Tahad Tulimustal auhinna võita? Siis tasub seda lugu lugeda. Tõstame esile parimaid varasemate aastate töid ning toome välja nende tugevused. Nii on sul lihtsam valida, mis tööd millisesse kategooriasse esitada. Sel korral on fookuses andmekategooria koos oma kahe alamkategooriaga: andmekasutus: kvantitatiivne ja andmekasutus: kvalitatiivne.

Pingutada igatahes tasub, sest esmakordselt saadab TULI tänavu konkursi võitja oma kulude ja kirjadega Euroopa parimatega konkureerima. Nimelt saab Grand Prix’ga triumfeerinud projekt osaleda tasuta mainekal Effie Europe konkursil, mida võib täiesti liialdamata kutsuda efektiivse turunduse Cannes Lions’iks.

Loe juhendit

Esita töö

Loe, mida esitada brändikategooriasse

Teiseks kategooriaks on Andmed. Järgnevatel nädalatel peatume pikemalt ka kategooriatel Tulemus ja Muutus.

Kategooria tunnustab töid, mis põhinevad tugevatel andmepõhistel otsustel ja tarbijainsight’idel. Hinnatakse, kuidas andmeid on kogutud, analüüsitud ja tõlgendatud ning kuidas need teadmised on aidanud saavutada eesmärke.

“Tulimustal tunnustame andmepõhiseid lahendusi kahes kategoorias: kvantitatiivne andmekasutus ja kvalitatiivne andmekasutus,” ütleb Turundajate Liidu juhatuse liige Aleksandr Dmitrijev. “Mõlemal juhul on fookuses küsimus: kuidas andmetest sündinud teadmised viisid efektiivsema turunduseni?”

2.1 Andmekasutus: kvantitatiivne – tegevused, mis tuginevad kvantitatiivsele andmeanalüüsile, nagu tarbijakäitumise uuringud, turuandmed või meedia tarbimise mustrid. Näidatakse, kuidas numbrilised andmed on viinud parema loovlahenduseni, täpsema sihtimiseni ja paremate tulemusteni.

Võimalikud KPI-d: auditooriumi segmenteerimise efektiivsus (Segmentation Efficiency %), ROI, meediaplaani efektiivsus (Media Plan Efficiency, reach vs. cost), käitumuslikud muutused (Behavioral Changes) jne.

Aleksandr Dmitrijev toob eeskujuna välja 2023. aasta andmekasutuse võitja – Analytical Alley poolt PHH Groupile tehtud töö. 

“PHH Groupi ja Analytical Alley koostöös loodi Dynio, dünaamiline statistiline modelleerimissüsteem, mis lõi ühenduse kõigi müügikanalite, makromajanduslike faktorite ja meediategevustega ning võimaldas ennustada ROI’d ja optimeerida meediaotsuseid. Sihiks oli muuta turundus peamiseks ärieesmärkide saavutamise tööriistaks, mitte kuluallikaks. 

Eesmärgid

• Suurendada PHH brändide turuväärtust 2023. aastaks keskmiselt 37%.
• Tõsta neljal brändil viiest meedia ROI’d vähemalt 22% võrra.
• Tagada analüütilise süsteemi täpsus > 95% ennustuste tasemel.

Töö etapid

• Andmete kogumine: müügitulemused, makromajanduslikud näitajad, konkurentide kampaaniad, ilmastikuandmed jne.
• Modelleerimine: mitme muutujaga lineaarsed mudelid, regARIMA, Random Forest jt meetodid.
• Ennustuste genereerimine ning meediaplaanide optimeerimine mudelite baasilt.
• Igakuine mudelite uuendus ja täpsustamine vastavalt uutele andmetele ja turumuutustele.

Tulemused

• Meedia panus turuväärtuses: 45–60 % sõltuvalt brändist.
• Meedia ROI kasv: +22% võrreldes aasta varasemaga.
• Neli viiest brändist saavutas seatud ärieesmärgid.
• Mudel võimaldas optimeerida meediaeelarveid ja ennetada ebaefektiivseid investeeringuid.”

“Google Analytics on sageli “püha graal”, kuid see mudel suutis ületada cookie-põhise jaotuse piiranguid ning tuua välja offline-kanalite mõju,” sõnab Dmitrijev. “See analüüsis uuenduslikult kogu turundust tervikuna, mitte ainult kanalipõhiselt. Dynio mudeli adaptatiivsus ja kavandamise ennetav võime andis turundusele strateegilise eelispositsiooni.”

2.2 Andmekasutus: kvalitatiivne – tegevused, mis tuginevad kvalitatiivsele uurimistööle, nagu fookusgrupid, süvaintervjuud või kultuurilised tähelepanekud. Oluline on näidata, kuidas süvitsi mõistetud tarbijakogemus on suunanud loovlahendusi ja strateegiat.

Võimalikud KPI-d: brändi tajumine (Brand Perception), brändi vastuvõtt ja tagasiside (Brand Sentiment), brändi eelistus (Brand Preference), fookusgruppi tulemused (Focus Group Score), kaasatusemäär (Engagement Rate) jne.

Dmitrijev toob eeskujuks Coopi personaalsete pakkumiste lansseerimise (esitajaks Tank), mis võitis mullu andmekategoorias esikoha. 

“Coopi kampaania ei olnud puhtalt kvalitatiivne uuring – see ühendas tarbijauurimused ja kvantitatiivsed ostuandmed, et luua personaalseid pakkumisi, mis põhinesid tõelistel tarbijamudeldustel,” kirjeldab Dmitrijev. “Loovagentuur ja meediaagentuur tegid tihedat koostööd, et insight’idest sünniks loovlahendus, mis reageeriks reaalsetele ostumustritele.”

Eesmärgid

• Aktiveerida Coopi liikmeid kasutama personaalseid pakkumisi.
• Tõsta nendes segmentides konversioonitaset võrreldes tavapakkumistega.
• Luua turundusstruktuur, mis suudab kohanduda eri segmenteerimisandmetega reaalajas.

Töö etapid

• Kvalitatiivne uuring: fookusgrupid, süvaintervjuud, tarbijakogemuste analüüs.
• Kvantitatiivne analüüs: ostuharjumuste andmed ja segmentide eristamine.
• Insight’i ja loovlahenduste süntees: meediaplaan ja loovmaterjalid, mis räägivad otse segmendile.
• Katse- ja optimeerimistsüklid: personaalsed pakkumised, tulemuste jälgimine ja kohandamine.

Tulemused

• Uute personaliseeritud pakkumiste kasutuselevõtt oli statistiliselt märgatav.
• Segmentide konversioon kasvas võrreldes kontrollgruppidega.
• Brändi tajumine paranes – klientide tagasiside näitas paremat sobivust ja empaatiat.
• Kampaania omandas kõrgema engagement’i ja lojaalsuse markerid segmentide vahel.”

Kuigi kasutati kvalitatiivseid meetodeid, oli kampaania juures oluline andmeline alus: see ei olnud “oma kõhutunde järgi” loov, vaid insight’ist sünteesitud loovlahendus,” põhjendab Dmitrijev. “Just selle sünergia tõttu suudeti luua personaliseeritud kommunikatsioon, mis kõnetab sihtgruppi. Tulimusta andmekategooria kutsub eriti loovagentuure – just teie igapäevane töö ja teravad insight’id aitavad luua kampaania, mis on kvaliteedi ja tulemuste osas teistele eeskujuks.  

Need kaks näidet näitavad hästi, kui mitmekesine võib andmekasutus olla. Üks töö (PHH) tõi esile kvantitatiivse modelleerimise võime optimeerida ja ennustada. Teine töö (Coop) rõhutas, et andmepõhine insight ei tähenda pelgalt pehmet tajutunnetust, vaid võib sünergias andmetega luua personaliseeritud lahendusi, mis toovad ärilisi tulemusi.”

Dmitrijev julgustab loovagentuure projekte esitama just kvalitatiivse andmekasutuse kategooriasse. 

“Sageli sünnivad kõige tugevamad insight’id just teie igapäevatöös – käitumismustrite märkamisest, kultuuriliste eripärade tõlgendamisest ja nendest loodud loovlahendustest,” ütleb ta. 

Autor: Siim Kera, TULI

Kõik uudised