Анализ конверсии

Марки растут неравномерно. Как корректно сравнивать конверсию марок разного размера?

Конверсия от знания к пробным покупкам или от пробных покупок к регулярным происходит неравномерно в зависимости от размера марки.

В общем и целом зависимость между нижними и верхними уровнями приверженности марке описывается S-образной кривой. Такая форма зависимости называется логистической. Кстати, в природе многие процессы роста тоже описываются логистической кривой.

На ранних этапах прирост знания дает медленный прирост пробных покупок. Существует инерция покупательского поведения. Только редкие пионеры пробуют новинку.
Затем наступает этап быстрого роста. Марка становится более-менее массовой. Кто ранее знал марку, начинают пробовать ее. Новые узнавшие о марке покупатели тоже легко конвертируются в пробовавших.
И в финале рост замедляется. Дальнейший прирост знания марки почти не ведет к росту пробных покупок. Из ранее знавших все, кто хотел уже попробовали. Из новых узнающих о марке пробуют мало. На этом этапе марку знают уже почти все участники рынка. Не знающие о крупной марке с большой вероятностью или случайные или малоактивные потребители с узким репертуаром марок.

На многих рынках верхняя полка S-образной кривой отсутствует. Фаза активного роста пробных покупок смещается вправо, ближе к 100% уровню знания. Тогда зависимость описывается экспоненциальной кривой.

Но в любом случае на всех рынках присутствует нелинейность взаимосвязи между знанием/пробованием и другими подобными показателями. Это означает, что сравнивать конверсию двух разных по размеру марок не совсем корректно.

Для корректного сравнения конверсии марок разных по размеру следует вносить корректирующую поправку на размер марки. Один из вариантов такой поправки – выявить среднюю тенденцию роста по рынку и смотреть на отклонения марок от этой тенденции.

Выявить среднюю тенденцию можно при помощи регрессионного анализа. Возможные варианты регрессий, учитывающих нелинейность: экспоненциальная, полиномиальная, степенная, логит, пробит…

Однако есть такое обстоятельство, что показатели знания/пробования измеряются в процентах и могут меняться только от 0% до 100%. Тогда как не все виды регрессий предполагают, что зависимая переменная не выйдет за рамки диапазона 0%-100%.

Наиболее удобными для описания долей представляются логит- и пробит-регрессии. Значение зависимой переменной для них всегда будет гарантированно лежать в диапазоне 0%-100%.
Итак, имея кривую среднерыночной тенденции роста, можно вычислить для каждой марки отклонения от этой кривой (наблюдаемое значение минус ожидаемое). Большие положительные отклонения будут говорить об очень успешной конверсии, а большие отрицательные – обратное. При этом, что важно, размер марки и нелинейность роста будут учтены.

В отчетах, чтобы не углубляться в дебри регрессионного анализа и большое количество диаграмм, визуализировать диагностику конверсии мы предпочитаем таким образом:


Поделившись этой публикацией в соц-сетях, Вы помогаете нам делать больше хороших исследований. А значит, этот мир может стать чуточку лучше…

Leave a Comment

Ваш e-mail не будет опубликован. Обязательные поля помечены *