Marketing vstupuje do obdobia, v ktorom nestačí byť viditeľný

Za posledný týždeň sa v marketingových správach opakoval jeden motív. Nešlo o konkrétnu platformu, formát ani kategóriu. Išlo o rozdiel medzi tým, čo marketing ovplyvnil, a tým, čo vieme dokázať.

AdExchanger upozornil, že reklamy v ChatGPT už vstupujú do mediaplánov, no atribúcia a transparentnosť za formátom zaostávajú. Search Engine Journal opísal podobnú situáciu pri AI vyhľadávaní. Vplyv na značky rastie rýchlejšie než schopnosť vysvetliť, odkiaľ prišiel.

Do toho prišla akvizícia DoubleVerify spoločnosťou Nielsen za 2,15 miliardy dolárov. Spojenie merania publika s overovaním kvality reklamy môže byť praktické. Zároveň však znamená, že ďalší významný kus reklamného merania sa dostáva pod jednu vlastnícku strechu. Marketing Dive pripomenul aj staršie otázky okolo akreditácie Nielsen a nezávislosti merania.

Rovnaký problém vidno aj v kreatíve. Výskum Omnicom Media Intelligence uvádza, že 80 % ľudí považuje zlú reklamu za horšiu než žiadnu reklamu. Kampaň však môže mať perfektné doručenie, presné publikum a nízku cenu za klik. Ak reklamu nikto nezaregistruje alebo si ju nespojí so značkou, dashboard môže reportovať úspech, zatiaľ čo obchod reportuje ticho.

Čo tieto správy spája? Marketing dostal viac automatizácie, viac dát a viac miest, kde môže byť značka uvedená. Nedostal však automaticky lepší systém na určovanie príčiny a následku.

To je rozdiel medzi reportingom a meraním. Reporting hovorí, čo sa stalo v konkrétnom systéme. Meranie sa snaží zistiť, čo by sa bez kampane nestalo.

Pri kliku sa to ešte dá predstierať pomerne ľahko. Pri značke, odporúčaní AI, televízii, podcastoch, retail médiách alebo viackanálovej kampani už oveľa menej. A práve tam sa bude v najbližších rokoch rozhodovať o tom, či firmy budú marketing riadiť, alebo iba komentovať.

Tri čísla, ktoré si netreba zamieňať

Doručenie hovorí, či sa reklama zobrazila, prehrala alebo bola dostupná používateľovi. DoubleVerify overuje napríklad viditeľnosť, skutočné doručenie a vhodnosť prostredia pre značku.

Reakcia hovorí, či človek klikol, navštívil web, vyplnil formulár alebo vykonal inú merateľnú akciu.

Obchodný výsledok hovorí, či vznikla zákazka, marža, opakovaný nákup alebo iná hodnota pre firmu.

Tieto tri vrstvy spolu súvisia, ale nie sú zameniteľné. Viditeľná reklama nie je automaticky účinná reklama. Klik nie je automaticky zákazník. Zákazník, ktorý prišiel po kampani, zase nemusí byť celý jej výsledok.

Čo si z toho zobrať? Pri každej kampani si pred spustením napíšte, ktoré číslo je iba dôkazom doručenia, ktoré je signálom záujmu a ktoré má rozhodovať o ďalšom rozpočte. Ak to neviete oddeliť, nemáte merací plán, iba zoznam metrík.

AI vyhľadávanie mení atribúciu z cesty na vplyv

Klasická atribúcia predpokladá, že zákazník zanecháva stopu. Klikne na reklamu, príde na web, navštívi produkt, odošle formulár a nakúpi. Táto cesta nikdy nebola úplne lineárna, ale digitálne nástroje vytvorili dojem, že ju vieme spätne poskladať.

AI odpovede tento dojem oslabujú. Používateľ položí otázku, dostane zoznam odporúčaní, prečíta si odpoveď a následne značku vyhľadá priamo, navštívi predajňu alebo sa opýta iného človeka. Klik na pôvodný zdroj nemusí nastať vôbec.

Analýza Kevina Indiga, ktorú zhrnul Search Engine Journal, uvádza, že 91 % citácií sa objavilo iba v jednom z troch sledovaných prostredí, ChatGPT, Perplexity a Google AI Overviews. Prekryv medzi platformami je preto malý. Značka, ktorá sleduje iba jeden nástroj, vidí iba časť svojej prítomnosti.

Podľa ďalšieho zistenia z tejto analýzy si približne 3 zo 4 spotrebiteľov vyberú prvý výsledok v AI zozname. To zvyšuje význam poradia a kontextu. Zároveň to neznamená, že každý prvý výsledok vytvorí nákup. Znamená to, že pozícia v odpovedi môže ovplyvniť rozhodovanie skôr, než sa používateľ dostane na firemný web.

Značka môže byť známa, ale nie odporúčaná

Výskum agentúry Victorious testoval 175 značiek v 5 odvetviach na 8 AI platformách. Keď sa systémov pýtali, aby značku opísali, odpovedali správne v 96 % prípadov. Pri nákupných otázkach sa však 89 % značiek v odpovedi vôbec neobjavilo, uvádza Search Engine Journal.

To je praktický rozdiel medzi známosťou a mentálnou dostupnosťou. Model môže vedieť, že značka existuje. Keď však používateľ hľadá riešenie, značka sa nemusí dostať medzi odporúčané možnosti.

Pre marketéra to vytvára nový druh problému. Nestačí sledovať, či AI systém značku pozná. Treba sledovať, pri akých otázkach ju spomenie, s čím ju porovná, aký atribút jej pripíše a či odkáže na dôveryhodný zdroj.

Toto však nie je náhrada za klasické SEO. Je to ďalšia vrstva viditeľnosti, ktorá potrebuje vlastný výskumný panel. V praxi môže ísť o 30 až 100 pravidelne testovaných otázok, ktoré pokrývajú kategóriu, problémy zákazníkov, porovnania a nákupné situácie.

Výsledkom nebude presné číslo tržieb spôsobených jednou odpoveďou. Výsledkom bude trend. Zistíte, či vás AI systémy uvádzajú častejšie, či sa mení opis značky a či sa medzi odporúčaniami objavujú nesprávne alebo zastarané informácie.

Čo si z toho zobrať? AI viditeľnosť merajte ako výskum trhu, nie ako klasickú konverznú kampaň. Zaveďte stálu vzorku promptov, archivujte odpovede a porovnávajte značku s konkurenciou. Nepripisujte AI každú návštevu, ktorú neviete vysvetliť.

Platformové dáta sú užitočné, ale nie sú nezávislým rozsudkom

Reklamné platformy dnes vedia reportovať viac než kedysi. Problémom nie je nedostatok údajov. Problémom je, že väčšina údajov vzniká u subjektu, ktorý reklamu predáva.

Platforma vie najlepšie zmerať vlastné doručenie. Vie, komu reklamu zaradila, koľko klikov zaznamenala a aké konverzie jej systém pripísal. Menej spoľahlivo vie odpovedať na otázku, čo by sa stalo, keby sa reklama nezobrazila.

To je dôvod, prečo akvizícia DoubleVerify spoločnosťou Nielsen nie je iba finančná správa. AdExchanger ju opisuje ako snahu spojiť dáta o publiku s overením kvality reklamy. Pre inzerenta to môže zjednodušiť proces.

Lenže pohodlie a nezávislosť nie sú to isté. Ak jeden dodávateľ poskytuje údaje o publiku, overuje doručenie a zároveň pomáha vysvetľovať účinnosť kampane, firma by mala poznať jeho metodiku a vlastnícke vzťahy.

DoubleVerify používa štandardy overovania akreditované Media Rating Council. Nielsen v oznámení tvrdí, že nezávislosť DoubleVerify zostane zachovaná. To je prísľub strán transakcie, nie výsledok auditu po jej dokončení.

Zároveň platí, že Nielsen v roku 2021 prišiel o akreditáciu národného a lokálneho televízneho merania po problémoch s podhodnotením sledovanosti počas pandémie. Národnú akreditáciu získal späť v roku 2023, no história ukazuje, prečo nestačí prijať slovo nezávislý bez otázok.

Čo má firma kontrolovať

Pri každom dôležitom meraní by mali existovať aspoň 3 oddelené vrstvy kontroly:

  1. Platformový report, ktorý ukazuje doručenie a optimalizačné signály.
  2. Vlastné firemné dáta, ktoré ukazujú návštevy, leady, zákazky, maržu a opakované nákupy.
  3. Kontrolný prístup, napríklad experiment, geo-test, prieskum alebo druhý merací zdroj.

Nie každá malá firma potrebuje drahý audit. Každá firma však potrebuje vedieť, čo je vlastná evidencia a čo je tvrdenie dodávateľa.

V spore medzi Teads a Google sa tento problém objavuje ešte ostrejšie. Teads tvrdí, že Google cez prepojenie Google Ads a AdX znevýhodňoval konkurenčné burzy a že išlo približne o 6,88 bilióna zobrazení. Adweek však upozorňuje, že žaloba neuvádza metodiku tohto odhadu.

Číslo preto nemožno používať ako dokázanú škodu. Je to tvrdenie jednej strany v právnom spore. Teads je piatym veľkým SSP, teda platformou na strane predajcu reklamného priestoru, ktorý za posledný rok zažaloval Google. Samotný počet žalôb je signál koncentrácie trhu, nie automatický dôkaz každého obvinenia.

Pre zadávateľa reklamy z toho vyplýva jednoduché pravidlo. Ak neviete, cez akú technológiu prechádza rozpočet, aké poplatky sa odpočítavajú a kto rozhoduje o aukcii, nemeriate celý nákup. Meriate iba posledný report, ktorý vám niekto poskytol.

Čo si z toho zobrať? Nežiadajte od jedného dodávateľa, aby bol zároveň predajcom, rozhodcom aj jediným svedkom. Pri väčších rozpočtoch si overujte doručenie a výsledok oddelene. Pri menších rozpočtoch aspoň porovnávajte platformové dáta s faktúrami, CRM a skutočnými objednávkami.

Kreatíva je premenná, ktorú dashboard často nevidí

Meranie marketingu sa historicky prikláňa k tomu, čo sa dá ľahko spočítať. Preklik má presné číslo. Dosah má presné číslo. Cena za lead má presné číslo. Zapamätanie značky, dôveryhodnosť alebo dôvod, prečo si človek reklamu spojil s konkrétnym produktom, sa merajú ťažšie.

Preto firmy často optimalizujú to, čo je dostupné v reporte. Nie to, čo rozhoduje o zákazke.

Výskum Omnicomu uvádza, že 84 % respondentov vníma pozitívnejšie reklamy blízke ich osobnej skúsenosti. Správne načasovanie oceňuje 78 % respondentov a 30 % tvrdí, že lepší reklamný zážitok zvyšuje ich nákupný zámer. Tieto čísla nehovoria, že každá personalizovaná reklama funguje. Hovoria, že skúsenosť s reklamou je súčasťou výsledku.

Šestnásť rokov v marketingu ma naučilo, že kreatíva porazí cielenie častejšie, než si firmy pripúšťajú. Zlá reklama sa nedá zachrániť presnejším publikom. Dobrý nápad zase nepotrebuje dokonalý zásah, aby vytvoril prvý signál záujmu.

AI tento problém nerieši automaticky. Dnes najviac pomáha pri objeme variantov. Vie pripraviť 15 titulkov, rôzne úvody videa alebo kombinácie vizuálu a ponuky. Nevie však sama rozhodnúť, ktorý problém má značka vlastniť, čo je dôveryhodné pre slovenskú a českú cieľovú skupinu a za čo bude firma ochotná ručiť.

Automatizácia preto môže zlepšiť testovanie, ale môže aj zrýchliť výrobu nevýrazných reklám. Ak každá varianta vychádza z rovnakého slabého briefu, výsledkom nebude učenie. Bude to len väčší počet priemerných kusov.

Ako kreatívu merať bez predstierania presnosti

Pri kampani si rozdeľte meranie na 4 otázky:

  • Všimol si človek reklamu? Použite brand lift, prieskum alebo test zapamätania, ak je rozpočet dostatočný.
  • Spojil si ju so značkou? Sledujte spontánnu a podporenú znalosť, vyhľadávanie značky a priamu návštevnosť.
  • Vznikol záujem? Merajte kvalitné návštevy, konfigurácie, registrácie, dopyty a ďalšie medzikroky.
  • Vznikol obchod? Prepojte kampaň s CRM, maržou, opakovaným nákupom a reálnou hodnotou zákazníka.

Malá firma nemusí robiť všetko naraz. Musí však vedieť, ktorú otázku práve testuje. Reklama určená na budovanie známosti sa nemá hodnotiť iba podľa okamžitého predaja. Reklama určená na získanie leadov zase nemá dostať pochvalu za pekný dosah, ak leady nemajú obchodnú hodnotu.

Čo si z toho zobrať? Kreatíva potrebuje vlastnú hypotézu. Napríklad, že konkrétny zákaznícky problém, dôkaz a vizuálny prvok zvýšia kvalifikované dopyty o určitý podiel. Bez hypotézy testujete formáty, nie marketing.

Ako si postaviť merací systém, ktorý prežije ďalšiu platformu

Bežná stredoeurópska firma s 20 ľuďmi nepotrebuje dátové oddelenie. Potrebuje menej metrík, jasné definície a pravidelný proces. Merací systém sa dá postaviť v 5 krokoch.

1. Začnite obchodným výsledkom

Najprv si definujte, čo je pre firmu výsledok. Môže to byť hrubá marža, počet zákaziek, hodnota nových kontraktov, opakovaný nákup alebo návratnosť kapitálu. Klik, návšteva a lead sú iba medzikroky.

Ak predávate B2B službu, lead nemusí byť výsledok. Dôležitá môže byť hodnota príležitosti v CRM a počet obchodov, ktoré prešli do ďalšej fázy. Ak predávate e-shopový sortiment, bude dôležitejšia marža po odpočítaní zliav, dopravy a nákladov na vrátenie.

2. Zaveďte slovník udalostí

V analytike si presne pomenujte udalosti. „Konverzia“ je príliš všeobecné slovo. Rozlíšte odoslaný formulár, kvalifikovaný lead, uskutočnený hovor, ponuku, zákazku a zaplatenú objednávku.

Pri každej udalosti určte vlastníka. Marketing môže vlastniť meranie formulára. Obchod musí potvrdiť, či je lead kvalifikovaný. Financie alebo vedenie musia potvrdiť, ktorá hodnota sa má používať pri rozhodovaní o rozpočte.

3. Oddeľte report od rozhodnutia

Platformový report si nechajte ako diagnostiku. Rozhodnutie o rozpočte robte z kombinácie platformových dát, CRM a účtovných výsledkov.

Ak Meta alebo Google hlási rast konverzií, no CRM neukazuje viac kvalifikovaných príležitostí, nepresúvajte automaticky peniaze. Najprv skontrolujte definíciu konverzie, atribučné okno, duplicity a kvalitu dopytov.

4. Testujte príčinu, nie iba súvislosť

Pri väčšom rozpočte použite geo-test, holdout skupinu alebo postupné vypnutie kampane v porovnateľnej časti trhu. Pre slovenskú a českú firmu to môže znamenať porovnanie regiónov, predajných tímov alebo časových období. Rozdiely musíte interpretovať opatrne, pretože trhy sa líšia veľkosťou, konkurenciou aj sezónnosťou.

Ak experiment nie je možný, použite aspoň viac zdrojov. Porovnajte platformu, CRM, analytiku, fakturáciu a priamy prieskum. Nie je to dokonalá kauzalita. Je to lepšie než slepá dôvera v jedno číslo.

5. Archivujte zmeny

Pri AI odpovediach ukladajte prompt, dátum, platformu, odpoveď a odkazy. Pri reklamných kampaniach ukladajte verziu kreatívy, publikum, rozpočet, obdobie a zmenu v nastavení. Bez histórie neviete, prečo sa výsledok zmenil.

Raz mesačne si položte 5 otázok:

  1. Ktoré číslo sa zmenilo?
  2. Je zmena v platforme, na webe alebo v obchode?
  3. Máme dôkaz, že ju spôsobila kampaň?
  4. Čo by sme čakali, keby kampaň nebežala?
  5. Aké rozhodnutie z toho urobíme?

Posledná otázka je najdôležitejšia. Report bez rozhodnutia je len literatúra faktu s farbami.

Čo to znamená pre slovenskú a českú firmu

Pre slovenskú a českú firmu s obmedzeným rozpočtom nie je hlavnou hrozbou to, že jej chýba prístup k najnovšiemu reklamnému formátu. Hlavnou hrozbou je, že za nový formát zaplatí skôr, než vie, ako rozlíši jeho účinok od ostatných vplyvov.

ChatGPT reklamy môžu mať nízku vstupnú bariéru. AdExchanger uvádza CPC bidding, pixel tracking, conversion APIs a takmer nulový minimálny rozpočet. To je vhodné na experiment. Nie je to dôvod zaradiť formát do trvalého mediaplánu bez vlastného merania.

Marketingový manažér by mal pred testom definovať 1 obchodný cieľ, 2 až 3 medzikroky a pravidlo ukončenia. Napríklad, kampaň bude bežať 30 dní, no rozpočet sa nezvýši, kým kvalifikované leady nebudú mať rovnakú alebo lepšiu maržu než porovnávací kanál.

Obchodný tím musí dostať informáciu, že zdroj leadu nie je výsledok. Musí označiť kvalitu, stav príležitosti a výslednú hodnotu. Inak bude marketing optimalizovať na formuláre, ktoré obchod nechce.

Majiteľ alebo finančný riaditeľ by mal raz mesačne vidieť jednoduchý prehľad: náklady, počet kvalifikovaných príležitostí, získanú tržbu, hrubú maržu a čas od prvého kontaktu po obchod. Pre B2B firmu môže byť horizont 3 až 12 mesiacov. Pre e-shop skôr dni až týždne. Rovnaký atribuční model preto nebude fungovať pre obe situácie.

Pri AI viditeľnosti je vhodný mesačný proces. Marketing pripraví panel promptov v slovenčine a češtine, prípadne v angličtine, ak firma cieli aj na zahraničie. Zaznamená zmienky, poradie, zdroje a chyby. Obsahový tím potom opravuje primárne zdroje, produktové stránky, referencie a vysvetlenia, z ktorých môžu AI systémy čerpať.

Právne a dátové riziko sa týka oboch krajín, no konkrétne pravidlá sa môžu líšiť podľa použitého nástroja, zmluvy a typu údajov. Pri osobných údajoch treba zapojiť človeka zodpovedného za ochranu údajov. Pri reklamnom meraní treba skontrolovať súhlasy, cookies, server-side meranie a zmluvné podmienky dodávateľov.

Najväčšia príležitosť je organizačná. Malá firma môže byť rýchlejšia než veľká spoločnosť, ktorá má viac dashboardov, ale nikto nevie, ktorý rozhoduje. Ak raz týždenne porovná vlastné obchodné dáta s platformovým reportom, dokáže odhaliť nezrovnalosť skôr, než sa z nej stane štvrťročný omyl.

Čo si o tom myslím a čo z toho plynie pre firmy

Za posledný týždeň som nevidel dôkaz, že marketing potrebuje ďalší dashboard. Videl som dôkaz, že potrebuje lepšiu disciplínu pri rozhodovaní. Reklama v ChatGPT, AI odporúčania, meranie Nielsen a DoubleVerify aj kreatívne testovanie riešia odlišné časti systému, no všetky narážajú na rovnakú hranicu: platforma vie veľmi presne opísať svoju vlastnú aktivitu, nie vždy však vie dokázať obchodný prírastok.

Moja pozícia je preto praktická. Kým nepoznáte vlastnú definíciu výsledku a neviete ju prepojiť s CRM alebo fakturáciou, nepomôže vám ani presnejší model, ani nový reklamný formát. Firmy sa často pýtajú, ktorý nástroj je najlepší. Rozdiel medzi nástrojmi je však pri malom objeme dát menší než rozdiel medzi dobrým a zlým meracím procesom.

Pri AI viditeľnosti by som bol ešte opatrnejší. Sledovanie zmienok a citácií má zmysel, ale nemali by sme z neho vyrábať falošnú atribúciu. Ak AI spomenie značku a o týždeň narastie priamy predaj, je to zaujímavá súvislosť. Nie je to automaticky dokázaná príčina. Marketing si už dosť dlho zamieňa časovú následnosť za dôkaz.

Dôsledok pre bežnú stredoeurópsku firmu je konkrétny. Najbližších 30 dní by som nerozširoval počet kanálov. Zjednotil by som definície v analytike a CRM, oddelil platformové čísla od obchodných výsledkov a vybral 1 kontrolný experiment. Pri každom novom formáte by firma mala vedieť, koľko môže minúť na učenie, kedy test končí a kto rozhoduje o pokračovaní.

Úspora nevznikne tým, že marketingový tím prestane pracovať s reportmi. Vznikne tým, že prestane presúvať peniaze podľa metrík, ktoré nemajú väzbu na maržu. Toto je práca pre marketing, obchod aj financie. Ak ju vlastní iba marketing, bude mať síce viac dát, ale nie nevyhnutne viac kontroly.

Môj záver je jednoduchý. V prostredí, kde platformy vlastnia stále väčšiu časť distribúcie aj merania, sa nezávislé firemné dáta stávajú konkurenčnou výhodou. Nie preto, že sú dokonalejšie. Preto, že patria firme a dajú sa porovnať naprieč kanálmi.

Ako to bude vyzerať o rok

O rok bude viac marketingových rozhodnutí ovplyvnených systémami, ktoré používateľovi odpovedia skôr, než navštívi web. Viac reklamy sa bude nakupovať automaticky. Viac kreatív vznikne s pomocou AI. Viac reportov bude vyzerať presne.

Presnosť reportu však nie je presnosť poznania. Firma môže mať číslo na každú fázu kampane a stále nevedieť, prečo zákazník kúpil. Preto sa bude rozdiel medzi firmami zväčšovať podľa toho, kto si udrží vlastnú evidenciu rozhodnutí, experimentov a výsledkov.

Najlepšie systémy nebudú tie, ktoré merajú všetko. Budú merať dosť na to, aby sa podľa nich dalo konať, a zároveň budú otvorené oprave, keď sa ukáže, že predpoklad bol chybný.

Výzva na AI implementáciu dňa

Do 7 dní nasaďte jednoduchý AI panel viditeľnosti značky. Vytvorte 30 otázok, ktoré sa zákazníci pýtajú pri výbere vášho produktu. Rozdeľte ich na kategóriu, porovnanie, cenu, problém a nákupnú situáciu. Raz týždenne ich spustite v ChatGPT, Perplexity a Google AI Overviews, výsledky uložte do Google Sheets a pomocou AI označte zmienku značky, poradie, odporúčaný dôvod a zdroj odpovede.

Marketingu to zoberie približne 2 hodiny mesačne namiesto ručného hľadania. Prvé nastavenie zvládnete za 4 až 6 hodín. Najčastejšie to padne na tom, že firma sleduje iba počet zmienok a ignoruje nesprávne informácie alebo slabé primárne zdroje.

Vyberte dnes prvých 30 otázok a na konci týždňa porovnajte odpovede s konkurenciou.