Für Unternehmen der schnelldrehenden Konsumgüterbranche (FMCG) gehören Werbeaktionen zum Alltag. Die Herausforderung besteht darin, den Effekt von Werbeaktionen und Kannibalisierung zu verstehen und im Griff zu haben – das kann sich als ziemlich mühsam erweisen. Besonders für Unternehmen, die Schwierigkeiten haben, den genauen Effekt der Werbeaktion zusätzlich zum normalen, nicht-aktionsbedingten Umsatz nachzuvollziehen.
Hier kommt die Ereignismodellierung ins Spiel: ein wirksamer Ansatz, um eine Grundlinie (Basislinie) zu ermitteln, die von deinem fortschrittlichen Planungssystem (APS) prognostiziert werden kann und auf die anschliessend die Effekte der Werbeaktionen aufgeschlagen werden.
Der Einfluss von Werbeaktionen kann enorm sein. In manchen Unternehmen ist ein Umsatzanstieg um den Faktor 10 keine Ausnahme. Das Verständnis des tatsächlichen Effekts ist entscheidend für fundierte Entscheidungen in der Zukunft.
Beim Umgang mit Werbeaktionen gibt es zwei Möglichkeiten: Entweder lässt sich der Effekt aus den Transaktionsdaten herausrechnen, oder eben nicht. Im zweiten Fall ist es essenziell, zumindest zu wissen, wann eine Werbeaktion stattgefunden hat, und idealerweise auch, welche Art von Aktion es war (2+1, BOGOF, kurz für „Buy One Get One Free“, etc.), da das Ausmass des Mehrverkaufs stark von der Art der Aktion abhängt. Daher die Wichtigkeit, die Grundlinie zu kennen.
Neben Werbeaktionen und externen Ereignissen (z. B. Ostern, Wetter) ist die Kannibalisierung ein weiteres bekanntes Phänomen im Konsumgüterbereich. Auch hier gibt es verschiedene Ausprägungen: die Kannibalisierung des eigenen Produkts, die zeitliche Kannibalisierung (was Kundinnen und Kunden während der Aktion mehr kaufen, kaufen sie in der darauffolgenden Woche weniger), sowie den Effekt der Kannibalisierung durch einen Mitbewerber. Das Prinzip, den Effekt aus der Grundlinie herauszurechnen, ist mit dem bei Werbeaktionen vergleichbar, nur die zugrunde liegenden Daten unterscheiden sich.
Das Ziel der Ereignismodellierung ist klar: eine Basislinie herausarbeiten, die vom System prognostiziert werden kann, und auf die man den Effekt der Werbeaktion aufschlägt. Die Ereignismodellierung wandelt die Historie (den Zeitraum, in dem eine Aktion stattfand) in eine Variable um und nutzt diese in Regressionsmodellen, um den Einfluss einer bestimmten Aktion auf den Umsatz zu bestimmen. Dieser Effekt kann additiv (z. B. ein Zuwachs von 100 Einheiten) oder multiplikativ (Verdoppelung des Umsatzes) sein. Auf dieser Grundlage kann der quantifizierte Effekt genutzt werden, um den Aktionseinfluss aus der Grundlinie „herauszurechnen“ sowie um den Effekt künftiger Aktionen zu bestimmen.
Dieselben Informationen lassen sich auch nutzen, um den Effekt der Kannibalisierung vor (falls die Aktion im Voraus bekannt ist) oder nach (falls Kundinnen und Kunden das Produkt bevorraten) der Werbeaktion zu bestimmen, indem man mögliche negative Effekte vor und nach der Aktion sowie den Einfluss von Aktionen anderer Produkte betrachtet (sei es der eigenen Produkte oder jener der Konkurrenz). Der Effekt kann bei ergänzenden Produkten positiv ausfallen (z. B. kann eine Kaffee-Aktion den Absatz von Zucker und Milch steigern) und bei Ersatzprodukten negativ. Wichtig dabei: Ein Zusammenhang bedeutet nicht immer eine Ursache-Wirkungs-Beziehung. Manchmal tritt zwar eine Korrelation auf, diese ergibt inhaltlich aber keinen Sinn.
Zusammengefasst lässt sich daraus die Möglichkeit ableiten, eine neue Formel anzuwenden:
Die Möglichkeiten zur Optimierung sind erheblich, sobald diese Erkenntnisse vorliegen. Man denke nur an den geschäftlichen Nutzen, wenn Aktionseffekte besser vorhergesagt werden können: ein optimierter Einsatz des Aktionsbudgets zur Maximierung vom ROI, eine höhere Produktionsstabilität dank verbesserter Prognosegenauigkeit sowie die Möglichkeit, mit Werbeaktionen eine gleichmässigere Nachfrage zu erzielen …
