Измеряем вклад рекламы и других факторов в заявки на потребительские кредиты. Кейс Банка Хлынов и Cube

Подробно и в деталях рассказываем, как мы смогли рассчитать влияние медиа и немедийных факторов в заявки на потребительские кредиты с помощью маркетинг-микс моделей.

Контекст

Банк Хлынов (входит в ТОП-30 крупнейших региональных банков России) обратился с запросом повышения эффективности планирования медиабюджетов для продвижения своих кредитных продуктов. Высокая конкуренция в категории и волатильность рынка существенно затруднили оценку эффективности каналов и планирование оптимального сплита. Банк столкнулся с падением показателей в офлайне и необходимостью определить, что и как влияет на KPI — заявки на кредитные продукты.

Партнёром выступило агентство стратегического маркетинга Cube x D Innovate Group. Решением стала разработка моделей по новой методике Marketing Mix Modeling, позволяющей обойти ограничения классической эконометрики. В активе клиента — валидные данные по заявкам и медиабюджету за 3 года. В активе команды Cube — собственные методики моделирования и прогнозирования, упакованные в martech-платформу и глубокая экспертиза рекламного рынка.

Результатом стали 2 маркетинг-микс модели, которые детально объяснили инкрементальный вклад каждого из факторов в количество заявок на потребительские кредиты. На основе моделей стратеги Cube разработали медиамикс, оптимизированный с учётом прогноза эффективности каждого фактора.

Задачи

В качестве продукта был выбран потребительский кредит — одно из ключевых направлений банка. В ходе обсуждения с клиентом пришли к тому, что нужен не один KPI, а два — отдельно онлайн-заявки и офлайн-заявки. Влияние медиа и других факторов различно для онлайн и офлайн-заявок, заметны отличия в паттернах поведения пользователей. Дополнительно очистили заявки от посторонних источников, повысив валидность и точность данных.

Сформулировали задачи:

1. установить факторы, влияющие на количество заявок и определить размер этого влияния;
2. оценить эффективность каждого рекламного канала отдельно: его инкрементальный вклад в продажи и стоимость лида (CPL);
3. рассчитать оптимальные предельные бюджеты по медиа с учётом ёмкости канала.

Решение

Данных много не бывает — работу с проектом начали с формирования датасета. От клиента были получены вводные:

1. количество заявок: онлайн и офлайн;
2. список конкурентов;
3. медийные бюджеты;
4. список внутренних событий банка (мероприятия, смена вывесок).

Специалисты Cube обогатили набор рыночными данными и конкурентной медиаактивностью. Итоговая структура включала 38 факторов:

1. рекламные бюджеты с детализацией по типам медиа и неделям;
2. информационный капитал: рейтинги, размещение в информационных ресурсах;
3. внутренние события банка;
4. внешние события;
5. активность конкурентов.  

Для обучения моделей был взят период в 157 недель, начиная с января 2020.

Общий вид модели на офлайн-заявки, на графике видна разбивка по факторам и их положительное и отрицательное влияние

Аналогичная модель для онлайн-заявок, видны отличия по влиянию факторов

Результаты

1.  Реклама сильно влияет на количество заявок, вклад медиа составил от 50 до 54% — больше половины лидов пришло за счёт рекламных кампаний. Продвижение чуть больше влияет на онлайн-заявки по сравнению с офлайном.

Вклад медиа и других факторов в офлайн и онлайн-заявки

2. Стоимость за заявку — приемлемая на уровне всех кампаний, далее детализировали и выявили «перегретые» (например, SMS) и «недоинвестированные» каналы (социальные сети) для каждого типа заявок.

1 / 2

CPL для офлайн-заявок

CPL для онлайн-заявок

3. Получать онлайн-заявки — сложнее. Как писали ранее — существует видимая разница во влиянии медиа на количество лидов в онлайне и офлайне. Традиционные медиа, такие как ТВ, OOH, радио качают офлайн-заявки, обеспечивают приемлемый CPL. В онлайне конкуренция выше, а часть медиа просто не работает на привлечение онлайн-заявок (например, радио). На онлайн-заявки хорошо сработали диджитал-инструменты — социальные сети и performance, заметно и влияние ТВ и наружной рекламы как универсальных каналов.

4. Есть потенциал для усиления эффекта от каналов:

1. радио вносит большой вклад в офлайн-заявки и имеет запас ёмкости. В ходе анализа было обнаружено снижение количества заявок в период, когда клиент тестировал уменьшение объёмов закупок на радио. Были даны рекомендации увеличить объёмы размещения и расширять сплит станций;
2. наружная реклама — имиджевый инструмент, важный для категории. Увеличение доли малых форматов в проходимых пешеходных зонах снизит негативное влияние медиаактивности конкурентов;
3. интересный эффект от ТВ-рекламы. Телевидение — трафикообразующий инструмент, вносит большой вклад, особоенно в онлайн-заявки. Не обнаружили типичного для канала «моментального эффекта рекламы», но долгосрочный эффект от ТВ-размещения проявился явно и устойчиво. Оптимально размещение флайтами с перерывами от 2 до 6 недель;
4. контекстная реклама и социальные сети стали локомотивным каналом для онлайн-заявок. Есть потенциал значительного роста в бюджете, но требуется оценка ёмкости аудитории по целевым таргетингам, поиск неочевидных эффективных таргетингов;
5. performance-бюджеты рекомендовали планировать исходя из динамики спроса на потребительские кредиты. В период высокой медиаактивности банка в охватных каналах целесообразно увеличение бюджета на performance;
6. по SMS предложили полностью переработать подход к каналу: в коммуникационном сообщении, частоте и охвате. Сейчас, пока интенсивность снижена в несколько раз, снижение заявок не наблюдается.

5. Для роста заявок (продаж) потребительских кредитов важно продвигать именно этот продукт, гало-эффекта* от рекламы других продуктов будет недостаточно. Рекомендовано перераспределение медиабюджета и увеличение доли бюджета на ключевые кредитные продукты.

*Гало-эффект — влияние рекламы других продуктов на основной продукт. Например, реклама РКО на ТВ может вносить вклад в количество онлайн-заявок на потребительские кредиты.

Это лишь часть результатов и выводов, которые можно узнать из Marketing Mix Models. По итогам проекта клиент получил детальный отчёт с графиками, закономерностями и интерпретацией данных в рабочие и готовые к использованию решения.На основе полученных ML-моделей стратеги Cube разработали оптимизированный медиасплит, учитывающий влияние как медиа, так и других факторов. Сегодня Банк Хлынов и Cube продолжают применять Marketing Mix Models для других продуктов банка. Это позволяет находить, оцифровывать и объяснять новые закономерности для разработки идеального медиасплита и перейти к автоматизации планирования медистратегии с помощью предиктивного калькулятора.

Комментарии участников

Стратегической задачей в маркетинге на 2024 г. является внедрение data-driven-подхода в принятии управленческих решений. В проекте мы использовали комплексный подход к анализу данных, который включал сбор, обработку и анализ больших объемов информации по медиасплиту в потребкредитовании банка. С помощью математического моделирования удалось определить, какие каналы продвижения наиболее эффективны.Благодарим наших партнеров за профессионализм и гибкий подход в работе. Мы планируем продолжить сотрудничество, оцифровать другие продукты нашего банка и пересобрать бюджет маркетинга на основе данных. Результаты нашей совместной работы лягут в основу стратегии на 2025–2027 гг.

Екатерина Эфрос

заместитель начальника управления по маркетингу, Банк Хлынов

  Это очень интересный проект из-за максимально широкого медиасплита клиента. Мы смогли оценить влияние как стандартных типов медиа, например ТВ, так и менее популярных: смс-рассылки, реклама на АЗС и т. п. в разных экономических ситуациях.Банк Хлынов — прекрасный партнёр. Благодаря их вовлечённости, совместно мы смогли объяснить причины даже небольших изменений в количестве заявок, которые часто оказываются забытыми. Подобные проекты растят компетенции как агентства, так и рынка в целом.  

Татьяна Крупко

управляющий партнёр, Cube x D Innovate Group