I följande avsnitt kommer resultatet från förstudien samt A/B-testet att presenteras. Avsnittet inleds med en presentation av den procentuella försäljningen utifrån de områden som visats vara lönsammast från förstudien. Därefter kommer resultatet för vardera annons att presenteras. På grund av sekretess har delar av följande resultat presenterats som aggregerade värden.
4.1 Förstudie
Genom förstudien som tidigare presenterats i 3.1 Förstudie kunde grunden läggas för kampanjen och dess annonser. Resultatet från den förstudien som låg till grund för kampanjen kommer att presenteras nedan. Då arbetet har varit ett samarbete med ett företag, skrevs ett sekretessavtal för att säkerhetsställa att inget känsligt material skulle offentlighetsgöras.
Område/ Procentandel Procentandel av totala försäljningen Procentandel överstigande snittsumma
Göteborg med omnejd 13,6 % 38,2 %
Stockholms län 19,2 % 39,2 %
Skånes län 13,8 % 39,3 %
Tabell 1. Procentuella andelar för valda områden.
Vilket tidigare har presenterats valdes de tre lönsammaste geografiska områdena ut, detta för att representera företagets lönsamma kundsegment. Dessa områden var de områden som stod ut beträffande snitt av ordersumma i jämförelse med hela landet. Göteborg med omnejd stod för 13,6% av den totala försäljningen i hela landet år 2019. Stockholms län var det område som stod för den största andelen av den totala försäljningen, vilket uppgick till 19,2%, medan Skånes län hamnade på 13,8%. Denna data utgick endast från en djupare analys i förstudien för ett årtal, 2019, dock kunde denna trend påvisas då äldre erhållen data från tre år tillbaka undersöktes. Av försäljning som skett i Göteborg med omnejd har 38,2 % av ordrarna haft en summa över en beräknad snittsumma av varukorgen för hela landet år 2019. För Stockholms län respektive Skånes län var det på 39,2% och 39,3% av ordrarna som var över den beräknade snittsumman. Denna information användes som underlag till valet av geografiska områden då kunder med en högre ordersnittsumma sågs som attraktiva för företaget.
I förstudien kunde det även utläsas de fem mest sålda produktkategorier över hela landet baserat på postnummer. Det visades att samma två produktkategorier var de mest populära i samtliga geografiska områden som valts ut för kampanjen. Denna information låg i grund för beslutet att anpassa annonserna ut efter dessa, samt att dessa annonser kunde visas till samtliga områden som ett kundsegment då preferenserna var identiska. De två produktkategorierna stod även för de största
25
andelarna av den totala försäljningen i hela landet. Anpassningen av annonserna i kampanjen innebar att den ena produktkategorin låg till grund för annons B och den andra för annons C.
4.2 Kampanjer
Efter utformandet av kampanjen, med hjälp av förstudien samt samråd med företaget, lanserades kampanjen med en fastställd budget på 300 kr/dag, vilket delades upp i 100 kr/annons. Kampanjen var varaktig i 16 dagar. Totalt nådde kampanjen ut till 80 128 personer och resultatet kommer vidare att presenteras mer i detalj i följande tabell utifrån vardera annons.
Mått / Annons Annons A Annons B Annons C
Exponering 51 789 59 831 61 487 Räckvidd 24 120 27 176 28 088 Länkklick 136 226 112 Click-through-rate (CTR) 0,26% 0,37% 0,18% Cost-per-click (CPC) i SEK 11,33 kr 6,81 kr 13,76 kr Cost-per-click (CPC) 100% -39,9% +21,4%
Cost-per-thousand impressions (CPM) i SEK 29,74 kr 25,73 kr 25,05 kr Cost-per-thousand impressions (CPM) 100% -13,5% -15,8% Kostnad per resultat i SEK 118,49 kr 256,59 kr 90,64 kr Kostnad per resultat i förhållande till 0 värde 100% +116,5% -23,5% Tabell 2. Mätresultat ur Facebook Ads Manager.
Exponering och räckvidd har varit två faktorer som styrts av applikationen Facebook Ads Manager utefter det valda kundsegmentet och utsatt budget. Skillnaderna i exponering och räckvidd är ett resultat av applikationens urval vilket innebär randomiserat urval för denna studie. Tabellen (Tabell
2) ovan visar på att annons B samt C har haft en något större räckvidd samt exponering än annons
A. Under tidsperioden har annonserna attraherat totalt 474 länkklick; 136 för annons A, 226 för annons B respektive 112 för annons C. CTR är beräkningen av länkklick genom exponering multiplicerat med 100, vilket indikerar på annonsens effektivitet. Annons A hade ett CTR-värde på 0,26%, annons B på 0,37% och annons C hade ett värde på 0,18%. Annons B resulterade i både flest antal länkklick samt högst CTR-värde i A/B-testet.
Ur detta kan följande hypoteser accepteras samt förkastas:
26
H3a: “Annons C kommer ha en högre CTR än annons A” förkastas.
Ovanstående värden har visats med annons A som ett nollvärde och därmed presenterats som 100% eftersom annons A ses som kontrollgruppen. Detta innebar att annons A inte inkluderade anpassningar av innehållet, det vill säga de manipulationer av produktkategorier samt textmeddelanden, till skillnad från annons B och C. Detta har gjorts för att en jämförelse mellan annonserna ska kunna göras. I förhållande till annons A, hade annons B ett CPC-värde som var 39,9% lägre, därav innebär detta att kostnaden per länkklick var mindre för annons B än annons A. Annons C hade i förhållande till annons A ett CPC-värde som var 21,4% högre, därav innebär detta att kostnaden per länkklick var högre för annons C än annons A. Detta betydde att varje länkklick i annons C kostade mer än annons A. Både annons B och C hade ett lägre CPM-värde än annons A, på 13,5% respektive 15,8%, vilket innebär en högre kostnadseffektivitet. Även detta värde, likt exponering och räckvidd, har styrts av Facebook Ads Manager. Då kostnad per resultat har undersökts har det visats att annons B fick en högre kostnad än annons A på 116,5%, medan annons C fick en lägre kostnad än annons A på 23,5%. Detta betyder att annons C var den mest kostnadseffektiva av annonserna enligt dessa siffror.
Ur detta kan följande hypoteser accepteras samt förkastas:
H2b: “Annons B kommer ha en lägre kostnad per resultat än annons A” förkastas. H3b: “Annons C kommer ha en lägre kostnad per resultat än annons A” accepteras.
Försäljning / Annons Annons A Annons B Annons C Försäljning i relation
till annons A
100% -53,8% +30,8%
Försäljning i
jämförelse med hela landet 1,6% 0,7% 2,1% Försäljning i jämförelse med kampanjens inriktade geografiska områden 2,9% 1,3% 3,8%
Tabell 3. Procentuell försäljning per annons.
Företagets sekretessavtal som skrivits på innebar att försäljningssiffrorna aggregerades i denna studie, därav visas försäljningssiffrorna procentuellt i relation till annons A, försäljningen i hela landet under tidsperioden då kampanjen var aktiv samt försäljningen i målgruppens geografiska områden. Likt föregående tabell (Tabell 2) har raden som presenterar försäljning i relation till annons A i Tabell 3 visats med annons A som ett nollvärde, vilket ses som 100% i tabellen. I förhållande till annons A resulterade annons B en mindre försäljning på -53,8% medans annons C
27
hade en högre försäljning på +30,8%. Ett resultat har även kunnat fås på försäljning via respektive annons i jämförelse med försäljning i hela landet och även i relation till kampanjens inriktade geografiska områden. I jämförelse med hela landet har 1,6% gått via annons A, 0,7% via annons B och 2,1% via annons C. Sett i jämförelse med kampanjens inriktade geografiska områden har 2,9% gått via annons A, 1,3% via annons B och 3,8% via annons C. Detta visar vidare även på att störst försäljningstrafik har gått via annons C.
Ur detta kan följande hypoteser accepteras samt förkastas:
H2c: “Annons B kommer ha genererat fler köp än annons A” - Förkastas. H3c: ”Annons C kommer ha genererat fler köp än annons A”- Accepteras.
Vidare gjordes även en validitetskontroll för studien av den utnämnda målgruppen från förstudien. Främst avstämdes vilka regioner som haft högst försäljning, vilket överensstämde med vad som tidigare tagit fram i ovanstående förstudie. Även förstudiens indikation på att de geografiska utvalda områdena för målgruppen hade högre ordersumma än det framtagna snittet bekräftades även under kampanjperioden.
Genom ovanstående har följande hypoteser kunnat accepteras eller förkastas: H1: “Annonserna kommer ge ett mätbart resultat” accepteras.
H2: “Den anpassade annonsen B kommer få “större” utslag än den allmänna annonsen A” förkastas.
H3: “Den anpassade annonsen C kommer få “större” utslag än den allmänna annonsen A” accepteras.
28
5. Analys
I följande avsnitt kommer en analys att presenteras kring de resultat som fåtts genom kampanjen. Avsnittet inleds med att visa vilka hypoteser som kunnat accepteras respektive förkastas. Vidare kommer analyser och jämförelser av resultaten mellan annonserna i relation till de angivna hypoteserna att presenteras. Avslutningsvis kommer analyser av hypotesernas utfall att göras i helhet med huvud- och underhypoteser.
Likt Gustafsson, Johnson och Roos (2005) och Ascarza et al. (2018) beskriver ligger utmaningen idag i att bibehålla kundrelationer på ett kostnadseffektivt sätt, samt att det råder okunskap i användandet av internetbaserade marknadsföringsverktyg, bland annat gällande anpassning (Okazaki & Taylors 2013; Knoll 2016; Wiese, Martínez-Climent & Botella-Carrubi 2019). Denna studie har därför strävat efter att fylla dessa gap baserat på ett företagsperspektiv. Efter att resultat erhållits från studiens experiment har följande hypoteser kunnat accepteras samt förkastas:
Hypotes / Utslag H1 H2 H2a H2b H2c H3 H3a H3b H3c
Accepteras X X X X X
Förkastas X X X X
Tabell 4: Sammanställning av hypotesernas utslag
Resultatet visar att huvudhypotes 1 accepteras. Huvudhypotes H2 förkastas, trots att en underhypotes H2a accepteras. Huvudhypotes H3 accepteras, trots att en underhypotes H3a förkastas. Alla hypoteser samt de avvikelser som uppkommit kommer att analyseras samt ställas mot teori för att vidare skapa djupare förståelse för studiens resultat.
I resultatet accepteras hypotesen H2a medans hypotes H3a förkastas. Annons B:s CTR-värde är högre än annons A, vilket visar på att annons B aktiverade fler recipienter ur kampanjens målgrupp att klicka sig in på annonsen. Detta kan indikera på att anpassningen av textmeddelandet samt produktanpassningen har fått en önskvärd effekt på recipienten, vilket samstämmer med Swifts (2001) poängtering av meningsfull kommunikation genom anpassning för attraherandet av kunder. Användandet av sales promotion i kombination av specifika produkter i annonserna kan även haft effekt på recipientens villighet att agera enligt Fill (2011), vilket samstämmer med resultatet av H2a. Hypotesen H3a förkastades eftersom CTR-värdet var lägre än annons A, vilket motsäger tidigare argument. Dock ska poängteras att CTR-värdet från samtliga annonser inom kampanjen var högre än det tidigare presenterade svenska genomsnittet av CTR-värde på 0,12% (Statista 2019b). Detta innebär att även om annons C hade en lägre CTR än annons A, kan fortfarande CTR-värdet för annons C tolkas som ett positivt resultat trots att H3a förkastades.
29
I relation till CTR-värdena kan även CPC-värdena jämföras för att ge en uppfattning om kostnadseffektiviteten av kampanjen. CPC-värdena presenterades i resultatet både i kronor samt i procentsats där annons A representerade nollvärdet. Eftersom CPC är direkt relaterat till CTR blev resultatet att annons B hade det lägsta CPC-värdet på 6,81 kr vilket visar på en hög kostnadseffektivitet för att attrahera klick från målgruppen. Annons Bs CPC-värde var nästan halva kostnaden av det svenska genomsnittet på 12,39 kr (Statista 2019a). Annons A hade ett CPC-värde på 11,33 kr och annons C ett värde på 13,76 kr. Det kan dock antas att samtliga annonser är kostnadseffektiva vad gällande länkklick eftersom både annons A samt C har närliggande CPC-värde till det svenska genomsnittliga CPC-CPC-värdet. Detta samstämmer med Miralles-Pechuán, Ponce och Martínez-Villaseñor (2018) samt Peng, Cui och Chung (2020) tes om att en anpassad målgrupp kan påverka kampanjens kostnadseffektivitet, då samtliga annonser har genomgått en geografisk anpassning.
Vidare visar resultatet att underhypotes H2b förkastas och underhypotes H3b accepteras. Kostnad per resultat visar på kostnadseffektivitet i relation till försäljningen som drivits genom kampanjen. Till följd av att annons C hade högst försäljningssiffror blev kostnad per resultat 90,64 kr, vilket i relation till kostnad för annons A innebär en 23,5% lägre kostnad per resultat. Detta stödjer Fill (2011) som menar att genom att anpassa kampanjen till målgruppen kan företaget undvika reklam med höga kostnader. Även forskarna Miralles-Pechuán, Ponce och Martínez-Villaseñor (2018) menar att genom att anpassa kampanjen kan kostnadseffektiviteten höjas och därigenom ROI:n. Däremot avviker underhypotes H2b, trots att annons B skapats med liknande grunder som annons C, därav förväntades samma resultat för båda annonserna. Avvikelsen kan ha kommit till följd av produktkaraktärsdragen beskrivna av Peng, Cui och Chung (2020) där annons C karaktäriseras av en konsumtionsvara, medan annons B representerar en produkt med en längre förbrukningsperiod. Detta kopplas till Knoll (2016), som menar att anpassad reklam inte alltid lyckas på grund av att den inte möter kundens existerande behov.
Resultatet visar att H2c förkastas och H3c accepteras. Detta kan visa på att annons C kan ha varit mer kostnadseffektiv eftersom meddelandet varit anpassat, därigenom kan det ha resulterat i fler konverteringar i form av fler köp. Detta kan bland annat ha påverkats av produkttyperna som visats, och är i enlighet med Kivetz och Zheng (2017) samt Das, Mukherjee och Smith (2018) som menar att produkttypen kan påverka resultatet. Vidare kan detta även ha påverkats av användandet av rabattkod, vilket Fill (2011) menar kan höja den kortsiktiga alternativt långsiktiga effekten på försäljning. En annan aspekt som kan ha haft påverkan är anpassningen av kommunikationsmeddelandet vilket Fill (2011) menar ha möjligheten att höja kampanjens konverteringseffektivitet. Däremot blir detta motsägelsefullt för annons B, som tidigare nämnt utformats med liknande grunder. Resultatet för H2c menar att annons B inte genererat fler köp trots att anpassningen har genererat andra former av konverteringsresultat som nämnts ovan i analysen av H2a och H3a. Återigen kan denna avvikelse bero på produktkaraktärsdrag som Peng, Cui och Chungs (2020) konceptuella ramverk lyft; I och med produkt B:s och produkt C:s olikheter i användning och funktion kan detta ha haft en direkt påverkan på kundernas behov samt köpintentioner, vilket samstämmer med Knoll (2016).
30
Hypotes H2 förkastas till följd att två av tre underhypoteser förkastas. Dock kan detta resultat innehålla information som kan indikera på att annons B är fördelaktig beroende på vilka konverteringsmål som strävas efter. Hypotes H3 accepteras även om en av underhypoteserna förkastas. Annons C:s utslag visar på en högre försäljning samt kostnadseffektivitet, vilket samstämmer med de hypoteser som utformats. Även om samtliga hypoteser H2, H3a, H2b och H2c förkastas, visar siffrorna i relation till det svenska genomsnittet (Statista 2019a; Statista 2019b) att samtliga annonser har haft en god effekt på de olika konverteringsmätvärdena. Därav samstämmer det med målet om att påverka den specifika målgruppens beteende med hjälp av medierade meddelanden, likt det Rice och Atkins (2013) samt Familmaleki, Aghighi och Hamidi (2015) definierar som en kampanj. Vidare har även kampanjen i sin helhet representerat 8% av all försäljning från det geografiskt valda området under kampanjens varaktiga period, vilket motsvarar 4,4% av totala försäljningen under perioden.
Genom att samtliga resultat kunnat jämföras emellan kan hypotes H1 accepteras till följd av att kampanjen fått in mätbara resultat. Cruz och Fill (2008) påvisar att för att en kampanj ska kunna utvärderas behöver kampanjen ha ett mål som utvärderingen kan mätas mot. I denna studie har beteendemål etablerats i form av konvertering gällande bland annat köp och klickfrekvens, dessutom har kostnad per resultat använts för att indikera på kostnadseffektiviteten av konverteringarna.
31