Vi investerte 5 millioner kroner i vår siste kampanje. Hvilken avkastning ga den? Vi brukte 50 millioner kroner til markedsføring i fjor. Hvordan ville vår salgsutvikling ha vært dersom vi reduserte markedsføringsbudsjettet med 5 millioner kroner? Eller om vi økte markedsføringsbudsjettet?

I mange bedrifter er det i dag et økende fokus på å dokumentere effekter av markedsinvesteringer. Ved å beregne effekter av markedsinvesteringene i kroner, vil en ikke bare få vite om investeringene har vært lønnsomme, men også kunne sammenligne lønnsomhetsnivået med alternative investeringer – f. eks. i produktutvikling eller distribusjon. ROMI-modelleringer gir økt trygghet i beslutninger om markedsinvesteringenes størrelse.

Ved å avdekke den relative effektiviteten av elementene i markedsmixen, Marketing Mix Modellering, vil en også kunne øke effektiviteten av framtidige markedsinvesteringer.

ROMI-modellering er et relativt nytt fagfelt. I Norge og internasjonalt ser vi  imidlertid en økende interesse for ROMI-tilnærmingen. Vår erfaring er at bedrifter som gjennomfører ROMI-prosjekter får et grunnlag for å legge markedsplaner med høyere kvalitet enn tidligere.

Kjernen i et ROMI-prosjekt er en statistisk modell som beskriver de markedsprosessene som bedriften ønsker å påvirke. Modellen gir innsikt i markedsprosessene og svar på sentrale spørsmål. F. eks.: hvor stor del av effektene av vår reklameinnsats kommer som direkte, salgsutløsende effekter og hvor stor del kommer som langsiktige, merkevarebyggende effekter?

Den statistiske modellen benyttes også til å kvantifisere effektene av markedsinvesteringer. Kvantifiseringene ligger til grunn for beregning av økonomisk avkastning.

Modellen bygges ved økonometrisk analyse av tidsseriedata. Tidsseriene bør være på ukesnivå og av 2-3 års lengde.

Data som inngår i modellen hentes dels fra bedriftens interne systemer, dels fra merkevaretrackere og dels fra eksterne kilder.

 

De fleste bedrifter som har vært i markedet en stund og som har kjente produkter, vil oppleve et visst salg både i perioder hvor de kjører kampanjer og i perioder hvor kampanjetrykket er lavere. Når en skal beregne effekten av en kampanje blir spørsmålet da: hvor stor del av salget kan tilskrives kampanjen, på kort og lang sikt, og hvor stor del ville kommet også uten kampanjen?

For å kunne besvare dette spørsmålet, dekomponeres salget i en kampanjekomponent og en basiskomponent. Den statistiske modellen legges inn i et system for simuleringer og scenarioanalyser, eller ”hva hvis?”-analyser. Med dette verktøyet kan vi simulere salgsutviklingen uten den aktuelle kampanjen. Kampanjeeffekten beregnes som differansen mellom historisk salgsutvikling og beregnet salgsutvikling uten kampanjen. Nå salget er dekomponert, kan kampanjens avkastning regnes ut som differansen mellom kampanjeinvesteringen og verdien av det kampanjegenererte salget.

I eksempelet ovenfor viser den røde linjen historisk salg og den grønne linjen beregnet salg uten en bestemt kampanje. Uten kampanjen ville en ha tapt betydelig salg i kampanjeperioden og en ville hatt en svakere salgsutvikling i mange uker etter at kampanjen var avsluttet.

De fleste annonsører bruker flere mediekanaler for å bringe sin markedskom-munikasjon ut i markedet – en marketing mix. Utfordringen er å velge de kanalene som virker mest effektivt for bedriftens kommunikasjonsformål og å sette dem sammen i en optimal kombinasjon.

Den statistiske modellen som er kjernen i ROMI-prosjektet, gir grunnlag for Marketing Mix Modellering, eller optimaliseringsanalyser. Optimaliserings-analysene forteller hvilke kanaler som relativt sett har vært mest effektive for å oppnå kampanjenes formål og hvordan mediemixen bør justeres for å øke markedsføringens effektivitet.

I eksempelet ovenfor ville en anbefale å flytte spending fra Kanal B til Kanal A.

1. Første skritt i et ROMI-prosjekt er å tegne en hypotesemodell. Ut fra den kunnskapen vi har om markedet, hvilke faktorer tror vi påvirker vårt salg? I denne prosessen defineres også prosjektets databehov.
2. Neste skritt er å samle inn, tilrettelegge og kvalitetskontrollere de nødvendige datamaterialene. Kvalitetskontrollen er viktig fordi utilfredsstillende datakvalitet vil redusere modellens kvalitet.
3. Deretter bygges den økonometriske modellen. I tillegg til data av tilfredsstillende kvalitet, kreves det erfaring og høy kompetanse for å bygge en modell som representerer markedsprosessene på en god måte.
4. I fase 4 genereres markedsforståelsen. Fase 3 og 4 er iterative prosesser hvor økt markedsforståelse ofte gir grunnlag for ytterligere forbedringer av modellen. I denne fasen gjøres også Marketing Mix Modelleringene.
5. Den økonometriske modellen legges deretter inn i systemet for simuleringer og scenarioanalyser. Nå kan vi beregne avkastning på markedsinvesteringene.
6. Rapporteringsform velges etter avtale. I noen tilfeller velges en skriftlig rapport. Andre velger å få en interaktiv applikasjon som gir bedriftens egne medarbeidere mulighet for å beregne effekter av markedstiltak. I begge tilfeller anbefaler vi å gjennomføre workshops for å sikre at all innsikt som er skapt i prosjektet tilføres bedriften.