Magma topp logo Til forsiden Econa

Pretesting av digital reklame

figur-authorfigur-author

Nye metoder bør få mer oppmerksomhet

Sammendrag

Annonsører og reklamebyråer bør kontinuerlig søke å effektivisere sine reklamekampanjer. Vår under­søkelse viser at A/B-testing av reklame i digitale medier på mange måter har erstattet pretesting av reklame i disse kanalene. Vi hevder at med inntog av nye og mer avanserte metoder som kunstig intelligens (AI) og nevromåling bør pretesting av reklame i digitale medier få mer oppmerksomhet. Sammen med A/B-testing kan dette bidra til å gjøre reklamekampanjer enda mer effektive. Vi rapporterer funn fra en kvalitativ undersøkelse der vi dybdeintervjuer 19 personer i bransjen. Våre funn gir holdepunkter for at pretesting av reklame gjennomføres i svært liten grad i Norge, til tross for at de fleste respondentene har en positiv holdning til pretesting. Funnene viser også at respondentene ikke er godt nok kjent med nye metoder for pretesting av reklame, og at svært få har tatt dem i bruk. Et viktig formål med denne artikkelen er derfor å bidra til at flere blir oppmerksom på nye metoder for pretesting av reklame og tar i bruk disse metodene sammen med A/B-testing for å optimalisere reklamen.

Introduksjon

Digitale reklamekampanjer kjennetegnes av at man kontinuerlig måler effekt online og følger kundenes responser løpende (Kohavi & Longbotham, 2017; Neff, 2011). Tilbakemeldinger på effekt kan avleses via Google Analytics og lignende analyseverktøy i sanntid. I tillegg benyttes ofte A/B-testing – en form for taktisk eksperimentering med ulike reklamebudskap – som en metode for å måle effekt (Gallo, 2017; Kohavi & Longbotham, 2017; Neff, 2011; Siroker & Koomen, 2013). Disse løpende effektmålingene underveis i kampanje­perioden gir viktige målepunkter, men effekten av digital reklame kan også pretestes før kampanjen iverksettes (Cramphorn, 2004; Hall, 2002; Rossiter & Eagleson,1994). Denne artikkelen fokuserer på nettopp denne formen for effektmåling og nye former for pretesting. Nye metoder kan potensielt bidra til å redusere risiko ved store reklameinvesteringer samt måle de potensielle effektene av digital reklame før den vises i digitale medier (Hotz, 2008; Lin et al., 2018; Pieters & Wedel, 2020; Plassmann et al., 2007; Silberstein & Nield, 2012).

De totale medieinvesteringene, eksklusiv sponsing og arrangementer, var i 2019 på hele 21,1 milliarder magma2102_fagdel_img_58.jpgkroner i Norge (IRM, 2020). Det var en økning på 2,5 prosent fra året før. Av den totale reklameinvesteringen i 2019 utgjør nå internettannonseringen 56 prosent, eller 11,8 milliarder kroner. 5,7 milliarder av disse er display-annonser inkludert video og sosiale medier, 2,1 milliarder er rubrikk og katalog, og 3,9 milliarder er søk (IRM, 2020). Store investeringer må bidra med høy avkastning. Annonsører bør derfor være svært opptatt av å legge ned betydelig innsats for å måle effektene av sine digitale reklameinvesteringer. I det minste bør man være i stand til å stanse digitale kampanjer som ikke gir tilstrekkelig effekt.

Et utgangspunkt for denne artikkelen er en antak­else om at pretesting i stor grad har forsvunnet fra repertoaret innen digital markedsføring, og at A/B-testing har overtatt rollen pretesting tradisjonelt har hatt. Formålet med denne artikkelen er derfor å undersøke utbredelsen av pretesting av digital reklame, finne ut hvor mye oppmerksomhet det er rundt pretesting hos ulike aktører, og avdekke hvilken kjennskap og utbredelse nyere metoder for pretesting har fått.

Artikkelen er delt i tre deler. Først skal vi gi en oversikt over ulike metoder for pretesting, inkludert nyere teknikker. A/B-testing er strengt tatt ikke en metode for pretesting, men i og med vår antakelse om at A/B-testing har overtatt mye av pretestingens plass, skal vi starte med en gjennomgang av denne metoden. Deretter skal vi rapportere resultatene fra en kvalitativ undersøkelse blant annonsører, byråer, analyseinstitutter og bransjeorganisasjoner der vi har forsøkt å avdekke situasjonen for pretesting i Norge. En slik undersøkelse er ikke gjennomført i Norge på 25 år (Tranås, 1997), og det er derfor relevant å kaste lyse over hvor utbredt pretesting av reklame er i Norge i dag. Vårt håp er at denne undersøkelsen kan motivere til mer forskning på pretesting. Avslutningsvis skal vi se på hvilke implikasjoner resultatene kan ha for annonsører, reklamebyråer og analyseinstitutter.

Metoder for pretesting

I dette avsnittet vil vi gi en oversikt over ulike metoder for pretesting av reklame. Som nevnt i introduksjonen er A/B-testing en metode som kan brukes i pretesting av reklame, men den kan også benyttes for løpende effektivisering av en reklamekampanje. Undersøkelsen, som vi senere skal presentere, viser at A/B-testing i stor grad har overtatt for pretesting i digital markedsføring. Vi vil derfor i denne gjennomgangen av ulike metoder starte med å forklare grunnprinsippene for A/B-testing.

A/B-testing

A/B-testing er en metode for å teste to ulike versjoner av en annonse, nettside, landingsside, e-postreklame eller lignende med mål om å finne ut hvilken variant som gir best resultater. I teorien kan all digital reklame på nett A/B-testes. Målet med å A/B-teste er å finne ut hvilken reklameversjon som gir best resultater i form av antall klikk, konvertering eller kjøp (Siroker & Koomen, 2013). A/B-testing lar annonsøren skreddersy og endre annonseinnhold underveis i kampanjeperioden og kan også brukes i forkant av en kampanje i en testsetting for å fastslå hvilken versjon som potensielt vil gi best resultater (Gallo, 2017). A/B-testing gjør det mulig å teste en endring i en reklame før man faktisk publiserer endringen, samt gjøre endringer som man antar vil øke effekten av reklamen (Gallo, 2017).

A/B-testing har flere begrensninger (Kohavi & Longbotham, 2017). Én utfordring er at man ikke får svar på hvorfor den ene reklamen scorer høyere på effekt­målene enn den andre varianten. A/B-testing er heller ikke godt egnet til å teste mange innholdselementer i reklamen simultant. Endrer man for mange elementer, får man ikke oversikt over hva som testes, da man kun får undersøkt ett innholdselement om gangen (Gallo, 2017). Disse begrensningene i A/B-testing gjør at mer utfyllende og omfattende pretesting av reklame kan være verdifullt.

Nye, mer avanserte metoder for pretesting

Pretesting av reklame er å måle potensielle effekter av reklamen før den blir implementert og publisert i digitale medier, og før annonsørene bruker store summer på medieinvesteringer (Belch & Belch, 2018). Formålet med en pretest er å gi innspill til om reklamen vil fungere etter hensikten – om den vil gi de ønskede kommunikasjonseffektene (Hall, 2002; Rossiter & Eagleson,1994). Cramphorn (2004) argumenterer for økonomiske årsaker til at det er viktig å vite den sannsynlige effekten reklamen har, før den publiseres. Pretesting av reklame er derfor viktig for å identifisere vinnerne, forbedre gode reklamer og eliminere de dårlige reklamene. Hvis reklamen i pretesten ikke fungerer etter hensikten, kan man gjøre nødvendige magma2102_fagdel_img_59.jpgendringer eller velge en annen reklameløsning for å optimalisere reklameinvesteringen. Pretesting er særlig viktig ved store reklameinvesteringer, men har sin berettigelse i alle typer reklame – store som små, og uavhengig av medier. Økende bruk av reklame­videoer i sosiale medier tilsier også at mer avanserte metoder for pretesting bør brukes for å avdekke effekten av dem. Pretesting kan derfor gi annonsøren en konkurranse­fordel gjennom økt effekt av den digitale reklame­kampanjen.

De siste årene er en rekke nye metoder for pretesting av digital reklame blitt lansert. Internasjonalt finnes det nå en rekke selskaper (Ipsos, Kantar og Nielsen) som har spesialisert seg på nye metoder for pretest­ing. Vi skal derfor kort redegjøre for ulike nyere og mer avanserte metoder for pretesting av reklame, herunder fysiologiske målinger, sporing av øyebevegelser, nevro­målinger, EEG, Steady State Topography (SST) og testing gjennom kunstig intelligens (AI).

Fysiologiske målinger

I denne formen for testing utforskes fysiske og kroppslige reaksjoner når respondenten blir presentert for reklame. Mennesker har ikke kontroll på fysiske reaksjoner som øyebevegelser, endringer i pupillens størrelse, ansiktsuttrykk, hjerteslag (HR), reaksjonstid eller reaksjoner i huden (Galvanic Skin Response, GSR). Disse reaksjonene kan avsløre hva forbrukerne blir oppmerksomme på, og speiler følelsene deres. For eksempel avdekket LaBarbera og Tucciarone (1995) at GSR-score kan peke ut utilstrekkelig motiverende kommunikasjonsstimuli. Dessuten kan slike målinger brukes til å identifisere de mer eller mindre motiverende delelementene av reklamen mer nøyaktig. Hamelin et al. (2017) brukte for eksempel gjenkjennelse av ansiktsuttrykk for å måle hvordan folks holdninger endret seg ved bruk av emosjonell reklame.

Sporing av øyebevegelser

Av de fysiologiske målingene er det sporing av øye­bevegelser som brukes mest. Slik sporing måler øyets bevegelse og hva forbrukerne ser på og legger merke til i reklamen. Store selskaper som Kraft Foods, PepsiCo, Procter & Gamble og Unilever har i over 20 år brukt sporing av øyebevegelser på ulike områder innen markedsføring (Wedel, 2018). Sporing av øyebevegelser har tidligere vært tungvint, tidkrevende og kostbart. Nye generasjoner av infrarøde øyesporere og bedre digitale enheter med innebygde kameraer gjør testprosessen rundt digital reklame enklere og billigere. Teknologien gjør det mulig å måle forbrukernes øye­bevegelser i naturlige testsituasjoner, med store mengder stimuli og med høy presisjon. For eksempel viser fersk forskning hvordan øynene ledsages av hodebe­vegelser når forbrukerne eksponeres for reklame i mobile enheter (Pieters & Wedel, 2020). Vi beveger hodet mer vertikalt ved bruk av håndholdte mobile enheter enn når vi leser magasiner eller aviser. Forsk­ningen antyder at hodebevegelser forover og bakover under reklameeksponering kan bidra til å forutsi merke­hukommelse (Pieters & Wedel, 2020).

Nevromålinger

Nevromålinger handler om hvordan hjernen prosesserer informasjon, og om emosjoners evne til å påvirke forbrukeratferd (Hotz, 2008; Stipp, 2015; Vecchiato et al., 2010). Metodene tar utgangspunkt i at den grunnleggende byggesteinen i hjernen er nevronet. Nevroner kommuniserer med hverandre gjennom elektriske signaler, og disse signalene er det mulig å måle. Det finnes i dag flere hovedteknikker innen nevro­målinger. Et eksempel er fMRI, som måler endringer i kjemiske reaksjoner i kroppen som følge av nevral aktivitet. Couwenberg et al. (2017) fant ved hjelp av fMRI at reklame som demonstrerte de funksjonelle produktfordelene og appellerte til fantasien (tenke på en annerledes og original måte), var mest effektive. fMRI er en dyr og i praksis lite tilgjengelig teknikk for markedsførere, og vi skal derfor heller fokusere på EEG- og SST-målinger (Plassmann et al., 2007; Plassmann et al., 2012; Ramsøy, 2019).

Nevromåling ved hjelp av elektroencefalografi – EEG

EEG registrerer elektriske impulser som oppstår i hjernebarken (hjerneaktivitet). I en metaanalyse gir Lin et al. (2018) en oversikt over den omfattende forskningen som er gjort på anvendelsen av EEG i forbrukerforskning. De viser at det er to hovedområder av EEG-målinger – nemlig alfabølger og hemisfærisk lateralisering. Alfabølger refererer til graden av hjerne­aktivering. Vi er i en alfatilstand når vi er inaktive, hviler eller sover, og vil da i mindre grad prosessere informasjon. For å skape oppmerksomhet og prosessering magma2102_fagdel_img_60.jpgav reklame kreves det at mennesket beveger seg ut av alfatilstanden. Ved å måle et menneskes alfanivå vil man derfor kunne forutse nivået av oppmerksomhet og prosessering (Lin et al., 2018).

Hemisfærisk lateralisering skiller mellom alfaaktivitet i høyre og venstre hjernehalvdel. Høyre hjernehalvdel responderer mer på emosjonelle stimuli, mens venstre halvdel responderer mer på logikk. Annonsører kan få innspill til om reklamen bidrar til å øke både læring og hukommelse ved å skape stimuli som appellerer til begge hemisfærer (Lin et al., 2018).

Nevromåling ved hjelp av Steady State Topography

Steady State Topography (SST) gir et estimat på endringer i hjerneaktiviteten. Hvor aktiv en del av hjernen er, vises gjennom hvor raskt den opererer (Silberstein & Nield, 2008). SST måler i alt fem områder som er interessante for markedsførere – langtidshukommelse, engasjement, emosjonell intensitet, «nærme seg- / trekke seg-atferd» og visuell oppmerksomhet (Neuro-Insight, 2020).

SST kan forutsi om et budskap vil bli kodet og lagret i langtidshukommelsen. Det er en klar korrela­sjon mellom langtidshukommelse og preferanse for merke­varen, beslutningstaking og kjøpsintensjon (Silberstein & Nield, 2012). Engasjement aktiveres i en annen del av hjernen. Det er reklamestimuli som har personlig relevans for en person, som aktiverer denne delen av hjernen. En annen del av hjernen registrerer intensiteten i både positive og negative emosjoner, og SST gir en indikasjon på styrken i intensiteten. SST kan også måle forskjeller i aktivitetene i venstre og høyre frontal hemisfære. Den venstre delen gir signaler om «nærme seg-atferd» assosiert med positive emosjoner som glede og lykke, mens den høyre gir signaler om «trekke seg-atferd» assosiert med frykt og angst.

Pretesting ved hjelp av kunstig intelligens (AI)

Et av de store markedsanalyseselskapene har nylig lansert en helautomatisk, AI-drevet maskin for å forutsi kreativ effektivitet. AI-løsningen er bygget på en av verdens største pretestingsdatabaser og er utarbeidet i samarbeid med selskaper som Unilever, Microsoft og Coca-Cola, som til sammen har testet flere tusen reklamer i AI (Kantar, 2020).

Reklamen som skal pretestes, mates inn i en stor computer og blir så sammenlignet med andre reklamer. Pretesting ved hjelp av AI gir dermed annonsører og deres reklamebyråer mulighet til å evaluere kreative reklamer for å optimalisere innhold og øke medie- og produksjonseffektivitet. Testen gir blant annet svar på om reklamen gir effekter som oppmerksomhet, liking, særegenhet, relevans, forståelse, involvering, sann­synlighet for kortsiktige salgseffekter og sannsynlighet for mer langsiktige merkevareeffekter.

Denne pretesten kan brukes til å forhåndsscreene digitale reklamer tidlig i utviklingsprosessen. Videre kan man teste flere kampanjer samtidig og derigjennom lære hvilke kreative grep som generelt fungerer godt over tid. Annonsøren kan også teste konkurrentenes kommunikasjon opp mot egne resultater. AI-testen gir også mulighet for å evaluere forskjellige versjoner av reklamer (for eksempel lengde og oppfordring til handling) for ulike medieplattformer. Dette er gunstig fordi annonsørene benytter seg av flere medier i integrerte kampanjer. Samlet er denne metoden en relativt rask, treffsikker og kostnadseffektiv måte å preteste reklame på (Kantar, 2020).

Metode

Formålet med denne artikkelen er å undersøke utbred­elsen av pretesting av digital reklame, finne ut hvor mye oppmerksomhet det er rundt pretesting blant ulike aktører, og avdekke hvilken kjennskap og utbredelse nyere metoder for pretesting har fått. I denne studien har vi valgt en kvalitativ forskningsmetode der vi har utført personlige dybdeintervjuer med relevante respondenter (Gripsrud et al., 2016). Grunnen til dette valget er at vi i denne fasen ønsker å utforske pretesting av digital reklame gjennom å få synspunkter, holdninger og meninger fra sentrale aktører i bransjen. Datainnsamlingen, i form av intervjuer, søker å gi en fortolkende analyse, og ikke en statistisk generalisering (Remenyi et al., 2002). Vi ønsker i denne fasen å utforske holdninger til pretesting, hvilke målemetoder respondentene benytter, og hva de har oppnådd ved å anvende pretesting av digital reklame. Vi har i perioden januar 2019 til midten av februar 2020 gjennomført totalt 17 intervjuer med til sammen 19 respondenter i Bergen, Oslo og Trondheim.

Tabell 1 Oversikt over respondenter.
OrganisasjonAntallSted for intervju
Annonsører5Oslo og Trondheim
Reklame-/kommunikasjonsbyråer5Oslo, Bergen og Trondheim
Analyseinstitutter3Oslo og Trondheim
Bransjeforeninger4Oslo, Bergen og Trondheim
Totalt antall organisasjoner17

Vår intensjon var å skaffe et utvalg som representerer bredde og variasjon i bransjen, og som representerer magma2102_fagdel_img_61.jpgde typiske aktørene innen pretesting av reklame. Det var derfor viktig å intervjue fagpersoner fra annonsører, reklamebyråer, analyseinstitutter og bransjeforeninger. Det ble utarbeidet en intervjuguide med åpne spørsmål knyttet til undersøkelsens problemstillinger. 1

Resultater

I denne delen av artikkelen vil vi presentere våre viktigste funn. Leseren vil se at det er tatt i bruk direkte sitater fra respondentene. I så stor grad som mulig representerer sitatene felles oppfatninger og meninger blant respondentene.

Hvor utbredt er pretesting av reklame?

En av intensjonene med vår undersøkelse er å få en pekepinn på hvor utbredt pretesting av digital reklame er, sammenlignet med pretesting av tradisjonell reklame for noen år siden. Funnene viser at alle respondentene rapporterer at det foretas mindre pretesting av reklame i dag enn for ti år siden, og at pretesting ikke får tilstrekkelig oppmerksomhet i bransjen. Følgende synspunkter er representative for respondentene:

Jeg tror pretesting er betydelig mindre utbredt enn det var for ti år siden. Med inntog av digitale kampanjer, mye raskere medier, mye raskere innhold og mye mer direkte datafangst når man er ute. (Respondent 2)

De fleste respondentene sier at pretesting er mer utbredt blant de største annonsørene og når det er snakk om større digitale kampanjer. Det er de annon­sørene som kjøper mest reklame og har mer profesjonelle markedsavdelinger med faste systemer for pretesting, som pretester mest. Disse funnene er i tråd med det Tranås fant i 1997.

A/B-testing har fått en betydelig rolle i testingen av digital reklame

Mye av grunnen til at det pretestes mindre i dag, er at A/B-testing underveis i kampanjen har tatt over. Følg­ende synspunkter uttrykker det flertallet av respondentene sier:

A/B-testing har erstattet mye av pretestingen samt at vi tester mye mer live enn vi testet før. Og det tror jeg er generelt for bransjen også. (Respondent 3)

Digitale medier har jo endret dette vesentlig. Det vi typisk gjør på digitalt, er jo i mye større grad posttesting, ikke sant. Du lager noe, og du tester det i liten skala, og så får du svar, og så justerer du. (Respondent 9)

Det kan se ut som det brukes mer midler på A/B-testing av reklame enn på mer tradisjonell pretesting. Det skyldes blant annet at det er lettere å måle de økonomiske effektene gjennom klikkdata og reelt salg i en A/B-test. Noen respondenter går til og med så langt som å si at pretesting har utspilt sin rolle i moderne digital markedsføring:

… så har på en måte pretesting utspilt litt sin rolle. Før så hadde vi jo mer TV, vi hadde mer print etc. Nå er det jo mer online, så da går jo også pretesting­konseptet mer mot AB-testing. (Respondent 2)

Digitale kampanjer i SoMe blir mye testet. Her tester man organisk trafikk, organisk søk, gjennomsnittlig tid på side, inngående beslutninger, sidevisninger og KPI (Key Performance Indicator). Hos oss har vi kjørt 99 prosent digitalt. Totalt 25 filmer. Vi følger disse kontinuerlig og tar av dem som ikke fungerer. (Respondent 1)

En del aktører har også funnet en digital måte å teste reklamefilmer på. Småskalatesting på digitale flater (såkalt livetesting) kan bidra til å effektivisere reklame som skal sendes i tradisjonelle medier som TV og kino.

De bruker penger på ferdig produksjon, og så kjører de reklamen ut i smalere digitaliserte medier og ser om produksjonen klarer å skape engasjement, klarer å få liking og klarer å få spredning. Forutsatt at det skjer, så bruker de penger i tradisjonelle medier også. For da vet de at de er vesentlig tryggere på at effekten er der. Det er en form for livetesting. En test i småskala fremfor i et kontrollert rom. Risikostyring, egentlig. (Respondent 11)

Bransjen finner altså nye veier for å teste reklame­kampanjer i tradisjonelle medier gjennom å forhåndsteste reklamen i digitale medier. Det kan videre se ut som det er et skille med hensyn til pretesting mellom de nye digitale og de tradisjonelle mediene (for eksempel TV, avis, kino, radio, print og plakater). Kampanjene i digitale medier blir testet mye underveis, men ikke nødvendigvis alltid pretestet:

Det store skillet er mellom de tradisjonelle mediene som reklame på TV, i radio, i avis, plakater og boards, kontra de her nye bannerne, digitale typer markedsføring. (Respondent 7)

Våre funn viser tydelig at A/B-testing i digitale medier dominerer tidlige effektmålinger, og at det er en tendens blant respondentene at man derfor ikke behøver å preteste reklamen.

Kjennskap, skepsis til og bruk av nye metoder for pretesting

Som tidligere påpekt finnes det et stort utvalg av metoder for pretesting. Særlig er kombinasjoner av fysiologiske tester, EEG og AI innsiktsfulle i pretesting av digital reklame. Det er få aktører som tilbyr denne teknologien i Norge. Mange annonsører og reklamebyråer er også skeptiske, særlig til måling av emosjonelle effekter – ofte fordi de mener disse effektene er vanskelige og kompliserte å måle. Mye av skepsisen skyldes også tidligere negativ erfaring med fokusgruppeintervjuer. Det er også flere som ikke er klar over at disse metodene finnes, og det etterlyses mer informasjon om disse.

Vi er godt kjent med pretesting som tar i bruk fokusgruppeintervjuer. Vi har lenge vært skeptisk til disse fordi det er umulig å få gode resultater og innspill fra slike pretester. Kreativitet er vanskelig å sette tall på. Det er videre vanskelig å få en oversikt over hva de nye testene kan bidra med. (Respondent 6)

I vår undersøkelse finner vi at det er svært få som har tatt i bruk nye metoder og tilhørende ny teknologi. Dette er også i tråd med det Ekrann (2020) opplever i praksis. Det er ganske overraskende, og kun én av respondentene hadde god kjennskap til nyere metoder, og sier følgende:

Det er nå slik at vi kan teste emosjonelle effekter ved å utføre en hjerneskanning, EEG-test. Det vi er i stand til, er EEG pluss eyetracking, for eyetrackingen trenger du i forbindelse med EEG fordi du må se hvor det er de ser og har den reaksjonen de har. Så da kan du koble den emosjonen du måler, med stimulusen. Inntrykket er at det er veldig få som tenker i retning av disse måleinstrumentene. Med EEG kan vi måle approach–avoidance behavior – om du liker eller om du frastøter noe, som blir et slags uttrykk for liking. (Respondent 5)

Denne respondenten er ikke representativ for utvalget, og heller ikke for våre funn, som peker på at få i bransjen kjenner til og har inngående kunnskap om nye metoder for pretesting.

Implikasjoner for annonsører, reklamebyråer og analyseinstitutter

Flere bør sette seg inn i hvordan nyere og mer avanserte metoder for pretesting av digital reklame, som AI, EEG, sporing av øyebevegelser og SST – gjerne i kombinasjon med A/B-testing – kan gi mer effektiv reklame. magma2102_fagdel_img_63.jpgPretesting av digital reklame kan gi annonsører mange fordeler og bør etter vårt syn være på repertoaret for bransjen som helhet.

Den rapporterte undersøkelsen har flere implikasjoner som er viktige for annonsører, reklamebyråer og analyseinstitutter. All pretesting handler til syvende og sist om å sørge for at reklamen bidrar til at man når kommunikasjonsmålene. Det handler om å øke effektiviteten av digital reklame. Det er annonsørene som stiller med ressursene, og det er deres investering som skal gi god avkastning. Med store mediebudsjetter øker risikoen, og pretesting handler om å redusere denne. Annonsøren er oppdragsgiver og bør derfor i større grad ta initiativ til å få pretestet reklamen.

Med de digitale medienes fremmarsj øker sannsynligvis tidspresset. Dette tidspresset kan føre til at man utelater pretesting, noe som kan gå på bekostning av å lage god og effektiv reklame. Hvis pretesting av reklame ikke er lagt inn i planleggingsprosessen, er det stor sjanse for at pretesting ikke vil bli foretatt. Det er derfor viktig å implementere pretesting i kommunikasjonsutviklingen.

For reklamebyråene handler det om å få kunnskap om hvilke kreative strategier som fungerer best. Det betyr at byråene i større grad må være villige til å ta i bruk de nye formene for pretesting, og ikke kun bruke A/B-tester, som i svært begrenset grad kan teste kreativitet. Økt innsikt fra slike målinger vil øke tilliten til reklamebyråene og kan gi en konkurransefordel i markedet. I prosessen med å utvikle kreative løsninger for en oppdragsgiver vil det alltid være usikkerhet om hvorvidt foreslåtte kreative løsninger fungerer. I tillegg til den etablerte kunnskapen byråene har om hvilke kreative strategier som er best, trengs mer fakta. Vår undersøkelse viser at det er de med kreative oppgaver i reklamebyråene som er mest skeptiske til dagens former for pretesting av reklame. Det er ikke vanskelig å forstå hvis mange forholder seg til at A/B-tester er «løsningen», noe som på mange måter reduserer kreative løsninger til et spørsmål om klikk og konvertering. Byråenes kjernekompetanse handler om kreative løsninger og gode kommunikasjonsplattformer – den «store ideen». Det betyr at byråene kontinuerlig utvikler løsninger som skiller seg ut og er relevante for målgruppen. Med solide tester som er mer valide og til å stole på, kan testene bidra til en kunnskapsbank som gjør at reklamebyråene i større grad lykkes i sitt arbeid.

For analyseinstituttene handler det i første omgang om å utvikle og tilby de beste metodene for pretesting av reklame. Flere av de store instituttene i Norge er tilknyttet store, internasjonale selskaper, og det innebærer at mye av metodikken allerede er tilgjengelig. Både Kantar og Ipsos tilbyr testing av reklame i Norge, men vi mener analyseinstituttene bør ta en mer aktiv rolle ved å tilby disse tjenestene på markedet og i sterkere grad opplyse om metodene, fordelene og svakhetene med disse, hvor valide de er, og hva de kan tilføre annonsørene og reklamebyråene. Det betyr også i større grad å samarbeide med mediebyråene slik at de nye metodene innen pretesting blir koordinert godt med A/B-testingen. I tillegg har analyseinstituttene en oppgave i å gjenvinne reklamebyråenes, og særlig de kreatives, tillit til metodene.

Konklusjon og fremtidig forskning

Vår undersøkelse viser at pretesting av reklame får for lite oppmerksomhet i Norge. Dette til tross for at de fleste respondentene har en positiv holdning til pretesting. Bruken av digitale medier i kampanjer øker og tar en stadig større plass i mediebudsjettene til norske annonsører. Vi ønsker å bidra til at flere i bransjen blir oppmerksomme på de nye metodene for pretesting, som AI, EEG og sporing av øyebe­vegelser, og på at en kombinasjon av ulike tester trolig er det mest ideelle. Det betyr at de nye målemetodene og A/B-testing må betraktes integrert. A/B-testing gir gode muligheter til å teste live, optimali­sere, ta tilbake innhold og redigere budskap. Særlig gjelder dette digitale mediekanaler. Annonsørene ser etter kort tid om et innhold fungerer eller ikke. Kun A/B-testing alene kan fort bli en hvilepute, gitt metod­ens klare begrensninger. På mange måter kan man si at A/B-testing står for måling av de mer kortsiktige reklameeffektene (klikk og konvertering til salg), mens de mer avanserte metodene i større grad kan gi innspill til langsiktige reklameeffekter som bidrar til å bygge og styrke merkevaren. De nye metod­ene gir derfor ny og verdifull innsikt som kan bidra til å forbedre kreative strategier, med andre ord mer informa­sjon om viktige sider ved forbrukernes langsiktige respons på digital reklame.

Det er lite forskning rundt effekten av pretester. Litteraturgjennomgangen viser at det er forsket mest på direkte effekter av pretesting som oppmerksommagma2102_fagdel_img_64.jpghet, forståelse, liking, relevans og merkehukommelse. Det er lite forskning både i Norge og internasjonalt på pretestingens effekter på reklameinvesteringer som salgseffekter, ROI og langsiktige effekter på merke­varen. Det betyr at det gjenstår viktig forskning særlig på de nye metodene. Disse metodene har ikke vært lenge på markedet. Men det finnes tilgjengelige data hos aktørene som bør analyseres, kvantifiseres og valideres av forskere.

I’ve certainly got enough evidence, real hard evidence, showing that ads we’ve pretested perform better in the marketplace than ads we don’t. It’s inarguable proof.

Keith Weed, Unilever (Kantar, 2020)

  • 1: 1 Vår undersøkelse er innmeldt til Norsk senter for forskningsdata (prosjektnummer 357182). Dataene er anonymisert i presentasjonen av resultatene.
  • Belch, G. E. & Belch, M. A. (2018). Advertising and promotion. An integrated marketing communications perspective (11. utg.). McGraw-Hill Irwin.
  • Couwenberg, L. E., Boksem, M. A. S., Dietvorst, R. C., Worm, L., Verbeke, W. J. M. I. & Smidts, A. (2017). Neural responses to functional and experiential ad appeals: Explaining ad effectiveness. International Journal of Research in Marketing, 34(2), 355–366.
  • Cramphorn, S. (2004). What advertising testing might have been, if we had only known. Journal of Advertising, 44(2), 170–180.
  • Ekrann, E. F.(2020, 3. desember). Hvorfor pre-tester ikke norske annonsører reklamene sine? https://kantar.no/kantar-tns-innsikt/hvorfor-pre-tester-ikke-norske-annonsorer-reklamene-sine
  • Gallo, A. (2017, 28. juni). A refresher on A/B testing. Harvard Business Review. https://hbr.org/2017/06/a-refresher-on-ab-testing
  • Gripsrud, G., Olsson, U.-H. & Silkoset, R. (2016). Metode og dataanalyse (3. utg.). Cappelen Damm.
  • Hall, B. F. (2002). A new model for measuring advertising effectiveness. Journal of Advertising Research, 42(2), 23–31.
  • Hamelin, N., El Moujahid, O. & Thaichon, P. (2017). Emotion and advertising effectiveness: A novel facial expression analysis. Journal of Retailing and Consumer Services, 36 (mai), 130–131.
  • Hotz, L. A. (2008). A manifesto for neuromarketing science. Journal of Consumer Behavior, 7(4-5), 263–271.
  • IRM Institutet för Reklam- och Mediestatistik. (2020, 25. mai). Årsrapport: Det norske reklamemarkedet 2019. https://www.irm-media.no/om-irm/arsstatistikk/
  • Kantar. (2020, 24. juni). Kantar launches fully AI-powered creative effectiveness measurement tool. https://www.kantar.com/company-news/kantar-launches-fully-ai-powered-creative-effectiveness-measurement-tool
  • Kohavi, R. & Longbotham, R. (2017). Online controlled experiments and A/B testing. I C. Sammut & G. Webb (Red.), Encyclopedia of machine learning and data mining (s. 922–929). Springer.
  • LaBarbera, P. A. & Tucciarone, J. D. (1995). GSR Reconsidered: A behavior-based approach to evaluating and improving sales potency of advertising. Journal of Advertising Research, 35(3), 33–40.
  • Lin, M.-H., Cross, S. N. N., Jones, W. J. & Childers, T. L. (2018). Applying EEG in consumer neuroscience. European Journal of Marketing, 52(1/2), 66–91.
  • Neff, J. (2011). Copy testing coming to digital marketing. Advertising Age, 82(9), 18.
  • Neuro-Insight. (2020, 10. juni). Intervju med professor Richard Silberstein [filmklipp]. https://www.neuro-insight.com/science-and-technology
  • Pieters, R. & Wedel, M. (2020). Heads up: Head movements during ad exposure respond to consumer goals and predict brand memory. Journal of Business Research, 111, 281–289.
  • Plassmann, H., Ramsøy, T. Z. & Milosavljevic, M. (2012). Branding the brain: A critical review and outlook. Journal of Consumer Psychology, 22(1), 18–36.
  • Plassmann, H., Ambler, T., Braeutigam, S. & Kenning, P. (2007). What can advertisers learn from neuroscience? International Journal of Advertising, 26(2), 151–175.
  • Ramsøy, T. Z. (2019). Building a foundation for neuromarketing and consumer neuroscience research. Journal of Advertising Research, 59(3), 281–294.
  • Remenyi, D., Williams, B., Money, A. & Swartz, E. (2002). Doing research in business and management: An introduction to process and method. Sage.
  • Rossiter, J. R. & Eagleson, G. (1994). Conclusions from the ARF’s Copy Research Validity Project. Journal of Advertising Research, 34(3), 19–32.
  • Silberstein, R. B. & Nield, G. (2008). Brain activity correlates of consumer brand choice shift associated with television advertising. International Journal of Advertising, 27(3), 359–380.
  • Silberstein, R. B. & Nield, G. (2012). Measuring emotion in advertising research. IEEE Pulse, 3(3), 24–27.
  • Siroker, D. & Koomen, P. (2013). A/B Testing: The most powerful way to turn clicks into customers. John Wiley & Sons.
  • Stipp, H. (2015). The evolution of neuromarketing research: From novelty to mainstream. How neuro research tools improve our knowledge about advertising. Journal of Advertising Research, 55(22), 120–122.
  • Tranås, J. (1997). The use and misuse of pretesting in advertising. Norsk institutt for markedsforskning (NiM).
  • Vecchiato, G., Astolfi, L., Fallani, F. D. V., Cincotti, F., Mattia, D., Salinari, S., Soranzo, R. & Babiloni, F. (2010). Changes in brain activity during the observation of TV commercials by using EEG, GSR and HR measurements. Brain Topography, 23(2), 165–179.
  • Wedel, M. (2018). Improving ad interfaces with eye tracking. I K. L. Norman & J. Kirakowski (Red.), The Wiley handbook of human computer interaction (s. 889–907). Wiley.

Econa er foreningen for høyt utdannede innen økonomi og administrasjon. Er du ikke medlem?
Sjekk medlemstilbudene og meld deg inn i dag.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS