Узнайте, как быстро оценить знание вашего бренда через Яндекс Wordstat. Разбираем на примере продуктов Тинькофф.

Знание бренда или уровень его узнаваемости важен по двум причинам.

Во-первых, он отвечает за способность потребителя вспомнить название торговой марки непосредственно в момент покупки/выбора товара или услуги. Уровень знания торговой марки или бренда оказывает огромное влияние на продажи и доверие аудитории.

Во-вторых, данный показатель используется для оценки эффективности рекламных кампаний. На основе замеров можно определить, насколько изменилось знание по отношению к конкурентам и принять решение о корректировки рекламных стратегий.

Наиболее частыми способами для исследования узнаваемости применяются онлайн-опросы и оффлайн-опросы респондентов.

Сегодня мы не будем глубоко погружаться в методологию исследований и рассмотрим только базовые моменты для раскрытия темы статьи.

Исследование знания бренда оценивается по трем показателям:

• Top of Mind
• Спонтанное знание
• Знание с подсказкой

Top of Mind - идеальный результат для любого бренда. Он означает, что большинство респондентов называют торговую марку первой при ответе на вопрос «какие марки/бренды/товары вы знаете из категории X». Например, большинство потребителей назовут ручки Parker при вопросе «Каких производителей дорогих ручек вы знаете?», а иногда сам бренд может ассоциироваться с товарной категорией (Pampers, Xerox или Polaroid).

Респонденты называют бренд или торговую марку в процессе перечисления брендов товарной категории.

Данный уровень является самым слабым из представленных. Он означает, что потребитель может вспомнить бренд или марку только при непосредственном контакте с товаром. При оценке уровня респондентам предоставляются названия брендов, логотипы или упаковки и задается вопрос: «Укажите все бренды, которые вам известны».

Вышеописанные методы базируются на непосредственных опросах респондентов, трудозатратны по времени, высоки по бюджету и требуют привлечения специализированных агентств.

Но что делать, если требуется оперативно отслеживать динамику знания бренда с минимальными финансовыми затратами?

Самым доступным и эффективным способом оценки знания является отслеживание частоты запроса бренда в поисковых системах.

Методика не привязана к прямым опросам респондентов, может быть частично автоматизирована. А после заранее произведенных подготовительных работ может занимать всего несколько дней или часов.

Плюсы

• Скорость получения результатов
• Низкий бюджет

Минусы метода

• Оценка базируется только на онлайн аудитории одной поисковой системы

Яндекс Вордстат предоставляет огромное количество ежедневно обновляемых статистических данных по интересам аудитории. В совокупности с умением их отбора, очистки и интерпретации, инструмент становится незаменимым и обязательным к использованию для маркетологов и аналитиков.

Подробнее ознакомиться с функционалом сервиса, узнать виды и отличия частотности фраз, научиться использовать поисковые операторы вы можете, прочитав нашу статью «Яндекс Wordstat - руководство по подбору ключевых слов 2022».

Все названия брендов можно разделить на 2 типа:

• Однозначный – фраза используется только при поиске бренда/товара
• Неоднозначный – пользователи вводят фразу как при поиске бренда, так и в других случаях. Пример: Карта Халва является продуктом Совкомбанк. Одни пользователи, вводящие в поисковую строку слово «Халва» ищут карту, а другие - восточную сладость.

Если запрос однозначный, то для оценки знания бренда, достаточно ввести его в поисковую строку Яндекс Вордстат и снять общую частность фразы - это и будет примерным уровнем знания бренда. Как мы успели узнать из прошлой статьи, общая частотность – это количество показов страниц поисковой выдачи по данной и смежной с ней фразам за последние 30 дней.

В качестве примера неоднозначного запроса можно взять название автодилера «Максимум».

Рассмотрим предлагаемые Wordtstat фразы по данному запросу:

При сборе статистики мы специально ограничили выборку регионом Санкт-Петербург и Ленинградская область. Это позволило повысить точность измерения, ограничившись только регионом присутствия бренда и снизить количество лишних фраз для анализа.

Как видим, пользователи, вводящие слово «Максимум», ищут радиостанцию и математические функции. И только потом - нашего автодилера.

Для оценки знания бренда прежде всего следует исключить из выборки лишние фразы, добавив минус-слова. Исключать можно как через сам сервис Wordstat, добавляя минус-слова, так и после первичного сбора статистики.

В случае однозначного запроса, всё, что нам нужно для грубой оценки знания бренда - это взять количество показов по первой фразе.

Если же запрос неоднозначный, ориентироваться следует на значение над списком слов. Ни в коем случае не следует суммировать частотность по всем предложенным фразам. Как видно из картинки ниже - частотность первого же слова превышает суммарное число всех фраз. А сумма запросов с первой страницы Wordstat превысит 140 000 показов - это очень сильно исказит анализируемые результаты и не покажет реальной картины.

Выше мы рассмотрели довольно простой, но грубый подход к анализу знания бренда. В нашей практике оказания консалтинговых услуг по оценки емкости рынка и конкурентному анализу данный подход используется только для быстрой первичной оценки с большой погрешностью. Для повышения точности мы прибегаем к более детальному сбору ядра и его тщательной очистке.

Любая крупная компания хочет понимать, как растет каждое её направление за счет маркетинговых вливаний. При таком анализе следует исключать новостной шум, отзывы и другие запросы.

Мы помним, что сумма показов по всем фразам из списка будет больше реальных запросов пользователей. Поэтому возможно либо учитывать запросы с уточненной частотностью (это значительно усложнит последующие итерации сбора данных и приведет к потере статистики по длинному хвосту), либо определить допустимую погрешность и собрать такие маски запросов, которые смогут охватить бОльшую часть релевантной семантики.

Рассмотрим на примере банка Тинькофф.

Банк имеет огромное количество продуктов и, как следствие, ответственных за их развитие. На каждый проект выделяется отдельный маркетинговый бюджет и ставятся KPI по росту пользователей и знанию продукта.

В данном случае для оценки будет некорректно использовать общие значения емкости - необходим более детальный подход к подбору и очистке данных.

Для разбора возьмем самый частотный ключ «Тинькофф». Общее число показов по нему составляет порядка 8 млн на апрель 2022 года, против 272К по фразе «tinkoff» без учета региона.

Все запросы, связанные с брендом, можно разделить на несколько логических групп:

• Информационные – фразы, связанные с поиском телефона, адресов банкоматов, времени работы, поиск отзывов и тд.
• Продуктовые – запросы о продуктах и их условиях.

Если детально изучить все запросы пользователей, то мы можем заметить, что не всегда можно однозначно отделить одни фразы от других. Например, к какой группе отнести запрос «тинькофф инвестиции отзывы»?

Как мы писали выше, мы можем пойти либо по более длинному пути, собирая более длинные фразы, либо определить уровень погрешности и принять во внимание возможные пересечения множеств.

Согласно принципу Парето 20% усилий дают 80% результата. В нашем случае оценка по верхам позволит определить знание с довольно высокой точностью, а последующее более узкое сегментирование фраз, будет незначительно повышать точность, по отношению к сильно возросшим трудозатратам. Почти все исследования используют небольшую, но достаточную выборку - это помогает сократить бюджет и сроки исследования и при этом получать достаточную точность для вывода.

Определим продукты, предоставляемые банком:

• Информационные запросы
  
  • Адреса
  • Телефоны
  • Приложение
  • Время работы
  • и тд.
• Инвестиции
• Дебетовые карты
• Кредитные карты
• Вклады
• Кредиты
• Mobile
• Туристические страховки
• КАСКО
• и тд

На данном этапе следует максимально полно собрать продуктовую линейку.

В данной статье определим допустимую погрешность в частотности в 10-15%.

На первом этапе соберем статистику фраз по запросу «тинькофф». Глубина сбора может быть любой - от первых 4-5 страниц выдачи Вордстат до всей представленной статистики.

С 5 страницы частотность фраз начинает сильно сокращаться и идти дальше не имеет смысла.

На выходе получаем файл со списком ключевых фраз и частотностью:

Следующим шагом мы начинаем подбирать маски запросов, максимально охватывающие интересующее направление. При этом мы стараемся минимизировать возможные пересечения со смежными. Например, берем фразу «тинькофф личный» и смотрим все предлагаемые нам фразы в Wordstat.

В статистику пролетают фразы со словом телефон. Следовательно, при учете показов по фразе «тинькофф телефон» мы должны понимать пересечение с семантикой «тинькофф личный», для этого мы и вводили возможную погрешность на результаты.

Повторяя одну итерацию за другой, мы начинаем либо упрощать фразу до двусложной, либо усложнять до трехсложной, таким образом минимизируя дублирование информации.

По итогам проделанной работы мы получим список из 50-100 фраз, с минимальным пересечением.

Соберем суммарную частотность по получившейся семантике и сравним с фразой по запросу бренда.

Для большей наглядности в примере мы собрали частотность за 2021 год. Отклонение показов по собранным маскам незначительно отличается от суммарной частотности.

Конечно, могут быть средне и низко частные запросы, которые не попадут в наши маски, но нам это и не было нужно для оценки знания.

Таким образом, сегментировав маски по продуктам, можно на ежемесячной основе отслеживать изменение знания бренда или продукта. А главное, делать это без дорогостоящих исследований.