Due anni di ricavi di un retailer alimentare, divisi per quello che li ha mossi. Tredici driver, in euro, con la domanda strutturale tolta così il resto si legge.
Tre dei tredici stanno sotto la linea. È la parte di questo grafico che la maggior parte dei report non ha, perché la maggior parte dei report conta solo le cose che hanno aiutato.
Il search ha contribuito per €26,5M. Il trend strutturale, che nessuno ha comprato, per €26,0M. I social per €15,5M. Poi le fasce orarie TV, poi la promozione.
E il prezzo ha tolto €73,0M.
Quella sola barra è più lunga di tutte le barre media messe insieme, ed è il motivo per cui questa analisi esiste. Un anno in cui i media hanno aggiunto €75,1M e il prezzo ne ha tolti €73,0M è un anno che nel conto economico sembra piatto e sotto è tutto tranne che piatto. Se riporti solo il contributo dei media, hai descritto un terzo di quello che è successo, e chi legge trarrà conclusioni sul marketing da un numero deciso in una riunione sui prezzi.
Tre proprietà di questa scomposizione che un report per canale non ti può dare.
I driver sono stimati insieme, quindi ognuno è al netto degli altri. La TV non si prende il merito della settimana in cui è andata in onda insieme a una promozione, e la promozione non si prende il merito della stagione in cui è caduta.
I contributi negativi possono restare negativi. Prezzo, pressione dei concorrenti e componente stagionale qui tolgono, e forzarli a zero sposterebbe in silenzio il loro effetto su quello che resta.
E la ripartizione è in unità del risultato, non in punti indice. Gli euro finiscono in un business case. I coefficienti finiscono in appendice.
Quello che cambia nella conversazione è la parte interessante. Un team marketing che può dire «abbiamo aggiunto €75,1M e le mosse di prezzo ne hanno tolti €73,0M» è in una riunione completamente diversa da uno che può dire «i nostri canali sono cresciuti del 12%». La prima è un’affermazione sul business. La seconda è un’affermazione sulla dashboard.
La domanda strutturale, i €346,6M che sarebbero arrivati comunque, è esclusa di proposito da questa vista. È trenta volte più grande della leva più grande e schiaccerebbe ogni altra barra in una riga.
Una nota su come deve essere fatto il file. Una riga per periodo, una colonna per driver, e abbastanza settimane perché i driver non si muovano tutti insieme. Qui 103 settimane e tredici driver, con flight diversi l’uno dall’altro, che è la condizione che permette a un modello di separarli.
Il caso in cui fallisce è un piano in cui tutto va in onda sempre insieme. Allora TV, search e promozione sono la stessa colonna con tre nomi, e nessun metodo le separa. Se il tuo file è così, l’output onesto è un avvertimento invece di un grafico, e dovrebbe arrivare prima della presentazione.
Il grafico è l’output reale di Scomposizione dei contributi e dei driver in TEA, eseguita su un file di esempio che chiunque può scaricare.
tea, il prodotto
Il tuo file, questa domanda
Quindici analisi su un CSV di dati settimanali, con intervalli e diagnostica in vista, e una frase chiara quando i dati non possono rispondere. Gratis durante la beta, su invito.
Chiedi un posto nella beta→tea, il prodotto
Quindici analisi econometriche sul tuo CSV: Scomposizione dei contributi e dei driver, curve di saturazione, elasticità, allocazione del budget. Intervalli e diagnostica in vista, e una frase chiara quando il file non può rispondere.
Gratis durante la beta, su invito.
Chiedi un posto nella beta →Ti è piaciuto? Eseguilo sui tuoi dati.
tea esegue Scomposizione dei contributi e dei driver e altre quattordici analisi su qualsiasi CSV settimanale, in pochi minuti. Gratis durante la beta, su invito.