Главная | Обратная связь

Математическое моделирование и лабораторное тестирование

В 1977 году Флоренс Скелли (Florence Skelly), одна из руководителей группы Янкеловича и пионер в сфере маркетинговых исследований, встретилась с Кевином Кленси, который интересовался математическими моделями. Она также знала, что он работал над моделью NEWS в компании BBDO Advertising. Поскольку не исключалась возможность, что Assessor оказывает отрицательное влияние на бизнес LTM, Скелли попросила Кленси скомбинировать технологию LTM и нормативные данные за 10 лет в математическую модель процесса внедрения нового продукта для уточнения прогнозов и усовершенствования системы LTM. Кленси считал, что у него это получится. Он и профессор Джозеф Блекбурн провели весь последующий год, работая над моделью, которую они по окончании работ назвали LITMUS.

Для тестирования модели LITMUS Скелли и Роберт Голдберг (Robert Goldberg), гуру в сфере разработки нового продукта, работавший над LTM с самого начала, дали Кленси и Блекбурну маркетинговые планы 20 новых продуктов, реальные результаты которых уже были известны. Они попросили Кленси и Блекбурна получить прогноз при помощи модели LITMUS, чтобы они могли потом сравнить его с реальной ситуацией.

На встрече по обсуждению результатов у каждой группы было по 20 конвертов. Конверты Кленси содержали прогнозы для продуктов, сделанные на основании маркетинговых планов, лабораторного отклика и вычислений LITMUS; конверты опытных сотрудников LTM содержали реальные результаты. Последние ожидали увидеть серьезное различие между прогнозами и действительными результатами, поскольку они не верили, что математическая модель может сравниться с разумом и опытом группы людей, составлявших прогнозы продуктов целое десятилетие.

На самом деле прогноз модели LITMUS был практически идентичен дей­ствительным результатам в 17 из 20 случаев. Результаты были так близки, что Кленси и Блекбурн решили опубликовать их [10], а группа Янкеловича начала маркетинг программы LITMUS в 1981 году.

Один из трех случаев, когда результат LITMUS сильно отличался от реального, был связан с продажей новых арахисовых хлопьев (арахисовый эквивалент шоколадных хлопьев). LITMUS оценил факторы, влияющие на пробную покупку методом Nielsen ACV [11], и дал прогноз, который вдвое превысил реальные показатели продаж этого продукта.

Анализируя различия между моделью и реальным опытом, Кленси и Блекбурн обнаружили: модель не принимает в расчет тот факт, что многие домохозяйки, путешествуя с тележкой по супермаркету, берут с полки упаковку шоколадных хлопьев только для того, чтобы угомонить беспокойного ребенка. Они увидели новые хлопья рядом со старыми и взяли их для разнообразия или - в некоторых случаях - по ошибке. В результате эффект распределения был совершенно другим (гораздо большим) для этого продукта, чем для большинства остальных. Продажи на реальном рынке были ужасными.

LITMUS являлась собственником, что было уникально для того времени. Ее подмодель для прогнозирования осведомленности, например, содержала 13 разных факторов, определяющих осведомленность о новом продукте, включая влияние рекламы и валовых показателей рейтинга за период времени, влияние СМИ и коэффициенты забываемости. Это отличало LITMUS от оригинальной модели LTM, которая вообще не имела формальной функции осведомленности, и от модели Assessor и других моделей МПР, представленных позже, которые требовали, чтобы рекламные агентства и клиенты оценивали осведомленность.

Помимо подмодели осведомленности, LITMUS использовала и другие технологические инновации. Среди них была та, которую модель не учитывала (как все модели того времени): линейная зависимость между дистрибуцией и продажами - инновация, на которую их подвиг случай с арахисовыми хлопьями. Исследования показали, что чем больше потребители вовлечены в категорию, тем более вероятно, что они будут искать именно его в разных магазинах. Можно представить себе ситуацию, когда потребители настолько увлечены продуктом, что ходят из одного магазина в другой в поисках нового продукта этой категории.

По этой причине в таких категориях и для таких потребителей 10 %‑ный уровень дистрибуции может иметь такое же значение, как 80 или 90 %‑ный уровень дистрибуции для продуктов с низкой вовлеченностью. LITMUS учитывал это, оценивая каждый уровень вовлеченности потребителя и корректируя дистрибуцию для оценки реальной эффективности дистрибуции.

Среди различий между LITMUS и другими моделями того времени мы хотим отметить еще одно. Впервые в модели пробного рынка LITMUS стал учитывать покупательный цикл продукта, проводя различия между продуктами, которые потребители покупают 1–2 раза в год, и теми, которые покупают еженедельно. Поскольку LITMUS мог обеспечивать еженедельные и ежемесячные прогнозы продаж и накапливать эту информацию, модели требовалась информация о том, в каком месяце компания проводила рекламную кампанию и какая дистрибуция была в каждом месяце. Другие модели, игнорируя эти факторы, не могли определить разницу между периодами, когда у корпорации были очень большие затраты на рекламу и никакой дистрибуции, и периодами, когда у фирмы была высокая дистрибуция и никакой рекламы.