Onderzoek naar de effectiviteit van de investeringen in marketingactiviteiten

Afstudeeronderzoek

Onderzoek naar de effectiviteit van de investeringen in marketingactiviteiten

Rinske de Jong Rijksuniversiteit Groningen Master Marketing Management

eerste begeleider Rijksuniversiteit Groningen Dr. J. E. Wieringa

tweede begeleider Rijksuniversiteit Groningen Prof. dr. T.H.A. Bijmolt

Leeuwarden; maart 2005 – juli 2005

‘De auteur is verantwoordelijk voor de inhoud van het afstudeerverslag; het auteursrecht van het afstudeerverslag berust bij de auteur’

Voorwoord

Jaarlijks worden vele miljoenen euro’s geïnvesteerd in verschillende vormen van adverteren en promoties (A&P). Veelal blijkt het zeer lastig om de resultaten die uit deze investeringen voortkomen vast te stellen. Daar waar de investeringen in andere functionele gebieden in de organisatie worden geëvalueerd, blijft marketing achter. In veel bedrijven wordt geen of basaal onderzoek gedaan naar de effectiviteit van de A&P-investeringen. Verschillende argumenten voor deze situatie zijn dat er in de praktijk wordt gesteld dat het niet mogelijk is de afzonderlijke effecten van de investeringen vast te stellen en dat in het algemeen niet duidelijk is waarom een marketingactiviteit succesvol dan wel niet succesvol is geweest.

Doel van dit onderzoek is dan ook inzicht te verschaffen in de effectiviteit van de gepleegde investeringen. Vragen van het management zijn hoe deze effectiviteit gemeten kan worden en op welke plaatsen verbeteringen kunnen worden gedaan met als gevolg een betere, lees meer effectieve, allocatie van de A&P-budgetten. Middels literatuur is inzicht verkregen in de reeds aanwezige meetmethoden en richtlijnen voor het inzetten van adverteren en promoties.

In combinatie met data is een toepasbaar model ontwikkeld dat antwoord geeft op de vraag vanuit het management op welke manier A&P kan worden gemeten en meer effectief kan worden ingezet.

Op deze plaats wil ik graag mijn dank uitspreken voor de begeleiding en ondersteuning op momenten dat ik het nodig had. Mijn dank gaat uit naar mijn eerste begeleider vanuit de Rijksuniversiteit Groningen, dr. J.E. Wieringa, mijn begeleiders binnen het afstudeerbedrijf die mij deze veelomvattende en uitdagende opdracht durfden toe te vertrouwen. Verder wil ik Sophia Langenkamp bedanken voor het corrigeren van mijn literatuurverslag voor wat betreft spellingsfouten en grammatica. Uiteraard wil ik ook alle personen bedanken in mijn directe omgeving voor de steun en het vertrouwen. Allemaal heel hartelijk bedankt, jullie hebben naar mijn mening een stukje bijgedragen aan het succesvol afronden van mijn studie, danwel het succesvol afronden van mijn afstudeeronderzoek.

Rinske de Jong Leeuwarden

Maart 2005 – Juli 2005

Inleiding Samenvatting

1 Managementprobleem, onderzoeksvraag & onderzoeksmethode 2

1.2 Situatieanalyse 2

1.2 Managementprobleem 2

1.3 Wetenschappelijke onderzoekshypothese 3

1.4 Onderzoeksmethode 4

1.5 Keuze methodiek 5

2 Literatuuronderzoek 6

2.1 Marketing ROI 6

2.2 Marketing ROI meetmethoden en modellen 8

2.2.1 Rekenmethoden voor marketing ROI 8

2.2.2 Modelbouw 11

2.3 Adverteren en promoties 18

2.3.1 Adverteren 18

2.3.1.1 Televisie 21

2.3.1.2 Radio 23

2.3.1.3 Print 24

2.3.1.4 Out-of-home 25

2.3.1.5 Richtlijnen voor effectieve uitwerking 25

2.3.2 Promoties 27

2.3.2.1 Belangrijke conclusies uit promotieonderzoek 28

2.3.2.2 Richtlijnen 32

2.3.3 Geïntegreerde marketingcommunicatie 34

2.4 Conclusie literatuuronderzoek 36

3 Dataverzameling 38

3.1 Concurrentie 38

3.2 Tailor-made promoties 38

3.3 Financiële data versus niet-financiële data 39

3.4 Data ten behoeve van de regressieanalyse 39

4 Data analyse 41

4.1 Inleiding 41

4.2 Concurrentieanalyse periode 2002 tot en met 2004 45 4.3 Tailor-made promoties periode 2002 tot en met 2004 49

4.4 Naamsbekendheid 50

4.5 Regressie analyse 52

4.5.1 Specificatie 53

4.5.2 Estimation 54

4.5.2.1 Heteroscedasticity 55

4.5.2.2 Autocorrelatie 56

4.5.2.3 Normality 57

4.5.2.4 Multicollinearity 58

4.6.3 Validatie 58

5 Conclusies en Aanbevelingen 61

5.1 Conclusies 61

5.2 Aanbevelingen voor toekomstig onderzoek 63

6 Reflectie 65

6.1 Afwijking van oorspronkelijke opdracht 65

6.2 De onderzoeksmethodologie 65

6.3 Bijdrage voor bedrijf 66

6.4 Bijdrage voor de wetenschap 66

6.5 Gevolgen voor de onderzoeker 67

Literatuurlijst

Artikelen en boeken Overige stukken Interne stukken

Bijlage 1 Berekenen van marketing ROI Bijlage 2 Positionering

Bijlage 3 Entertainment en Televisie reclame

Bijlage 4 Interactie effecten tussen prijspromoties, folderaanbiedingen, display en het tegelijkertijd aanbieden van een folderaanbieding en display Bijlage 5 Correlatiecoëfficiënten doelstellingen met succesfactoren

Bijlage 6 Scores Sales promotions Bijlage 7 SPSS output

Bijlage 8 Oorspronkelijke afstudeeropdracht

2 Literatuuronderzoek

In dit literatuuronderzoek bespreken we de literatuur op het gebied van marketing ROI, meetmethoden voor marketing ROI en richtlijnen voor effectief adverteren en effectieve promoties. Marketing ROI is een methode die de productiviteit van marketing kan meten (Lenskold, 2002; Merrihue, 2002; Rust et al., 2004b). De literatuur op het gebied van marketing ROI maakt duidelijk op welke manier marketing ROI door diverse auteurs is geconceptualiseerd en welke variabelen invloed hebben op de effectiviteit van marketing.

Vervolgens maken we een vertaalslag naar modelbouw en worden geschikte methoden voor het bouwen van een numeriek model gepresenteerd. Deze literatuur is geraadpleegd, omdat modelbouw leidt tot een model waarmee de effectiviteit van de marketinginvesteringen kan worden gemeten.

We bestuderen vervolgens de literatuur op het gebied van effectief adverteren en effectieve promoties om in de literatuur gegeven richtlijnen voor effectieve marketing te onderzoeken.

Op deze manier wordt antwoord gegeven op de vraag op welke manier de effectiviteit van marketing kan worden verbeterd.

Tijdens het literatuuronderzoek wordt aangegeven welke methoden toegepast zijn in het vervolgonderzoek. Hierbij geven we telkens een toelichting op de gemaakte keuzes.

2.1 Marketing ROI

In het recente verleden hebben diverse auteurs geconstateerd dat vakgebieden binnen en buiten de organisatie de marketingdiscipline niet op waarde kunnen schatten (Leeflang, 1999;

Doyle, 2000; Kuchinskas, 2000; Schultz, 2003; Rust et al., 2004b; Merrihue, 2002; Webster, 2004). Dit gebrek komt voort uit de meer resultaatgerichte en kwantitatieve oriëntatie van hedendaagse organisaties (Schultz, 2003). Door enkele auteurs worden mogelijke redenen voor deze onderwaardering gegeven:

- Marketing zou teveel operationeel gericht zijn (Leeflang, 1999; Webster, 2004);

- De nadruk zou liggen op de korte termijn successen en niet op lange termijn resultaten (Leeflang, 1999; Webster, 2004);

- Meer nadruk op verkopen dan op marketing zelf (Leeflang, 1999; Webster, 2004);

- Gebrek aan consistentie en perspectief (Merrihue, 2005);

- Er wordt geen gebruik gemaakt van meetinstrumenten (Schultz, 2003; Merrihue, 2005; Webster, 2004);

- Gebruik van verouderde meetmethoden (Merrihue, 2005);

- Geen of weinig coördinatie met andere functiegebieden in de organisatie (Schultz, 2003);

- Sterke focus op kosten in plaats van return (Schultz, 2003);

- Marketing zou meer beloven dan ze waar kan maken (Schultz, 2003).

De voornaamste oorzaak van de geringe belangstelling voor ‘marketing performance’ lijkt dat het bijzonder moeilijk is het rendement op marketing te meten (Lilien, 1992; Leeflang, 1999;

Rust et al., 2004a; Merrihue, 2005). Marketing heeft veelal onvoorziene effecten. Hier komt bij dat marketing talrijke activiteiten beslaat (Lilien, 1992; Merrihue, 2002). Oplossingen die worden aangedragen zijn het introduceren van betere coördinatiemechanismen en focus op de lange termijn (Leeflang, 1999). Daarnaast moet inzicht verkregen worden in hoe marketing werkt door het gebruik maken van meetmethoden die de resultaten van marketing in beeld kunnen brengen (Leeflang, 1999; Doyle, 2000; Merrihue, 2002; Jones, 2004).

Marketing ROI is een methode die ondersteuning kan bieden bij het meten van de effectiviteit van marketing (Lenskold, 2003; Rust et al., 2004b; Court, 2005). Hoewel het onderwerp door diverse auteurs is behandeld, is in geen van de artikelen en boeken een duidelijke definitie geformuleerd. Om duidelijkheid te verschaffen over de hier aangenomen omschrijving van de term, wordt eerst een definitie gegeven van marketing ROI.

De volgende criteria zijn opgesteld om aan te geven waaraan de definitie moet voldoen.

- ROI is een financiële maatstaf (Rust et al., 2004a);

- Return on Investment wordt uitgedrukt in een percentage (Lenskold, 2004)

- ROI is de verhouding van de opbrengsten of verliezen ten opzichte van een gepleegde of te plegen investering (Rust et al., 2004a; Lenskold, 2002);

- Marketing ROI kan het management bijstaan in het maken van keuzes voor het optimaliseren van de marketinginvesteringen (Rust et al., 2004a; Fellman, 1999;

Klein, 2003; Lenskold, 2002; Merrihue, 2002).

Op basis van deze richtlijnen, wordt de definitie geformuleerd die in dit onderzoek wordt gevolgd:

Marketing Return on Investment is een financiële maatstaf waarbij de verhouding tussen de extra opbrengsten of verliezen als gevolg van gepleegde of te plegen marketinginvesteringen wordt uitgedrukt in een percentage wat het management kan ondersteunen bij het nemen van marketingbeslissingen.

Zonder methoden om de performance van marketing te meten, zijn marketing- en businessplannen suboptimaal. De investeringen in marketing kunnen wel succesvol zijn geweest, maar er is geen inzicht in de mate waarin de investeringen werkelijk succesvol zijn (Patterson, 2004).

Meetinstrumenten kunnen waardevolle data bieden waarmee de managers van de marketing organisatie hun voortgang kunnen evalueren. Ze stellen hen in staat werkelijk de ogen en oren van de organisatie te vertegenwoordigen (Patterson, 2004). Marketing ROI biedt inzicht in activiteiten die bijdragen aan het resultaat en is tevens een goed instrument voor het bepalen van de meest waardecreërende marketinginstrumenten (Klein et al., 2003; Court, 2005). Op deze manier kunnen de marketinguitgaven zo effectief mogelijk worden ingezet voor het bereiken van de doelstellingen van de organisatie (Klein et al., 2003). Werken zonder meetinstrumenten wordt aangeduid als blindvaren. Een gebrek aan inzicht in de productiviteit van marketing maakt het ontzettend moeilijk te evalueren of een investering de gewenste resultaten heeft opgeleverd. Daarnaast leidt het tot onduidelijkheid óf en waar verbeteringen plaats dienen te vinden om wel effectief te zijn, zodat uiteindelijk met minder middelen de gewenste resultaten kunnen worden bereikt (Patterson, 2004).

De marketing ROI methoden kunnen bijdragen aan het verkrijgen van een hoger marketingbudget, aangezien aangetoond kan worden dat de investeringen in marketing, evenals investeringen in andere functionele gebieden in de organisatie, resultaten opleveren.

Hiermee kan bewezen worden dat er bij marketing wel degelijk weloverwogen en winstgevende activiteiten worden ontplooid (Fellman, 1999).

Een marketeer kan ROI op verschillende manieren inzetten als strategische leidraad voor effectief marketingbeleid (Klein et al., 2003):

- Optimaliseren van de resultaten uit marketing investeringen en vaststellen van een optimaal marketingbudget;

- Meten van de waarde van geïntegreerde marketingcommunicatie ten opzichte van de inzet van alle onderdelen afzonderlijk;

- Identificeren van zwakke punten in de communicatie;

- Stellen van limieten aan de investeringen per customer/ prospect;

- Inzicht verschaffen in de vereiste additionele opbrengsten voor additionele investeringen en kortingen.

Een bedrijf dat op de hoogte is van de opbrengsten van zijn marketinginspanningen, heeft daarmee een belangrijk instrument in handen om verbeteringen door te voeren (Lenskold, 2002; Court, 2005).

Uit de besproken literatuur komt naar voren dat marketing te kampen heeft met het verschijnsel dat de discipline niet op waarde wordt geschat. Oplossingen voor dit probleem zijn het inzicht verkrijgen in hoe marketing werkt door het meten van marketing productiviteit en het gebruik maken van meetmethoden om de resultaten van marketing in beeld te brengen. Deze oplossingen vormen een verdediging voor het uitgevoerde onderzoek, omdat dit onderzoek tot doel heeft de effecten van marketinginvesteringen op de resultaten meetbaar te maken. In het vervolgonderzoek is een model gebouwd dat ondersteuning kan bieden bij het nemen van investeringsbeslissingen, zodat marketingmiddelen effectiever kunnen worden ingezet.

De literatuur op het gebied van marketing ROI, heeft antwoord gegeven op de eerste subvraag zoals die geformuleerd werd in paragraaf 1.3: Wat is marketing ROI?

2.2 Marketing ROI meetmethoden en modellen

In dit deel van het literatuuronderzoek maken we een analyse van de manier waarop marketing ROI kan worden gemeten. We besteden aandacht aan in de literatuur aangedragen methoden om marketing ROI te berekenen, omdat marketing ROI een methode kan zijn om de effecten van marketing op de resultaten te meten. Eveneens bespreken we de regressieanalyse en methoden van modelbouw, omdat dat methoden zijn om te komen tot een model waarmee de effecten kunnen worden vastgesteld. Modelbouw en regressieanalyse zijn twee onderwerpen die nauw met elkaar verbonden zijn. Deze twee onderwerpen behandelen we daarom zoveel mogelijk gezamenlijk.

2.2.1 Rekenmethoden voor marketing ROI

In de literatuur wordt in verschillende onderzoeken ingegaan op het meten van de effectiviteit van promoties (onder andere Gupta, 1986; Hardy, 1988; Wittink, 1988; Foekens, 1995; Van Heerde et al., 1999; Alba et al., 1999; Neslin, 2002; Pauwels et al., 2002; Van Heerde et al., 2003; Palazón-Vidal et al., 2005). Onderzoek naar het meten van de effectiviteit van adverteren is schaarser (Lodish, 1995a en 1995b; Woltman Elpers, 2001;

Manning, 2004), evenals het meten van de effectiviteit van het gezamenlijk inzetten van advertenties als promoties (Jedidi, 1999; Mela, 1997; Lenskold, 2002; Rust et al., 2004a en 2004b). Deze schaarste kan worden verklaard door de moeilijkheidsgraad van het meten van advertising (Lilien, 1992; Leeflang, 1999; Rust et al., 2004a; Merrihue, 2005).

Dit wordt als moeilijk ervaren omdat advertenties effecten sorteren op lange termijn.

Daarnaast leidt een toename in de investeringen niet tot een evenredige toename in de verkopen en vindt er een interactie plaats tussen adverteren en andere elementen uit de omgeving (Lilien, 1992).

Lenskold (2002) presenteert een rekenmethode waarmee inzicht kan worden verkregen in de effectiviteit van marketing. Marketing ROI is geconceptualiseerd in de Marketing Measurement Hierarchy (zie figuur 2.1), waarin drie verschillende niveaus worden onderscheiden om te komen tot marketing ROI. Voor het behalen van winstmaximalisatie, moet marketing ROI gemeten en geoptimaliseerd worden. Dit meten en optimaliseren van marketing ROI vindt plaats door het meten en optimaliseren van de incrementele klantwaarde, het aantal klanten en de marketinginvesteringen. Op het tweede niveau wordt in het model aangegeven op welke manier deze indicatoren (Incrementele klantwaarde, aantal klanten en marketinginvesteringen) kunnen worden gemeten en geoptimaliseerd. Op het derde en laagste niveau worden tenslotte indicatoren gemeten als de responsgraad, het aantal gegenereerde leads en voor de website de zogenaamde click-through rate (het aantal mensen dat verder klikt door de website), het aantal mensen dat de website bezoekt en de bezoektijd (Lenskold, 2002).

To maximize profits

To maximize Marketing ROI

To maximize To maximize ICV To min. marketing expense

numbers of customers

To track performance To track performance To track performance

related to sales related to value related to expenses

Other pre-sale performance indicators to guide strategic decisions

Figuur 2.1 Marketing Measurement Hierarchy

Lenskold gaat dieper in op de materie in zijn boek Markering ROI (Lenskold, 2002). De marketing ROI formule wordt als volgt gegeven:

Return Gross margin – Marketing Investment

ROI= =

Investment Marketing Investment

Met behulp van de nettocontantewaarde-berekening worden de toekomstige resultaten middels een verdisconteringsvoet teruggerekend naar huidige contante waarden. De return on marketing kan dan worden berekend door middel van investeringsdata, de bruto marge, de verdisconteringsvoet en de netto contante waarde. Lenskold (2002) geeft aan dat voor het berekenen van marketing ROI gebruik moet worden gemaakt van incrementele investeringen en incrementele opbrengsten. In bijlage 1 zijn verschillende tabellen weergegeven die een basisberekening tonen van marketing ROI. Aan de hand van rekenvoorbeelden wordt uitgelegd hoe marketing ROI in beeld kan worden gebracht.

Naar onze mening geeft het conceptuele model van Lenskold (2002) redelijk weer welke variabelen aan de basis liggen van het meten van marketing ROI. De formule die aan de berekening van marketing ROI ten grondslag ligt, houdt volgens ons echter onvoldoende rekening met de vele variabelen die invloed hebben op het effect van marketinginvesteringen.

Bron: James D. Lenskold “Marketing ROI”, AMA/Mc Graw-Hill

Maximize company profits

Measure and manage:

Awareness Brand image

Measure and optimize the combination of:

Incremental Customer Value (ICV) Total number of customers Marketing expenses

Measure & Optimize ROI for the combination of all marketing

Measure & optimize:

Cost per sale Measure & Optimize:

Initial sale profit NPV of future profit Share & growth of customer Measure & optimize:

Conversation rate Retention rate Referral rate Tier 2

Measure and manage:

Customer satisfaction Revenue per sale

Measure and manage:

Cost per click-through Cost per impression

Contact rate Response rates Leads generated

Click-through rates Website visits Length of visit Tier 3

Tier 1

Corporate Goal

Er wordt geen onderscheid gemaakt tussen investeringen in adverteren en promoties afzonderlijk en er worden geen effecten van concurrenten in overweging genomen. Ook worden geen lead en lagged effects in overweging genomen, terwijl het effect hiervan diverse malen in de literatuur is beschreven (onder andere Mela, 1998; Van Heerde, 2000).

Een ander punt van kritiek is het gebruik van de brutomarge in de berekening van marketing ROI. Naast eventuele effecten van gepleegde marketinguitgaven zijn er andere, niet met marketing verbonden variabelen, die een belangrijk effect kunnen hebben op de brutomarge.

Een voorbeeld is een verandering in de kostprijs waardoor een hogere brutomarge wordt behaald. Deze besparing houdt echter geen verband met marketinginvesteringen in het verleden.

Ook Rust et al. (2004b) presenteren een strategisch framework dat managers in staat moet stellen de return on marketing te meten. Hierbij wordt gebruik gemaakt van customer equity.

ROI wordt in dit artikel gespecificeerd als ROI = (∆CE-E)/E

Daarbij staat CE voor Customer Equity en E voor de verdisconteerde investeringsstroom.

Conceptueel beeldt Rust et al. (2004b) Return on Marketing als volgt af:

Uit het conceptueel model van Rust et al. (2004b) blijkt dat de kosten van marketing afgezet worden tegen de extra verkregen klantwaarde. Rust et al. (2004b) conceptualiseert klantwaarde als de toegenomen attentie en retentie van consumenten. Retentie betekent hier het aantal klanten dat behouden wordt nadat de consumenten het eigen product gekocht hebben (Rust et al., 2004b).

Naar onze mening is ook de methode van Rust et al. (2004b) niet geschikt voor het huidige onderzoek. Bij de berekening worden alleen niet-financiële indicatoren gebruikt. Naar onze mening is het onjuist om een financiële maatstaf als ROI te meten aan de hand van uitsluitend niet-financiële variabelen. Daarnaast blijkt uit het artikel dat het meten van ROI aan de hand van de methode van Rust et al. (2004b) tamelijk complex is en dat er veel niet- financiële data nodig zijn om de marketing ROI te berekenen.

Bron: Rust et al., “Return on Marketing: Using Customer Equity to Focus Marketing Strategy” JM 2004

Figuur 2.2 Return on Marketing Marketing investment

Improved customer perceptions

Increased customer attraction

Cost of Marketing investment

Increased CLV

Increased Customer Equity

Return on marketing investments Driver improvement(s)

Increased customer retention

Omdat de methodes die in de literatuur worden aangedragen niet geschikt blijken, is een analyse gemaakt van literatuur op het gebied van modelbouw en regressieanalyse. Reeds toegepaste methoden zijn besproken en er is beoordeeld of de besproken methoden toepasbaar zijn voor het huidige onderzoek.

2.2.2 Modelbouw

Uit zowel de onderzoeken van Rust et al. (2004a en 2004b) en Lenskold (2003), alsmede de bedrijfseconomische theorie, komt naar voren dat ROI een rekenmethode is die een relatie legt tussen de investeringen en de daaruit voortvloeiende resultaten. Het schatten van dit verband tussen investeringen en resultaten is tevens het doel van dit onderzoek. In de literatuur worden door diverse auteurs modellen geschat om deze complexe werkelijkheid te beschrijven. Een veel gebruikte methode om verbanden te schatten tussen variabelen is de regressieanalyse (Lilien, 1992; Bagozzi, 1994; Lehmann, 1998; Van Heerde, 1999; Jedidi, 1999; Malhotra, 1999; Leeflang, 2000, 2002; Carter Hill, 2001; Naik, 2005).

De regressieanalyse is in de literatuur tevens meerdere malen toegepast in onderzoeken naar de effecten van marketingmiddelen (Lilien, 1992; Van Heerde, 1999; Jedidi, 1999; Leeflang, 2000, 2002; Naik, 2005).

Het modelbouwproces is het proces dat aan de basis ligt van een acceptabel model (Leeflang, 2000). Dit proces en de regressieanalyse zijn nauw verbonden, omdat de regressieanalyse deel kan uitmaken van het modelbouwproces. Een model wordt door Leeflang (2000) gedefinieerd als:

“(..) a representation of the most important elements of a perceived real-world system.”

Het doel van een model is veelal het begrijpen van de complexe werkelijkheid. Omdat het onmogelijk is alle elementen in een model te vangen, worden alleen de meest relevante variabelen opgenomen (Leeflang, 2000; Wittink, 2005). Een model is bedoeld om inzicht te verschaffen in de meest belangrijke elementen uit de complexe werkelijkheid, als gepercipieerd door de modelbouwer en de gebruiker (Leeflang, 2000). Modellen kunnen worden gebruikt voor twee doeleinden: (1) generalisaties van kennis/wetmatigheden en (2) ter ondersteuning van te nemen beslissingen (Leeflang, 2000). In het huidige onderzoek is sprake van een beslissingsmodel, omdat het gebouwde model het management ondersteuning moet bieden bij het nemen van marketingbeslissingen voor wat betreft de verdeling van de budgetten en de inzet van de marketingmiddelen. Leeflang (2000) noemt verschillende voordelen van marketing beslissingsmodellen. Hierbij wordt onderscheid gemaakt tussen directe voordelen en indirecte voordelen. De voordelen zijn weergeven in tabel 2.1.

Tabel 2.1 Directe en Indirecte voordelen van beslissingsmodellen

Directe voordelen Indirecte voordelen Inzicht in verklaringen voor opgespoorde ontwikkelingen.

Middels een model kan worden vastgesteld of binnen een organisatie de marginale kosten de marginale opbrengsten overtreffen.

Modellen kunnen fungeren als probleem opsporend instrument.

Er kan inzicht worden verschaft in de optimale allocatie van het marketingbudget over de verschillende ter beschikking staande instrumenten.

Modellen maken het mogelijk te werken met de ter beschikking staande informatie, geven inzicht in de te verzamelen informatie ter ondersteuning van het model en gebieden waar relevante informatie ontbreekt.

Modellen kunnen managers ondersteunen bij het nemen van beslissingen waarbij een keuze moet worden gemaakt uit twee met elkaar samenhangende variabelen.

Modellen geven vroegtijdig inzicht in de relevante ontwikkelingen in de omgeving en bieden zo de mogelijkheid hier vroegtijdig op te anticiperen.

Middels een model wordt een kennisbron ontwikkeld dat inzicht verschaft in historiegegevens. Op basis hiervan kan een strategie voor de toekomst worden gedefinieerd.

Een model kan aangeven waar analyse en discussie gewenst is.

De gegeven directe en indirecte voordelen pleiten voor het bouwen van een marketingbeslissingsmodel. Middels marketingbeslissingsmodellen kan bijvoorbeeld inzicht worden verschaft in de optimale allocatie van het marketingbudget. Daarnaast kunnen modellen managers ondersteuning bieden bij het nemen van complexe beslissingen.

In het huidige onderzoek is sprake van vraag naar een model dat het management kan bijstaan in het nemen van marketingbeslissingen. Het model dient ondersteuning te bieden bij vragen omtrent de meest optimale manier van investeren in marketingactiviteiten en het alloceren van de totale budgetten over de verschillende advertentie- en promotiemiddelen.

Leeflang (2000) maakt onderscheid tussen verschillende soorten modellen. Beschrijvende modellen hebben tot doel een beslissingsproces te beschrijven. Deze modellen kunnen gebruikt worden om inzicht te krijgen in de manier waarop beslissingen worden genomen.

Voorspellende modellen worden gebruikt voor het voorspellen van gebeurtenissen die in de toekomst liggen. Voorbeelden zijn modellen om een voorspelling te doen van de toekomstige verkopen bij een verandering in de verpakking. Normatieve modellen bieden inzicht in de gevolgen van te kiezen alternatieven en geven aan welk aanbevolen alternatief optimaal tegemoetkomt aan de opgestelde doelstellingen. Voorbeelden van normatieve modellen zijn modellen ter optimalisatie van het marketingbudget, waarbij inzicht wordt verschaft in de optimale allocatie van deze middelen over verschillende instrumenten. Hieruit kan worden opgemaakt dat in het huidige onderzoek vraag is naar een normatief model. Er is in de analysefase een model geschat dat een verband legt tussen de investeringen en de resultaten en moet leiden tot een optimalisatie van marketing.

Het bouwen van een marketingbeslissingsmodel bestaat uit verschillende fasen (Leeflang, 2000). In het modelbouwproces komen de basisstappen van modelbouw aan de orde:

Specification, Estimation (parameterization), Validation en Use (Leeflang, 2000). In tabel 2.2 is een toelichting gegeven op de basisstappen in het proces.

Stap Activiteiten

Specification Vertalen van meest relevante elementen uit werkelijkheid in wiskundige termen Estimation Bepalen van parameterschatters op basis van (beschikbare) data

Validation Testen van de kwaliteit/ bruikbaarheid/ succes van het model

Use Ervaring opdoen met het model; aanpassingen en verbeteringen aanbrengen Tabel 2.2 Activiteiten in basisstappen van modelbouwproces

Voor de specificatie van een model worden de relevante elementen uit de werkelijkheid vertaald in wiskundige termen. Omdat het onmogelijk is alle variabelen op te nemen in een model en het opnemen van alle variabelen tot een complex model leidt, worden alleen de meest relevante variabelen opgenomen (Wittink, 2005; Leeflang, 2000; Carter Hill, 2001).

Vervolgens worden de parameters in het model geschat middels verzamelde data. Een geschikte en in de literatuur veel gebruikte methode is de regressieanalyse (Lilien, 1992; Van Heerde, 1999; Jedidi, 1999; Leeflang, 2000, 2002; Carter Hill, 2001; Naik, 2005).

De regressieanalyse kan worden gebruikt om de variatie te verklaren in bijvoorbeeld marktaandeel, verkopen, merkvoorkeur en andere marketingresultaten (Malhotra, 1999). Om de sterkte van de associatie te bepalen, wordt de correlatiecoëffiënt gebruikt. Op deze manier kan worden vastgesteld in hoeverre gepleegde investeringen in marketingactiviteiten samenhangen met de behaalde resultaten (Malhotra, 1999). Om deze reden is een nadere analyse gemaakt van regressie en de verschillende methoden die kunnen worden gebruikt om een model te schatten.

Voor regressie analyse maakt Malhotra (1999) onderscheid tussen bivariate regressie en meervoudige regressie. Enkele andere auteurs gebruiken simple of linear regression en multiple regression om het onderscheid aan te geven (onder andere Bagozzi, 1994; Lehmann, 1998; Carter Hill, 2001).

Bivariate regressie is een analyse om een relatie te leggen tussen één afhankelijke variabele (verkopen) en één onafhankelijke variabele (investeringen in adverteren).

De meervoudige regressieanalyse probeert een relatie te leggen tussen één afhankelijke variabele (verkopen) en twee of meer onafhankelijke variabelen (uitgaven aan zowel adverteren en promoties). Naast beantwoording van de vraag of de variatie in de verkopen kan worden verklaard door verschillende vormen van marketinguitgaven, kan ook antwoord worden gegeven op de vraag hoeveel van de variatie in de verkopen verklaard kan worden door investeringen in adverteren en promoties. Ook kan een analyse worden gemaakt van de te verwachten verkopen gegeven het investeringsniveau van de te onderscheiden marketingactiviteiten (Malhotra, 1999). Hieruit blijkt dat er voor het huidige onderzoek gebruik moet worden gemaakt van een meervoudige regressie-analyse. Om deze reden is de analyse van literatuur op het gebied van modelbouw en regressie toegespitst op aandachtspunten bij meervoudige regressie.

Blattberg (1990) geeft een uitgebreide behandeling van regressie analyse voor het meten van de effectiviteit van promoties. Tevens worden er aanbevelingen gedaan voor de te gebruiken methodiek en het aggregatieniveau. Hoewel de literatuur betrekking heeft op de effectiviteit van promoties, worden voor het huidige onderzoek enkele bruikbare richtlijnen gegeven.

Er wordt aangeraden alle relevante gegevens op te nemen in de meting (Blattberg, 1990). In de literatuur worden de gevolgen naar aanleiding van missende variabelen omitted variable bias genoemd (Lehmann, 1998; Weiskopf, 2000; Leeflang, 2000). Het weglaten van variabelen die wel een significant effect hebben, leidt tot het overschatten van de variabelen die wel in overweging zijn genomen (Blattberg, 1990; Lehmann, 1988; Weiskopf, 2000). Rust et al. (2004b) en Lenskold (2002) hebben in model weergegeven welke variabelen invloed kunnen hebben op de marketing ROI. In de meest ideale situatie worden zowel financiële als niet financiële variabelen opgenomen in het model. Voor het huidige onderzoek zijn investeringsdata voor adverteren en promoties en de behaalde verkopen en brutomarge verzameld voor de jaren 2002-2004. Niet financiële variabelen zijn in het model achterwege gelaten, omdat deze data niet zijn vastgelegd voor de gehele periode. Mogelijke effecten van concurrentie op de verkopen zijn om dezelfde reden buiten beschouwing gelaten. Voor het huidige onderzoek worden verkopen als afhankelijke variabele gekozen. De investeringen in adverteren en promoties zijn als onafhankelijke variabelen gekozen.

Daarnaast is het aggregatieniveau van belang bij het specificeren en schatten van een model.

Het gewenste aggregatieniveau hangt onder meer af van het gewenste gedragsdetail (Leeflang, 2000). Blattberg (1990) maakt hierbij onderscheid tussen aggregatie op basis van tijd, winkels en merkvariëteit. De door Leeflang (2000) genoemde niveaus komen grotendeels overeen met de door Blattberg (1990) genoemde aggregatieniveaus.

Voordelen van data op laag aggregatieniveau en voordelen van data op hoog aggregatieniveau zijn weergegeven in tabel 2.3 (Leeflang, 2000). Voordelen van data op winkelniveau zijn dat er meer data beschikbaar kunnen zijn, wat leidt tot meer parameters en daarom tot een nauwkeurigere analyse. Daarnaast is het mogelijk de individuele effecten per winkel te analyseren en verkrijgt men inzicht in concurrentie tussen winkels. Deze voordelen komen overeen met de door Blattberg (1990) gegeven voordelen. Blattberg (1990) maakt echter onderscheid tussen winkeldata en af-fabrieksdata. Aggregatie op marktniveau heeft als voordelen dat de data minder duur zijn en gebruiksvriendelijker. Daarnaast zijn data op marktniveau beter bruikbaar voor managers.

Tabel 2.3 Voordelen van hoog versus laag aggregatieniveau

Winkel Markt

Meer data: meer parameters Lagere kosten

Individuele effecten per winkel Gebruiksvriendelijker

Inzicht in concurrentie tussen winkels Beter bruikbaar voor managers Geen “aggregation bias”

De door Leeflang (2000) en Blattberg (1995) gegeven voordelen pleiten ervoor in de analysefase gebruik te maken van data op marktniveau, omdat dit tot lagere kosten en een gebruiksvriendelijker model leidt. De voordelen van winkeldata ten opzichte van marktdata zijn naar onze mening voor het huidige onderzoek van ondergeschikt belang. Deze keuze heeft tot gevolg dat er geen verkoopdata en investeringsdata per winkel zijn meegenomen in de analyse. Deze keuze zou ertoe kunnen leiden dat er geen diepgaande analyse wordt gemaakt van de effecten van tailor-made promoties bij de tussenhandel. Tailor-made promoties zijn promoties die in samenspraak met de tussenhandel en op basis van de wensen en de eisen van de tussenhandel worden ontwikkeld. Omdat tailor-made promoties op winkelniveau worden gevoerd, zijn de resultaten alleen terug te vinden in data op winkelniveau. Naar onze mening is het echter niet juist een analyse van deze promoties achterwege te laten, omdat tailor-made promoties een groot onderdeel van de totale marketinguitgaven kunnen zijn. Daarom is in de data-analyse tevens een analyse gemaakt van de effectiviteit van de tailor-made promotions, waarbij data en resultaten uit een eerder uitgevoerd onderzoek naar sales promoties zijn gebruikt.

Voor onderzoek naar promotie-effecten worden interactie-effecten en lagged effecten (effecten op langere termijn) als twee relevante variabelen genoemd (Blattberg, 1990). In de literatuur zijn deze effecten door diverse auteurs behandeld (onder andere Henderson, 1988;

Lodish, 1995a, 1995b; Dekimpe, 1999; Van Heerde, 2000; Berkowitz, 2001a, 2001b; Naik, 2005). Omdat verschillende marketingelementen met elkaar samenhangen, spreekt men van interactie-effecten. Dit heeft tot gevolg dat de resultaten mogelijk niet volledig toe te schrijven zijn aan één marketingactie (Lilien, 1992).

Door Blattberg (1990) zijn zes strategieën gepresenteerd die de onderzoeker kunnen bijstaan in het specificeren van een juist model waarbij rekening wordt gehouden met interactie- effecten:

- Negeren van de mogelijke interacties

- Gebruikmaken van theorie over mogelijke interactie-effecten - Gebruikmaken van de F-test

- Gebruikmaken van stapsgewijze regressie - Opnemen van alle variabelen

- Gebruikmaken van een multiplicative model

Voor alle zes strategieën gelden voor- en nadelen. De meest geschikte strategie hangt af van het doel van het model (Blattberg, 1990). Heeft het model tot doel te ‘diagnosticeren’, dan kan een F-test helpen het model te valideren. Ook andere auteurs doen de aanbeveling om de F-test te gebruiken voor het valideren van een regressiemodel (Bagozzi, 1994; Lehmann, 1998; Malhotra, 1999). Volgens ons is er in dit onderzoek vraag naar een diagnostisch model, omdat het model vast moet stellen of de gepleegde investeringen tot resultaten hebben geleid. Voor het huidige onderzoek is daarom gebruik gemaakt van de F-test om het model te valideren, omdat de F-test toetst of het model klopt met de data.

Daarnaast worden lagged effects, ofwel vertragende effecten, genoemd als een relevant onderwerp voor onderzoek naar promoties. Uit onderzoek door Berkowitz (2001a, 2001b) is naar voren gekomen dat voor verschillende mediamiddelen verschillende vertragende effecten van toepassing zijn. Dit betekent dat het ene mediamiddel effecten heeft over een langere periode dan andere mediamiddelen. Uit het onderzoek van Berkowitz (2001a) blijkt dat out-of-home over een langere periode effect heeft op de verkopen dan advertenties in dagbladen (resp. twee weken en anderhalve week). Voorbeelden van out-of-home communicatie zijn billboards en posterreclames. Na dit onderzoek is vervolgonderzoek gedaan waaruit is gebleken dat de effecten van radioadvertenties over een nog langere periode merkbaar zijn (twaalf weken) (Berkowitz, 2001b). Door het vertragen van de investeringen wordt rekening gehouden met deze vertraagde effecten (Van Heerde, 2000). Door Van Heerde (2000) zijn voor verschillende producten verschillende kaders gebruikt variërend van nul tot zes weken.

Voor het huidige onderzoek zijn echter data op maandniveau gebruikt. Omdat ons onderzoek zich richt op zowel adverteren als promoties, zijn alleen de investeringen voor adverteren vertraagd. Zoals eerder besproken, heeft adverteren langetermijneffecten (Lodish, 2001b;

Berkowitz, 2001a en b). Uit het onderzoek van Berkowitz (2001b) kwam naar voren dat radio effect heeft tot twaalf weken. Televisie blijkt effecten te kunnen hebben tot twee jaar, maar deze effecten doen zich alleen voor wanneer effecten worden gesorteerd binnen vier maanden nadat de commercial is uitgezonden (Lodish, 1995b).

Omdat in ons onderzoek een totaal tijdsvak is aangehouden van drie jaren waarbij meerdere malen televisie is ingezet, hebben we ervoor gekozen de vertragende effecten van vier maanden op te nemen in het model. Op deze manier zijn de effecten van televisie meegenomen en kan een schatting worden gemaakt van de totale effecten. Door het gebruik van een kader van vier maanden zijn naar onze mening de vertragende effecten van verschillende mediamiddelen goed afgedekt. Het modelleren van vertragende effecten heeft tot gevolg dat er meer data nodig zijn. Om de periode januari 2002 tot en met december 2004 te analyseren, zouden data tot en met september 2001 nodig zijn voor januari 2002. De data van 2001 zijn echter niet beschikbaar. Wij hebben er daarom voor gekozen extra data voor 2005 te verzamelen en deze op te nemen in de dataset. Op deze manier wordt het wegvallen van de eerste waarnemingen gecompenseerd. In de analyse is geen rekening gehouden met de verschillende vertragende effecten tussen de mediamiddelen onderling en tussen adverteren en promoties, omdat dit de analyse ernstig zou bemoeilijken.

Door Leeflang (2000) worden zes aannames genoemd die de modelbouwer in overweging moet nemen bij het schatten van een regressiemodel. De eerste aanname test of er sprake is van missende variabelen. De tweede aanname test voor heteroscedasticity, de derde voor autocorrelatie, de vierde aanname toetst normality, de vijfde stochastic predictors en de zesde en laatste aanname test voor multicollinearity. Voor een optimale schatting van het model dient getest te worden voor alle zes aannames.

De eerste aanname is reeds besproken. Voor wat betreft deze eerste aanname zijn wij ons ervan bewust dat niet alle variabelen die invloed hebben op de verkopen zijn opgenomen in het model wanneer alleen investeringen in adverteren en promoties worden opgenomen. De keuze is gemaakt, omdat vele variabelen die invloed kunnen hebben op de resultaten niet gemeten worden of dat voor variabelen geen data beschikbaar zijn voor analyse. Enkele variabelen die niet in de dataset konden worden opgenomen, zijn afzonderlijk geanalyseerd om zo een beeld te geven van de ontwikkelingen.

Enkele aannames die ook door andere auteurs zijn besproken zijn multicollinearity, autocorrelation en heteroscedasticity (Bagozzi, 1994; Chang, 1996; Lehmann, 1998;

Malhotra, 1999; Leeflang, 2000; Carter Hill, 2001). Multicollinearity verwijst naar een sterke mate van samenhang tussen de verklarende (onafhankelijke) variabelen (Bagozzi, 1994;

Chang, 1996; Huizingh, 1995; Lehmann, 1998). Dit probleem heeft tot gevolg dat de schatting van de regressiecoëfficiënten onbetrouwbaar is (Bagozzi, 1994; Chang, 1996;

Lehmann, 1998; Carter Hill, 2001). Multicollinearity leidt ertoe dat er geen betrouwbare interpretatie kan worden gegeven van de uitkomsten, omdat onduidelijkheid bestaat over het relatieve belang van een variabele (Bagozzi, 1994; Carter Hill, 2001). Door Chang (1996) worden enkele methoden gegeven om multicollinearity vast te stellen wanneer twee onafhankelijke variabelen in overweging zijn genomen. Methoden die ook door enkele andere onderzoekers worden aanbevolen zijn de R², F-test en t-test (Bagozzi, 1994; Chang, 1996;

Leeflang, 2000). Diverse auteurs beoordelen een correlatie tussen de onafhankelijke variabelen van 0,7 of hoger als hoog en wijzend op multicollinearity (Bagozzi, 1994;

Lehmann, 1998; Carter Hill, 2001). In enkele statistische programma’s wordt gewerkt met de Tolerance en de VIF (Variance Inflation Factor). De VIF is de reciproke van de tolerance (1 gedeeld door de tolerance). Een lage tolerance wijst op multicollinearity. Gezien de oorzaken en gevolgen, is ook voor het huidige onderzoek rekening gehouden met multicollinearity.

Omdat voor ons onderzoek gebruik is gemaakt van een statistisch programma, is gewerkt met de tolerance en de VIF.

Daarnaast is autocorrelatie een probleem dat zich voor kan doen tijdens een regressieanalyse (Bagozzi, 1994; Lehmann, 1998; Leeflang, 2000). Met autocorrelatie wordt bedoeld dat de residuen met elkaar samenhangen in de tijd. Dit probleem kan zich voordoen wanneer het model onjuist gespecificeerd is omdat relevante variabelen buiten beschouwing zijn gelaten (Bagozzi, 1994; Lehmann, 1998). Het achterwege laten van de vertragende effecten van adverteren kan ook tot autocorrelatie leiden, omdat de missende variabelen dan de vertraagde effecten zijn. Een methode die door enkele auteurs wordt aangedragen om te testen voor autocorrelatie is de Durbin-Watson toets (Lehmann, 1998; Malhotra, 1999;

Leeflang, 2000; Carter Hill, 2001). Waarden vlakbij 2 (tussen 1,5 en 2,5) wijzen op geen autocorrelatie, waarden die belangrijk lager liggen dan 2 (< 1,5) wijzen op een positieve autocorrelatie en waarden belangrijk hoger dan 2 (> 2,5) wijzen op een negatieve autocorrelatie (Lehmann, 1998).

Carter Hill (2001) bespreekt de Durbin-Watson Bounds Test. Hier wordt onderscheid gemaakt tussen een upper bound dU en lower bound dL. Deze upper en lower bounds kunnen in een tabel worden gevonden op basis van het aantal variabelen en het aantal waarnemingen.

Wanneer de Durbin-Watson DW binnen deze range valt, is er geen sprake van autocorrelatie.

Is de DW kleiner dan dL, dan is sprake van positieve autocorrelatie, is (4–DW) kleiner dan dU , dan is sprake van negatieve autocorrelatie. Omdat er in ons onderzoek een tijdreeksanalyse wordt gemaakt, is de Durbin-Watson toets toegepast om te testen voor autocorrelatie. Voor het beoordelen van de gevonden waarde is gebruik gemaakt van de DW Bounds Test, omdat deze test rekening houdt met het aantal waarnemingen en het aantal variabelen. Op basis van de oorzaken van autocorrelatie, verwachtten wij dat zich bij analyse van de data autocorrelatie zou worden gevonden. Autocorrelatie wijst er namelijk op dat relevante variabelen niet zijn opgenomen in het model. In ons onderzoek zijn alleen de vertraagde investeringen in adverteren en promoties meegenomen als variabelen die invloed hebben op de verkopen. Het is echter bekend dat meerdere variabelen een belangrijk effect hebben op de verkopen, bijvoorbeeld concurrenten. Voor de analyse zijn geen data van concurrenten beschikbaar, zodat deze variabelen niet opgenomen kan worden in het model. Het achterwege laten van relevante variabelen heeft mogelijkerwijs autocorrelatie tot gevolg. Er is besloten niet te corrigeren voor autocorrelatie indien dit naar voren komt uit de analyse, omdat data voor de missende variabelen niet beschikbaar zijn. Daarnaast delen wij de mening van Leeflang (2000) dat het beter is een model te bieden wat een manager ondersteuning kan bieden en waarbij duidelijk is aangegeven wat de opmerkingen zijn, dan dat er helemaal geen model wordt geboden.

Naast multicollinearity en autocorrelatie, is heteroscedasticity een belangrijk onderwerp bij regressie. Heteroscedasticity betekent dat er sprake is van variantie in de standard errors (Lehmann, 1998). Heteroscedasticity doet zich voor wanneer er grote verschillen zijn in de waarden van de data. Zo kan zich heteroscedasticity voordoen wanneer een vergelijking wordt gemaakt tussen marketinguitgaven voor grote multinationals en nationale organisaties of in gevallen waar periodes zijn waarin veel wordt geïnvesteerd en periodes waarin niet wordt geïnvesteerd. Heteroscedasticity doet zich vooral voor wanneer gebruik wordt gemaakt van cross-sectional data (Leeflang, 2000). Voor onze data-analyse is gebruik gemaakt van een tijdreeksanalyse. Ook Carter Hill (2001) geeft aan dat heteroscedasticity vooral voorkomt bij cross-sectional data. Hij stelt echter dat het achterwege laten van deze toets voor tijdreeksanalyses onjuist is. Wij delen deze mening, omdat heteroscedasticity tot gevolg heeft dat andere analyses op basis van standard errors tot onjuiste conclusies leiden.

Heteroscedasticity heeft namelijk tot gevolg dat de standard errors incorrect zijn. Dit heeft tot gevolg dat andere toetsen waarbij deze standard errors worden gebruikt tot een verkeerd beeld leiden. Dit alles leidt alsnog tot een incorrect model. Om deze reden is in ons onderzoek is ook rekening gehouden met heteroscedasticity. Daarnaast is getoetst voor heteroscedasticity, omdat het één van de aannames van Leeflang (2000) is om te komen tot een valide model en het weglaten van een toets kan leiden tot een onjuist beeld. Op basis van de oorzaken van heteroscedasticity en de verzamelde data, is het mogelijk dat er heteroscedasticity wordt vastgesteld. Er kan immers sprake zijn van sterke fluctuaties in de data, omdat er promotieacties zijn gehouden.

Tenslotte is getoetst voor normality. Op deze manier wordt vastgesteld of de verdeling een normale verdeling volgt. Normality kan worden getoetst door de spreiding van de residuals in een scatterdiagram te plotten (Leeflang, 2000). Wanneer de distributie een lineaire lijn volgt, is sprake van een normale verdeling. Deze toets is eveneens in het onderzoek toegepast, omdat er sprake kan zijn van een onjuist gespecificeerd model wanneer er geen normality wordt vastgesteld (Leeflang, 2000).

Door te toetsen voor heteroscedasticity, autocorrelatie, normality en multicollinearity zijn vier van de zes toetsen toegepast. Daarnaast is de eerste aanname besproken en is aangegeven waarom deze toets achterwege is gelaten.

De vijfde aanname kan worden getoetst door de specificatie te testen, maar naar onze mening wordt de juistheid van het gespecificeerde model goed getest door de overige toetsen.

Het modelbouwproces moet leiden tot een valide model (Leeflang, 2000). Er is reeds aangegeven dat de regressieanalyse een methode is die kan worden gebruikt voor het schatten van de parameters en dat de R², t-test en F-test in combinatie met de aannames van Leeflang (2000) kunnen worden gebruikt voor het toetsen van het model (Malhotra, 1999). Ook is aangegeven dat in een model alle relevante variabelen moeten worden opgenomen, maar dat het onmogelijk is de complexe werkelijkheid in een model te vangen (Leeflang, 2000; Wittink, 2005).

Het uiteindelijke model dient aan enkele criteria te voldoen (Little, 1970). Het model dient Simple te zijn, Robust, Complete on important issues, Easy to control, Adaptive en Easy to communicate with. ‘Simple’ betekent dat het model goed is te begrijpen. Het opnemen van alle variabelen die invloed kunnen hebben op de verkopen is onmogelijk en zou leiden tot een zeer complex model. Dat het model ‘Robust’ moet zijn betekent dat er juiste uitkomsten worden verkregen. Met´Complete on important issues’ bedoelt Little (1970) dat alle relevante variabelen zijn meegenomen en ‘Easy to control’ betekent dat de personen die met het model moeten werken weten welke input vereist is om tot juiste uitkomsten te komen. Tevens moet het mogelijk zijn aanpassingen te doen wanneer een veranderende omgeving of de beschikbaarheid van nauwkeurigere data daarom vragen (‘Adaptive’). Tenslotte bedoelt Little (1970) met ‘Easy to communicate with’ dat de persoon die met het model moet werken gemakkelijk uit kan leggen wat de uitkomsten van het model betekenen en welke gevolgen veranderingen in de input hebben voor de uitkomsten. Voordat er een analyse is gemaakt van de data verwachten wij dat niet aan alle criteria van Little (1970) kan worden voldaan, omdat er slechts twee onafhankelijke variabelen beschikbaar waren om op te nemen in het model. Zo is het waarschijnlijk dat het model niet compleet is en minder scoort op robuustheid. In de data-analyse is aangegeven op welke manier het model kan worden aangepast, zodat er aan alle criteria kan worden voldaan.

Deze criteria zijn van belang in de validatiefase van het modelbouwproces. Naast deze criteria worden door Leeflang (2000) enkele andere criteria genoemd die in overweging kunnen worden genomen voor de validatie van een model. In de validatiefase dient de specificatie van het model getoetst te worden, de kwaliteit van de data, de schattingsmethode, de mate waarin het model overeenkomt met de theorie en het gezonde verstand en de relevantie van de uitkomsten. Deze criteria zijn ook toegepast om het geschatte model te valideren, omdat op basis van deze criteria kan worden vastgesteld in hoeverre relevante conclusies kunnen worden getrokken op basis van het model.

In het vervolgonderzoek stellen we een model op wat het management moet ondersteunen bij het nemen van marketingbeslissingen in de toekomst. Hierbij passen we de methoden toe die in het literatuuronderzoek zijn besproken.

Omdat dit onderzoek het eerste onderzoek binnen het bedrijf is dat leidt tot een model voor het meten van marketing ROI, is het naar onze mening verstandig een model te presenteren waarbij iedereen kan bevatten welke theorie aan het model ten grondslag heeft gelegen.

In de toekomst kan het model geoptimaliseerd worden, waarbij het huidige onderzoek een basis heeft gelegd voor het gebruik van modellen. Wij verwachten dat dit zeker nuttig zal zijn, omdat in ons onderzoek slechts enkele onafhankelijke variabelen opgenomen kunnen worden, terwijl bekent is dat er meerdere variabelen invloed hebben op de verkopen. Deze variabelen zullen echter eerst nauwkeurig moeten worden gemeten en vastgelegd.

Het literatuuronderzoek dat rekenmethodes voor marketing ROI, regressieanalyse en modelbouw heeft behandeld, heeft antwoord gegeven op de subvraag

− Hoe kan marketing ROI gemeten worden?

Tevens heeft dit deel een basis gelegd voor de beantwoording van de subvragen

− Welke variabelen hebben invloed op de marketing ROI?

− Welke van deze variabelen zijn de meest relevante elementen?

Op basis van de verzamelde data en het gevalideerde model, is het mogelijk de laatste drie subvragen te beantwoorden.

− Wat zijn de resultaten van investeringen in het verleden geweest?

− Is de allocatie van het marketingbudget in de Benelux effectief geweest?

− Welk investeringsbeleid leidt tot de meest optimale allocatie van het marketingbudget?

2.3 Adverteren en promoties

Om aanbevelingen te kunnen doen omtrent het effectiever inzetten van de marketingmiddelen, bestuderen we literatuur over adverteren en promoties. Vanuit de literatuur worden door enkele auteurs handvatten aangereikt voor het verbeteren van de effectiviteit van de investeringen in adverteren en promoties. Nadat we dieper zijn ingegaan op de richtlijnen voor effectief adverteren, bespreken we succesfactoren en richtlijnen voor effectieve promoties. Daarnaast besteden we aandacht aan belangrijke conclusies uit promotieonderzoeken. Tenslotte bespreken we richtlijnen voor het effectief inzetten van adverteren en promoties gezamenlijk.

2.3.1 Adverteren

Voordat we de literatuur betreffende effectief adverteren bestuderen, formuleren we een definitie van adverteren op basis van in de literatuur gegeven definities. Door diverse auteurs wordt een definitie gegeven van adverteren. Enkele definities zijn hieronder weergegeven.

“Advertising can be defined as any paid form of non-personal presentation and promotion of ideas, goods, or services by an identified sponsor. Advertising plays an important and often controversial role in contributing to brand equity” (Keller, 2003; Kotler, 2001).

“Advertising is aimed toward the long-term building of positive brand attitude by ‘turning’ the consumer toward the brand” (Percy, 2001).

“Reclame is elke vorm van niet-persoonlijke presentatie en promotie van ideeën, goederen en diensten, waarvoor betaald is door een herkenbare bron” (Leeflang, 2003).

Onze kritiek op deze definities is dat de Amerikaanse school wordt gevolgd. Binnen deze school wordt onder adverteren zowel actiereclame als themareclame verstaan. Dit betekent dat niet alleen de thematische advertenties, maar ook de actiematige promoties worden meegenomen in de definitie van adverteren. In dit onderzoek zijn adverteren en promoties echter als twee afzonderlijke vormen van marketingcommunicatie beschouwd.

Op basis van de definities die in de literatuur zijn gegeven, is de definitie geformuleerd die in dit onderzoek is gevolgd. Om tot een juiste definitie te komen, stellen we allereerst vereiste onderdelen vast.

- Adverteren is een betaalde vorm van communicatie (Keller, 2003; Kotler, 2001;

Leeflang, 2003)

- Adverteren is een niet-persoonlijke presentatie van ideeën, goederen of diensten (Keller, 2003; Kotler, 2001; Leeflang, 2003)

- De zender van de advertentie is duidelijk identificeerbaar (Keller, 2003; Kotler, 2001;

Leeflang, 2003)

- Adverteren heeft tot doel het bouwen van een positieve merkperceptie (brand attitude) gericht op de lange termijn (Percy, 2001).

Op basis van deze inhoudseisen formuleren we de definitie geformuleerd die we in dit onderzoek volgen.

‘Adverteren is elke betaalde vorm van een niet-persoonlijke presentatie van ideeën, goederen en diensten door een identificeerbare bron en heeft tot doel het bouwen van een positieve merkperceptie die gericht is op lange termijn resultaten’

Zoals uit de definitie blijkt, is adverteren op de lange termijn gericht. Voorbeelden van adverteren zijn televisiecommercials, radiospots, tijdschrift- en dagbladreclame, internet advertising en direct mail (Keller, 2003). Alsem (2003) voegt hier nog enkele communicatiemiddelen aan toe, namelijk winkelcommunicatie, persoonlijke verkoop, public relations en beleveniscommunicatie. Evenals Keller (2003) worden ook door Percy (2001) PR en persoonlijke verkoop niet meegenomen in de definitie van adverteren. PR en persoonlijke verkoop worden gezien als een apart aspect van communicatie. Wij sluiten ons bij deze mening aan.

In het verleden is onderzoek verricht naar de succesfactoren van adverteren (Manning et al., 2004; Czerniawski, 1999). Door Percy (2001) wordt aanbevolen kennis te nemen van vijf sleutelonderwerpen alvorens met welke vorm van communicatie dan ook te beginnen. Deze belangrijke onderwerpen zijn de productomschrijving, de markt, de klanten, concurrenten en marketingdoelstellingen.

Aan de hand van de succesvolle “Got milk” campagne (Verenigde Staten) in de negentiger jaren, stelt Manning (2004) tien richtlijnen op voor een succesvolle campagne:

- Target the right consumers

- Thoroughly study your target market to find fresh insights - Unearth a deeply competitive strategy and stay with it - Entertain ... but sell!

- Treat the consumers with respect

- Adopt a memorable and inspiring brand slogan and signature - Integrate, integrate, integrate

- Don’t try to make it alone

- Keep campaigns … but keep them fresh

- Treat agencies as partners and keep the focus on great work

Manning (2004) stelt hiermee dat de juiste doelgroep moet worden vastgesteld en diens karakteristieken moeten worden bestudeerd, alvorens een campagne wordt ontwikkeld. De ontwikkeling van deze campagne kan in samenwerking met andere merken worden gedaan om een win-win situatie te ontketenen die kan leiden tot een hogere brand equity dan anders het geval zou zijn geweest. In de literatuur worden verschillende definities van brand equity gegeven (Yoo et al., 2001; Keller, 2003; Hoeffler et al., 2003; Palazón-Vidal et al., 2005).

De definitie die door Keller wordt gegeven, is een frequent aangehaalde definitie van brand equity (Palazón-Vidal et al., 2005).

Brand equity wordt door Keller (2003) gedefinieerd als ‘het verschil in effecten dat merkkennis heeft op de respons van consumenten naar aanleiding van marketing activiteiten’. Geïntegreerde marketingcommunicatie blijkt effectiever dan niet geïntegreerde marketingcommunicatie (Keller, 1994; Moran, 1978; Percy, 2001; Keller, 2003; Manning, 2004).

Door de boodschap middels verschillende media over te brengen, wordt optimaal gebruik gemaakt van de voordelen van de ingezette media. Daarnaast worden de minpunten van verschillende media-instrumenten geëlimineerd door het gezamenlijk inzetten van verschillende mediavormen (Keller, 2003; Percy, 2001; Manning, 2004). Manning (2004) geeft eveneens aan dat voorzichtig omgegaan moet worden met entertainment. Het gebruik van humor in de communicatie kan een positief effect hebben, omdat de consument de uiting beter weet te herinneren (Rossiter, 1997; Woltman Elpers, 2003). Humor kan echter ook een negatief en afleidend effect hebben, wat ertoe kan leiden dat de boodschap niet overkomt (Weinberger, 1995; Berg, 2001).

Tot slot dient men voorzichtig om te gaan met het opfrissen van een marketingcampagne. Of zoals Manning (2004) het stelt: ”When your board of directors starts to get bored with your campaign, run it another five years.” Daarnaast is het van groot belang consistent te blijven in de communicatie richting de klant (Manning, 2004; Keller, 2003; Percy, 2001). Consistentie betekent hier echter niet dat een marketingcampagne niet mag worden veranderd.

Consistentie kan vele tactische veranderingen vereisen om de lange termijn strategische koers vast te houden (Keller, 2003; Manning, 2004). Tijdens het voeren van een effectief communicatiebeleid is het van groot belang dat, ondanks tactische aanpassingen, de sleutelelementen (doelgroep en propositie) consistent blijven (Czerniawski et al., 1999; Keller, 2003; Percy, 2001). Met andere woorden, breng dezelfde boodschap middels verschillende uitwerkingen of mediamiddelen, zodat de campagne vernieuwend en prikkelend blijft en het totale effect van de advertentie wordt verhoogd.

Een ander belangrijk punt is dat men bij het ontwikkelen van een campagne de positionering van het merk als uitgangspunt blijft volgen (zie ook bijlage 2). Het Brand Positioning Statement is het begin- en eindpunt van marketing (Czerniawski et al., 1999; Percy, 2001).

De merkpositionering staat dan ook aan de voet van alle marketing (mix) strategieën (Czerniawski et al., 1999).

Naast positionering, behandelen Czerniawski et al. (1999) strategieën om te komen tot wat zij noemen Great Advertising. Hiervoor worden drie categorieën criteria opgesteld. De eerste categorie is Essential Criteria, de tweede Critical Criteria en de derde categorie is Lucky Strike Extra Criteria. De criteria worden in tabel 2.4 tot en met 2.6 genoemd en kort toegelicht. Aan de hand van de gegeven criteria, kan worden vastgesteld welke criteria het meest relevant zijn voor de te ontwikkelen campagne en deze criteria dienen vervolgens de basis te zijn voor de uitwerking, pre-test en resultaatmetingen. Op basis van deze formulering en evaluatie kan worden vastgesteld in hoeverre een advertentiecampagne succesvol is gebleken.

Tabel 2.4 Essential Criteria van Czerniawski (1999)

Tabel 2.5 Critical Criteria van Czerniawski (1999) Essential Criteria

Genereert Volume en

Winst Een reclame is niet succesvol als er geen volume of winstgroei uit voortkomt Volgt de Positionering De reclame moet een weerspiegeling zijn van de positionering

Is Concurrerend Een reclame dient concurrerend te zijn om volume te kunnen wegnemen van de concurrentie

Is Duurzaam Na volume en winstgroei is de periode dat de reclame succesvol kan lopen van groot belang

Critical Criteria

Relevant De centrale boodschap lokt een respons uit bij de doelgroep (prikkelt hoofd en hart) Duidelijk Er bestaat geen twijfel over de betekenis van de boodschap

Verbonden Boodschap en uitvoering zijn nauw verbonden aan het merk en niet te koppelen aan of te overtreffen door een concurrent

Memorabel Boodschap en uitvoering blijven in het geheugen van de doelgroep en zijn gemakkelijk te herinneren

Tabel 2.6 Lucky Strike Extra Criteria van Czerniawski (1999)

Naast deze door Manning (2004) en Czerniawski (1999) genoemde succesfactoren, zijn door Lilien (1992) succesfactoren aangedragen voor effectief adverteren.

- De omvang van de advertentie is positief gerelateerd aan effectiviteit - Het gebruik van kleuren heeft een positief effect op succes

- Het aantal advertenties (in het dagblad, tijdschrift, reclameblok) is negatief gerelateerd aan de effectiviteit

- Een advertentie op de rechterpagina wordt beter opgemerkt en verwerkt dan een advertentie op de linkerpagina

- Het gebruik van foto’s is effectiever dan het gebruik van illustraties

- Het gebruik van plaatjes draagt positief bij aan de effectiviteit van een advertentie Aan de hand van de genoemde punten kan worden beoordeeld in hoeverre een advertentie de eigenschappen heeft om positief te kunnen bijdragen aan de marketing ROI van een organisatie. In de literatuur wordt door enkele auteurs gepleit voor intensief pre-testen (Czerniawski, 1999; McElhatton, 2003; Keller, 2003; Jones, 2004; Wyner, 2004). Op basis van de uitkomsten van de pre-test, kan worden vastgesteld in hoeverre de campagne mogelijk kan bijdragen aan het behalen van de geformuleerde doelstellingen (Wyner, 2004). Door pre- testen kunnen de marketingbudgetten effectiever worden ingezet, waardoor men voorkomt dat investeringen verloren gaan aan ineffectieve marketinginspanningen (Keller, 2003;

McElhatton, 2003). Daarnaast wordt naar onze mening een kennisbron gecreëerd welke inzicht geeft in de merkspecifieke succesfactoren. Deze kennisbron kan een basis vormen voor toekomstige marketingactiviteiten. Door de in de literatuur gegeven richtlijnen in overweging te nemen bij het ontwikkelen van de advertentie, vooraf doelstellingen op te stellen en uitvoerig te pre-testen, kan een marketinginvestering naar onze mening niet alleen leiden tot het gewenste resultaat, maar ook tot een kennisbron die een positieve bijdrage kan leveren voor toekomstige investeringen. Deze kennisbron kan bijstaan in het schatten van een model, zodat inzicht wordt verkregen in de effecten op de verkopen of de naamsbekendheid.

Keller (2003) behandelt verschillende mediamiddelen en de voordelen en nadelen per mediamiddel. Percy (2001) geeft naast voor- en nadelen een overzicht van richtlijnen die kunnen leiden tot een succesvolle inzet van adverteren per mediamiddel. Daarnaast is de effectiviteit van verschillende mediasoorten onderzocht (onder andere Lodish, 1995a, 1995b;

Berg, 2001; Gallagher, 2001; Woltman Elpers, 2003). Hierna wordt ingaan op investeringen en trends voor televisie, radio, print en out-of-home, aangezien deze middelen in Nederland veel worden ingezet (bron: BBC De Media en Reclame Bank is de bron voor informatie over mediabestedingen in Nederland.). Tevens worden de voor- en nadelen per mediamiddel besproken.

2.3.1.1 Televisie

Investeringen in televisiereclame zijn in Nederland in 2004 met 3% toegenomen. In 2003 werd een toename gerapporteerd die vooral toe te schrijven was aan investeringen in non- spot advertising (product placement). Voor non-spot adverteren was sprake van een toename van € 82 miljoen in 2002 naar € 107 miljoen in 2003. Na een slecht 2001 vertoonden de cijfers in 2002 weer een kleine verbetering. Vooral op televisie en radio werd in 2002 veel meer geadverteerd dan in 2001. Aan commercials op televisie gaven de adverteerders 1,61 miljard euro uit tegenover 1,42 miljard een jaar eerder (+ 13 pct.) (bron: BBC).

Lucky Strike Extra Criteria

Impactvol De reclame en de boodschap worden gezien en herinnerd

Levensecht Prikkelt zowel het hoofd als het hart. De juiste emoties worden opgeroepen Betrokken De doelgroep wordt (emotioneel) betrokken, ongeacht het soort product Biedt inzicht De reclame biedt nieuwe inzichten of een andere kijk op zaken

Informatief De reclame biedt relevante informatie voor de doelgroep

Vermakelijk Hoewel vermaak niet heiligmakend is, maakt het de verkoop vaak gemakkelijker

In tabel 2.7 zijn verschillende voordelen en nadelen van het inzetten van televisie genoemd.

Omdat veel huishoudens in het bezit zijn van één of meerdere televisietoestellen is het bereik groot en de dekking hoog (Kotler, 2001; Keller, 2003). De mogelijkheid om veel mensen te bereiken middels één commercial heeft tot gevolg dat de kosten per uitzending relatief laag zijn (Kotler, 2001; Keller, 2003). De combinatie geluid, kleur en beweging maakt televisie een mediamiddel met een grote impact. Ook zou televisie een positieve bijdrage leveren aan het imago van het merk (Kotler, 2001; Keller, 2003). Naast deze voordelen, heeft het inzetten van televisie ook nadelen. Hoewel televisie vele mensen kan bereiken, is het niet goed mogelijk een nauwkeurige doelgroepselectie te maken. Uit onderzoek is namelijk gebleken dat er geen relatie bestaat tussen demografische of psycho-grafische variabelen en de televisiekanalen waar men naar kijkt (Belch, 1995). Dit kan tot gevolg hebben dat er veel mensen buiten de doelgroep wel worden bereikt, maar veel mensen die wel tot de doelgroep behoren niet worden bereikt (Kotler, 2001; Keller, 2003). Daarnaast heeft televisie ondanks de relatief lage kosten per exposure, hoge absolute (productie)kosten. Ook is er in hoge mate sprake van verlies van effectiviteit, aangezien de eigen commercial in hetzelfde blok wordt uitgezonden als vele andere commercials.

Bron: Keller 2003 Voordelen Nadelen

Groot bereik Geen nauwkeurige doelgroepselectie mogelijk

Hoge dekking Absolute kosten zijn hoog

Relatief grote impact door geluid, beweging en beeld

Hoge productiekosten Kosten per exposure zijn laag door hoog

bereik per exposure Hoge mate van ruis door tegelijkertijd uitzenden van vele verschillende boodschappen.

Attention getting

Draagt bij aan een positief imago

Tabel 2.7 Voordelen en nadelen van televisie als mediamiddel

Lodish (1995a, 1995b) heeft onderzoek gedaan naar zowel de kortetermijn- als de langetermijneffectiviteit van televisiereclame. Uit deze twee onderzoeken kwam naar voren dat televisiereclame op korte termijn (Lodish, 1995a):

- Een lage elasticiteit heeft, wat betekent dat een toename in de investeringen op korte termijn geen of weinig effect heeft op de resultaten;

- Vooral effectief is bij nieuwe producten en lijnextenties;

- Effectiever is als de copy regelmatig wordt aangepast;

- Effectiever is wanneer het in combinatie met bijvoorbeeld handelsondersteuning wordt ingezet.

Uit onderzoek naar de langetermijneffecten van televisiereclame, kwamen de volgende conclusies naar voren (Lodish, 1995b):

- Als de TV-reclame in het lopende jaar (t) geen effect heeft, dan zal er ook geen effect zijn in de daarop volgende jaren (t+1, t+2);

- Heeft de commercial in het lopende jaar (t) wel effect, dan zal er in het jaar daarna (t+1) een verdubbeling van het effect in jaar (t) plaatsvinden en in (t+2) een nog een geringe toename ten opzichte van de effecten in (t).

Daarnaast geeft Czerniawski (1999) overzichten van de voor- en nadelen van verschillende uitvoeringen van televisiereclames. Deze overzichten geven antwoord op vragen als: wat zijn de voor- en nadelen van animatie, van het gebruik van een presentator of van de zogenaamde Slice-of-Life uitvoering? Slice-of-Life is een uitvoering waarbij de boodschap wordt gebracht in de context van het dagelijkse leven van de consument (Czerniawski, 1999;

Kotler, 2001). Deze literatuur wordt hier niet verder behandeld. De geïnteresseerde lezer wordt verwezen naar de bron (Czerniawski, 1999).

Het inzetten van televisie blijkt niet zonder risico’s. Uit onderzoek van BVA (Bond van Adverteerders) en MM&MO (MM&MO is een marketing en communicatie adviesbureau en heeft als belangrijkste doelstelling de waarde van in marketing- en communicatie- geïnvesteerde bedragen te verhogen voor de adverteerders. http://www.mm-mo.nl/wie.html)