая высокую частоту охвата там, где эффект уже был исчерпан.

Модель переложила бюджет в каналы с наибольшим предельным uplift — туда, где каждый дополнительный рубль приносит максимальное количество реально новых клиентов.

Главный вывод для клиента 

Мы показали клиенту: без МММ-модели невозможно разделить продажи на базовый уровень, нерекламные коэффициенты и uplift. 

Без этого разделения:

1. Бюджет может распределяться неоптимально — деньги уходят в каналы с низкой предельной эффективностью
2. Не видеть, что улучшения сервиса (или другие нерекламные факторы) могут быть быть эффективнее рекламы

С МММ-моделью в Optimix клиент получил прозрачную картину. Теперь его бюджет распределяется так, чтобы приносить реальный прирост новых клиентов.

P.S. Хотите так же разобрать вашу ситуацию? Optimix — платформа для управления маркетингом. Вы загружаете данные, планируете бюджеты, а встроенная МММ-модель находит базовый уровень продаж, нерекламные драйверы роста и рассчитывает uplift. И на основе этого перераспределяет бюджет так, чтобы он работал максимально эффективно.