02_Elements/Icons/ArrowLeft Voltar para o Insight

Insights >

Medindo o impacto da publicidade: uma compra de cada vez

Leitura de 3 minutos | Leslie Wood, diretora de pesquisa da Nielsen Catalina Solutions | Fevereiro de 2017

Nos últimos anos, a criação de grandes conjuntos de dados de fonte única tem sido um grande benefício para o setor de pesquisa de publicidade. Na Nielsen Catalina Solutions, estamos combinando dados de vendas na loja de milhões de domicílios com informações sobre a exposição ou não desses domicílios a uma determinada campanha publicitária. Ao examinar o diferencial de vendas entre domicílios expostos e não expostos, podemos calcular o aumento de vendas gerado por milhares de campanhas com grande precisão.*

O modelo ANCOVA (análise de covariância) que forma a base dessa metodologia de teste e controle foi testado exaustivamente e fornece respostas rápidas e confiáveis aos gerentes de marca interessados em medir a eficácia de uma campanha como um todo. Mas há ocasiões em que ele não se encaixa perfeitamente. Considere, por exemplo, o caso de uma campanha que atingiu um público tão grande que é quase impossível encontrar residências que não foram expostas a ela (veja a Fig. 1). Onde encontraríamos o grupo de controle?

Para enfrentar esse desafio, desenvolvemos uma nova metodologia chamada "Cognitive Advantics" (CA). Em vez de examinar o aumento das vendas de forma agregada ao longo de toda a campanha publicitária, ela analisa os dados de vendas domésticas no nível de cada ocasião de compra e leva em conta o momento da exposição ao anúncio em cada etapa do processo - uma visão muito mais granular dos dados. Afinal de contas, uma família pode ver um anúncio, fazer uma compra, ver novamente um anúncio da mesma marca, e seria difícil dizer que o segundo anúncio teve alguma influência sobre essa compra específica. Por outro lado, uma família pode ver um anúncio, fazer uma compra dois meses depois e, com tanto tempo nesse intervalo, seria difícil concluir que a exposição ao anúncio foi o fator determinante por trás dessa compra.

Ao analisar os dados em nível de ocasião de compra, podemos levar em consideração a "recência" da exposição - quanto mais recente o anúncio, maior o impacto. Embora a janela de tempo efetiva possa variar de um estudo para outro, geralmente olhamos para trás 28 dias a partir do momento da compra para encontrar uma ou mais exposições às quais a ocasião da compra possa ser atribuída (veja a Fig. 2). Também conseguimos resolver o problema do grupo de controle porque, embora possa não haver muitas famílias que não tenham sido expostas à campanha em algum momento, geralmente há ocasiões de compra suficientes que não foram influenciadas por um anúncio logo antes da compra, mesmo entre as famílias expostas.

Para realizar a análise, a metodologia CA pega todas as variáveis relevantes (histórico de compras, consumo de mídia, dados demográficos, localização, compras de categoria etc.), alimenta-as em uma coleção de algoritmos de modelagem de dados e permite que os dados escolham e combinem os modelos para que os resultados tenham a melhor validação cruzada (ou seja, a mais sólida estatisticamente). Essa é a parte "cognitiva" do nome CA. O resultado final é uma ferramenta muito poderosa que depende muito pouco da intervenção humana e pode ser implantada em escala.

À medida que o mercado avança em direção a soluções em tempo real e acionadas por botão, essa é a próxima evolução na medição da eficácia da publicidade. Os primeiros resultados são muito promissores, e esperamos compartilhar detalhes, exemplos e referências de desempenho em uma edição futura da revista.

*Veja detalhes sobre esse método em: Using single-source data to measure advertising effectiveness (Usando dados de fonte única para medir a eficácia da publicidade ) no VOL 1, ISSUE 2 do Nielsen Journal of Measurement.

Tags relacionadas:

Continue navegando por ideias semelhantes

Nossos produtos podem ajudar você e sua empresa