2013. szeptember 30.

„Az nem működik, hogy csak várjuk az adatot”

Sok tényezőtől függ, hogy a márkatulajdonosok hogyan viszonyulnak a médiaügynökségek kutatási szolgáltatásaihoz és adataihoz. Jobbágy Tamás-interjú.

Számos tényezőtől függ, hogy az egyes márkatulajdonosok hogyan viszonyulnak a médiaügynökségek kutatási szolgáltatásaihoz és adataihoz, így ez ügyben sem lehet Az Ügyfélről beszélni – derül ki Jobbágy Tamásnak, az MEC kutatási vezetőjének szavaiból, aki még egy izgalmas álomprojektet is felvázolt.

Az interjú elsőként a Médiapiac szaklap július-augusztusi számában jelent meg, a médiaügynökségi kutatókkal foglalkozó melléklet részeként.

Jobbágy Tamás (fotó: MEC/Köő Adrien)

Az ügyfelektől gyakran hallani, hogy a médiaügynökségek – kereskedelmi szerepükön túl – a náluk fellelhető rengeteg információ, adat miatt hasznos partnereik.

Én a piacot több csoportra osztom: vannak olyan ügyfelek, akik szofisztikáltak, és érdekli őket a kutatási terület; vannak olyanok, akik szofisztikáltak, de nem igazán foglalkoztatják őket az adataink, és a munka rutinszerűen megy előre a maga útján; vannak olyanok, akiket csak tenderek idején érdekel, hogy mit adhat a kutatási terület; és vannak azok, akiknek többet nyújtunk, mint amivel kezdeni tudnak valamit. Nem lehet tehát Az Ügyfélről beszélni. Olyan ügyfelekből, akik értik a kutatási adatokat, érdeklődnek is irántuk, és hajlandóak áldozni is rájuk, kevés van.

Ha őszinték vagyunk, akkor világlik ki, hogy mit tud egy médiaügynökség, amikor egy tender megnyerését követően a sok csillogó-villogó ígéretet valósággá is tudja váltani. Miután egy ügynökség és egy ügyfél elkezd a mindennapokban együtt dolgozni, többnyire visszalépés következik be az igények terén. A recesszió egyfelől nem segítette a munkánkat, mert kevesebb az – emberi és anyagi – erőforrás. Másfelől viszont a nagyobb megfontoltság és a digitális fejlődés felértékelte a kutatási részleg szerepét.

Te hogyan épülsz be ebbe a rendszerbe?

Head of A&I vagyok. Néhány éve változott meg nemzetközileg a kutatási részleg neve MediaLabről Analytics & Insightra, ami mutatja a központ szándékát, miszerint ne laboratóriumi, visszavonultságot tükröző munkamódszert sugalljunk, hanem lépjünk előtérbe, az ügyfelek felé. Emellett jelzi az új név azt is, hogy elemzünk, illetve az insightok megalkotásában is szerepet vállalunk, durván megfogalmazva azzal foglalkozunk, hogy mi történik a kampányok előtt és után. Változás az is az életünkben, hogy miközben új feladatok kerültek hozzánk, másokat el kellett engednünk: például a kompetitív vagy TGI-elemzéseket, és a speciális MEC toolok használata is visszakerült a csoportokhoz.

Mire fordítjátok az így felszabadult időt, energiát?

Egyre markánsabban megjelennek a digitális feladatok: ad serving riportok elemzése, saját benchmarkadatbázis létrehozása, big data projektek, performance-mérések, értékelésük és vizuális ábrázolásuk. De ide tartozik a klasszikus tévé + online kérdések elemzése, a kapcsolódó mérések, megoldások. Ezeken a területeken sok szép feladat van, a kész megoldásokkal azonban még adós a piac.

Insightokkal főleg tenderek és éves tervezések alkalmával foglalkozunk mélyebben, amikor jobban meg kell ismerni egy-egy célcsoportot, fogyasztási trendet. Ilyen esetekben sok helyről jön össze az információ: a sztenderd közönségmérési és egyéb iparági adatokon túl házon belül elemzünk primer adatokat, szekunder adatokat vásárolunk, és a szokásos desk research mellett buzz monitoring adatokat is veszünk elemzésre.

Komplex feladat működő, az ügyfél számára hiteles insightokat létrehozni. Mekkora ebben a szereped kutatási vezetőként?

Ez csapatmunka. Önhitt dolog volna kijelentenie bárkinek, hogy ő az insightgenerátor, aki tudja a tutit. Az iparág jelentős mértékben támaszkodik benyomásokra, és ez erre a részre különösen igaz. Egyedül félremehetne a dolog, egy jól bevált csapat képes igazán hasznosat alkotni.

Beszélsz intuícióról, beleérzésről, miközben számos trend, például a big data a számok, az adatok mindenhatóságáról szól.

Ha insightokról van szó, lehet ugyan a big datát segítségül hívni, de a puhább tényezők kapnak nagyobb szerepet. A big data egyébként is olyan dolog, amellyel szeretünk kardozni, de valójában – leszámítva például azt, ahogyan a bankok a saját ügyféladatbázisaikat elemzik – relatíve kevés helyen foglalkoznak vele mélységében. A digitális analitika esetében is szükség van az intuícióra, mert helyén kell kezelni az adatokat. A digitális világban a módszerek még kiforratlanok, ebből óhatatlanul adódnak hibák.

Semmilyen adat nem tud annyira kristálytiszta lenni, hogy ne kellene mögé nézni. Szükség van tehát a tapasztalt, a médiatervezésben és a kutatási adatok értelmezésében jártas kollégákra. Emellett folyamatosan lépést kell tartani a változásokkal.

A munkád mekkora része napi rutin, és mennyi időd van a kísérletezésre?

Egy négyfős csapattal segítjük az MEC-t, ebből három fő főállású, mellettünk egy gyakornok dolgozik. Nálam landol a legkevesebb rutinfeladat, sokkal inkább gondolkodom, gondolkodtatok, ötletelek, persze ha szükséges, involválódom a napi projektek működtetésébe is. Ezenkívül koordinálom a tervezőcsapatokkal való egyeztetést, és gyakran járok ügyfelekhez. Sőt, feladatunk bizonyos szolgáltatások, így például az ökonometriai elemzések értékesítése is. Utóbbira megdöbbentően kicsi az igény az ügyfelek részéről.

Elég drága mulatság, milliós nagyságrend.

Annyira nem drága, nem kerül több millió forintba.

Miért nem látnak az ügyfelek fantáziát az ökonometriában?

Vannak olyan ügyfelek, akiknek az anyacége meghatározza, ki az a nemzetközi partner, akivel ökonometriai projekteken dolgozhatnak. Emellett vannak olyan látszólag nagy ügyfelek, akiknek első látásra könnyen lehetne pénzük rá, ám ha lebontjuk divíziókra, márkákra a tevékenységüket, máris megterhelőnek tűnik egy ilyen befektetés egy egység számára. A harmadik problémát az jelenti, hogy ritkán áll rendelkezésre megfelelő értékesítési adat, amely nem a gyárból kilépő termékekről, hanem a vásárlók tényleges fogyasztásáról mond valamit. Az elérhető adatok egy része pedig ritka, például a Nielsen havi adatai alapján nem lehet jó modellt készíteni. Szerencsére azért vannak ügyfeleink, akik hasznosnak látják az ilyen projekteket, és élnek is velük.

Feltételezem, ők ki is kalkulálják, hogy mennyi hasznot hoz a mérésből eredő pluszinformáció.

Ha egy ügyfél kellően eltökélt, és elárulja, hogy mekkora az egy vásárlóra jutó profit, könnyen számolhatunk ROI-t is.

Van erre példa? Érzékeny kérdés az adatok átadása.

Ha nagyobb időtávra akarunk ROI-t számolni, elég a factory out adat, az ökonometriához viszont szükség van a vevőoldali számokra. Van olyan ügyfél, aki sokévnyi együttműködés után is elzárkózik, míg mások a nagyobb időintervallumra szóló adatokat már rendelkezésre bocsátják. A magyar piacon nem egy ügyfél hajlandó átadni valóban mélységi adatokat, de potenciálisan lehetnének többen is. A nyugati piacokhoz képest zárkózottságot tapasztalunk. Feladat számunkra, hogy konkrét projektekkel kopogtassunk az ügyfeleknél, amelyek megindokolják, miért érdemes információt átadni. Az nem működik, hogy csak várjuk az adatot. Foglalkozunk például adatok több forrásból való összeterelésével és ennek vizualizációjával. Ez olyan szolgáltatás, amellyel oda lehet már menni az ügyfelekhez. Azt is meg lehet nézni, hogy az értékesítési adatoktól eggyel hátrébb lépve milyen olyan adatokat – incoming call, weboldal-látogatottság stb. – találunk, amelyek kevésbé érzékenyek, de hasznosak, és egy ökonometriai elemzés alapját adhatják.

A zártság abból ered, hogy a nyugati központok itthon egyszerűen letiltják az információk átadását, vagy a jó öreg bizalmatlanságról van szó, ami Magyarországot alapvetően is jellemzi?

Érzésem szerint kulturális sajátosságról van inkább szó. Másrészt, ha egy ügyfél nem partnerségre törekszik, hanem olcsó beszállítót akar magának, nem is különösebben érdeke az információk átadása. Az ügynökségeknek is van teendőjük: akkor jutnak hozzá az adatokhoz, ha nem csupán kérik őket, hanem tartalmat, indokot is biztosítanak az ügyfél számára. Ez egy tanulási folyamat, amelyben mindkét félnek meg kell tanulnia jól élni az adatokkal.

Említetted, hogy az értékesítési adatoktól visszalépve is lehet értékes adatokhoz jutni. Előző lapszámunkban a Vodafone marketingvezetője azt mondta, a branding KPI-okat is egészen az üzleti célokig kell visszafejteni. Mennyire jellemző ez a hozzáállás?

A márkaismertségi kutatások piacán is van még mit feszegetni. Kevés ügyfél méri rendszeresen a márkamutatókat. Pedig „tankönyv” szerint például az online kampányok két csoportba oszthatóak: egy performance-kampány esetében egyszerű a képlet, de egy brandingkampánynál nem tudunk mit kezdeni a kattintásokkal, ez esetben akkor tudjuk értékelni a kommunikáció teljesítményét, ha van márkakutatásunk. Nem beszélve arról, hogy a magyar piacon nem igazán léteznek vegytiszta kampányok: legyen egy kicsit branding, de azért kattintsanak sokan, és a kattintás nem brandingmutató.

Egyre több szó esik az attribúciós modellekről.

Ez nálunk is téma, a performance-kampányok esetében jön szóba. Ezeknek a modelleknek az a tétje, hogy ne pusztán az utolsó lépésnek tulajdonítsuk az eredményt – legyen szó a keresőből a márkaoldalra érkezésről vagy egy banner lekattintásáról –, hanem vizsgáljuk meg mélységében, hogy a fogyasztó mennyi és milyen kontaktussal szembesült. Ha ezt nem tesszük meg, és last click vakságba esünk, egyszer csak azt vesszük észre, hogy zuhan a fogyasztásunk.

Mit látsz jelenleg a legizgalmasabbnak a munkádban, és mi lenne számodra az álomprojekt?

Izgalmas kérdés, hogy egy ügynökségi kutatócsoport hogyan tud bizonyos aspektusból meghaladni egy kutatócéget. Utóbbi mögött sokéves tapasztalat, rengeteg módszertan, válaszadói panelek, hatalmas kutatói háttér áll, nincsenek viszont kampányokkal kapcsolatos elemi adatai. Egy ügynökség összes kampányának összes adata például már sok tízmilliós AV-számot jelent. Emögött ráadásul ott van az internetezők döntő többségének az elérése. Ha ebből az adathalmazból ki tudnánk szedni valamilyen viselkedési mintázatot, és következtetéseket tudnánk levonni reklám és ember viszonyáról, az eredményeket érdekes lenne összevetni a klasszikus, reprezentatív mintákon futó kutatásokkal. Vajon egy ezerfős minta visszaigazolja, amit mi kapunk, vagy nem? Ha igen, az nagyon jó, de ha nem, az is érdekes vitát indíthatna.

Van ennek realitása?

Nem sok, de álmodozni lehet. De mondok közelebbit: jó lenne, ha a tévénézési és az online videofogyasztási adatokat valamiképp össze lehetne hangolni. Ha az online videót valamiképp a tévéhez lehetne hasonlatosabbá tenni, és az ára is csökkenne, az FMCG-hirdetők kapnának az alkalmon. A piaci igény megvan, már dolgozunk rajta a magunk részéről.

Az üzleti titok hatékonyabb védelme?

2018. szeptember 18.

Nem kapott nagy visszhangot az üzleti titok magyarországi újraszabályozása, pedig az üzleti titok védelméről szóló 2018. évi LIV. törvény gyökeresen megváltoztatta az üzleti titokkal kapcsolatos korábbi szabályrendszert.