Главная мысль
- Маркетинг, как и математика, строится на формировании и проверке гипотез, превращая неизвестные уравнения бизнеса в известные переменные через данные и эксперименты.
- Интуиция – ненадёжный советчик; решения, подкреплённые данными, A/B-тестами и статистическим анализом (закон больших чисел, парадокс Монти Холла), дают лучшие результаты.
- Проверка гипотез проходит три шага: определение ясных метрик, сбор и анализ данных с оценкой достаточной выборки, и итерационный процесс постоянного улучшения на основе полученных результатов.
Уравнение с кучей неизвестных
На самом деле маркетинг, как и математика, основан на формировании гипотез и их проверке.
Представьте, что маркетинг – это уравнение с многими неизвестными, которое мы с вами пытаемся решить.
Ведь когда мы запускаем какой-то бизнес или проект, мы не знаем, какие у нас будут охваты, какой процент взаимодействия, сколько людей перейдут, какой CTR, какая конверсия в покупателя, какой средний чек.
Мы ничего этого не знаем. Это уравнение с кучей неизвестных.
И наша с вами задача – шаг за шагом, путем проверки гипотез, путем анализа данных, все эти неизвестные сделать известными.
Чтобы узнать, например, в этом уравнении неизвестный CTR, нужно запустить рекламу и посмотреть, какой будет CTR.
Чтобы узнать коэффициент конверсии, нужно каким-то образом направить посетителей на наш сайт и посмотреть, какая часть из них покупает.
Чтобы узнать средний чек, нужно получить какое-то количество продаж.
И с каждым днем, с каждой неделей, когда мы глубже погружаемся в статистику маркетинга, у нас всё больше и больше неизвестных становятся переменными.
А вот с переменными мы уже можем работать, так же, как и математики, изменяя их, подстраивая их, увеличивая их.
Почему интуиция опасна
При этом многие владельцы бизнесов и многие предприниматели стараются сначала идти по интуиции.
Но интуиция – это двойственный советник.
Интуиция может быть полезной, но часто вводит в заблуждение.
Вспомните, что всего два века назад многие считали, что Земля плоская, полагаясь на здравый смысл, на интуицию.
Ведь мы же не падаем с Земли, как она тогда может быть не плоской.
Значит, она плоская, раз мы с неё не падаем.
И выглядело это абсолютно логично.
На самом деле, полагаться на интуицию может быть даже опасно, потому что появляется риск потерять самый ценный ресурс – время.
Интересный пример из истории больших компаний.
Компания Blockbuster в свое время отвергла предложение купить молодой стартап, который назывался и называется Netflix.
Они считали, что стриминг – это временное явление, никому не интересные платформы для видео.
Сейчас все мы знаем, где Netflix.
А кто из вас слышал о компании Blockbuster?
Мало кто.
Данные вместо предположений
Когда мы работаем с математикой, с математическим анализом в маркетинге, у нас появляется мощный фундамент для обоснованных решений, а именно данные.
Анализ данных позволяет подтвердить или опровергнуть любую гипотезу с высокой точностью.
Данные – это как карта, которая помогает не заблудиться в лесу предположений.
Когда мы создаем новый проект, новый бизнес или запускаем новый продукт, у нас просто огромнейший густой лес предположений.
А может, это сработает, а может, это сработает.
А может, вот так сделать, а может, на такую целевую аудиторию, а может, вот так настроить, а может, вот через такой ход пойти.
Все это предположения, их бесчисленное множество.
И мы можем либо в них просто блудить, либо с помощью данных и чисел начать эти предположения превращать в гипотезы.
А гипотезы – подтверждать или опровергать, выстраивая свою дальнейшую стратегию.
Сила A/B-тестирования
Огромная сила есть в АБ-тестировании, когда мы не знаем, что зайдет, какой зайдет посыл людям, что наши товары по выгодным ценам или что наши товары невероятного качества.
АБ-тест – возможность сравнить.
Части людей показать один вариант, части – другой вариант.
И пусть люди своими деньгами проголосуют за лучший вариант.
Интересно, что Google в свое время тестировал, вдумайтесь сейчас, сотни оттенков синего, чтобы найти самый кликабельный для ссылок в Google.
Обратите внимание, цвет заголовков объявлений и результата выдачи в Google.
Если вы понаходите скриншоты Google за 10 лет назад, 15 лет назад, 5 лет назад, вы увидите, что иногда он был немножко фиолетовый.
Были ссылочки иногда немножко голубые.
И финально, оттестировав сотни оттенков, Google нашёл, при каком оттенке люди кликают больше всего.
Google не строил предположений.
Он тупо, монотонно сравнивал.
Постоянно.
Два варианта.
Какой лучше?
Данные, данные, данные.
Точно так же и мы с вами можем находить наилучшие решения.
Закон больших чисел и парадокс Монти Холла
В маркетинге действует множество математических историй.
Например, закон больших чисел.
Чем больше данных мы имеем, тем точнее наши прогнозы.
Примеры жизни.
Страховые компании рассчитывают риски на основе огромных массивов данных и банки, выдавая кредиты.
И только это позволяет им быть прибыльными.
Иначе банки бы утонули в количестве не отданных кредитов.
А страховые компании бы просто обанкротились, возвращая людям страховые взносы, возвращая страховые случаи.
Но они знают, как считать вероятность риска, вероятность страхового случая, вероятность невозврата кредита.
И благодаря этому они прибыльные.
Есть очень крутой парадокс Монти Холла.
Монти Холл – это автор шоу на американском телевидении, которое заключалось в том, что вам нужно выбрать одну из трех дверей.
Ну и при этом вам мешают.
И там вот интересно, что практически всегда интуитивно правильный выбор оказывается ошибочным.
Точно так же и в маркетинге.
Неочевидные решения, но подкрепленные математикой, могут приводить к лучшим результатам.
Вместо просто интуитивного логического выбора.
Три шага проверки гипотез
Если мы говорим про проверку гипотез, то нам нужно пройти по трем шагам.
Всегда.
Шаг первый.
Это определение ясных метрик.
Что именно мы хотим измерять и какой результат считаем успешным.
Мы сравниваем, в каком сегменте лучше работать.
По какому параметру мы сможем, мы вот, например, с вами решаем, что лучше, работать с эконом-сегментом или премиум-сегментом.
Вот мы ещё не уверены.
Нам нужен параметр.
Если мы выберем параметр количества клиентов, то ясно, что количество клиентов в эконом-сегменте будет больше.
Если мы выберем параметр средний чек, то ясно, в премиум-сегменте будет выше средний чек.
Скорее всего, вероятнее всего.
Какой параметр выбрать?
В нашем случае, наверное, это чистая прибыль за какой-то период времени.
Не просто чистая прибыль.
Потому что одни и те же 10 тысяч долларов можно зарабатывать месяц, а можно 10 месяцев.
И это будут разные деньги с точки зрения эффективности бизнеса.
Поэтому, сравнивая, в каком сегменте лучше работать, наверное, месячную или квартальную чистую прибыль, в зависимости от цикла сделки.
Если мы сравниваем два объявления, то его можно сравнить и по CTR, и по конверсии после клика, и по среднему чеку, и по прибыли.
Но, сравнивая по прибыли, возникает вопрос, а сможем ли мы эти данные качественно связать между собой.
Определение правильных метрик для каждого показателя является целой наукой.
И после того, как мы её определили, эту метрику, наступает второй шаг – сбор и анализ данных.
Использование статистики для оценки результата.
Сколько нам нужно действий?
Сколько нам нужно кликов?
100, 200 или 1000?
Сколько нам нужно клиентов, чтобы понять, что лучше?
100, 200 или 1000?
Математика очень чётко на это отвечает.
В математике есть параметр, который называется величина достоверности аппроксимации, R квадрат.
И я этим параметром постоянно пользуюсь, для того, чтобы понять, а уже ли мы собрали достаточно данных?
Или ещё нужно подождать?
Можем ли мы принять решение на основании этих данных?
Или они ещё искажены могут быть?
Потому что если у нас было два клиента, и оба из них у нас купили, можно сказать, о, у нас конверсия 100%.
Но наверняка, если у нас будет 100 клиентов, из них купят уже не 100, а 87–88.
И вот это покажет реальные цифры.
Кроме того, третий шаг любой проверки гипотез – это итерационный процесс, постоянное улучшение на основе полученных данных.
Если вы проводите хоть миллион гипотез, но после всех этих тестов вы себе просто ставите галочку, о, я был прав, я молодец, моя гипотеза сработала, то вы не двигаетесь вперед.
Движение вперед – это постоянное улучшение.
Получили данные, внедрили, снова измерили.
Получили данные, внедрили, снова измерили.
Математика как путеводитель
Если заключить, то математика в маркетинге – это как путеводитель.
Проверка гипотез с помощью данных снижает неопределенность и повышает эффективность.
Всегда доверяйте своей интуиции, она у большинства из нас мощная.
Но проверяйте, пусть математика станет вашим надежным партнером в принятии решений.
Числа и источники
Числа из выпуска:
- 2 века назад люди считали Землю плоской
- 3 двери в парадоксе Монти Холла
- 10, 15 и 5 лет назад – примеры скриншотов Google с разными оттенками ссылок
- 10 000 долларов – одинаковая сумма, разная по эффективности в зависимости от срока заработка (1 месяц против 10 месяцев)
- 100 клиентов для реальной картины конверсии вместо 2, дающих ложные 100%
- 87–88 покупок из 100 клиентов – реальная конверсия вместо кажущихся 100%
- 100, 200 или 1000 кликов/клиентов – вопрос достаточной выборки для статистической значимости
Слушать дальше: 132. Ключевой параметр оптимизации · 128. Конверсии: превращаем посетителей в клиентов · 127. Переходы — мост между интересом и конверсией