Een nieuwe benchmark voor herkenning van radioreclame

DVJ Insights lanceert in samenwerking met Audify een nieuwe benchmark voor herkenning van radiocommercials op basis van de luistercijfers uit het nieuwe NMO luisteronderzoek

Herkenning van een commercial is een eerste graadmeter voor een succesvolle radiocampagne. De mediadruk, die we uitdrukken in het aantal GRP’s, bepaalt mede het aandeel consumenten dat de commercial achteraf nog herkent. DVJ Insights ontwikkelde met campagne data aangeleverd door Audify, een GRP-afhankelijke benchmark die aangepast is op de meetschaal van het nieuwe NMO luisteronderzoek. Deze nieuwe methode van meten registreert luistergedrag via een smartphone app en meet op deze manier passief het luistergedrag op alle apparaten en platformen. Voorheen werd het luistergedrag gemeten door middel van het invullen van radiologs. In hoeverre verandert de benchmark voor de herkenning van radiocommercials door het vernieuwde luisteronderzoek? En wat zegt de benchmark over de prestaties van de commercial op het gebied van merkherkenning?

Benchmark herkenning radiocommercials

Een eerste stap om te bepalen of een reclamecampagne invloed heeft op consumentengedrag is onderzoeken of de commerciële uiting erin slaagt om te beklijven bij de consument. Kunnen consumenten de verschillende radiocommercials herkennen? Ook nadat de campagne is afgelopen? Dit is geen vanzelfsprekendheid: zelfs als een consument een uitgezonden commercial heeft gehoord, biedt dit nog geen garantie dat de uiting ook daadwerkelijk wordt geregistreerd en herkend. Vele andere commerciële uitingen strijden immers tegelijkertijd dagelijks om aandacht. Herkenning is daarom een belangrijke graadmeter voor een succesvolle campagne. Een goede benchmark voor herkenning als indicatie voor het bovenmaats of ondermaats presteren van de radiocampagne is nodig.

Nationaal Media Onderzoek (NMO)

Het NMO Luisteronderzoek levert de ‘currency’ op basis waarvan we luisteraandelen van radiostations berekenen, reclamecampagnes inplannen en uitdrukken in gerealiseerde mediadruk (aantal GRP’s ). Sinds dit jaar meten we het luistergedrag op een andere manier en dit levert andere luistercijfers en GRP’s op. Voorheen maten we het luisteren naar radiozenders via het invullen van radiologs. De nieuwe luistercijfers meten via een smartphone-app, die zonder dat je het opmerkt het luistergedrag via audiomatching op alle apparaten en platformen monitort.

Een nieuwe GRP-afhankelijke benchmark

Bij DVJ Insights hebben we een GRP-afhankelijke benchmark voor herkenning van radiocampagnes. Deze benchmark is echter gebaseerd op luistercijfers (en GRP’s) die zijn verkregen via de oude manier van meten en sluit niet goed aan bij het nieuwe onderzoek gebaseerd op het registreren van luistergedrag via een app. Omdat er geen universele en consistente regel bestaat om GRP’s om te zetten van ‘oude’ naar ‘nieuwe’ waarden, hebben we besloten om onze benchmark opnieuw te ontwikkelen.

Onderzoek naar radiocommercials

Voor het ontwikkelen van deze nieuwe benchmark, werkte DVJ Insights samen met Audify, de marketingorganisatie voor alle makers en gebruikers van audio. Gedurende een aantal weken leverden zij radiocommercials die in één van de weken van de onderzoeksperiode voor het eerst ‘live’ gingen. Deze radiocommercials zijn vervolgens meegenomen in een online vragenlijst, die wekelijks is uitgestuurd, waarin de bekendheid met de commercials werd gemeten na het beluisteren ervan. In totaal zijn 36 radiocommercials onderzocht op herkenning in de periode van vier tot zes weken. De steekproef was minimaal 100 respondenten per commercial per week. In tabel 1 zie je de verschillende categorieën/ branches die zijn meegenomen:

Tabel 1: Aantal commercials en GRP-spreiding per categorie

Audify leverde ons de wekelijkse gerealiseerde aantal GRP’s per campagne aan, uiteraard gebaseerd op de nieuwe manier van meten door registratie via de app. Samen met de wekelijkse herkenningsscores die we uit het onderzoek verkregen, kan deze data gebruikt worden om, mede op basis van regressiemodellen, te meten en te voorspellen of een commercial boven- of ondermaats presteert op het gebied van herkenning, rekening houdend met het daadwerkelijke aantal GRP’s dat is ingezet.

De drie belangrijkste onderliggende principes achter het regressiemodel zijn:

1. ‘Decay’-effect: Om rekening te houden met het feit dat wekelijkse commercial- herkenning wordt bepaald door de mediadruk in die week, maar óók door wat consumenten zich herinneren door de GRP’s in voorgaande weken, is het model zo opgezet dat (een deel van) de GRP’s van voorgaande weken wordt ‘overgeheveld’ naar volgende weken.
2. Afnemende meeropbrengsten: Er is uitgegaan van ‘afnemende meeropbrengsten’ van het aantal GRP’s in een campagne. Dat wil zeggen, hoe hoger het aantal GRP’s dat is ingezet, hoe meer de additionele GRP’s zullen leiden tot een hogere contactfrequentie en dus minder zullen toevoegen aan het aantal bereikte personen. Het effect van deze aanvullende GRP’s op de herkenningspercentages zal daardoor kleiner worden.
3. Variatie in creatieve kracht: De commercials in de dataset verschillen in ‘GRP-rendement’. Dit betekent de impact van elke GRP op de uiteindelijke herkenning. Dit is van belang om een ​​GRP-afhankelijke benchmark te verkrijgen, omdat het ons in staat stelt onderscheid te maken tussen advertenties die meer of minder uit hun GRP’s halen met betrekking tot commercialherkenning door de creatieve kracht van de commercial.

Om te laten zien hoe dit model werkt bij het benchmarken van commercialherkenning, toont afbeelding 1 de verwachte wekelijkse herkenningsscores van een radiocampagne waarbij in de eerste twee weken 120 GRP’s per week zijn ingezet, gevolgd door een week zonder GRP’s en vervolgens nog een week met 120 GRP’s. Het model doet dit voor drie scenario’s: één waarin de commercial behoort tot de onderste 10% in termen van GRP-rendement, één waarin die behoort tot de top 10%, en één die precies in het midden scoort ​​en dus gelijk aan de benchmark.

Figuur 1: Verwachte wekelijkse herkenningsscores bij verschillende niveaus van creatieve kracht

Uit deze grafiek blijkt dat na een campagne van vier weken (van totaal 360 GRP’s) een ‘gemiddelde’ radiocommercial naar verwachting door 26% van de consumenten wordt herkend.  Zou de commercial in plaats daarvan een top 10%-commercial zijn geweest, dan zou de verwachte herkenning anderhalf keer zo groot zijn: 39%. Door de daadwerkelijke scores te vergelijken met de verwachte scores zoals verkregen uit het model, kunnen we herkenning gaan benchmarken.

Uiteraard willen DVJ Insights en Audify graag beoordelen in hoeverre de uitkomsten van het nieuwe luisteronderzoek, en daarmee onze nieuwe herkenningsbenchmark, verschillen van die van onze benchmark gebaseerd op het oude luisteronderzoek. Figuur 2 geeft de verwachte herkenningsscores weer voor verschillende GRP-niveaus aan het einde van een campagne van vier weken, waarin de GRP’s gelijk werden verdeeld over de weken, zowel voor het ‘oude’ als het ‘nieuwe’ benchmarkmodel.

Figuur 2: Verwachte herkenningsscores bij beide benchmarkmodellen, na een 4-weekse campagne met verschillende aantallen GRP’s

Minder mediadruk nodig voor dezelfde herkenning

Hoe verhoudt de nieuwe benchmark zich tot de oude? Bij elke hoeveelheid GRP’s voorspellen we een hogere herkenningsscore onder het nieuwe benchmarkmodel. Dit is volgens verwachting, omdat een bepaald aantal GRP’s zich vertaalt in een hogere mediadruk bij de nieuwe methodiek van het meten van luistergedrag. Zo zou een radiocommercial met een gemiddeld aantal GRP’s (350, volgens het nieuwe luisteronderzoek via de smartphone-app) aan het einde van de campagne naar verwachting door 24,7% van de consumenten worden herkend volgens het nieuwe benchmarkmodel. Onder het oude benchmarkmodel zou exact dezelfde herkenningsscore zijn behaald met 771 GRP’s (volgens het oude luisteronderzoek via radiologs).

Dit komt neer op een GRP-verhouding van 2,2 – dat betekent dat er met de nieuwe methodiek 2,2 keer minder GRP’s nodig zijn om dezelfde herkenningsscore te realiseren.