Real Affinity Index – Ulepszona wersja Affinity Index

Streszczenie

Obecnie, na etapie planowania kampanii powszechnie wykorzystuje się Affinity Index (skrót Aff). Jest to wskaźnik dopasowania medium/placementu do grupy docelowej. Wartość większa niż 100 oznacza nadreprezentację TG w danym placemencie. Dokładna definicja Aff brzmi: dopasowanie użytkowników grupy celowej na wybranej witrynie w stosunku do dopasowania użytkowników grupy celowej w całej populacji*.

Wskaźnik ten jest bardzo prosty do policzenia. Należy znać dwie dane:

• procent TG wśród użytkowników całego Internetu
• odsetek TG wśród użytkowników danego placementu

Następnie wystarczy te wartości podzielić przez siebie i pomnożyć przez 100. Tym sposobem jeśli występuje nadreprezentacja osób z TG, Aff wyjdzie większy niż 100.

Mimo powszechności wykorzystania Affinity Index może on wprowadzać w błąd. Jeśli przykładowo target grupą kampanii są wszystkie osoby w wieku między 18 a 34 lata, a w media planie występują dwa następujące placementy:

• A – Affinity Index: 110, medium nie umożliwia targetowania demograficznego
• B – Affinity Index: 110, medium targetowane demograficznie do osób 18-34 lat

W media planie obydwa placementy uzyskają ten sam Affinity Index wynoszący 110, mimo, iż jest to sprzeczne ze zdrowym rozsądkiem – medium B będzie dużo lepiej dopasowane – reklamy trafią tylko do osób z target grupy.

Mniej czekolady, a cena ta sama? UOKiK sprawdzi praktyki Danone, Mondelez, Nestlé i Unilever

W związku z powyższym w niniejszym artykule zaproponowany został Real Affinity Index jako ulepszona wersja Affinity Index.

Słowa kluczowe

Real Affinity Index, Raff, Miary internetowe, miary marketingowe, Affinity Index, affinity ratio, aff, afi, współczynnik dopasowania, zasięg, porównanie mediów

Affinity Index – obecne zastosowanie

Obecnie Affinity Index często pokazywany jest w media planach jako wskaźnik dopasowania danego placementu do target grupy kampanii. Na jego podstawie można w podstawowy, lecz bardzo szybki sposób, ocenić jakość poszczególnych placementów jak i całości media planu (np. czy placementy mają Aff powyżej 100).

Przedstawiając to na przykładzie. Załóżmy, iż planujemy kampanię skierowaną na szeroką grupę wiekową 16-34. Dzięki Megapanelowi* możemy sprawdzić Affinity Index poszczególnych placementów. Poniżej przykładowy zrzut ekranu z tego narzędzia:

Jak widać dla ostatniego placementu (filmweb.pl) Affinity Index wynosi blisko 126. Oznacza to, iż placement ten jest dopasowany lepiej od pierwszego (facebook.com), który ma blisko 108. Problemem jest jednak to, iż pierwszy placement umożliwia targetowanie demograficzne. W związku z tym liczba 108 wprowadza w błąd – pokazuje, iż dotarcie jest gorsze niż w przypadku placementu o Aff 126, gdy tak naprawdę jest lepsze – osoby spoza przedziału wiekowego 16-34 nie zobaczą reklamy.

Przedstawiając to liczbowo:

Gdzie:

x % – odsetek internautów 16-34 w placemencie filmweb.pl
45,34% – odsetek internautów 16-34 w polskim internecie

W związku z powyższym x=57,01%. Oznacza to, iż z np. 100 wyświetleń reklamy na tym placemencie 57 zostanie zobaczone przez osoby 16-34. Gdy 43 zostanie zobaczone przez osoby spoza targetu*.

W niniejszym artykule zostanie zaproponowany sposób obliczania nowego wskaźnika – Real Affinity Index (Raff), który bierze pod uwagę możliwość targetowania demograficznego.

Opcja 0 – Standardowy Affinity Index

Załóżmy, iż TG planowanej kampanii to All 18-24. Jednocześnie klient zdecydował, iż reklamy mają pojawiać się tylko na stronie ABC. 12% użytkowników tej strony to osoby z tego przedziału wiekowego. Ponadto 15% użytkowników Internetu znajduje się w tej grupie. Podsumowując założenia:

• TG: 18-24 All
• 15% użytkowników Internetu w Polsce to osoby z TG
• Reklamy będą wyświetlane tylko na stronie ABC.
• 12% użytkowników strony ABC to osoby z TG.

W powyższym przypadku obliczenie Affinity Index jest następujące:

Wynik jest poniżej 100, oznacza to słabe dopasowanie strony ABC do target grupy.

Przykład 2: 

• TG: 18-64 All – co stanowi 80% użytkowników Internetu w Polsce
• Strona na której będą wyświetlane reklamy kampanii: prawiesredniastrona.pl – 81% użytkowników strony to osoby z TG

Affinity index jest nieznacznie powyżej 100, oznacza to wciąż umiarkowane dopasowanie do TG.

W przypadku braku dodatkowego targetowania (np. demograficznego) postulowany Raff (Real Affinity Index) równa się Affinity index.

Opcja 1 – Targetowanie jedynie TG

Co w przypadku możliwości zawężenia targetowania o grupy demograficzne?

Jeśli przyjmiemy założenie, iż strona ABC znajduje się np. w sieci Google Display Network możliwe będzie targetowanie jedynie użytkowników 18-24, którzy odwiedzą stronę ABC. W takim przypadku Affinity Index nie ulegnie zmianie i wciąż będzie wynosił 80.

Postulowany Real Affinity Index zostanie policzony ze wzoru:

100% ukazuje, iż kampania trafia wyłącznie do osób z target grupy. 15% standardowo odpowiada udziałowi TG wśród użytkowników Internetu.

Przykład 2:

TG: All 18-64 (80% użytkowników Internetu). Okazuje się, iż reklamodawca strony prawiesredniastrona.pl umożliwia targetowanie demograficzne* osób 18-64. W takim przypadku Affinity Index nie zmieni się (101), jednakże postulowany Real Affinity Index zmieni się znacząco. Kampania będzie kierowana wyłącznie do TG:

Należy zauważyć, iż nie jest istotne dla obliczenia Raff, czy kampania będzie targetować jedną stronę, czy cały Internet. Dodatkowo, jak widać na powyższych przykładach Raff może różnić się wielokrotnie w porównaniu do Aff.

Powyższe przykłady były idealnymi – w ich przypadkach możliwość targetowania dokładnie odpowiadała target grupie. Należy zadać pytanie, co jeśli możliwe jest targetowanie jedynie części TG?

Opcja 2 – Targetowanie szersze niż TG

Założenia:

• TG: 20-24 All (co stanowi 10% użytkowników Internetu)
• Możliwość targetowania: 18-24 All (co stanowi 15% użytkowników Internetu)

Jak w takim przypadku obliczyć Real Affinity Index?

Aby rozwiązać ten problem należy przyjąć, iż funkcja Raff jest liniowa. Zawsze możliwe będzie określenie jej dwóch punktów:

• Punkt A – targetowanie całego Internetu – co oznacza Raff=Aff=100
• Punkt B – targetowanie jedynie TG – co oznacza maksymalny Raff dla danej TG

Punktu A nie trzeba obliczać – targetując cały Internet Raff zawsze wyniesie 100, niezależnie od TG. Do obliczenia punktu B należy podzielić 100% (idealne targetowanie, tak jak w Opcji 1) przez udział TG wśród użytkowników Internetu tj.:

Dzięki powyższemu uzyskujemy 2 punkty:

• A – targetowanie 100% użytkowników Internetu, Raff = 100
• B – targetowanie jedynie TG (tj. dla tego przykładu jest to 10% użytkowników Internetu). Jest to maksymalny Raff możliwy do uzyskania dla danej TG. Zgodnie z obliczeniami Raff = 1000 w przypadku dokładnego targetowania 10% użytkowników Internetu.

Punkty A i B można przedstawić na wykresie.

Ostatnią rzeczą w przypadku bieżącej Opcji 2 jest rozwiązanie równania liniowego*, bazując na tym, iż użytkowników, jakich będzie targetować kampania jest 15% wśród użytkowników Internetu.

Raff można również odczytać z wykresu:

Odpowiedzią do zadanego problemu jest 950. Jest to Real Affinity Index medium targetującego 18-24 All (15% użytkowników Internetu), gdy TG kampanii to 20-24 All (10% użytkowników Internetu).

Przestawiając koncepcję targetowania na wykresie:

• Czerwony – wszyscy użytkownicy internetu,
• Zielony – targetowanie kampanii,
• Niebieski – Grupa docelowa (TG).

W przypadku omawianej opcji grupa docelowa jest najmniejszym kołem. Część kampanii dociera do osób spoza TG (koło Zielone minus Niebieskie).

Opcja 3 – dotarcie do części TG

Założenia:

• TG: 16-28 All (co stanowi 28% użytkowników Internetu)
• Możliwość targetowania: 16-26 All (co stanowi 24% użytkowników Internetu)

Jak widać w przypadku Opcji 3 założenie jest następujące: kampania targetuje węziej, niż target grupa. Jak w takim przypadku obliczyć Raff?

Zgodnie z poprzednimi przykładami należy zauważyć, iż kampania dotrze jedynie do osób w target grupie, dlatego w takim przypadku Raff wyniesie:

Jak widać wynik będzie analogiczny do Opcji 1 (targetowania tylko TG). W przypadku TG z tego przykładu (16-28 All) Raff będzie identyczny niezależnie, czy targetowane będą osoby z grupy 16-17 All, czy 16-27 All. W związku z tym, w przypadku takiej opcji, należy zdawać sobie sprawę z tego uchybienia.

Grafika:

• Czerwony – wszyscy użytkownicy Internetu,
• Zielony – targetowanie kampanii,
• Niebieski – Grupa docelowa (TG).

W tym przypadku jedynie osoby z TG będą miały możliwość zobaczenia reklamy. Część TG nie będzie miała takiej możliwości (Niebieski minus Zielony).

Opcja 4 – Mix targetowania

Założenia:

• TG: 20-37 All (co stanowi 41% użytkowników Internetu)
• Możliwość targetowania: 18-34 All (co stanowi 40% użytkowników Internetu)

Ostatnią możliwością jest mix Opcji 2 i 3, w którym nie targetujemy części TG a dodatkowo targetujemy część osób, które w TG nie występują.

W takim przypadku należy posłużyć się metodą pokazaną w przypadku Opcji 2. Jednakże należy zastosować dodatkowy krok pośredni sprawdzenia odsetka użytkowników Internetu, którzy są w węższej (ze względu na targetowanie) grupie. Tj jednocześnie znajdują się w TG i w grupie targetowania. W przypadku tego przykładu należy sprawdzić osoby 20-34. Stanowią one 35% użytkowników Internetu. Następnie należy policzyć standardowo punkty A i B:

• Punkt A – zawsze = 100
• Punkt B:

Znając dwa punkty Raff można obliczyć lub odczytać na wykresie:

Odpowiedzią do przedstawionego case’u jest Raff = 271. Należy mieć na uwadze, iż podobnie jak w Opcji 3 część TG nie będzie uwzględniona w kampanii.

Grafika:

• Czerwony – użytkownicy Internetu,
• Zielony – targetowanie kampanii (18-34 – 40% użytkowników Internetu)
• Niebieski – Grupa docelowa (TG) (20-37 – 41% użytkowników Internetu)

Wnioski:

• Część TG nie będzie miała możliwości zobaczyć reklamy (ta grupa jest reprezentowana przez pole niebieskie, które nie jest wspólne z zielonym – są to osoby 35-37),
• Część osób jest targetowana, mimo znajdowania się poza TG. Grupa ta jest reprezentowana przez pole zielone, które nie jest współdzielone z niebieskim – są to osoby 18-19.

Opcja mixu targetowania jest prawdopodobnie najczęściej występującą w media planach.

Podsumowanie

Sposób obliczania Affinity Index w większości kampanii internetowych potrzebuje zostać przeanalizowany. Zaproponowany w niniejszym artykule Real Affinity Index daje szybką możliwość porównania mediów między sobą, dodatkowo bierze pod uwagę ważny czynnik kierowania demograficznego kampanii.

Autor zdaje sobie sprawę z ułomności* Raff, jest to jednak krok w kierunku ulepszenia obecnych miar internetowych.

Bibliografia
www.gemiusacademy.pl/slownik-pojec-internetu.html

Megapanel PBI/Gemius (Październik 2014):
 

Załącznik – więcej przykładów

Opcja 0 – brak targetowania demograficznego

TG = 65+ ; reklama na stronie XYZ (35% użytkowników tej strony to osoby 65+)

Opcja 1

TG = 65+ ; istnieje możliwość targetowania osób 65+

TG = 55+ ; istnieje możliwość targetowania osób 55+

Opcja 2

TG = 20 – 28, targetowanie 20-37

Wystarczy użyć kalkulatora, lub odczytać dane z poniższego wykresu. Raff = 411

Opcja 3

Obliczenia identyczne jak w przypadku Opcji 1. Należy jednak mieć na uwadze, iż kampania może być bardzo wąska.

Opcja 4

TG = 20-37 ; targetowanie 16-28

Na początku należy poznać odsetek osób 20-28 wśród użytkowników Internetu (19%). Następnie użyć kalkulatora. Raff = 479 (wartość można również odczytać z poniższego wykresu). Należy mieć na uwadze, iż kampania nie ma możliwości dotrzeć do osób 29-37.

Podziękowania

Serdecznie dziękuję Alicji Szewczyk i Maksymilianowi Kozłowskiemu za pomoc w przygotowaniu niniejszego artykułu.

*www.gemiusacademy.pl/slownik-pojec-internetu.html
*W chwili pisania artykułu narzędzie Gemiusa wciąż jest powszechnie używane.
*Zakładając proporcjonalne wyświetlanie się reklam względem wieku.
*Medium targetujące do os. 16-34 może mieć niższy Aff, a mimo to wszystkie wyświetlenia reklam trafią do os 16-34.
*Możliwe jest wzięcie pod uwagę innego czynnika niż demografia (np. targetowanie godzinowe powiązane z płcią). Jednakże są to bardzo rzadkie przypadki.
*Kalkulator: www.bit.ly/Raff_Calculator – należy uzupełnić pola zaznaczone na zielono
*Raff nie bierze pod uwagę częstotliwości kampanii, wielkości kreacji, różnić w poziomie dokładności targetowania grup demograficznych, liniowości ilości wyświetleń dla poszczególnych grup, jak również, co zostało opisane, pomija brak uwzględnienia części TG w targetowaniu.