Marketingmatek: adatvezérelt döntéshozatal

A marketing évtizedeken át inkább véleményekre, ösztönökre és hangosabb egókra épült, mint számokra. A digitális csatornák térnyerésével azonban a helyzet gyökeresen megváltozott: ma már gyakorlatilag minden kattintás, megjelenés, kosárelhagyás és vásárlás mérhető. A kérdés nem az, hogy van-e adat, hanem az, hogy mit kezdesz vele. Ebből születik meg az, amit nevezhetünk marketingmateknak: az a szemlélet és eszköztár, amely a marketingdöntéseket következetesen számszerűsíthető információkra építi.

Ha vállalkozó vagy, marketinges vagy döntéshozó vagy, valószínűleg már te is érezted, hogy a „szerintem ez jó lesz” korszakának vége. A hirdetési büdzsé drága, a konkurensek erősek, a vevők türelme pedig rövid. Ilyen környezetben az nyer, aki rendszerszinten érti, mi mennyibe kerül, mi mit hoz, és hogyan lehet ezt modellezni. A marketingmatek nem egzotikus tudomány, hanem annak a fegyelmezett gondolkodásmódnak az összefoglalása, amelyben a kampányokra, csatornákra, ajánlatokra és vevőkre számszerűen tekintünk, és ez alapján hozzuk meg a stratégiai és taktikai döntéseket.

A következőkben végigmegyünk azokon a területeken, ahol a matematikai és statisztikai eszközök tényleg értelmezhető versenyelőnyt adnak: üzleti modellezés, szegmentáció és pozicionálás, mérőszámok és KPI-ok, budgettervezés és megtérülés, attribúciós modellezés, valamint az ezeket kiszolgáló adatinfrastruktúra. Közben végig magyar KKV-szemüvegen keresztül gondolkodunk: mi az, ami itthon, tőkehiányos piacon is megvalósítható, és mi az, ami csak nagyvállalati PowerPointba való.

A marketingmatek nem Excel-bűvészkedés, hanem annak kimondása számokkal, hogy mi működik a vállalkozásodban, és mi nem. – Dajka Gábor

Mit jelent a marketingmatek a gyakorlatban?

A marketingmatek nem attól létezik, hogy valaki bonyolult képleteket ír a táblára. A lényege az, hogy minden lényeges marketingkérdést úgy teszünk fel: „ez hogyan mérhető, hogyan modellezhető, és milyen döntés következik belőle?”. Az adatvezérelt döntéshozatal két dologra épül: jó kérdésekre és használható adatokra. Ha bármelyik hiányzik, a legszebb dashboard is csak színes ábra.

Marketingmatek alatt ezért több szintet érdemes megkülönböztetni:

• Leíró szint: Mi történt? (forgalom, konverzió, kosárérték, leiratkozások, stb.)
• Diagnosztikai szint: Miért történt? (melyik csatorna mozdult, melyik szegmens reagált, hol szivárog az értékesítési tölcsér)
• Prediktív szint: Mi fog történni, ha semmit nem változtatunk?
• Preskriptív szint: Mit érdemes tenni a jobb eredményért? (budgetátcsoportosítás, ajánlatváltás, célcsoport-fókusz)

Dajka Gábor tapasztalata szerint a magyar KKV-knál sokszor már az is óriási előrelépés, ha a tulajdonos és a marketinges közösen rögzít 4–5 stabil mutatót (pl. ügyfélszerzési költség, vevőnkénti bevétel, ismételt vásárlások aránya), és havonta ugyanazokat nézik, ugyanazzal a módszertannal. A marketingmatek tehát nem ott kezdődik, hogy Markov-láncokat építesz, hanem ott, hogy következetesen ugyanazokat a számokat kéred le és értelmezed.

Üzleti modellezés mint gondolkodási keret

Az üzleti modellezés lényege, hogy a vállalkozásod működését – leegyszerűsítve, de logikusan – egyenletekben fogalmazod meg. Nem a szépség, hanem a döntéstámogatás számít. Tipikusan ilyen kérdések merülnek fel:

• Mennyi bevételt termel egy új ügyfél az első évben és teljes élettartama alatt?
• Mekkora marketingköltséggel szerezhető meg egy új ügyfél adott csatornán?
• Hogyan hat a profitra, ha az árakhoz vagy a kedvezményekhez nyúlunk?
• Mi történik a cashflow-val, ha egyszerre bővítjük a csatornákat és új termékvonalat indítunk?

Az üzleti modellezés során a vállalkozásod változóit (árak, költségek, mennyiségek, konverziós arányok, ügyfélszámok, visszatérési arány, stb.) próbálod egymással összefüggésben leírni. Például:

Bevétel = Ügyfélszám × Átlagos kosárérték × Vásárlások száma ügyfelenként egy adott időszakban.

Ehhez kapcsolódhat a profit képlete:

Profit = Bevétel – (Változó költségek + Fix költségek + Marketingköltség).

Ha ez a két-három egyszerű egyenlet nincs a fejedben és az Excel-tábládban, akkor valójában nem üzleti modellt, hanem „reménykultúrát” üzemeltetsz. A modellezés előnye nem az, hogy minden tizedesjegyet pontosan tudsz, hanem az, hogy látod: mire érzékeny a rendszered. Pár százaléknyi konverziónövekedés többet ér-e, mint pár százaléknyi árnövelés? Melyik csatorna vágja haza a profitot, ha rosszul skálázod?

Üzleti modellezés a marketingben: árazás, portfólió, csatornák

Az üzleti modellezés különösen hasznos az árazás, a termékportfólió és a csatornamix tervezésénél. A legtöbb magyar vállalkozó ösztönösen áraz: megnézi a konkurenciát, tesz rá valami ráhagyást vagy ad egy kicsi kedvezményt, és kész. A marketingmatek itt lép be igazán: nem az a kérdés, hogy mennyiért „érzi jónak” a terméket a piac, hanem az, hogy az ár és a volumen együtt milyen profitot eredményez.

Érdemes például legalább három árazási szcenáriót végigszámolni:

• Alacsonyabb ár, nagyobb volumen: hogyan alakul a bevétel és profit, ha a mennyiség nő, de az egységár csökken?
• Magasabb ár, kisebb volumen: mi történik, ha kevesebb, de magasabb értékű ügyfeled lesz?
• Szegmentált árképzés: külön árstruktúra árérzékeny és prémium szegmensre – mennyire elbírja ezt a piac?

Ugyanez igaz a csatornákra is. A marketingcsatornákat nem elvi viták, hanem számok alapján érdemes összevetni: mennyibe kerül egy lead vagy vásárlás csatornánként, milyen minőségű ügyfeleket hoz (visszatér-e, mennyit költ), és milyen gyorsan térül meg a befektetés. Itt jön be a „mi lenne, ha” típusú szimuláció: mi történik, ha a Facebook-budget 30%-át átteszed Google Adsre, vagy ha az influencer-költés felét átterelnéd tartalommarketingre?

Dajka Gábor tapasztalata szerint a magyar KKV-knál már az is jelentős előrelépés, ha negyedévente egy fél napot csak arra szánnak, hogy végigszámolják ezeket a szcenáriókat, és dokumentálják: miért annyit költöttek az egyes csatornákra, amennyit. Ez már nem „érzésalapú marketing”, hanem üzleti döntés számokkal alátámasztva.

Alap marketingmatek képletek röviden

A marketingmatekhez nem kell egyetemi szintű analízist tudni, de van néhány olyan alapképlet, amit minden vállalkozónak és marketingesnek illik fejből ismernie. Ezek adják a gondolkodás alaprétegét. Az alábbi táblázat a legfontosabb mutatók egyszerűsített definícióit foglalja össze.

Ha ezeket a mutatókat nem csak kiszámolod, hanem be is építed a rendszeres tervezésbe és riportálásba, máris sokkal tudatosabban tudsz beszélgetni akár a saját marketingeseddel, akár külső ügynökséggel. Az „drágák a hirdetések” típusú mondat helyett arról fogsz beszélni, hogy melyik csatornán mennyi a CAC, hogyan viszonyul ez a CLV-hez, és mikor térül meg a befektetés.

Piacszegmentáció számszerűen

A szegmentáció lényege, hogy a piacot kisebb, homogénebb csoportokra bontod, amelyekre más-más ajánlat és kommunikáció működik. Matematikai értelemben a cél az, hogy olyan csoportokat találj, amelyek „belül” hasonlóak, egymáshoz képest viszont jól elkülönülnek. Ehhez a gyakorlatban két irány szokott keveredni:

• Egyszerű, kézi szegmentáció: demográfia (életkor, nem, lakhely), vásárlási gyakoriság, kosárérték, hűségprogram státusz.
• Statisztikai szegmentáció: klaszteranalízis, faktoranalízis, többváltozós módszerek, amelyek automatizáltan csoportosítják a vevőket viselkedés alapján.

Magyar KKV-szinten a legtöbbször bőven elég, ha a marketingmatek szintjén legalább három alap-szegmenst használsz: új érdeklődők, aktív vevők, inaktív/nemrég kiesett vevők. Erre ráépíthetsz viselkedési adatokat (pl. csak akcióra reagál, prémium terméket vesz, gyakran nyit hírlevelet). Ha van elég adatod, egy egyszerű klaszterelemzés is megmutathatja, hogy valójában 3–5 domináns „mintavásárló-típus” létezik, nem pedig „mindenki a célcsoport”.

A marketingmatek itt abban segít, hogy a szegmensek nem elvi szinten léteznek, hanem konkrét számokkal: mekkora forgalmat hoznak, mennyi a profitráta, mennyi a lemorzsolódás, mennyibe kerül egy-egy szegmens megszólítása. Innen már racionális döntés, hogy melyik szegmensre érdemes építeni, és melyiket kell elengedni, még ha érzelmileg fáj is.

Pozicionálás többdimenziós ábrázolással

A pozicionálás arról szól, hogy a vevők fejében hol helyezkedik el a márkád a versenytársakhoz képest. Ennek matematikai támogatására szolgálnak a többdimenziós skálázási technikák: a fogyasztók értékelései alapján két vagy három dimenzióban ábrázolható, hogy az egyes márkák mennyire „közel” vagy „távol” állnak egymástól bizonyos tulajdonságok mentén (pl. olcsó–drága, alap–prémium, hagyományos–modern).

Egy egyszerűbb, KKV-barát megoldás az, ha kérdőívben vagy interjúban megkéred a vevőidet, hogy értékeljék a márkádat és a főbb versenytársakat 1–10-es skálán különböző dimenziók szerint (minőség, ár-érték arány, szakértelem, ügyfélszolgálat, bizalom, stb.). Ezeket az adatokat aztán le lehet képezni egy két- vagy háromdimenziós ábrára, ahol a pozíciók távolsága számszerűen is mutatja, ki kinek a „szomszédja” a fogyasztói fejben.

A lényeg nem az, hogy kifinomult statisztikai szoftvert használj, hanem az, hogy a pozicionálásról ne csak jelzőkben (jó, menő, prémium) beszéljünk, hanem adatokban: a célpiacod hány százaléka sorol be téged a prémium kategóriába, hány százalék említ elsőként, amikor az adott problémáról kérdezzük, és melyik márkával kevernek össze leggyakrabban. Ezek a számok segítenek abban, hogy a pozicionálási stratégiát ne önigazolás, hanem valós percepciók alapján alakítsd.

Mérőszámok és KPI-ok: mit érdemes tényleg mérni?

A mérőszámok és KPI-ok (Key Performance Indicators) kiválasztása messze nem technikai kérdés. Ha rossz mutatókra optimalizálsz, rossz üzleti döntések születnek. Ha csak forgalmat mérsz, könnyen elfelejted a profitot. Ha csak elérést nézel, könnyű figyelmen kívül hagyni a relevanciát és a minőséget.

Egy egészséges marketingmatek-rendszerben a mérőszámok több szinten működnek:

• Stratégiai mutatók: bevétel, profit, piaci részesedés, ügyfélélettartam (CLV), ügyfélszám.
• Taktikai mutatók: konverziós arány, kosárérték, kosárelhagyási arány, visszatérési arány, nyitási/kattintási arány.
• Csatornaszintű mutatók: CPC, CPM, CTR, CAC csatornánként, csatornaalapú ROMI.

Dajka Gábor tapasztalata szerint a magyar KKV-knál gyakori hiba, hogy túl sok számot mérnek, de semmit nem használnak következetesen döntésre. A megoldás nem az újabb dashboard, hanem 5–7 kritikus mutató kijelölése, amelyet a vezetés rendszeresen átbeszél. Például:

• Havi új ügyfelek száma és azok várható ügyfélélettartam-értéke.
• Ügyfélszerzési költség (CAC) csatornánként.
• Visszatérő vásárlók aránya és az ő kosárértékük.
• Marketing ROMI összességében és fő csatornákra bontva.

Egy ilyen mutatókészlet már alkalmas arra, hogy vitákat döntsön el. Nem az nyer, aki hangosabban mondja, hogy „ez a csatorna jó”, hanem az, amelyik bizonyíthatóan jobb ügyfélélettartam-értéket termel adott költségen.

Budgettervezés, költséghatékonyság és ROMI

A budgettervezés valójában erőforrás-allokációs feladat: adott korlátos keretből hogyan hozzunk ki minél több, lehetőleg fenntartható profitot. Az operációkutatás klasszikus módszerei (pl. lineáris programozás) pontosan ilyen kérdésekre adnak választ: milyen arányban érdemes költeni az egyes csatornákra, ha ismerjük az egyes csatornák várható konverziós teljesítményét és költségét.

Gyakorlati szinten a magyar vállalkozásoknál már az is óriási lépés, ha az éves vagy féléves marketingbudgetet nem „érzésre” osztják el, hanem az alábbi egyszerű logika szerint:

1. Rögzítik a célt: árbevétel, profit vagy ügyfélszám növelése (nem mindegy, melyiket).
2. Összegyűjtik az előző időszak adatait: csatornánkénti ROMI, CAC, konverziós arány.
3. Szcenáriókat építenek: mi történik, ha a legjobb ROMI-t hozó csatornára +20%, +50% büdzsé kerül? Hol van telítődési pont?
4. Döntést hoznak: elosztják a költségvetést a szcenáriók alapján, és előre rögzítik, hogy milyen feltételekkel vizsgálják felül.

A költséghatékonyság mérése itt két szinten lényeges: egyrészt csatornaszinten (hol olcsóbb egy új ügyfelet szerezni), másrészt ügyfélszinten (mely szegmensnél jobb a CLV/CAC arány). A ROMI (Return on Marketing Investment) azt mutatja meg, hogy a marketingre költött összeg mennyi extra bevételt hozott. Ha ezt nem mérjük, valójában vakon költjük a pénzt.

Ez az a pont, ahol az adatvezérelt gondolkodás és a pénzügyi fegyelem találkozik. Nem véletlen, hogy Dajka Gábor tapasztalata szerint azok a vállalkozók tudnak tartósan növekedni, akik a marketingbudgetet nem költségnek, hanem befektetésnek tekintik – de csak addig, amíg a számok visszaigazolják, hogy valóban hoz is.

Attribúciós modellezés: kit illet az érdem?

Az attribúciós modellezés arra a kérdésre keresi a választ, hogy a vásárlói út során melyik érintési pont mennyiben járul hozzá a konverzióhoz. Ez ma már nem luxustéma, hanem a budgetallokáció egyik alapja. Ha mindent az utolsó kattintásnak tulajdonítasz, akkor szinte biztosan alulértékeled azokat a csatornákat, amelyek a figyelem megszerzésében és a márkaépítésben erősek (például tartalommarketing, felső tölcsérben futó Facebook-kampányok).

A legegyszerűbb attribúciós modellek:

• Utolsó kattintás alapú modell: minden érdemet az utolsó érintési pont kap.
• Első kattintás alapú modell: a figyelem megszerzését jutalmazza, a zárást kevésbé.
• Lineáris modell: minden érintési pont azonos súlyt kap.
• Időalapú modell: a konverzióhoz közelebb eső érintési pontok nagyobb súlyt kapnak.

Fejlettebb megközelítések a játékelméletből ismert Shapley-értéket vagy Markov-lánc alapú modelleket használják. Ezek figyelembe veszik az érintési pontok közötti sorrendet, együttállásokat és azt, hogy mely csatornák „eltűnése” okozná a legnagyobb visszaesést a konverzióban. A gyakorlati üzenet azonban egyszerű: ha komolyan veszed a marketingmatekot, akkor nem elég egyetlen attribúciós nézőpontot használni. Minimum két különböző modellt érdemes párhuzamosan nézni (pl. utolsó kattintás + lineáris), és megnézni, mennyire térnek el egymástól a csatornák értékelésében.

Magyar KKV-szinten sokszor már az is előrelépés, ha legalább manuálisan végiggondolod: „ezt a vevőt hol látta először a márkánkat, hol találkozott velünk még, mielőtt vásárolt?”. Ha ezt a gondolkodást sikerül adatalapúvá emelni, akkor lényegesen tudatosabban tudod átcsoportosítani a büdzsét a valóban hatékony érintési pontok felé.

Adatgyűjtés és analitikai infrastruktúra

A marketingmatek nem létezhet minimális adatinfrastruktúra nélkül. Nem arról van szó, hogy minden KKV-nak saját adattárházat kell építenie, de az alábbi elemek ma már alapnak számítanak:

• Megbízható analitikai rendszer (pl. webanalitika) helyesen beállított eseményekkel és konverziókkal.
• Olyan CRM vagy ügyféladatbázis, amelyben ügyfélszinten követhető a vásárlások története.
• Egységes azonosítók (e-mail, ügyfélazonosító), amelyek összekötik az online viselkedést az offline tranzakciókkal.
• Egyszerű, de konzisztens riportolási rendszer (Excel, BI-eszköz), amelyben minden hónapban ugyanúgy készülnek el a kimutatások.

Dajka Gábor tapasztalata szerint a legkisebb magyar vállalkozásoknál is meg lehet oldani, hogy legalább egy összekapcsolt webanalitika–CRM–számlázó rendszer működjön. Nem a technológia a fő akadály, hanem a fegyelem: definiálni kell, hogy mi számít konverziónak, hogyan címkézitek a kampányokat, milyen szegmenseket használtok, és ki felel azért, hogy az adatok havonta rendben legyenek.

Ha az adatgyűjtés rendezetlen, akkor minden későbbi elemzés csak látszattevékenység lesz. Itt kapcsolódik össze a marketingmatek és az üzleti pszichológia: sok vállalkozó számára kellemetlen szembenézni azzal, hogy a számok nem azt mutatják, amit remélt. Aki viszont képes szembenézni a valósággal, annak az adat nem ellenség, hanem versenyelőny.

Tipikus hibák a marketingmatekben

Amikor egy vállalkozás elkezd adatvezérelt marketingben gondolkodni, szinte törvényszerűen elkövet néhány tipikus hibát. Ezek felismerése önmagában növeli a rendszered hatékonyságát.

• Túl sok mutató, túl kevés döntés: gyönyörű dashboardok, de nincs konzekvens döntéshozatal.
• Csatorna-fetisizmus: valaki „belészeret” egy csatornába (pl. TikTok), függetlenül attól, hogy számokban mit hoz.
• Csak az olcsó kattintásra optimalizálás: alacsony CPC, de gyenge minőségű közönség és rossz ügyfélélettartam-érték.
• Rövid távú gondolkodás: csak az azonnali konverziók számítanak, a márkaépítés hosszú távú hatása teljesen láthatatlanná válik.
• Adattisztítás hiánya: duplikált ügyfelek, rossz tracking, hiányos kampánycímkék, amelyek félreviszik az egész elemzést.

Ezeket a hibákat nem lehet teljesen elkerülni, de tudatosan csökkenteni igen. A marketingmatek érettsége ott kezdődik, amikor egy vállalkozás képes azt mondani: „ezt a mutatót eddig rosszul mértük, mostantól másképp fogjuk”. Ez a gondolkodásmód áll legközelebb ahhoz, ahogyan egy pénzügyes vagy egy kutató közelít a valósághoz – és pontosan erre van szükség a marketingben is.

Lépésről lépésre akcióterv magyar KKV-knak

Ha jelenleg még messzinek érzed a Markov-láncokat és a többdimenziós ábrázolást, kezdj azzal, ami egy átlagos magyar KKV számára teljesen reálisan megvalósítható. Egy egyszerű, de működő akcióterv:

1. Válassz ki 5–7 mutatót, amit rendszeresen mérsz. Például: havi bevétel, profit, új ügyfelek száma, CAC csatornánként, CLV, visszatérő vásárlók aránya, hírlevél-feliratkozások száma.
2. Állíts be tiszta trackinget. Gondoskodj róla, hogy a weboldal, a hirdetési fiókok és a CRM ugyanazokat a kampányneveket használják, és minden fontos esemény (ajánlatkérés, kosárba helyezés, vásárlás) mérve legyen.
3. Építs egy alap üzleti modellt Excelben. Számold ki, hogy egy új vevő megszerzése mennyibe kerül, mennyit költ átlagosan egy év alatt, és ebből mennyi a profit.
4. Szegmentáld az ügyfeleidet. Legalább három csoportra: új, aktív, inaktív. Nézd meg, mennyiben térnek el egymástól érték és viselkedés szempontjából.
5. Futtass negyedévente „mi lenne, ha” szimulációkat. Mi történne, ha az egyik csatorna büdzséjét 20%-kal növelnéd, a másikét 20%-kal csökkentenéd? Hogyan változna a profit?
6. Vezesd be a rendszeres marketing-megbeszélést. Havonta egyszer ülj le a marketingeseddel vagy az ügynökséggel, és kizárólag számokról beszéljetek – érzetek nélkül.

Az ilyen típusú fegyelmezett megközelítéshez sokat segíthet az is, ha a marketingpszichológiai alapokat is megérted. Az Online Marketing és Pszichológia című könyv pontosan azt az átjárót építi meg a viselkedéslélektan és a gyakorlati kampányépítés között, ami nélkül a marketingmatek könnyen steril gyakorlattá válna: számok emberek nélkül.

Dajka Gábor marketingszakértő, business coach és befektető szerint

Őszintén: a következő években azok a vállalkozások fognak talpon maradni, amelyek képesek a marketinget ugyanazzal a fegyelemmel kezelni, mint a pénzügyet. A többieket felzabálják azok, akik jobban számolnak, nem akik hangosabban kommunikálnak.

Nem azt mondom, hogy holnaptól minden magyar KKV-nak attribúciós modellt kell építenie és lineáris programozással optimalizálnia a budgetet. Azt mondom, hogy aki ma sem tudja megmondani, mennyibe kerül nála egy új ügyfél, mennyit hoz összesen, és melyik csatorna termeli a legjobb CLV/CAC arányt, az veszélyes játékot játszik a saját cégével – és a családja jövőjével is.

Nem kell zseninek lenni a marketingmatekhez. Elég, ha vállalod a felelősséget a döntéseidért, és hajlandó vagy számokkal szembenézni. Aki ezt megteszi, annak a marketing többé nem misztikus költség, hanem egy olyan eszköz, amelynek a működése érthető, mérhető és fejleszthető. Innen indul az a gondolkodás, amelyben a magyar vállalkozó nem trendeket másol, hanem rendszert épít – és hosszú távon ebből lesz a valódi versenyelőny.

A marketing akkor válik igazán erőssé, amikor a kreativitás mögé odaáll a matematika, és a véleményt felváltja a felelősséggel vállalt döntés. – Dajka Gábor

Szakértő válaszol – gyakori kérdések

Mi az a marketingmatek, és kell-e hozzá magas szintű matematika?

A marketingmatek a marketingdöntések számszerű megközelítését jelenti: üzleti modellek, mérőszámok, statisztikai elemzések és szcenáriószámítások használatát. Nem az a cél, hogy bonyolult képleteket írj, hanem az, hogy minden fontos döntés mögött legyen valamilyen számítás. A legtöbb magyar KKV számára bőven elég az alap arányszámok (konverzió, CAC, CLV, ROMI) megértése és következetes használata. A magasabb szintű matematika (pl. többváltozós statisztika, attribúciós modellezés) később is bevezethető, ha már stabilan működnek az alapok.

Van-e értelme marketingmatekben gondolkodni egy magyar, alacsony költségvetésű KKV-nál?

Igen, sőt ilyen helyzetben még fontosabb. Minél kisebb a budget, annál kevésbé fér bele a pazarlás. Egy kis büdzséből dolgozó KKV-nál sokszor már az is döntő különbséget jelent, ha tudatosan figyeli a CAC-et csatornánként, és elengedi azokat a csatornákat, amelyek csak „szépek”, de nem hoznak profitot. Dajka Gábor tapasztalata szerint a legtöbb mikrovállalkozás úgy tudja a leggyorsabban javítani az eredményeit, ha egy-két csatornára fókuszál, és ott következetesen optimalizál a számok alapján, ahelyett hogy öt-hat felületen „jelen van” valahogy.

Mennyi adat kell ahhoz, hogy üzleti modellt vagy attribúciós modellt építsek?

Üzleti modellt már viszonylag kevés adattal is lehet építeni: ha tudod, mennyi a havi bevételed, profitod, hány új ügyfelet szereztél, mennyit költöttél marketingre, és átlagosan mennyit vásárol egy vevő, már készíthetsz egy első, egyszerű modellt. Attribúciós modellhez több adat kell (különböző csatornák, érintési pontok, konverziós utak), de még itt sem az a cél, hogy tudományos publikációt írj, hanem az, hogy lásd a trendeket: mely csatornák jelennek meg gyakran a konvertáló utak elején, közepén, végén. A lényeg: ne várd meg, amíg „elég adatod lesz”, kezdj el modellezni a rendelkezésre álló adatokkal, és folyamatosan finomíts.

Milyen marketing KPI-okat érdemes mérni egy magyar KKV-nál?

Ez iparágfüggő, de általános javaslatként érdemes legalább a következőket mérned: havi bevétel és profit, új ügyfelek száma, ügyfélszerzési költség (CAC) csatornánként, ügyfélélettartam-érték (CLV), visszatérő vásárlók aránya, konverziós arány a fő csatornákon, és a fő kampányok ROMI-ja. Ha ezek stabilan mérve vannak, már sokkal jobban tudsz vitatkozni a marketingeseddel vagy ügynökségeddel – és könnyebb felismerni, hol szivárog a rendszer.

Miben segít az Online Marketing és Pszichológia című könyv a marketingmatek megértésében?

Az Online Marketing és Pszichológia nem matematikakönyv, de segít megérteni, mi áll a számok mögött: milyen pszichológiai és szociológiai mechanizmusok mozgatják a fogyasztói döntéseket, és hogyan épül fel egy hatékony online kampányrendszer. Ha érted, hogyan gondolkodik és viselkedik a célcsoportod, sokkal értelmezhetőbbé válnak a konverziós arányok, a kosárérték és a visszatérési arány. A könyv ezért kiváló alap ahhoz, hogy a marketingmatekot ne elszigetelt számhalmaznak lásd, hanem egy olyan eszköztárnak, amely a vevők valós viselkedését írja le számokban.

Ajánlott magyar videó/podcast

Ha érdekel, hogyan hatnak egymásra a különböző marketingcsatornák, és miért nem egy az egyben skálázható a hirdetési költés, érdemes megnézned az alábbi videót a konverziós útvonalakról:

Leggyakoribb konverziós útvonalak

Források

• Riku Poutanen (2020): Digitaalisen mainonnan tehon analyysi käyttäen Markovin ketjua.
• Gail F. McGovern et al. (2017): Drivers of Metric Use in Marketing Mix Decisions. MSI Report 17-113.
• Farris, P. W. – Bendle, N. T. – Pfeifer, P. E. – Reibstein, D. J. (2015): Marketing Metrics – The Definitive Guide to Measuring Marketing Performance.

Ha tetszett a cikk, támogasd a blogomat és vedd meg a könyvem.