CC BY
208
ОПРЕДЕЛЕНИЕ ЭФФЕКТИВНОСТИ КАНАЛОВ КОММУНИКАЦИИ РЕКЛАМЫ
Е.А. Трутнева
Рассматривается подход к определению эффективности воздействия коммуникации на показатели развития бизнеса, характеризующие положение марки на рынке. В его основе лежит метод сокращения размерности регрессионного уравнения, разработанный для построения моделей межотраслевого взаимодействия, представленный в (Ершов, 2008). Анализируются особенности российских данных, на основе которых определяется эффективность коммуникационного воздействия. Рассмотрены основные достоинства и недостатки других методов, позволяющих оценивать регрессионные уравнения с большим числом мультиколлинеарных объясняющих переменных. Подход иллюстрируется на примере товара повседневного спроса, для маркетинговой поддержки которого использовалось более 20 коммуникационных каналов. Эффективность каждого канала была определена по итогам применения описанного подхода. Ключевые слова: отдача от маркетинговых инвестиций, мультиколлинеарность, снижение размерности.
1. ОСНОВНЫЕ СЛОЖНОСТИ В ОПРЕДЕЛЕНИИ ЭФФЕКТИВНОСТИ РЕКЛАМНОГО ВОЗДЕЙСТВИЯ
При моделировании рекламного воздействия на ключевые показатели развития бизнеса возникают серьезные методологические сложности, связанные, с одной стороны, со спецификой воздействия рекламы - существованием отложенного эффекта, большим количеством происходящих одновременно
© Трутнева Е.А., 2014 г.
стимулирующих спрос мероприятий; с другой - обусловленные трудностями и специфическими особенностями практического применения результатов моделирования при планировании коммуникационной активности.
Как правило, в течении года имеются периоды, когда рекламодатель особенно активно предлагает свою продукцию. Причины могут быть разные: сезонность спроса, более низкая стоимость рекламного времени в конкретный период, «вывод» на рынок нового продукта. Каналы коммуникации в такие моменты задействуются в максимально возможном объеме - например, кампании на телевидении и радио рассказывают о стимулирующих покупку акциях (промо-акциях) в магазинах, в то же время начинается кампания в Интернете. Одновременно с этими мероприятиями увеличиваются выплаты магазинам, чтобы они обеспечивали большее представление ассортимента в торговых залах. Каждый из перечисленных способов информирования о продукте или услуге представляет собой отдельный канал коммуникации. И данная ситуация, если потребуется определить эффективность указанного канала, описывается уравнением, как минимум, с пятью объясняющими переменными. Обычно это затраты на ТВ, радио, Интернет, материалы и призы для промо-акции, затраты на стимулирование продаж в магазине.
Если в течение года подобные периоды активности встречаются несколько раз, то объясняющие переменные представляют собой временные ряды, элементы которых не равны нулю, и составляют 2-4 месяца в году, причем, скорее всего, в одни и те же 2-3 месяца из 12 для каждой переменной. В подавляющем большинстве случаев ранг матрицы объясняющих переменных будет близок к нулю, поэтому и возникает эффект мультиколлине-арности факторов.
Решение проблемы с помощью простого суммирования затрат (как объясняющих переменных) приводит к потере практической ценности модели - для планирования коммуникационной поддержки нужно знать, как
на продажи повлияла конкретная кампания (например, телевизионная, а не, например, телевизионная вместе с радио кампанией). Коммуникационное воздействие обладает отложенным эффектом (Farr, 2004; Johns, 1998; Vallance, 1996; Vakratsas, 1999), и если предположить в модели существование такого эффекта1 для некоторых объясняющих переменных, то негативные последствия муль-тиколлинеарности факторов в модели могут усилиться.
Другой существенной проблемой является отсутствие исторических данных за достаточно продолжительный период времени. Постоянные изменения в методике сбора маркетинговой информации, шоки в макроэкономической среде и нововведения в законодательстве, регулирующем деятельность рассматриваемого рынка, приводят к существенным колебаниям потребительской динамики, не обусловленным рекламой или прочей маркетинговой деятельностью. Зачастую, приходится отказываться от информации за несколько месяцев или даже лет, поскольку эти данные несопоставимы или необходимо включить такое число «вспомогательных» переменных, учитывающих влияние кризиса, введения новых налогов или ограничений на использование рекламного времени, что это полностью нивелирует все преимущества использования данных для большего числа временных периодов.
Подходы к анализу маркетинговой информации, позволяющие сократить число объясняющих переменных в оцениваемом уравнении настолько, чтобы после оценки можно было восстановить индивидуальный вклад каждого фактора, чрезвычайно необходимы для решения прикладных задач оптимизации планирования коммуникационных кампаний.
Определение эффективности коммуникаций широко исследуют специалисты во всем мире: существует множество подходов
1 Например, в виде геометрически убывающего лага.
описанных, например в (Bagwell, 2007; Ait-ken, Young, 2007; Colley, 1961; Dube, Hitsch, 2004; Dyson, 2007; Dyson, Weaver, 2007; Farr, 2004; Fransens, Vriens, 2004; Green, 2006). Под эффективностью понимается результат маркетинговых усилий, выраженный в продажах, созданных знанием о продукте, или в терминах любого другого показателя, важного в контексте конкретной задачи. Подавляющее большинство доступных прикладных исследований имеет «описательный» характер, но они не позволяют по причине их исключительной актуальности точно понять и воспроизвести детали используемых методик (см. например Dyson, Weaver, 2007; Ruffle 2007; Vallance, 1996).
В теоретических работах детально описывается широкий спектр проблем, а именно: какое воздействие реклама оказывает на потребителя, компании, общество; что может являться мерой эффективности рекламы и объектом рекламного воздействия, а также многие другие вопросы (Bernard 1990). Такие прикладные и научные работы, во-первых, выполнены преимущественно на зарубежных данных, которые сильно отличаются от информации, имеющейся в распоряжении российских специалистов (более развитые технологии, более «длинная» история доступных наблюдений и прочее). Во-вторых, в академических публикациях предметом обсуждения, как правило, является не методика, а эмпирическое подтверждение, опровержение или дополнение теоретической гипотезы или некоторого признанного научного утверждения. Таким образом, изобилие научной и прикладной информации в плане оценки эффективности маркетингового воздействия позволяет понять, как в принципе работают маркетинговые рычаги, но не то, как и что можно делать с конкретными данными, имеющими отношение к компании, работающей в России с целью получить четкое представление о том, были ли эффективными маркетинговые мероприятия.
Основными проблемами, возникающими при работе с маркетинговыми данными,
доступными для прикладного анализа в российских условиях являются:
1) небольшое число наблюдений в динамике;
2) множество коррелированных факторов, влияющих на объясняемую величину (например, продажи);
3) наличие отложенного эффекта воздействия существенного числа факторов на ключевую величину;
4) неоднозначность причинно-следственных связей между объясняемой и некоторыми объясняющими переменными.
Для решения указанных проблем автор предложила подход, позволяющий формировать методологический каркас прикладного исследования в зависимости от задач, доступных данных и требований заказчика в отношении интеграции результатов в текущие бизнес-процессы. Элементы каркаса исследовательской программы определяются в следующей последовательности: в зависимости от цели предлагается набор внутренних и внешних источников информации, которые необходимо принять во внимание. В зависимости от специфики данных, доступных в выбранных источниках, рекомендуется спектр статистических и эконометрических методов, позволяющих корректно искать решение поставленной задачи. Далее приводятся правила проверки соответствия полученного результата первоначальным целям.
Иллюстрация применения данного подхода для ситуации, когда основными проблемами были (1), (3) и (4), показана в (Трутнева, 2008). В данной работе основное внимание уделяется проблеме (2) - построению модели в ситуации, когда приходится работать с большим числом коррелированных факторов.
В прикладных исследованиях эффективности коммуникационного воздействия проблема слишком большого числа плотно коррелированных между собой объясняющих переменных возникает в подавляющем большинстве случаев. Но подходы к снижению размерности, как правило, подбираются конкретно для каждой задачи и не подходят
для других, казалось бы, достаточно похожих случаев. В работах (Malthouse 1999, Saunders 1987, Schaefer, Roi 1984, Schmittlein, Peterson, 1994, Sharma, James 1981, Vinod 1976) показано, какие результаты были получены после применения того или иного метода к данным, где число объясняющих переменных велико, но во главу угла ставится решение конкретной, специфической проблемы, а не подход к решению подобного класса задач в целом.
В данной статье рассмотрена прикладная задача, показывающая, каким образом можно получить практические результаты, используя данные, доступные многим компаниям, работающим в России, для определения уровня эффективности воздействия каналов коммуникации на дистрибьюторов товара повседневного спроса Х, распространяющих продукт среди небольших магазинов2. Пример иллюстрирует типичную ситуацию, в которой может оказаться любая компания, предлагающая продукцию повседневного спроса на российском рынке, с точки зрения целей исследования и специфики доступных данных3.
Во втором разделе работы описывается общая схема формирования методологического каркаса прикладного исследования на основе реальной маркетинговой информации, выбирается общий методологический подход к решению задачи снижения размерности. В третьем разделе описывается применение
2 В данной работе понятие «эффективность» соответствует определению, приведенному в (Ви-ленский, Лившиц, Смоляк, 2008, с. 67): «эффективность - категория, выражающая соответствие результатов и затрат проекта целям и интересам его участников...». Результатом является увеличение продаж (отгрузок) дилерам, распространяющим продукт среди небольших магазинов, а затраты - средства, потраченные на продвижение марки в различных каналах коммуникации.
3 В работе используется информация о торговых марках продуктов повседневного спроса, присутствовавших на рынке России в течение анализируемого периода времени с января 2007 г. по декабрь 2009 г.
подхода в реальной рыночной ситуации, на примере марки Х, когда основной методологической проблемой является слишком большое число влияющих факторов. Последний раздел содержит основные выводы.
2. ПОСТАНОВКА ЗАДАЧИ И ВЫБОР МЕТОДОЛОГИЧЕСКОГО ИНСТРУМЕНТАРИЯ
Российский и зарубежный рынок услуг в сфере маркетинга и рекламы - гибкая система, порождающая информацию и источники информации о себе самой. Существующие институты рынка могут быть адаптированы к изменяющимся условиям и бизнес процессам, при необходимости создаются новые: появление медиаизмерений, разрабатываются специальные выборочные исследования, изучающие восприятие марки и рекламы (тре-кинги), появляются системы аудита розничной торговли - только некоторые примеры возникающих источников информации в ответ на потребности участники рынка. По мере развития технологических возможностей, потребность рынка в информации о поведении потребителя удовлетворяется более полно. Каждый участник может наладить систему сбора и анализа информации, подходящую для решения именно актуальных для него задач. Возможность организации «автономной» информационной системы в рамках компании зависит от товарной категории, степени интеграции современных информационных систем в процессы сбора и анализа информации о клиентах, конкурентной среды и многих других факторов, самым главным из которых является желание руководства компании инвестировать в подобную деятельность.
Но вопрос применения такой информационной системы, которая помогала бы оценивать эффективность деятельности маркетинговых подразделений, остается открытым. Предлагаемый методологический каркас ис-
следовательской программы, разработанный для решения задач определения такой эффективности, включает четыре основных этапа:
1) формирование цели,
2) рассмотрение доступных данных,
3) построение модели,
4) проверка результатов - обеспечение «обратной связи».
Необходимо отметить, что выводы, к которым приходит исследователь после каждого этапа, могут влиять на инструментарий не только последующих шагов, но и предыдущих. Этот принцип позволяет программе эффективнее интегрироваться в существующую инфраструктуру компании, предлагать применимый на практике результат, а, главное, -обеспечить систему проверки рекомендаций и выводов.
Пример применения такого подхода в «типичной»4 компании, предлагающей товар повседневного спроса, приведен в третьем разделе данной работы.
2.1. Формирование цели
Для производителей всегда важны продажи конечному потребителю, но для обеспечения доступности товара на полке в магазине, необходимо эффективно строить отношения с дилерами: планировать поставки товара, поддерживать хорошее представление ассортимента, создавать позитивные ожидания дилера в отношении спроса со стороны розничного покупателя и прочее. В этом случае более важным показателем становятся не продажи конечному потребителю, а отгрузки дилерам. Обычно выделяют два типа дилеров: дистрибьюторы, распространяющие продукт среди небольших магазинов, и торговые сети, под маркой которых работают магазины в различных регионах России. В 2007-2009 гг. доля первой группы дилеров в продажах со-
4 Как отмечалось выше, «типичной» данная компания является с точки зрения бизнес-целей и имеющихся данных.
ставляла не менее 50% для крупных производителей, продающих товар на территории всей России. В настоящее время развитие крупных торговых сетей5 в низкой ценовой категории повышает долю второй группы, но роль небольших магазинов, а, следовательно, и дистрибьюторов первого типа остается крайне существенной - не менее 40%.
Объемы закупаемого товара у дистрибьюторов, распространяющих продукт среди небольших магазинов, зависит от решения руководства данной компании: его представлений о потенциале товарной позиции и особенностях потребительского спроса. На решение могут повлиять отношения, которые возникают между дилером и представителем компании; отношения с представителями компаний-конкурентов; наличие рекламы и промо-акций у компании, производящей продукт; аналогичная активность конкурентов; относительный уровень цен на товар, а также многие другие факторы. Хотя деньги, потраченные на рекламу, дистрибьюторам не поступают, ее наличие чрезвычайно важно в переговорах с производителем. Если производитель марки договаривается о размещении товара в магазине, имея серьезную рекламную поддержку в СМИ, условия размещения будут более выгодными. Однако руководители мелких торговых точек в большей степени зависят от краткосрочных колебаний спроса со стороны конечного потребителя. У них нет возможности держать большие остатки на складе или в торговом зале, поэтому у них часто возникает недостаток оборотных средств и прочие операционные сложности. Именно поэтому динамика закупок со стороны мелких дилеров похожа на динамику покупок конечного потребителя.
Производителю марки нужно понять, есть ли какая-нибудь закономерность в поведении дилеров, чтобы оценить, сколько продукта можно будет распространить через этот канал, если изменится цена или рекламная поддержка, или стратегия конкурентов.
5 Речь идет не только о появлении новых сетей, но и об увеличении числа торговых точек в сети.
Отношения с крупными сетями, как правило, имеют более долгосрочный характер: производитель заключает с сетями договор, определяющий условия сотрудничества на долгий период. Во внимание принимаются те же факторы, но соглашения имеют стратегический характер, и количество товара, принимаемого на реализацию, будет в меньшей степени зависеть от конкретных тактических шагов производителя, направленных на продвижение, товара.
Таким образом, целевой показатель, который интересует производителя товара, -объем отгруженного товара дилерам, распространяющим продукт среди небольших магазинов.
2.2. Доступные данные
Немаловажным обстоятельством является и тот факт, что данные о продажах конечному потребителю имеются не у всех производителей. Подобная информация может быть получена в ходе специального исследования -аудита розничной торговли. Обычно в стране существует 1-2 поставщика, собирающих и продающих эту информацию производителям товаров. Лидирующей компанией мире, предоставляющей услуги аудита розничной торговли на рынках товаров повседневного спроса, является AC Nielsen. Стоимость этих данных чрезвычайно высока, зачастую производители товаров покупают подобную информацию на основе квартальных или полугодовых данных, что существенно ограничивает возможности эконометрического анализа. Таким образом, внутренняя информация об отгрузках дилерам, становится единственным доступным источником, для планирования бизнес-процессов в большинстве компаний.
Как правило, известность лидирующих продуктов ежедневного потребления поддерживается в различных каналах коммуникации: первая группа каналов - непосредственные выплаты дилерам и стимулирование торгового персонала; вторая - промо-акции;
третья - рекламные кампании в СМИ и четвертая - PR-мероприятия.
Продажи марки подвергаются негативному воздействию со стороны конкурентов, что связано не только с фактической сменой потребительских предпочтений, но и с активностью конкурентов, направленной на дилеров. Все крупные компании-производители товаров повседневного спроса конкурируют за «благосклонность» одних и тех же владельцев торговых площадей.
Доступные источники информации не позволяют точно установить, сколько тратят конкуренты на промо-акции и поддержку дилеров, но благодаря мониторингу рекламной активности, проводимому компанией TNS, можно оценить размер рекламного бюджета. У марок обычно - много конкурентов, продукция которых сопоставима по качеству и доступна для потребителя в значительном числе торговых точек, а реклама присутствует в различных СМИ.
Собственные затраты на все виды маркетинговой поддержки, как правило, собираются внутри компании и представляют собой более полную информацию о характере деятельности: бюджете, графике проведения и наборе мероприятий. Число факторов, вероятно влияющих на продажи, может оказаться значительно больше числа наблюдений, доступных в динамике. Заказчику исследования важно понять вклад каждого факторов в результат маркетинга. В такой ситуации единственный выход - использовать подходы, позволяющие сократить размерность задачи, корректно специфицировать и оценить уравнение, сохраняя возможность оценки влияния максимального числа факторов.
2.3. Выбор метода оценки зависимости при включении большого числа объясняющих факторов
В прикладных исследованиях эффективности маркетинговой деятельности рассматриваются наиболее популярные методы
оценки параметров уравнения с большим числом объясняющих переменных: метод главных компонент (МГК), метод частных наименьших квадратов (partial least squares -далее PLS), пошаговая регрессия (step-wise regression, SWR), гребневая (ридж-) регрессия (ridge regression, RR) (Herve, 2007; Malthouse, 1999; Saunders, 1987; Schaefer, Roi, 1984; Schmittlein, Peterson, 1994; Sharma, James 1981; Vinod, 1976).
Метод главных компонент работает не с матрицей Х, а с ковариационной матрицей факторов, что может привести к невозможности интерпретации полученных факторов при «возвращении» к исходным переменным. Зачастую возникают «экономически необоснованные» знаки оценок коэффициентов в регрессионных уравнениях. Эта особенность существенно ограничивает возможности применения МГК для прикладных задач, несмотря на простоту вычислений.
Результаты SWR, в ходе которой объясняющие переменные либо добавляются (если процедура начинается с уравнения, где присутствует только константа), либо исключаются (если изначально присутствуют в уравнении все переменные), во многом зависят от выбора правила, в соответствии с которым происходит отбор. Процедура может оказаться очень трудоемкой при большом числе объясняющих переменных, поскольку приходится анализировать значительное число вариантов сочетаний факторов.
Несмотря на значительные преимущества PLS (формирование факторов, принимая во внимание связь между матрицей Х и вектором Y, - в отличие от МГК, где получаемые факторы основаны только на спектральном разложении ковариационной матрицы X, в то время как PLS ищет латентные векторы, которые «стремятся» объяснить ковариацию между X и Y), метод имеет те же недостатки, что и МГК.
RR позволяет оценить модель с большим числом коррелированных факторов при помощи параметра регуляризации, применяемого к корреляционной матрице. Метод дает смещенные оценки (хотя величину смещения
можно рассчитать), кроме тог, его достаточно сложно применять по сравнению с остальными методами, охарактеризованными выше.
Как отмечалось ранее, указанные методы нашли применение для решения задач в сфере маркетинга и рекламы за рубежом, но качество данных и сроки выполнения работ являются барьерами, ограничивающими использование подобных методов в российской практике. Основная проблема, возникающая в отношении этих данных, - небольшое число временных точек. Как правило, среда настолько изменчива, что включение в одну модель данных даже за 3 года не представляется возможным. Методы сбора информации, анализируемой специалистами по маркетингу и рекламе, в российских условиях менее развиты. Это не позволяет отслеживать потребительское поведение по неделям, а по многим показателям и - по месяцам.
Таким образом, к методу, помимо формальных, предъявляются дополнительные требования: заказчика разработки модели интересует эффективность каждого канала коммуникации, поэтому исключение переменных крайне нежелательно. Кроме того, сбор данных для моделирования - чрезвычайно долгий и трудно планируемый процесс, в результате чего на построение самой модели остается минимальный срок, поэтому процедура применения метода должна быть простой.
Метод, отвечающий всем перечисленным требованиям. - сокращение размерности уравнения, сохранение информации о влиянии на ключевую величину всех факторов, простота применения, отсутствие ограничений при работе с «короткими» временными рядами -был разработан Э.Б. Ершовым для построения моделей межотраслевого взаимодействия при условии, что все факторы измеряются в одних единицах (Ершов, 2008). Небольшое число переменных и огромное число объясняющих факторов - серьезная проблема, с которой сталкивались исследователи, занимающиеся прикладными задачами, связанными с анализом данных межотраслевых балансов (МОБ) -моделями межотраслевых взаимодействий
(ММВ). И в МОБ, и при определении эффективности рекламы факторы представлены в денежном выражении, что позволяет применить подход, описанный ниже, к задачам из сферы маркетинга и рекламы.
При построении Межотраслевой модели взаимодействия потоков продукции специалисты столкнулись с необходимостью оценить большое число уравнений для потоков затрат, технологически необходимых для производства продукции конкретной отрасли. В соответствии с моделью, эти потоки представляют собой линейную функцию от системы потоков, характеризующих структуру продукции конкретной отрасли. Поскольку число потоков, определяющих структуру отрасли, может существенно превышать число имеющихся в распоряжении исследователя временных точек, метод наименьших квадратов применен быть не может. Для решения этой проблемы в (Ершов, 2008) был предложен следующий метод.
Пусть существует вещественная матрица А простой структуры, размером T х N, каждый элемент которой больше или равен нулю. Тогда для неотрицательной неразложимой матрицы В = А'Л существует собственное значение ^(В), равное спектральному радиусу матрицы В:
Б) = р(Б) = тах Xк(Б).
к
Этому собственному числу соответствует собственный вектор их(Б), элементы которого по теореме Перрона-Фробениуса будут иметь одинаковый знак, если матрица В положительная. Элементы этого «первого» собственного вектора их(Б) всегда могут быть преобразованы в положительные и используются для группировки N столбцов матрицы Л. Близость значений элементов этого вектора является признаком, по которому факторы (столбцы), образующие матрицу А, могут объединяться в группы. Внутри каждой группы значения элементов первого собственного вектора являются основой для определения веса, с которым фактор входит в группу.
Развернутое описание метода и иллюстрация его применения для работы с ММВ приведены в (Ершов, 2008). Далее будет показано применение подхода для решения задачи определения эффективности коммуникационного воздействия: как он позволяет решить основные проблемы, возникающие при разработке моделей отдачи рекламных инвестиций, предлагая объективное правило группировки объясняющих переменных, позволяющее снизить размерность задачи и мультиколли-неарность. Метод просто применить, больших затрат времени не требуется. Метод позволяет «сохранить» в модели максимальное число объясняющих переменных, что означает возможность определения потенциала и вклада большего числа коммуникационных каналов. Следовательно, остается больше возможностей для эффективного планирования диверсифицированного набора рекламных носителей. Метод стал частью предлагаемого подхода к определению эффективности коммуникационного воздействия. Остальные способы решения задач сокращения размерности - такие, как МГК, PLS, SWR и прочие, указанные выше, также могут быть использованы в рамках прикладного исследования, но именно метод, основанный на спектральном представлении вещественных матриц простой структуры, подходит для большинства случаев применения. В следующем разделе представлен пример применения описанного выше подхода на практике.
3. ОПРЕДЕЛЕНИЕ И ОЦЕНКА ВЛИЯНИЯ ИНВЕСТИЦИЙ В КАНАЛЫ КОММУНИКАЦИИ НА ПРОДАЖИ КОНКРЕТНОГО ТОВАРА ПОВСЕДНЕВНОГО СПРОСА
Марка Х присутствует на рынке уже более 15 лет, последние 10 лет она занимает лидирующее положение в своей категории. В течение всего анализируемого периода, продукт
находится на стадии зрелости. Основной целью маркетинговых усилий марки Х является расширение продаж. Доля продаж дистрибьюторам, распространяющим продукт среди небольших магазинов, составляет более 50%, остальные 50% приходятся на крупные торговые сети.
Данные о продажах конечному потребителю, собираемые компанией AC Nielsen, производители марки Х покупают раз в два месяца. При такой периодичности данных, для построения динамической модели потребуется информация не менее чем за пять-шесть лет. В течение такого период времени могут произойти слишком серьезные изменения рыночной ситуации, и выводы об эффективности того или иного маркетингового канала будут иметь долгосрочный стратегический характер. Но для оперативного управления маркетинговыми рычагами иногда важнее понимать, как будет работать конкретный канал по сравнению с другими в краткосрочной перспективе.
Данные об отгрузках товара под маркой Х доступны внутри компании с любой периодичностью. Половина отгрузок, осуществляемая через крупные торговые сети, является предметом долгосрочной договоренности, и объемы, которые будут отгружены в ближайший год или полгода, как правило, уже известны. Оставшиеся же 50% - менее предсказуемая часть, зависящая от решений большого числа оптовых покупателей. И влияние маркетинговых рычагов именно на эту часть необходимо оценить производителю марки Х. Таким образом, ключевым показателем эффективности (КПЭ) маркетинговых рычагов будут отгрузки дистрибьюторам, распространяющим товар среди небольших магазинов.
Данные об отгрузках товара повседневного спроса марки Х дистрибуторам, распространяющим товар среди мелких магазинов, охватывают период с января 2007 г. по декабрь 2009 г.
В общем виде уравнение для КПЭ будет выглядеть следующим образом:
Yt = а0 + ф ADt + y2TS _ BTLt +
+(p3TMt + ty4OMt + ty5Complett +
+Ф6 Basic t + ф-¡Macro t. (1)
Каждая переменная характеризует группы факторов, влияющих на отгрузки.
1. Показатели рекламной активности (AD - здесь и далее условное сокращение, которое используется в уравнении (1)).
Рекламная активность оценивается в денежном выражении, разбивается по кампаниям и СМИ. Каждая переменная принимает отличное от нуля значения в периоды, когда кампания проходила в указанном СМИ. За исследуемый период рекламная поддержка охватывала шесть коммуникационных каналов (прямая телевизионная реклама (национальная, региональная, спонсорская), реклама в Интернете, на радио, в прессе). Телевизионная реклама была представлена пятью роликами.
2. Показатели коммуникационной поддержки в местах продаж (TS_BTL).
Включают предложения: получить подарок за покупку, скидку за дополнительную покупку, дегустировать товар, получить бонусы за покупку, которые можно накапливать. А также, затраты на размещение в зале и на торговом оборудовании магазина (на полках, на дверях и т. п.) рекламных материалов марки Х, специальную выкладку в наиболее «проходимых» местах торгового зала и прочее. Представлены в денежном выражении.
3. Показатели, характеризующие выплаты организациям, распространяющим товар, и (или) инвестиции в развитие розничных продаж (TM). В данную категорию входят следующие выплаты: за место на полке, стимулирующие торговый персонал, направленные на развитие мест торговли и/ или инвестиции в увеличение числа торговых точек и т.п.
4. Прочие затраты на продвижение марки (ОМ).
На многих рынках важную роль в поддержании марки играет участие в благотворительных акциях, организация культурных
и образовательных мероприятий, спонсорство и проведение профессиональных конференций. Форумов и т.п., а также прочие PR-мероприятия, направленные на создание «информационных поводов», благотворно влияющих на образ марки в глазах потенциальных потребителей - от выставок до спонсорской поддержки спортивных соревнований.
5. Доступная информация о маркетинговой активности конкурентов (Compet).
Как и любой типичный представитель категории товаров повседневного спроса, марка Х сталкивается с мощной конкуренцией со стороны других марок, присутствующих в данной категории. Деятельность конкурентов оказывает значительное и, как правило, негативное воздействие на КПЭ. В российских условиях можно собрать достоверную информацию о графике выхода и интенсивности рекламного воздействия конкурентов, а также получить оценку затрат в пяти основных СМИ (мониторинг Т№). Если компания - заказчик получает данные о продажах конечному потребителю6, то о конкурентах можно выяснить уровень цен и дистрибьюции, среднее количество торговых наименований и прочее. На рынке присутствует 14 марок, которые составляют существенную конкуренцию Х: эти марки много инвестируют7 в рекламу, предлагают продукт сопоставимого качества, продаются в тех же магазинах, что и марку Х. Поскольку марки-конкуренты рекламируют не только на ТВ (в среднем, используется более одного канала), воздействие 14 наиболее значимых конкурентов представляют 27 переменных.
6 Например, данные аудита розничной торговли АС№еЬеп.
7 Понятие инвестиций в данной работе трактуется как «вложения... средств с целью получения дохода в будущем» (Виленский, Лившиц, Смоляк, 2008). С точки зрения используемых данных, инвестициями называются осуществленные затраты в денежном выражении в ценах текущего периода.
6. Прочие, характеризующие положение марки факторы, влияющие на динамику КПЭ.
К этой категории относятся такие факторы, как цена, дистрибьюция (доля торговых точек, в которых можно купить товар данной марки), число различных торговых наименований в продаже (группа Basic), которые являются самыми важными с точки зрения влияния на объем продаж. Под торговой единицей (SKU) понимается определенный вид упаковки товара, в зависимости от сорта, веса, модификации и прочее. Чем больше SKU, тем разнообразнее ассортимент и тем, как правило, больше товара будет продано. Также в группе 6 присутствуют макроэкономические показатели (группа Macro). В отличие от предыдущих пяти групп, факторы, формирующие эту группу, могут быть представлены не только в денежном выражении.
Каждая переменная представляет собой совокупность факторов, ее формирующих, и включенных в (1), например:
ADt = ßj • camp\_medial + +ßl • campl_medial +... + +ßkn • camp к _ media n, (2)
где n соответствует числу СМИ, посредством которых рекламная кампания транслируется, k - число рекламных кампаний.
Basikt =al - PI + a2 • SKU + a3 •SS +
+a4 • Macro, (3)
где PI, SKU, SS, Macro - показатели, входящие в категорию 6.
Все показатели, включенные в уравнение (1), измеряются в денежном выражении, кроме факторов типа Basic и Macro, которые могут быть представлены в других единицах.
Для того чтобы определить вклад каждого из факторов в формирование продаж марки Х дилерам, нужно оценить уравнение, в котором число объясняющих переменных во всех семи категориях факторов (AD, TS_BTL,
TM, OM, Compet, Basic и Macro) составит 488 при 36 наблюдениях. Многие объясняющие переменные сильно коррелированы (коэффициент корреляции от 0,65 до 0,89) в силу разных причин: описываемые такими переменными события происходят одновременно; специфический график проведения кампаний - ненулевые инвестиции только 2-3 месяца в году - приводит к «наведенной» взаимосвязи.
Чтобы оценка эффективности коммуникации была применима для планирования будущей активности, необходимо знать влияние максимального числа факторов, формирующих уравнение (1). Это возможно, если перейти к группам переменных, которые объединят несколько показателей (рекламных кампаний, затрат на поддержку дилеров и прочих), но так, чтобы их вклад отражал степень их воздействия на Y. При этом группы не должны быть плотно коррелированы.
Пусть Xji, где k = 1, 2, ..., n - факторы, формирующие категории 1 - 7, i е [1; 7], представленные в уравнении (1), а n(i) - число переменных в группе i, тогда уравнение (1) примет следующий вид:
5 n(i) 7 n(i)
Y = «o+Цxk-pk + XZxb x, (4)
i=1 k=1 i=6 k=1
где n(i) для категорий (1 - 5) соответствует числу кампаний и каналов коммуникации, эффективность которых необходимо определить, t - номер периода. Факторы, формирующие категории 6 и 7 не подвергаются дальнейшим преобразованиям совместно с представителями категорий (1 - 5), поскольку не являются инвестициями: они могут быть отрицательными или не иметь денежного выражения, характер их воздействия на объясняемую переменную, как правило, совершенно иной.
8 Непосредственные выплаты дилерам и стимулирование торгового персонала - 5 объясняющих переменных; промо-акции - 3; рекламные кампании в СМИ - 10; PR-мероприятия - 1; рекламная активность конкурентов - 27; цена и число БКП - 2.
Необходимо перейти к новым переменным Gs ( = 1, ..., 5!), которые являются линейными комбинациями переменных Хкг из категории г с номерами переменных к е м?(1, s) (г = 1, ..., 5; 5 = 1, ..., 5), формирующие группы 1-59:
Gts = Е Е Х'й , (5)
к=1 1, 5)
где - коэффициент, с которым Хкг включается в группу переменных Gts, 5 - число переменных Gs или «новых» групп для Хкг при г е [1; 5].
Уравнение (1), подлежащее оценке эко-нометрическими методами, будет выглядеть так:
= « + -у, + Е Е X. (6)
5=1 г=6 к=1
Таким образом, влияние каждого фактора из Хкг на У будет произведением соответствующих параметров и у,.
Чтобы установить состав групп G и оценить вес каждого фактора , необходимо найти наиболее подходящий подход к снижению размерности: предварительнно определить множество индексов переменных м>(1, 5) (г = 1, ..., 5; 5 = 1, ..., 5) и рассчитать значения весовых коэффициентов в (5).
Для корректной оценки модели использовалась процедура поочередного включения групп факторов в модель, состоящая из четырех этапов.
1. Из 19 переменных, представляющих собственную активность марки Х формировалась матрица А, состоящая из 19 столбцов и 36 строк. В соответствии с методом, основанным на спектральном представлении вещественных матриц простой структуры, рассчитывалась матрица В = АА, определялись собственные числа и вектора. На основе зна-
9 Аналогичный подход может быть применен и к факторам, формирующим группы 6-7, когда они сильно мультиколлинеарны, но при этом положительны.
чений собственного вектора Ul(B), столбцы матрицы А объединялись в группы - факторы, влияние которых на продажи должно быль позитивным (группы типа А объединяет AD, TS_BTL, TM, OM).
2. Из 27 переменных, описывающих негативное влияние конкурентов, формировалась матрица С, состоящая из 27 столбцов и 36 строчек. Было получено несколько групп (группы типа С - переменные Compet), причем ожидается их негативное влияние.
3. Группы, полученные с помощью матрицы А, цена и SKU (из Basic), формировали предварительную модель, на основе которой принималось первое решение об адекватности включения каждой группы типа А в модель.
4. В полученную предварительную модель добавлялись группы типа С и определялись группы, которые улучшат характеристики модели без потери «экономического» смысла. На этом этапе повторно тестируются группы типа А, исключенные из модели на предварительном этапе.
Таким образом, сначала факторы делились на три большие группы, а потом в рамках каждой определялась их линейная комбинация, обеспечивающая с одной стороны хорошую объясняемую и предсказательную силу модели, с другой стороны, необходимое сокращение размерности.
Цена и количество торговых единиц (SKU) включались в модель без дополнительных преобразований. Эти переменные имеют совершенно иную природу и размерность, отличную от маркетинговых затрат, поэтому в процессе поиска линейных комбинаций остальные факторы использованы не были.
Оставшиеся 46 переменных представляют собой две группы: собственная поддержка и инвестиции конкурентов в рекламу. Основная гипотеза состоит в очевидном предположении, что собственная поддержка влияет на продажи позитивно, а активность конкурентов - негативно.
В таблице 1 представлено описание переменных, формирующих каждую группу,
Таблица 1
Вклад отдельных мероприятий, формирующих группы типа А (нормирован к вкладу переменной RS)
Обозначение Вклад Группы типа А Описание
TVClip 3 0,008 Национальная кампания, Ролик 3
TVreg 0,011 Группа 1 Региональная телевизионная кампания
TeamTR 0,011 Выплаты торговому персоналу
OtherTR 0,016 Прочие мероприятия по работе с дилерами
Radio 0,020 Группа 2 Рекламная кампания на радио
Internet 0,023 Рекламная кампания в Интернете
D 0,024 Предложение попробовать продукт
PlaceTR 0,038 Выплаты за размещение продукта
GP 0,047 Подарки за покупку
TVClip 5 0,063 Группа 3 Национальная кампания, Ролик 5
TVClip 1 0,069 Национальная кампания, Ролик 1
Press 0,077 Рекламная кампания в прессе
CP 0,078 Размещение подарков в упаковке товара
Events 0,127 Группа 4 РЯ мероприятия
TVspons 0,162 Спонсорство ТВ программ
TVClip 4 0,609 Группа 5 Национальная кампания, Ролик 4
TVClip 2 0,619 Национальная кампания, Ролик 2
PD 0,767 Группа 6 Дополнительная скидка дистрибьюторам
RS 1 Поддержка торговых представителей в ключевых регионах
веса каждого фактора, рассчитанные с использованием матрицы Л'Л, и соответствующее разделение 19 переменных на 6 групп с помощью применяемого метода сокращения размерности.
Полученные группы объединяют стимулирующие мероприятия разных типов: рекламные затраты соседствуют промо-акциям и прямой поддержке продавцов, однако нельзя не отметить однородность групп с точки зрения содержания кампаний.
Одним из основных результатов применения метода является понятная интерпретация объединений разных типов маркетинговой деятельности в группы. Например, группа 4 объединила два вида деятельности, имеющие исключительно имиджевый характер. Эти виды деятельности направлены на конкретную аудиторию: спонсорство - на аудиторию выбранной программы, а PR меро-
приятия - на людей с высоким доходом. Исследования аудитории программы, спонсором которой уже несколько лет является марка Х, показывают, что доля телезрителей с высоким доходом в ее составе, - гораздо выше, чем в среднем. Группа 6 включает самые мощные каналы воздействия на продажи, по мнению специалистов компании-производителя марки Х. В соответствии с экспертной оценкой, отсутствие инвестиций в скидки и поддержки региональных команд приведут к потере лидерства на рынке марки Х.
Группа 5 объединила две самые продолжительные национальные рекламные кампании. Вторая (Ролик 2) проходила осенью 2007 г., зимой-весной и осенью 2008 г., а четвертая (Ролик 4) зимой-весной и осенью 2009 г. Обе кампании имели имиджевый характер и не содержали сообщений о конкурсах, призах или подарках. Все виды под-
держки марки, которые попали в группу 3, за исключением выплат за размещение продукта и Ролика 1, связаны со стимулирующими про-мо-акциями: подарки за покупку или подарки, находящиеся в упаковке, Ролик 3 - содержащий промо-сообщение, реклама в прессе, в которой часто анонсировались акции. Группа 2 оказалась самой неоднородной: Интернет - достаточно нетипичное СМИ для рекламы этой товарной категории, коммуникация была направлена на привлечение более молодых и «виртуально-активных» потребителей; реклама на радио, как правило, поддерживала промо-кампании; специальные акции в магазине, в ходе которых покупателям предлагают попробовать продукт, - позволяет заинтересовать новых потребителей, сомневающихся в качестве продукта. Группа 1 объединяет поддержку, имеющую региональный характер, с ТВ кампанией, объявляющей очень простую и понятную промо-акцию. На третьем этапе описанной выше процедуры поочередного включения групп факторов состав и число групп, вошедших в финальное уравнение, установился следующим: от мероприятий, составляющих Группы 4 и 5, пришлось отказаться, причем Группы 1 и 3 объединились.
При решении практических задач основным критерием релевантности применения
метода является возможность интерпретировать полученный результат, видеть за формальной оценкой то, как действительно устроены бизнес процессы. Метод, основанный на спектральном представлении вещественных матриц простой структуры, позволяет получить результат, полностью удовлетворяющий данному критерию (табл. 2).
Инвестиции в мероприятия, формирующие группу 5, имели имиджевый характер и были достаточно «нишевыми», по этой причине вполне вероятно, что они не «подействовали» на дистрибьюторов. Национальные ТВ-кампании, напротив, оказались достаточно крупными мероприятиями, однако не содержали имиджевой информация, а были простым напоминанием о продукте или новинках. Скорее всего, сам факт наличия этих кампаний привел к тому, что марка по-прежнему считалась одной из лидирующих среди дистрибьюторов, но эти кампании не стимулировали дистрибьюторов закупать больше.
Непродолжительные кампании с четким сообщением, содержащим информацию о дополнительных подарках, как например, Ролик 3, побуждали продавцов увеличивать запасы продукта марки Х.
Отсутствие влияния на дистрибьюторов со стороны кампаний, попавших в группы 4
Таблица 2
Корреляционная матрица между группами факторов и объясняемой переменной (продажами)
Название переменной/группы Sales Price SKU Группа 1 Группа 2 Группа 3 Группа 4 Группа 5 Группа 6
Sales 1
Price -0,68 1
SKU 0,67 -0,68 1
Группа 1 0,31 -0,31 0,25 1
Группа 2 0,64 -0,13 0,46 0,15 1
Группа 3 0,30 -0,04 0,12 0,06 0,30 1
Группа 4 -0,27 0,30 -0,37 0,17 0,07 -0,12 1
Группа 5 -0,10 -0,18 -0,14 -0,13 -0,25 -0,23 0,03 1
Группа 6 -0,20 0,55 -0,47 0,01 0,22 -0,20 0,58 -0,06 1
Примечание: «заштрихованные» квадраты показывают переменные, корреляция между которыми выше 0,5.
и 5, подтверждается эмпирическими наблюдениями. Дистрибьюторы в первую очередь руководствуются своими представлениями о возможной эффективности продаж продавать товар в краткосрочном периоде. Наиболее перспективными считаются простые объявления с сообщениями о конкурсах и подарках. Позитивное долгосрочное влияние имиджевых кампаний на потребительский выбор воспринимается дистрибьюторами скептически.
Последним этапом построения модели является добавление групп типа С, описывающих негативное влияние конкурентов. Добавление в предварительную модель показало, что наиболее целесообразно объединение всех 27 переменных в один фактор - модель обеспечивает высокую объясняющую и прогнозную силу, не увеличивая размерность уравнения до критического уровня - число объясняющих факторов в финальной модели равно 6, что при 40 наблюдениях вполне допустимо. Суммарный фактор, объединяющий активности всех конкурентов в СМИ, улучшает практическую применимость модели. И если выделяется влияние каждого конкурента, то для планирования будущей активности марки Х необходимо прогнозировать затраты каждого конкурента, что достаточно сложно (табл. 3).
При формировании фактора на базе групп типа С компании, получившие максимальный вес, - с2, с4 и с1 - являются ключевыми конкурентами. с4 был более «опасен» в 2007-2008 гг., а с2 и с1 - на протяжении всего анализируемого периода.
На финальном этапе получена Модель 7. В ней появилась переменная Dummy, которая принимает значение 1 в марте и декабре 2007 г. и -1 - в декабре 2009 г. по причине необходимости учесть периоды, когда во внутреннем учете компании - производителя продукта Х происходили изменения административного характера.
Ввиду того, что число различных торговых единиц, предлагаемых этому типу дистрибьюторов, не сильно менялось в течение изучаемого периода, было принято решение
исключить переменную SKU из финальной модели.
Salest =а0 + а1 • G13 + а2 • G2 + +а3 • G6 + а4 • Price +
+Р1 • Competitors + c1 • Dummy. (7)
Основные статистики и оценки параметров уравнения (7) представлены в табл. 4. Тесты показали, что остатки, полученные после оценки регрессионного уравнения (7), стационарны и нормальны, коэффициенты регрессионного уравнения, полученные с помощью МНК, значимы, коэффициент множественной детерминации составил 0,90.
Коэффициенты модели обладают знаками, соответствующими экономическому смыслу факторов. Несмотря на то, что в модели (7) оценивается 7 параметров, получена информация о влиянии 21 коммуникационного канала, использовавшегося для продвижения марки Х на рынок в течение исследуемого периода - с 2007 по 2009 гг. Установлено, в какой степени на продажи марки Х повлияли рекламные кампании 14 конкурентов.
Анализ практического применения модели позволил прогнозировать объемы поставок дилерам, работающим с небольшими
Таблица 3
Вклад* отдельных кампаний-конкурентов в группах типа С (Competitors)
Обозначение Вклад
с2 100
с4 11,3
с1 9,79
с25 7,74
с22 5,33
с3 5,05
с13 4,34
с19 1,53
с21 1,38
с18 1,05
* Оценка для удобства значения веса умножены на 100; представлены кампании конкурентов, вес которых более 1.
торговыми точками, которые формируют 50% наименее трудно прогнозируемых продаж, а также оптимизировать будущий коммуникационный бюджет таким образом, чтобы достигнуть цели по объемам продаж, установленным для данного канала; провести анализ эффективности прошлых кампаний и сделать тактические и стратегические выводы на будущее.
7. ЗАКЛЮЧЕНИЕ
Прикладные исследования эффективности рекламного воздействия должны удовлетворять большому числу требований, связанных, во-первых, с особенностями данных, во-вторых, - со спецификой использования результатов, в-третьих, - со сроками выполнения задачи - работа над моделью не должна занимать много времени. Особенности данных накладывают ограничения на выбор метода оценки: из-за большого числа сильно коррелированных объясняющих переменных необходимость практического применения
результатов приводит к крайней нежелательности исключения факторов из анализа: чем больше потеряно информации о воздействии каждого канала коммуникации, тем меньше возможностей у предлагаемого решения для будущего планирования кампаний. Сжатые сроки работы требуют, чтобы методы анализа было просто применять, и они были интуитивно понятны не только специалистам в области статистики и эконометрики.
Предложенный подход к формированию методологического каркаса прикладного исследования позволяет получить результат, удовлетворяющий всем критериям; используемый метод сокращения размерности позволят решить ключевую проблему доступных данных, сохраняя возможность содержательно интерпретировать полученный результат. Рассмотренный пример является типичным как с точки зрения целей исследования, так и с точки зрения доступной для анализа информации. Кроме того, описанный инструментарий может быть применен для любой подобной задачи.
Применение подхода на практике позволяет убедиться, что методика подходит
Таблица 4
Финальная модель, объясняющая динамику продаж марки Х дистрибьюторам
Переменная Коэффициент Стандартная ошибка i-статистика P-value
G13 10,6 5,6 1,9 0,1
G2 606,2 153,8 3,9 0,0
G6 2,4 0,7 3,5 0,0
Price -896,5 146,3 -6,1 0,0
Dummy 47 539,3 9685,2 4,9 0,0
Competitors -0,1 0,1 -2,6 0,0
а0 481 820,6 48 081,6 10,0 0,0
R2 0,90 Дисперсия 178 972,3
Приведенный R2 0,88 Стандартное отклонение 41 241,2
Стандартная ошибка регрессии 14 286,1 Критерий Akaike 22,1
Сумма квадратов остатков 6 530 000 000,0 Критерий Schwarz 22,4
Log likelihood -424,6 Критерий Hannan-Quinn 22,2
F-статистика 47,4 Статистика Durbin-Watson 1,5
Prob (F-статистика) 0,0
для любых товарных категории, показателей и объясняющих переменных; полученные результаты подтверждаются эмпирическими наблюдениями; существенно сокращается время работы над проектом. Соответствие промежуточных выводов о характере воздействия отдельных каналов на бизнес - один из ключевых критериев качества и достоверности модели. Недостатки данных зачастую приводят к невозможности использовать формальные статистические критерии для оценки качества модели, в такой ситуации способность модели достоверно описывать реальный бизнес-процесс выходит на первый план.
В рассмотренной задаче были получены оценки воздействия 21 коммуникационного канала, используемого для продвижения марки Х, и рекламных кампаний 14 конкурентов. В процессе анализа было выявлено много интересных фактов об особенностях воздействия различных кампаний продвижения и СМИ. Например, непродолжительные кампании с четким сообщением, как правило, содержащим информацию о дополнительных подарках, побуждали продавцов увеличивать запасы продукта марки Х, в то время как имиджевые кампании и спонсорство, несмотря на значительные затраты, не оказывали существенного влияния на данную группу партнеров компании-производителя. Важно, что наш анализ позволяет количественно оценить разницу воздействия кампаний различного типа на ключевой показатель. Все полученные выводы чрезвычайно важны и актуальны для планирования отгрузок товара: четкое планирование позволяет избежать серьезных финансовых потерь, связанных с затовариванием складов, возвращением нереализованного товара и прочими негативными моментами, которые могут привести в том числе к ухудшению отношений с дистрибьюторами.
Существенным результатом является определение эффективности региональной активности - наш анализ показал, что если небольшие дистрибьюторы являются важным звеном в распространения продукта, необходимо привлекать региональную поддержку, а
не ограничиваться национальными имиджевыми кампаниями.
Проблема снижения размерности без потери информации о влиянии объясняющих переменных - одна из основных для оценки эффективности коммуникации. Интеграция в описанный подход метода, основанного на спектральном представлении вещественных матриц простой структуры, открывает большие возможности для дальнейшей практической работы, поскольку предлагает простое и аналитически обоснованное решение для определения эффективности коммуникационного воздействия при работе с доступными российскому исследователю данными.
Литература
Берндт Э. Практика эконометрики: классика и современность. М.: Юнити-Дана, 2005.
Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: теория и практика: Учебное пособие. 4-е изд., перераб. и доп. М.: Дело, 2008.
Ершов Э. Развитие и реализация идей модели межотраслевых взаимодействий для российской экономики // Экономический журнал ВШЭ. 2008. № 1.
Трутнева Е. Эконометрический анализ эффективности воздействия рекламной активности на стратегические показатели развития компании (на примере рынка телекоммуникаций) // Экономический журнал ГУ ВШЭ. 2009. № 4.
Aitken L., Young A. Measuring Marketing Communications: Concentrate on Outcomes, Not Outputs // Market Leader. 2007. Vol. 37. Р. 51-55.
Bernard N. What Can You Do With Tracking Studies and What Are Their Limitations? // Admap. 1990. April.
Bagwell K. The Economic Analysis of Advertising // Handbook of Industrial Organization. 2007. Vol. 3. P. 1701-1844.
Colley R. Defining Advertising Goals for Measured Advertising Results. N.Y.: Association for National Advertisers, 1961.
Dube J.P., Hitsch G.J., Manchanda P. An Empirical Model of Advertising Dynamics. Erasmus Research Institute of Management (ERIM), 2004. Dec.
Dyson P. Setting the Communications Budget // Admap. 2002. № 433. Nov.
Dyson P., Weaver K. Advertising's Greatest Hits: Profitability and Brand Value // Admap. 2007. Vol. 469. Feb.
Farr A. Managing Advertising as an Investment // Admap. 2004. July.
Johns J. How Advertising Works. The Role of Research. N.Y.: Sage Publications, 1998.
Hall B. A New Model for Measuring Advertising Effectiveness // Journal of Advertising Research. 2002. Vol. 42. № 2. March/April.
Herve Abdi. Partial least squares regression // Encyclopedia of Measurement and Statistics. Thousand Oaks: Sage. 2007.
Malthouse E.C. Ridge regression and direct marketing scoring models // Journal of interactive marketing. 1999. Vol. 13. № 4. Autumn.
Ruffle A. ROI: A Passing Fad Or Enduring Trend? // Admap. 2007. Feb.
Saunders J. The Specification of Aggregate Market Models // European Journal of Marketing. 1987. № 21 (2). Р. 5-47.
Schaefer R., Roi L., Wolfe R. A Ridge Logistic Estimator // Communications Statistics-Theory Methods. 1984. № 13 (1). Р. 99-113.
Schmittlein D.C., Peterson R.A. Customer Base Analysis: An Industrial Purchase Process Application // Marketing Science. 1994. № 13 (1). Р. 99-113.
Sharma S., James W.L. Latent Root Regression: An Alternative Procedure for Estimating Parameters in the Presence of Multicollinearity // Journal of Marketing Research. 1981. № 18. Р. 154-161.
Vakratsas D., Ambler T. How advertising works: What do we really know? // Journal of marketing. 1999. Jan.
Vallance C. Orange: How Two Years of Advertising Created Twelve Years of Value. L.: IPA Effec-tiveness Awards, 1996.
Vinod H.D. Application of New Ridge Regression Methods to a Study of Bell System Scale Economies // Journal of the American Statistical Association. 1976. № 71 (356). Dec. Р. 835-841.
Рукопись поступила в редакцию 12.03.2013 г.
РЕФОРМА РАН ГЛАЗАМИ МОЛОДОГО УЧЕНОГО: ОПЯТЬ «ШОКОВАЯ ТЕРАПИЯ»?
Р.Н. Павлов
В статье представлен анализ некоторых явлений, связанных с реформой Российской академии наук (РАН). Выявлена основная стратегическая проблема данной реформы, сводящаяся к ее реализации по методу «шоковой терапии», означающей радикальное изменение сферы управления научной деятельности без учета специфики развития данной отрасли.
Ключевые слова: реформа РАН, инновации, институты, централизация.
«ШОКОВАЯ ТЕРАПИЯ» КАК ОСНОВНОЙ МЕТОД РЕФОРМИРОВАНИЯ РАН
События минувшего года, связанные с инициированием такого широкомасштабного проекта, как «Реформа РАН», в буквальном смысле слова взбудоражили научную общественность. Процессы проведения реформ методом «шоковой терапии», конечно же, знакомы подавляющему большинству населения, начиная с периода так называемых «гайдаровских» реформ». И те социальные потрясения, с которыми ассоциировался данный период, до сих пор оцениваются большинством исследователей крайне негативно. И поэтому попытка проведения реформы РАН ровно по такому же сценарию, когда закрытие большинства отраслевых институтов, которое произошло автоматически с закрыти-
© Павлов Р.Н., 2014 г.
