CC BY
138
Terra Humana
УДК 316.77 ББК 60.8
В.Н. Бузин
УПРАВЛЕНЧЕСКИЕ ВОЗДЕЙСТВИЯ НА МЕДИАПРОСТРАНСТВО
Предлагается общая концептуальная схема управления медиапространством, анализируются модели эффективности информационно-рекламных кампаний, предлагается модель планирования эффективности информационной кампании PlanAdviser, разработанная на основе авторской концепции структуры медиапространства.
Ключевые слова:
аудитория, медиапространство, моделирование, управление аудиторными параметрами, эффективная частота.
В настоящее время учет и разработка управленческих воздействий на медиапространство вместо полного цикла управленческих воздействий (рис. 1) осуществляется частично и, главным образом, в такой узкой области информационного воздействия средств массовой коммуникации, как рекламно-информационные кампании. При решении более сложных социальных задач по управлению медиапространством, таких как продвижение социально значимых идей (начиная со здорового образа жизни и заканчивая национальными проектами) актору необходимо представлять всю структуру медиапространства. Здесь особое значение приобретает планирование уровней воздействия на аудиторию, выбор правильных медианосителей в непрерывно развивающейся мультимедийной информационной среде, осуществление контроля качества проведения информационной кампании по
Рис. 1. Общая концептуальная схема управления медиапространством.
определённым медиаиндикаторам и при помощи социологических опросов.
Коммуникативная ситуация в России характеризуется недооценкой важности осознанного технологичного управления информационными кампаниями при решении социальных и экономических задач различного уровня. На условиях коммуникативного воздействия управляющая (организованная и организующая) структура медиапространства выходит на первый план при реализации стратегических и тактических задач при реализации государственной политики органами государственной власти (элемент «Структурные элементы» на рис. 1). Ярким результатом отсутствия осознанного управления медиапространством может служить кампания по монетаризации льгот.
Сложности, возникшие при проведении в жизнь этого проекта (стихийные митинги и пикеты состоялись в городах Москве, Альметьевске, Старом Осколе, Уфе, Солнечногорске, практически по всей территории России), были связаны не только с техническими недостатками реализации проекта, но и, по данным опросов фонда «Общественное мнение», - низкой информированностью населения: только
63% населения слышали об этой программе [2].
Другим примером является национальная программа развития нанотехнологий. Пока что немногим россиянам известно что-либо о микромире нанотехнологий: само слово слышали треть (33%) и почти две трети опрошенных (60%) не слышали [11]. на общественную поддержку национальных проектов при таком уровне осведомленности рассчитывать трудно.
При управлении аудиторными параметрами медиапро-
странства используются различные модели планирования информационного воздействия. Управление информационным воздействием на аудиторию наиболее развито и проработано в рамках такого специфического информационного материала, как реклама, но эти принципы и модели могут быть приложимы ко всем типам распространяемой в средствах массовой коммуникации информации. Кратко опишем существующие модели.
Одним из первых подходов к определению эффективности рекламных кампаний был описан М. Нэплом в 70-х гг. XX в. [7]. Он первым ввел понятие эффективной частоты. При планировании информационных кампаний используется и такое такие понятие, как уровень знания информации.
Одной из заметных вех в моделировании информационных кампаний была модель STAS [5], построенная на исследовании краткосрочных эффектов в такой специфической области информационных сообщений, как реклама. В течение всего года происходила фиксация потребительского поведения представителей 2000 домохозяйств в отношении 142 марок из 12 товарных групп. Данные о покупках фиксировались посредством сканирования электронных кодов товаров, тогда как особенности телевизионного просмотра регистрировались с помощью ТВ-метров. Автором метода были введены т.н. индексы краткосрочного рекламного воздействия STAS (Short Term Advertising Strength). STAS-индексы показывали разницу в доле покупок марок, с рекламой которых происходили (или не происходили) контакты в течение семи дней, предшествовавших покупке. Результаты фиксировали, что в среднем первый контакт с рекламой марок значительно больше влиял на увеличение доли этой марки среди всех приобретаемых марок. Причем все последующие контакты (также происходившие за семь дней до покупки) столь сильного влияния на расширения доли рынка марок не оказывали.
По данным исследовательских панелей, единственный контакт с рекламой накануне покупки повышает вероятность выбора марки на 18-23%. После двух контактов вероятность покупки возрастает на 22-25%. То есть, первый контакт с рекламой оказывается почти в 5 раз эффективнее, чем затраты на второй контакт.
Очень широкое применение нашла модель эффективной частоты Джозефа Острова. Это одна из ранних моделей, пред-
ложенная им в 1982 г., основывается на маркетинговых целях рекламной кампании и учитывает кластер шумов (низкий, средний, высокий), новизну марки (первые 4 недели рекламной кампании или продолжающаяся реклама), параметры рекламного сообщения. По уровню шумов Россия относится к странам с высоким кластером шумов. Каждый из параметров приводится в таблице, которая строится по принципу семантического дифференциала, и оценивается в баллах от 1 до 3, затем умножается на весовой коэффициент. Все индивидуальные веса суммируются, и определяется уровень воздействия по трем основным градациям: от низкого до высокого; затем по определенной технологии определяется минимальная эффективная частота. После того, как определена эффективная минимальная частота для планируемой рекламной кампании, в рамках этой же модели возможно определить и вес рекламной кампании. Вес рекламной кампании определяется через понятие эффективного охвата на определенном предыдущими расчетами уровне эффективной частоты. В настоящее время этот подход широко используется рядом международных рекламных агентств. наиболее продвинутые модели учитывают процессы забывания информации.
Модель NRP (Net accumulated rating points) построена, как и все модели связанные с забыванием сообщений, на проведенном в 50-х гг. XX в. эксперименте Zielske [10]. Испытуемые были разбиты на 2 группы, каждой из которых рекламное объявление предъявлялось по особому графику.
Первой группе рекламное объявление предъявлялось ежедневно («массированная реклама»), а второй - один раз в месяц (каждые 4 недели, «распределенная реклама»). Каждый из респондентов в обеих группах увидел рекламное объявление 13 раз. Для изучения динамики процесса запоминания обе группы были разделены на подгруппы, которые интервьюировались в определенные недели. Результатом эксперимента стал вывод о том, что массированная реклама дает большее знание марки, но после 17 недели в результате забывания более высокое знание дает распределенное предъявления рекламного сообщения.
Одним из продолжений этого эксперимента явилась модель накопленных рейтингов - модель NRP, используемая в прогнозировании рекламных кампаний сетевыми агентствами международной сети Zenith. Суть модели, как и многих
Общество
Terra Humana
аналогичных, состоит в учете фактора забывания рекламного сообщения с течением времени. Единицами измерения в этой модели являются неделя и процент забывания рекламного сообщения за неделю, суммарный целевой рейтинг за неделю. Уровень забывания должен рассчитываться для каждого конкретного продукта и для каждого конкретного ролика, но можно пользоваться и приблизительными оценочными значениями для 3 уровней новизны продукта. Так, для нового продукта уровень забывания будет максимальным, а минимального значения уровень забывания ролика достигает при предъявлении уже знакомого рекламного сообщения. Уровень накопленных рейтингов рассчитывается по формуле:
NRP = TRP, X Kn я +
n 1нед заб
+ TRP x Kn-1 я + .... + TRP ,
2нед заб n нед7
(1)
где Кзаб - коэффициент недельного забывания информационного сообщения, TRPn -недельный целевой вес рекламной кампании, n - количество недель.
Дальнейшим развитием этой модели послужила канадская модель CMDC (Canadian Media Director Council Model) [6]. При помощи этой модели прогнозируется динамика различных показателей жизни марки, прежде всего, известности, в зависимости от интенсивности рекламной кампании. Модель позволяет рассчитывать оптимальное время и затраты для достижения определенной позиции марки на рынке. Данная модель учитывает и механизмы социальной инерции, когда увеличение интенсивности рекламного воздействия не увеличивает эффективности рекламы, а прекращение рекламного воздействия не ведет к моментальному забыванию марки. Модель описывается следующей формулой:
EFFECT = EFFECT х
t max
х (1 - exp (-b ADWEIGHTt)) (2)
где ADWEIGHTt = rGRPt + r2GRPt-1 + r3GRPt2 + r4GRPt3 +..., а параметры описываются следующим образом: EFFECTt - это уровень знания марки за период времени t, EFFECT - это максимально возможный
max
уровень знания марки (установлен в 98% для всех категорий продуктов), b - коэффициент отклика (различается для разных категорий продуктов), ADWEIGHTt - вес рекламной кампании, который представляет собой суммарное GRP за несколько периодов t с учетом коэффициента забыва-
ния; GRPt = GRP за период t, r - коэффициент забывания рекламного сообщения (0 < r < 1).
Таково на настоящее время состояние основных применяемых в медиапланировании подходов. Даже последние обзоры в этой области показывают, что в настоящее время кардинально новых разработок не появлялось [9].
Специфика российского медиапространства не предполагает простое заимствование существующих моделей в силу того, что структура российского информационного пространства отлична от информационного пространства тех стран, где эти модели разработаны. Если речь идет о рекламных информационных сообщениях, то потребительское поведение отечественного покупателя нельзя непосредственно приравнять к потребительскому поведению населения стран Западной Европы или Америки. Таким образом, перед нами встает задача разработки модели, пригодной для использования на нашем рынке, в условиях нашего информационного пространства.
В последние годы требования к качеству моделей значительно возросли. Появление в качестве обоснования той или иной части медийной стратегии результатов расчетов выбранной модели повышает вероятность принятия заказчиком разработанной информационной стратегии. В большинстве существующих моделей устанавливается математическая зависимость между весом рекламной кампании, выраженным в GRP, TRP и известностью рекламируемой марки среди целевой аудитории.
Подобные модели могут принести пользу только в том случае, если учитываются все трудности их реализации для конкретного типа информации, для конкретной ситуации. Без такого понимания экскурсы в моделирование могут привести к рискованному для заказчика результату: значительные средства, выделенные для достижения определенной цели, будут потрачены зря.
В информационно-рекламных кампаниях практически все существующие модели используют понятие известности марки или известности конкретного информационно сообщения. Простейшим способом моделирования в этих условиях является установление математической зависимости между прикладываемым к медиапространству усилию, выраженному в суммарных рейтингах и ответом аудитории, измеренному в количестве людей,
узнавших об этом усилии, то есть уровнем известности.
Существующие модели сводятся к трем типам зависимости ответа на воздействие: линейные, экспоненциальные и s-образные. Линейные модели не учитывают забывание во времени и ограниченность размера целевой аудитории, и их низкая точность очевидна. Сложнее с другими двумя типами моделей, какая из них лучше, не совсем ясно. Экспоненциальные модели впервые были предложены в 60 годах [3]; s-образные модели появились десятилетием позже, в них впервые было введено понятие уровня известности рекламы среди целевой аудитории в период ее отсутствия [4] и определялся уровень снижения известности во времени. Наиболее «продвинутый» вариант - s-образная модель с учетом забывания. Она позволяет рассчитывать несколько показателей: уровень охвата аудитории в результате проведенной информационной кампании, уровень известности сообщения в результате информационной рекламной кампании на национальных телеканалах, или при миксе, включающем как минимум два национальных канала, суммарные накопленные рейтинги NRP, а также недельные и суммарные охваты аудитории. На российском медиарынке использование подобных моделей до недавнего времени было прерогативой сетевых рекламных агентств, которые предлагали своим клиентам продукт, обобщающий опыт работы (20-летней давности) на других рынках, без адаптации к реалиям российского медиапространства. тем не менее, их модели давали определенные положительные результаты, поскольку построение точной модели мероприятия, требует значительных затрат, а точность модели, равная 30%, на том этапе развития российского медийного рынка была вполне достаточна для решения текущих задач.
Исследования, проведенные в других областях распространения информации, например при восприятии информации во время предвыборных кампаний [6], показали, что способность припомнить тему сообщения резко падает в течение недели (с 95 до 60%), но затем сохраняется на этом уровне; с другой стороны, способность припомнить использованные аргументы за первую неделю значительно более резко падает (с 70 до 28%), а затем продолжает снижаться до уровня примерно 20% на шестой неделе.
Наиболее показательным примером этого является прогнозирование реклам-
ных кампаний при помощи нашей разработки PlanAdviser (рис. 2).
Согласно нашей модели, планируемая известность данной рекламной кампании рекламодателя S***, с учетом эффекта забывания информационно-рекламного сообщения, через три месяца после начала кампании и два месяца после её окончания должна составить 60% взрослого городского населения России, а через три месяца после её окончания - 40%. Для подтверждения планируемых результатов было использовано международное исследование компании Synovate [12]. Запланированная (предсказанная моделью) известность рекламной кампании должна была составить 55% через 13 недель после окончания РК, реальная известность составила 53% согласно проведенному международному исследованию. то есть, в данном случае ошибка составила 2%, что вполне допустимо для данного типа моделей.
Разработанная нами модель позволяет рассчитывать несколько показателей: уровень известности сообщения в результате информационной рекламной кампании на национальных телеканалах, или при миксе, включающем как минимум два национальных канала, суммарные накопленные рейтинги NRP, а также недельные и суммарные охваты аудитории.
Разработка модели проходила основе анализа результатов ряда рекламных кампаний. Экспериментальная математическая зависимость выглядит следующим образом:
С \
A dAw = 0,01 *
NRP
1.4 *
NRP
1,7
+ 3
(3)
где NRP определялся по формуле (1).
Помимо вычисления функции запоминания (AdAw), предлагаемая модель позволяет рассчитать и визуально отобразить следующие медийные показатели: NRP, недельный Reach% (охват аудитории в %) и накапливаемый Reach%. Общий вид интерфейса программы представлен на рис. 2.
Интерфейс программы включает три основные части: входящие параметры,
таблица расчета, график.
Пользователь начинает свою работу в первой части, где он определяет входящие параметры - длительность кампании, процент забывания ролика, и количество GRP.
у
Общество
Terra Humana
Рис. 2. Планируемая известность в модели PlanAdviser
После этого пользователь определяет способ распределения GRP в течении кампании, программа на выбор предлагает два варианта: автоматически распределить рейтинги или вручную.
Если пользователь выбирает автоматическое распределение рейтингов, то программа предлагает ему выбрать тип распределения: равномерное распределение, импульсивное, убывающее или возрастающее.
Если пользователь выбирает способ распределения GRP «вручную», то программа предлагает перейти ко второй части и за-
Список литературы:
[1]
полнить столбец GRP. После ввода данных программа производит расчет и отображает результат в табличном и графическом виде. В графике можно выбрать параметры, которые нужно отобразить. Полученные результаты можно сохранить или распечатать.
Реализованная в программе модель эффективности помогает медиапланеру оптимизировать распределение недельных весов в терминах GRP (или NRP) для достижения поставленной заказчиком информационной кампании цели и в режиме реального времени совместно с ним обсудить различные варианты динамики интенсивности информационной кампании.
Таким образом, цикл управления информационно-рекламными кампаниями, реализуемый при планировании рекламных кампаний, носит усеченный характер, хотя и позволяет достигать определенных положительных результатов при решении, главным образом, бизнес-задач. При решении более сложных социальных задач по управлению медиапространством актору необходимо представлять всю структуру медиапространства и использовать все возможности, предоставляемые структурно-деятельностным подходом, в том числе и планировать результаты информационных кампаний, используя описанные нами медиаиндикаторы [1].
Бузин В.Н. Социальное управление российским медиапространством: системно-деятельностнеый подход. - М.: Юнити, 2012. - 311 с.
[2] Петрова А. Мотивы принятия закона о монетаризации льгот. - Интернет-ресурс. Режим доступа: http://bd.fom.ru/report/map/projects /finfo/of0431/of043102 (12.04.2012).
[3] DuPlessis E. Recognition Versus Recall. // Journal of Advertising Research. - 1994, Vol. 34. - P. 75-91.
[4] Joyce T. Models of the Advertising Process? // Marketing and Research Today. - 1991, Vol. 19. - P. 205-213.
[5] Jones J. P. What Does Effective Frequency Mean in 1997 // Journal of Advertising Research. - 1997, Vol. 37. - P. 14-20.
[6] Kottonau J., Pahl-Wostl C. Simulating political attitudes and voting behavior // Journal of Artificial Societies and Social Simulation. - 2004, Vol. 7. - P. 89-111.
[7] Naples N. J. Effective Frequency: Then and Now // Journal of Advertising Research. - 1997, Vol. 37. -P. 7-12.
[8] Rice M., Davis B. The Canadian Media Directors’ Council Television Commercial Awareness Model / Proceedings of ESOMAR/EMAC/AFM Symposium on Information Based Decision Making in Marketing, Paris, 17-19 November 1993. - Amsterdam: ESOMAR, 1993. - P. 121-127.
[9] Rossister J. R., Danaher P. J. Advanced Media Planning. - Boston, Kluwer Academic Publishers, 2000. -112 p.
[10] Zielske H. A. Using Effective Frequency in Media Planning // Journal of Media Planning. - 1986, Vol. 1. -P. 53-56.
[11] База данных отчетов ФОМ. - Интернет-ресурс. Режим доступа: http://bd.fom.ru/report/map/projects/ dominant/dom0718/domt0718_7/d071826. (11.05.2012).
[12] Сайт исследовательской компании Synovate. - Интернет-ресурс. Режим доступа: http://www.synovate. com/russia/solutions/index.shtml (05.08.2011).
