5. Партнерская реклама.

Партнерская реклама (может упоминаться как affiliate-маркетинг) относится к процессу оплаты целевых действий. В данном случае условный партнер зарабатывает предоставлением транзакций (или других действий, которые будут считаться конверсиями), получая комиссию за каждую конверсию. Регулярно аффилиатами выступают блогеры или сайты электронной коммерции, как указано в источнике.

Отмечается растущий интерес к партнерской рекламе/маркетингу как к относительно свежему digital-инструменту, хотя эмпирических исследований этой темы довольно мало. Так же, несмотря на широкое использование кампаний с партнерской рекламой, теоретически возможные риски, такие как непредвиденные негативных последствия соответствующих рекламных кампаний, еще изучены крайне недостаточно. Исследование из журнала The Service Industries Journal рассматривает эти пробелы, исследуя непредвиденные последствия партнерских рекламных кампаний на примере кейса продвижения туристических направлений Mariussen, A. Unintended consequences in the evolution of affiliate marketing networks: a complexity approach // The Service Industries Journal. 2010. №30. С. 1707--1722.. Результаты исследования, по заявлениям авторов, также могут быть применимы к другим отраслям услуг, таким как финансовые услуги (утверждается, что в данной сфере также широко используется партнерский маркетинг). Результаты всесторонних интервью и контент-анализа с качественной методологией позволяют заключить, что непреднамеренные последствия являются важным фактором в формировании эволюции партнерской практики и не должны вызывать отторжение среди специалистов и практиков. Кроме того, исследование предполагает, что непреднамеренные последствия могут быть инструментом для определения областей для улучшений, и могут помочь объяснить природу возникающих проблем партнерской рекламы, которые могут потенциально помочь специалистам по рекламе в успешном формировании сетей партнеров для дальнейших кампаний. Недостатком данного исследования является отсутствие выделения возможных категорий рисков / непредвиденных последствий и отсутствие выделения возможных подходов к разрешению кризисных ситуаций, угрожающих репутации брендов.

6. Интеграции рекламы в контент блогеров / лидеров мнений.

В рамках данного типа digital-рекламы используются люди с крупным медийным охватом, которые считаются лидерами общественного мнения среди целевой аудитории рекламодателя, что решает задачи привлечения трафика, продаж и повышения внимания к бренду. Интеграции у блогеров популярны в социальных сетях, таких как Instagram, YouTube и др. Рекламодатели нанимают лидеров мнений с большим количеством подписчиков для продвижения своего бренда, публикуя контента того или иного содержания, посвященному продукту.

7. Email-реклама.

Email-реклама позволяет бренду регулярно коммуницировать с подписчиками или клиентами компании об акциях или других новостях. Отмечается, что посредством качественной коммуникации с аудиторией повышается доверие и лояльность к бренду. Кроме того, база почтовых адресов должна быть собрана только из тех адресов, которые были предоставлены пользователями добровольно - в этом случае существует высокая вероятность совершения повторных покупок пользователями, как отмечено в источнике.

8. Viral advertising.

Вирусная (или viral) реклама представляет собой в первую очередь подвид нативной рекламы, эффект которой заключается в бурном органическом росте охвата определенного контента, будь то видео, картинка или текст. Важным аспектом вирусной рекламы является её кратковременность - отмечается, что подобные всплески интереса длятся очень недолго, хоть и привлекают много трафика или внимания к бренду. Результативность также не является гарантированной, поскольку внимание аудитории может быть полностью отвлечено на развлекательную составляющую коммуникации, вытесняя сам бренд и продукт/услугу.

9. Mobile Phone Advertising.

Digital-реклама может задействовать и мобильные устройства пользователей для коммуникации. Могут быть использованы SMS-рассылки по телефонным базам или прямые звонки клиентам. В рамках таких мероприятий может быть задействованы интерактивные механики - бренды могут предлагать своим клиентам использовать SMS для получения специальных предложений, купонов или получения новостей.

Существуют исследования, направленные на изучение вовлечения пользователей в коммуникацию посредством потенциально интерактивных инструментов digital-рекламы. В исследовании, опубликованном в International Journal of Advertising изучается отношение потребителей к четырем подтипам интерактивной цифровой рекламы: интернет-реклама в целом (в исследовании не уточняется конкретный формат интернет-рекламы), рассылки по электронной почте (email-реклама) и реклама в виде SMS и MMS-рассылок по мобильным телефонам Cheng, J., Blankson, C., Wang E. Consumer attitudes and interactive digital advertising // International Journal of Advertising . 2009. №28. С. 501-525.. Различия в отношениях между этими четырьмя подтипами интерактивной цифровой рекламы также сравниваются. Данные собраны из трех университетов в Тайване. Анализ данных выделяет три формы отношения к интерактивной цифровой рекламе, а именно: "информативный", "развлекающий" и "раздражающий". Формы отношения потребителей к интернет-рекламе и мобильной рекламе типа MMS одинаковы и позитивны (т.е. информативны, наименее раздражают и наиболее развлекательны). Их отношение к электронной почте и SMS-рекламе менее позитивно (более раздражающе, менее информативно и менее интересно). Кроме того, сравниваются три формы отношения к четырем подтипам интерактивной цифровой рекламы. Потребительские "информативные" и "развлекательные" формы отношения к интернет-рекламе и мобильной рекламе типа MMS похожи, в то время как их формы отношения к электронной почте и мобильной рекламе типа SMS равны и ниже, чем к двум предыдущим подтипам интерактивной цифровой рекламы. Что касается "раздражающей" формы отношения, потребители чувствуют себя более "раздраженными" в отношении рекламы по электронной почте и к SMS-рассылкам, в то время как их формы отношения к интернет-рекламе и MMS-рекламе одинаковы и наименее раздражают аудиторию.

10. Video / Instream Advertising.

Также необходимо выделить отдельное направление видеорекламы. Согласно исследованию из журнала Computers in Human Behavior, в настоящее время растет число людей, которые тратят огромное количество времени по всему миру на YouTube и другие видео-ресурсы Dehgani, M., Niaki, M., Ramezani I. Evaluating the influence of YouTube advertising for attraction of young customers // Computers in Human Behavior. 2016. №59. С. 165-172.. Данное исследование направлено на изучение восприятие аудиторией видеорекламы. Были определены четыре типа воздействия видеорекламы, которые могут повлиять на узнаваемость бренда и на намерение приобрести товар/услугу среди аудитории: развлекательная функция сообщения, информативность, персонализация сообщения и раздражение. Авторы предположили, что содержание рекламы, направленное на демонстрацию ценности продукта и выгоды от него, положительно связаны с узнаваемостью бренда, что, в свою очередь, выгодно влияет на покупательское поведение. Для исследования были собраны данные студентов, обучающихся в Римском университете Сапиенца. В результате исследования гипотеза авторов была подтверждена - результаты показывают, что развлекательная функция, информативность и персонализированность сообщения действительно являются теми позитивными факторами, которые воздействуют как на узнаваемость бренда, так и на намерение аудитории приобрести товар/услугу.

В исследовании, опубликованном в Journal of Advertising Research, было проанализировано нововведение компании Google d 2010 году - YouTube представил рекламу TrueView In-Stream, рекламу в формате видео, которая позволяла пользователю переходить непосредственно к желаемому видеоконтенту после пяти секунд просмотра рекламы Pashkevich, M., Kellar, M. Empowering Online Advertisements by Empowering Viewers with the Right to Choose // Journal of Advertising Research. 2012. №52. С. 78--101.. Также этот формат известен как пре-роллы. Google стремился сравнить эти "пропускаемые" объявления в видео с обычными (не пропускаемыми) форматами видеорекламы, используя новую метрику эффективности рекламы, основанную на склонности к поиску слов, связанных с рекламным контентом в их же поисковой системе Google. Выводы показали, что реклама с возможностью пропуска видео может быть такой же эффективной для каждого показа, как и обычная instream реклама. Кроме того, данные рандомизированных экспериментов показали значимое намерение зрителя пропускать рекламные вставки. Как итог, результаты данного исследования показывают, что формат TrueView In-Stream может улучшить качество просмотра для пользователей, не жертвуя рекламной ценностью для рекламодателей или владельцев контента.

В ином исследовании о видеорекламе в интернете также отмечаются высокий потенциал видеорекламы для компаний, занимающихся электронной коммерцией Cheng, Z., Wu, X., Liu, Y. Video eCommerce++: Toward Large Scale Online Video Advertising // IEEE Transactions on Multimedia. 2017. №19. С. 1170 --1183.. Более того, подчеркивая этот потенциал, в статье была предложена система онлайн-видеорекламы под названием Video eCommerce++, которая позволяет показывать рекламу соответствующих продуктов для определенных пользователей с надлежащими отметками времени видео, учитывающая тематику видео, предпочтения пользователей в отношении покупок и отклик пользователя на просмотр рекламы. Впервые была предложена модель инкрементной регрессионной взаимосвязи (ICRR) для построения семантической ассоциации между видео и продуктами. Распространение пользовательских предпочтений (User Preference Diffusion, UPD) индуцируется в рамках гетерогенной информационной сети для построения ассоциации пользователь-продукт из двух разных платформ электронной коммерции, Tmall и MagicBox, что облегчает проблемы разреженности данных и холодного запуска. Модель важности видео сцены (Video Scene Importance Model, VSIM) используется для размещения рекламы в наиболее привлекательных местах в видео потоке. Чтобы объединить выходные данные ICRR, UPD и VSIM, применяется унифицированная распределенная матрица факторизации разнородных отношений (Distributed Heterogeneous Relation Matrix Factorization, D-HRMF) для онлайн-видеорекламы, которая эффективно проводится параллельно для решения проблемы обновления в реальном времени, так что cистема может произвести анализ в режиме реального времени - что соответствует возмонжостям инструментарися RTB (Real Time Bidding). Эксперименты, проведенные с различными онлайн-видео демонстрируют, что Video eCommerce++ значительно превосходит современные рекламные методы и может обрабатывать крупномасштабные данные в режиме реального времени. Как итог, подобные разработки исследователей видео рекламы могут в будущем существенно повысить эффективность интернет-видеорекламы как в e-commerce, так и в Brand Lift целях рекламодателей.

Заключение Главы 1.

Нетрудно заметить, что некоторые инструменты digital-рекламы нельзя сравнивать с классическими каналами. Например, Search Engine Optimization сложно назвать полноценным рекламным инструментом, поскольку он не предоставляет возможности арендовать рекламное место, однако без должной поддержки брендом SEO направления, потенциальным клиентам будет сложнее перейти на сайт компании и совершить покупку. Этот инструмент также не получится применить в целях охвата аудитории, так как SEO работает только в том случае, если пользователь самостоятельно ищет саму компанию или бренд. Аналогичны особенности поисковой рекламы, однако с ней пользователь может столкнуться уже тогда, когда ищет категорию продуктов или услуг, а не только определенный бренд. Безусловно, это расширяет сферу применения поисковой рекламы, но она всё равно привязано к активному спросу аудитории.

Согласно отчету организаций We Are Social и Hootsuite о состоянии цифровой сферы в 2020 году, россияне проводят в интернете в среднем 7 часов 17 минут, что сравнимо с рабочим днем и превосходит все другие источники медиа Глобальная статистика интернета на 2020 год - отчет Digital о состоянии цифровых технологий в мире и в России // Web Canape URL: https://www.web-canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения: 19.05.2020).. Также отчет We Are Social и Hootsuite отмечает, что 81% населения РФ являются пользователями сети интернет - такие объемы пользования интернета свидетельствуют о широких перспективах интернет-рекламы, в том числе для Brand Lift задач. Однако многообразие online и offline рекламных инструментов, а также различная специфика их воздействия, оставляет открытым вопрос о том, какие форматы и инструменты наиболее эффективно использовать в случае задачи повышения запоминаемости бренда в рамках Brand Lift - что, соответственно, решает данная исследовательская работа.

Глава 2. Эмпирическая часть исследования

Отбор каналов коммуникаций.

Как было сказано ранее, чтобы определить каналы коммуникаций, имеющих наибольшее влияние на запоминание брендов, была выбрана модель линейной регрессии с множественными независимыми переменными, в которой зависимая переменная - это запоминаемость брендов, а независимые переменные - рекламные каналы коммуникаций.

Поскольку на момент написания данной работы в рекламной индустрии существует большое количество рекламных инструментов и каналов коммуникаций, было решено ограничить рекламные каналы коммуникаций согласно последнему опубликованному отчету АКАР о рынке рекламы.

Все вышеперечисленные каналы отобраны на основании данных АКАР 2018 года, по следующим признакам Реклама в интернете впервые обогнала ТВ // РБК URL: https://www.rbc.ru/technology_and_media/11/03/2019/5c8619ce9a79473741c1055f (дата обращения: 19.05.2020).:

- Канал составляет не менее 3% от всего рекламного рынка РФ. Ввиду этого ограничения были исключены такие инструменты, как реклама в печатных и цифровых СМИ (в том числе нативная), транзитная реклама (реклама на транспорте) и реклама в кинотеатрах.

- Канал не снижал своей доли рынка с 2017 по 2018 года.

Online каналы, обобщенные в источнике в сегмент "Интернет" были уточнены по следующим признакам:

- Канал не требует базы контактов пользователей для коммуникаций. По этой причине в список не входит email-коммуникации и SMS-рассылки, поскольку пользователи, предоставившие тому или иному бренду свою контактную информацию уже, осведомлены о бренде до такой степени, что даже вовлечены в прямое взаимодействие с ним.

- При закупке рекламного инвентаря имеется возможность заранее рассчитать объемы показов или переходов по ссылке. По этой причине в список не входят рекламные интеграции в контент блогеров.

Таким образом, в качестве независимых переменных, в исследовании было изучено влияние следующих рекламных инструментов:

1. ТВ

2. Наружная реклама

3. Реклама на радио

4. Реклама в поисковиках (поисковые системы Яндекс и Google)

5. Таргетированная реклама в социальных сетях (Вконтакте, Facebook, Instagram, Одноклассники)

6. Видео-реклама (пре-роллы перед видео на стриминговых сервисах, YouTube, Вконтакте, Одноклассники)

7. Дисплей-реклама (баннеры на веб-сайтах сети "Интернет")

Операционализация.

Зависимая переменная ("Запоминание брендов") представлена интервальной шкалой. Данная переменная измерена количеством брендов, которые укажет респондент, отвечая на вопрос "Какие бренды вы недавно видели в рекламе? Перечислите, пожалуйста, через запятую". После сбора данных, бренды, указанные в вопросе с зависимой переменной будут переведены в целое число, для анализа данных.

Независимые переменные измерены вопросом "Где чаще всего вы видели рекламу рекламу брендов, которые перечислили в предыдущем вопросе?" с интервальной шкалой Лайкерта из 5 шагов к каждому из рекламных каналов (ТВ, наружная реклама и др.), где "1" - "Ни разу не видел в этом источнике" и "5" - "Видел в этом источнике чаще всего". Шкала Лайкерта в данном случае выбрана в связи с тем, что такой вид шкалы наиболее работоспособен при множественной линейной регрессии.

Таким образом, множественная линейная регрессия определяет, какие каналы в той или иной степени повлияли на увеличение числового выражения количества указанных брендов. Таким образом, чем выше значения независимых переменных x, y, z..., тем выше значение зависимой переменной i.

Также, в опроснике предусмотрен блок данных о респонденте со следующими вопросами:

1. Пол (дихотомическая шкала). Кодировки:

a. Мужской (0).

b. Женский (1).

2. Возраст (номинальная шкала). В анализ идет целое число полных лет респондента.

3. Регион проживания (номинальная шкала). Респонденту дан выбор своего региона из выпадающего списка, основанном на списке регионов (субъектов, областей) согласно данным ФНС России. Для простоты, коды регионов в анкете для последующего анализа соответствуют кодам субъектов РФ, установленных ФНС России Список регионов (субъектов, областей) России 2020 РФ с кодами согласно данным ФНС по алфавиту // StatData,ru URL: https://sites.google.com/site/ruregdatav1/spisok-regionov-rossii-s-kodamy (дата обращения: 19.05.2020)..

В анкете предусмотрены вопросы, с помощью которых верифицируются ответы респондентов о контакте с рекламой брендов в том или ином канале: "Смотрите ли вы телевизор?", "Слушаете ли вы радио?". В случае, если респондент ответил, что не смотрит телевизор, но отметил, что видел рекламу бренда в данном канале - его анкета удаляется как невалидная. Аналогичный вопрос о наружной рекламе не приведен, так как специфика данного канала не позволяет полностью исключить его из восприятия аудитории. Кроме того, поскольку анкета распространяется с помощью цифровых носителей, отделять респондентов по вопросу "Пользуетесь ли вы интернетом" нецелесообразно.

Тип выборки и сбор данных.

Регрессионный анализ с множеством независимых переменных произведен с помощью программы IBM SPSS Statistics, анкета разработана в открытом сервисе Google Forms. Тип выборки - стихийная невероятностная выборка. К сожалению, данный тип выборки характеризуется относительно низкой репрезентативностью полученных данных, однако прост в реализации, поэтому в условиях ограниченных временных и финансовых ресурсов возможен только такой тип выборки. Метод отбора респондентов при текущем типе выборки - "Снежный ком", т.е. к каждому респонденту, получившему анкету, будет просьба передать её нескольким другим людям. Чтобы нивелировать эффект строгой стратификации респондентов в одной социально-демографической группы, опросник будет направлен в разные группы по демографии (возраст и регион). Это поможет избежать ограничения сбора ответов респондентов в одной узкой группе (например, одной возрастной группе) для повышения качества данных. Распространяться ссылка на анкету будет посредством электронной почты, мессенджеров и социальных сетей.

Ограничения.

Одним из основных ограничений данного исследования является то, что текущая работа не учитывает запоминаемость рекламного материала, который респондент мог увидеть в том или ином канале. Текущее исследование сосредоточено непосредственно на каналах, в которых была размещена реклама того или иного бренда, однако, креативная составляющая рекламного ролика или баннера может быть существенным вмешивающимся фактором. Также, в данной работе не учитывается частота показов той или иной рекламы, что тоже может сказаться на запоминании того или иного бренда посредством рекламного канала. Работа направлена лишь на одну из составляющих brand lift - запоминаемость бренда. В связи с этим, исследование никак не учитывает осведомленность о приведенных респондентом брендах, отношению к ним или возможную лояльность респондента к перечисленным брендам. Текущее исследование не направлено на оценку возврата инвестиций с того или иного канала, однако повышение узнаваемости бренда с помощью тех или иных каналов может способствовать повторным покупкам или увеличении бренда на рынке, согласно результатам исследований, перечисленных во введении.

Существует ограничение технического характера, связанного с невероятностным типом выборки - по этой причине результаты исследования не могут быть репрезентативны и надежны, однако такой выбор вызван лишь отсутствием ресурсов для полноценного исследования с вероятностной выборкой. Также, в связи с методом распространения анкеты, в выборку попадают только пользователи интернета.

Глава 3. Результаты исследования

Предварительная обработка данных.

Данные, полученные посредством анкетирования, были экспортированы из Google Forms в формате Excel-таблицы и предварительно обработаны перед загрузкой ответов респондентов в SPSS для проведения моделирования.

Добавлены дополнительные колонки с кодировками ответов на вопросы: пол, регион, просмотр ТВ, прослушивание радио, количество упомянутых брендов. Кодировки проставлены с помощью функции "IF", чтобы исключить возможность потери или повреждения данных - в колонке пол подставляются значения 0 или 1 в соответствии с указанием респондентом мужского или женского пола, в колонках пользования ТВ и радио подставляются значения 1 или 0 в соответствии с потреблением или не потреблением респондентом информации из соответствующих каналов. Код региона подставлен с помощью функции VLOOKUP из отдельной таблицы с кодами регионов, установленными ФНС РФ. Числовое значение количества брендов, которые недавно видел в рекламе респондент, определено функцией "=LEN([ячейка с данными])-LEN(SUBSTITUTE([ячейка с данными];",";""))+1", определяющей количество разделителей (в данном случае запятых) плюс единица. Такая функция заменяет в тексте ячейки разделители на пустую строку и вычитает из первоначального целочисленного значения количества символов в ячейке - результатом разности является количество разделителей в ячейке. Соответственно, для установления количества брендов, указанных через разделитель, необходимо к результатам разности добавить единицу.

Далее, ответы респондентов были отфильтрованы по теле- и радио смотрению. В случаях, если респондент указывал, что не смотрит ТВ, но указал любое значение, не равное единице ("Ни разу не видел") в вопросе связанном с просмотром рекламы перечисленных брендов по ТВ, вся строка с ответом данного респондента удалялась как недостоверная. Аналогично с вопросами о радио. Заключительным этапом очистки данных для импорта в SPSS было переименование вопросов анкеты на названия переменных. Ключевые для проведения целевой регрессионной модели переменные представлены как:

1. Зависимая переменная:

a. brands_CODE - количество брендов, которые вспомнил из рекламы респондент.

2. Независимые переменные:

a. tv_WEIGHT - видел рекламу брендов по ТВ.

b. radio_WEIGHT - сталкивался с рекламой брендов на радио.

c. ooh_WEIGHT - видел наружную рекламу с брендами.

d. search_WEIGHT - видел рекламу брендов в поисковых системах.

e. social_WEIGHT - видел рекламу брендов в социальных сетях.

f. instream_WEIGHT - сталкивался с видео рекламой брендов в интернете.

g. display_WEIGHT - видел баннерную рекламу брендов в интернете.

После обработки данных, в SPSS была импортирована Excel-таблица с ответами респондентов. Для корректной работы SPSS, тип переменной brands_CODE был изменен на "Scale", а тип семи независимых переменных переведен в "Ordinal".

Анализ данных.

Конечная очищенная база данных включает 186 ответов респондентов. Построение множественной линейной регрессии с семью независимыми переменными дала следующие результаты:

Таблица 1.

Variables Entered/Removeda
Model	Variables Entered	Variables Removed	Method
1	display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHTb	.	Enter
a. Dependent Variable: brands_CODE b. All requested variables entered.

Таблица 2.

ANOVAa
Model	Sum of Squares	df	Mean Square	F	Sig.
1	Regression	14,992	7	2,142	,865	,04b
	Residual	440,793	178	2,476
	Total	455,785	185
a. Dependent Variable: brands_CODE b. Predictors: (Constant), display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHT

Из таблицы 2 важен показатель Sig. = 0,04. При любом значении Sig., меньшим 0,05, модель является достоверной. Следующие два показателя, важные для анализа множественной линейной регрессии, представлены в таблице 3: R Square и коэффициент Dubrin-Watson.

Таблица 3.

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	,643a	,613	,549	1,574	1,725
a. Predictors: (Constant), display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHT b. Dependent Variable: brands_CODE

R Square обозначает долю респондентов, для которых справедливы результаты регрессии. В данном случае, R Square = 0,613, т.е. модель описывает 61% ответов респондентов.

Коэффициент Dubrin-Watson учтен в рамках данного исследования, который является тестом на автокорреляцию. Высокие (близкие к 4) или слишком низкие (близкие к 0) показатели автокорреляции чреваты ухудшением оценки качества отдельных коэффициентов и модели в целом Если коэф. близок к 2, значит отсутствуют систематические связи между остатками, т.е. отклонениями наблюдаемых значений от теоретически ожидаемых. В данной модели коэф. Dubrin-Watson = 1,7, так что можно заключить, что автокорреляция отсутствует.

При текущем показателе значимости (Sig. < 0,05) и удовлетворительных коэф. Dubrin-Watson и R Square можно приступить непосредственно к рассмотрению влияния независимых переменных, представленных в таблице 4.

Таблица 4.

Coefficientsa
Model	Unstandardized Coefficients	Standardized Coefficients	t	Sig.	Collinearity Statistics
	B	Std. Error	Beta			Tolerance	VIF
1	(Constant)	5,000	,888		5,630	,000
	tv_WEIGHT	,070	,101	,122	,695	,038	,977	1,024
	radio_WEIGHT	,012	,257	,003	,046	,084	,929	1,076
	ooh_WEIGHT	,319	,246	,049	1,298	,091	,939	1,065
	search_WEIGHT	,106	,240	,043	,444	,168	,986	1,014
	social_WEIGHT	,157	,108	,074	1,465	,024	,985	1,015
	instream_WEIGHT	,128	,104	,118	1,228	,021	,989	1,011
	display_WEIGHT	,064	,224	,031	,285	,026	,979	1,021
a. Dependent Variable: brands_CODE

В первую очередь необходимо рассмотреть значения Sig. каждой из переменных. Если Sig > 0,05, то влияние независимой переменной на зависимую отсутствует. Таким образом, на переменную brands_CODE не влияют такие переменные, как radio_WEIGHT, search_WEIGHT и ooh_WEIGHT.

Далее, необходимо рассмотреть колонки Collinearity Statistics, которые описывают связь независимых переменных между собой (мультиколлинеарности), от чего зависит надежность оценки общего влияния независимых переменных на зависимую внутри модели. Связь между независимыми переменными отсутствует, если показатель Tolerance > 0,1 и показатель VIF < 10. Текущая модель удовлетворяет требованиям отсутствия мультиколлинеарности для всех независимых переменных: Tolerance во всех семи случаях составляет от 0.9 до 1, VIF во всех случаях примерно равен 1. Так как мультиколлинеарность исключена, необходимость в дополнительном анализе таблицы с диагностикой коллинеарности отсутствует.

В то время как показатель Sig. определяет, существует ли влияние независимой переменной на зависимую в целом, с помощью стандартизированных остатков Beta можно также сравнить влияние независимых переменных. Соответственно, чем выше значение Beta, тем больше влияние определенной переменной на зависимую. В случае текущей модели, на переменную brands_CODE влияют в порядке убывания tv_WEIGHT (b = 0,122), instream_WEIGHT (b = 0,118), social_WEIGHT (b = 0,07), display_WEIGHT (b = 0,03). Как было отмечено ранее, влияния переменных search_WEIGHT, ooh_WEIGHT и radio_WEIGHT на brands_CODE не выявлено.

Интерпретировать взаимодействие переменных согласно результатам регрессии следует интерпретировать следующим образом: с повышением значений переменных tv_WEIGHT, instream_WEIGHT, social_WEIGHT и display_WEIGHT, возрастает значение зависимой переменной brands_CODE.

Заключение

Выводы исследования.

В результате анализа данных были доказаны следующие гипотезы:

H0: Существуют различия в запоминаемости рекламы через разные рекламные каналы.

H1: ТВ влияет на запоминаемость бренда.

H5: Таргетированная реклама в социальных сетях влияет на запоминаемость бренда.

H6: Видеореклама в интернете влияет на запоминаемость бренда.

H7: Баннерная реклама в интернете влияет на запоминаемость бренда.

Гипотезы о влиянии на запоминание брендов таких рекламных каналов, как радио, наружная реклама и реклама в поисковиках (H2, H3 и H4 соответственно), подтверждены не были.

Было также выявлено, какие каналы больше всего влияют на количество брендов, которые запоминает аудитория: ТВ, интернет-видеореклама (пре-роллы перед видео на стриминговых сервисах, YouTube, и перед видеороликами в социальных сетях), таргетированная реклама в социальных сетях и, меньше всего, баннеры на веб-страницах в сети Интернет. Влияние каналов на запоминание брендов изображены на графике 1:



График 1:

Из графика видно, что различие в воздействии на запоминание брендов между ТВ и видео-рекламой в интернете невелико. Такие результаты можно объяснить техническим аспектом этих каналов, отличным от рекламы в социальных сетях и баннерах на веб-страницах - контакт с рекламным роликом в обоих видео-ориентированных каналах относительно сложно прервать или пропустить. Т.е. при просмотре ТВ необходимо полностью просмотреть ролик, чтобы продолжить потребление контента (либо вовсе временно прервать пользование ТВ), а в случае с In-Stream рекламой пользователю придется просмотреть от 5 до 30 секунд (в зависимости от платформы-распространителя рекламы), после чего появится возможность выключить рекламный ролик. Влияние рекламы в социальных сетях и баннеров на веб-сайтах может быть связано с технической возможностью рекламных площадок обоих типов показывать рекламу именно тем пользователям, которые с наибольшей вероятностью будут взаимодействовать с брендом. Кроме того, у обеих типов платформ существует функция ремаркетинга - если пользователь взаимодействовал с информационными ресурсами бренда (веб-сайт, приложение, чат-бот и т.п.), то в течение некоторого времени его может "преследовать" характерная реклама. В таком случае, пользователь уже имеет некий контакт с брендом, а рекламные инструменты впоследствии поддерживают данный контакт с помощью ремаркетинга, что повышает вероятность большего запоминания конкретной фирмы или продукта. Важно отметить, что данные пояснения являются допущениями, и могут быть направлением для дальнейших исследований в этой сфере.

Поскольку для исследования был выбран стихийный невероятностный тип выборки, необходимо отметить, что результаты не могут быть экстраполированы на генеральную совокупность. Данные результаты характерны для самой выборки, представленной молодыми людьми из Москвы от 19 до 25 лет (средний возраст - 22 года), из которой 38% - респонденты мужского пола, 62% - женского. В дополнение к этому, результаты регрессии описываю 61% ответов респондентов, как видно из показателя R Square в Таблице 3.

Примечательно, что уровень телесмотрения у итоговой выборки оказался достаточно высок - 87% респондентов ответили, что смотрят телевизор, соответственно, 13% опрошенных не пользуются ТВ. Такой уровень телесмотрения оказался равен данным ФОМ 2017 года по данной возрастной группе, однако не исключено, что фактический уровень телесмотрения в данной группе изменился к 2020 году - более актуальной статистики в разрезе по возрасту теле-аудитории найти не удалось Аудитория российского телевидения // Total View URL: https://www.totalview.ru/auditoriya-rossijjskogo-televideniya/ (дата обращения: 19.05.2020)..

Дополнительные выводы.

Поскольку измерение количества брендов, которые помнит респондент, включало перечисление этих брендов, была возможность выделить наиболее часто-упоминаемые. Из 186 валидных ответов всего было упомянуто 32 бренда. В десятку наиболее часто упоминаемых вошли бренды категорий:

- Телеком (Мегафон, Билайн, МТС)

- Производители электроники / смартфонов (Apple, Samsung, Phillips)

- IT-корпорации (Google)

- Фаст-фуд (McDonald's)

- Производители спортивной одежды и обуви (Nike, Adidas)

Частоту упоминаний каждого из брендов можно посмотреть на графике 2.

График 2.

Причины такой частоты упоминаний лежат вне рамок данного исследования, однако стоит отметить, что Мегафон (самый часто-упоминаемый бренд по результатам анкетирования), занимал третье место по рекламным бюджетам за 2019 год, в то время как МТС занимал первое место, Билайн - седьмое, а McDonald's - одиннадцатое, согласно данным Adindex Крупнейшие рекламодатели 2019 года. Медийная и performance-реклама // Adindex URL: https://adindex.ru/rating3/marketing/280723/index.phtml (дата обращения: 19.05.2020).. Не исключено, что на частоте упоминаний этих брендов сказались крупные медиа инвестиции компаний. Также велика роль рекламных материалов, которые использовали бренды. Однако, данное исследование не учитывает аспект "креативов", что было ранее упомянуто в ограничениях работы.

Было также установлено, что женщины в среднем называли немного большее количество брендов, чем мужчины - 5,3 бренда против 4,9 соответственно. Аналогично с причинами частого упоминания именно перечисленных выше брендов, обоснование различий в количестве перечисленных брендов лежат вне рамок текущего исследования и отсылают к нейрофизиологии и психологии.

Практическая ценность исследования.

Поскольку были подтверждены гипотезы о влиянии ТВ, интернет-видеорекламы, рекламы в социальных сетях и баннерная реклама на веб-страницах на запоминание брендов, и при этом больше всего на запоминание влияют ТВ и интернет-видеореклама, данное исследование приводит к заключению, что в целях повышения узнаваемости бренда имеет смысл размещать сообщения бренда прежде всего в этих двух каналах. Безусловно, для максимального охвата аудитории целесообразно использовать максимальное количество инструментов коммуникаций, однако, если перед рекламной кампанией стоит цель именно повышения узнаваемости бренда, согласно результатам данного исследования, уместно отводить рекламе по ТВ и видеорекламе в интернете сравнительно большую долю.

Несмотря на то, что рекламные кампании, направленные на brand lift-цели (повышение узнаваемости бренда, осведомленности, отношению к бренду и др.), не несут явного возврата инвестиций в краткосрочной перспективе, рядом исследований было доказано (которые были приведены во введении), что в долгосрочной перспективе такие кампании влияют на решение о покупке товара/услуги, способствуют повторным покупкам, формируя лояльность покупателей, что, в свою очередь, может даже сказаться увеличении брендом своей доли рынка - что говорит о высокой важности brand-lift кампаний для развития бизнеса.

Направление для дальнейших исследований по теме.

Результаты проведенного исследования определили каналы, которые влияют на запоминание бренда, а также "вес" запоминаемости данных каналов относительно друг друга - ТВ, видеореклама в интернете, реклама в социальных сетях и баннеры в сети интернет. Также были определены каналы, чье влияние на запоминание брендов было опровергнуто - это радио, наружная реклама и реклама в поисковиках. Ввиду полученных выводов, открывается возможность дальнейших дискуссий о влиянии каналов на Brand Lift цели, в частности, остается неизвестным, по каким причинам (помимо контентной составляющей промо-материалов) одни каналы повышают возможность запоминания брендов, а другие нет. Подобные исследования могли бы быть качественным дополнением к выводам текущего исследования, расширяя потенциал нацеленных на brand awareness рекламных кампаний, построенных на результатах данных работ.

Список литературы

Веб-ресурсы.

1. Аудитория российского телевидения // Total View URL: https://www.totalview.ru/auditoriya-rossijjskogo-televideniya/ (дата обращения: 19.05.2020).

2. Глобальная статистика интернета на 2020 год - отчет Digital о состоянии цифровых технологий в мире и в России // Web Canape URL: https://www.web-canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения: 19.05.2020).

3. Итоги конференции GroupM This Year Next Year // Latest News & Press Releases - GroupM URL: https://www.groupm.com/news/itogi-konferencii-groupm-year-next-year (дата обращения: 19.05.2020).

4. Контекстная реклама. // Elama URL: https://elama.ru/blog/kontekstnaya-reklama-osnovy/ (дата обращения: 19.05.2020).

5. Крупнейшие рекламодатели 2019 года. Медийная и performance-реклама // Adindex URL: https://adindex.ru/rating3/marketing/280723/index.phtml (дата обращения: 19.05.2020).

6. Медиа-микс // Marketch.ru URL: http://www.marketch.ru/marketing_dictionary/marketing_terms_m/media_mix/ (дата обращения: 19.05.2020).

7. Медиаплан / медиапланирование // Netology URL: https://netology.ru/glossariy/mediaplan-mediaplanirovanie (дата обращения: 19.05.2020).

8. Реклама в Интернете - словарь терминов // euro-adv.ru URL: https://www.euro-adv.ru/uslugi-2/reklama-v-internete/slovar (дата обращения: 19.05.2020).

9. Реклама в интернете впервые обогнала ТВ // РБК URL: https://www.rbc.ru/technology_and_media/11/03/2019/5c8619ce9a79473741c1055f (дата обращения: 19.05.2020).

10. Реклама в интернете впервые обогнала ТВ // РБК URL: https://www.rbc.ru/technology_and_media/11/03/2019/5c8619ce9a79473741c1055f (дата обращения: 19.05.2020).

11. Список регионов (субъектов, областей) России 2020 РФ с кодами согласно данным ФНС по алфавиту // StatData,ru URL: https://sites.google.com/site/ruregdatav1/spisok-regionov-rossii-s-kodamy (дата обращения: 19.05.2020).

12. 9 Types of Digital Marketing // Sparx Logix Studios URL: https://www.sparklogix.com/9-types-of-digital-marketing-and-how-to-use-them/ (дата обращения: 19.05.2020).

13. Brand Lift: бренд-метрики онлайн-видеорекламы в связке с ТВ // Adindex URL: https://adindex.ru/publication/135645/2016/12/28/156946.phtml (дата обращения: 19.05.2020).

14. Dentsu Aegis Network Russia совершенствует измерения эффективности спонсорства // Media & Digital Communications Group - Dentsu Aegis Network URL: http://www.dentsuaegisnetwork.ru/Media/DentsuAegisNetworkNewsDetaila/2019/2019-04-19_3 (дата обращения: 19.05.2020).

15. Measuring Brand Lift // Viget URL: https://www.viget.com/articles/measuring-brand-lift/ (дата обращения: 19.05.2020).

16. Online vs. Offline Advertising // Study.com URL: https://study.com/academy/lesson/online-vs-offline-advertising.html (дата обращения: 19.05.2020).

17. The Brand Metrics That Actually Matter // Nepa URL: https://nepa.com/the-brand-metrics-that-actually-matter/ (дата обращения: 19.05.2020).

Научные статьи.

18. Alalwan, A. Investigating the impact of social media advertising features on customer purchase intention // International Journal of Information Management . 2018. №42. С. 65--77.

19. Berg, E., Lippman, L. Does Humor in Radio Advertising Affect Recognition of Novel Product Brand Names? // The Journal of General Psychology. 1999. №128. С. 194-205.

20. Berger, P. Customer lifetime value: Marketing models and applications. // J. Interactive Mark.. 1998. №12. С. 17-30.

21. Borle, S., Singh, S., Jain, D. Customer Lifetime Value Measurement // Management Science. 2007. №54. С. 110-112.

22. Cheng, J., Blankson, C., Wang E. Consumer attitudes and interactive digital advertising // International Journal of Advertising . 2009. №28. С. 501-525.

23. Cheng, Z., Wu, X., Liu, Y. Video eCommerce++: Toward Large Scale Online Video Advertising // IEEE Transactions on Multimedia. 2017. №19. С. 1170 --1183.

24. Danaher P., Rossiter J. Comparing perceptions of marketing communication channels // European Journal of Marketing. 2011. №45. С. 6-42.

25. Dawes, J., Kennedy, R., Green, K., & Sharp, B. Forecasting advertising and media effects on sales: Econometrics and alternatives // International Journal of Market Research, 2018. №60. С. 611-620.

26. Dehgani, M., Niaki, M., Ramezani I. Evaluating the influence of YouTube advertising for attraction of young customers // Computers in Human Behavior. 2016. №59. С. 165-172.

27. Ertemel, A., Ammoura, A. The Role of Social Media Advertising in Consumer Buying Behavior // International Journal of Commerce and Finance. 2016. №2. С. 81--89.

28. Farney, T. Measuring the Success of Your Social Media Presence with Google Analytics // ALA TechSource. 2016. №52. С. 38-42.

29. Franses, O. On the econometrics of the Koyck model // Econometric Institute, Erasmus University Rotterdam. 2004. №7. С. 1-11.

30. Ghose, A., Yang, S. An Empirical Analysis of Search Engine Advertising: Sponsored Search in Electronic Markets // Management Science. 2009. №55. С. 10.

31. Harrison, F. Digging Deeper Down into the Empirical Generalization of Brand Recall // Advertising Research. 2013. №53. С. 17-30.

32. Hoyer, W., Brown, S., Effects of Brand Awareness on Choice for a Common, Repeat-Purchase Product // Journal of Consumer Research. 1990. №17. С. 141-148.

33. Hsin-Kuang, C. The Impact of Brand Awareness on Consumer Purchase Intention: The Mediating Effect of Perceived Quality and Brand Loyalty // Journal of International Management Studies. 2009. №4. С. 135-144.

34. Hung, K. Narrative Music in Congruent and Incongruent TV Advertising // Journal of Advertising. 2000. №29. С. 25-34.

35. Joo, M., Wilbur, K., Zhu Y. Effects of TV advertising on keyword search // International Journal of Research in Marketing. 2016. №33. С. 508-523.

36. Koniewski M. Brand awareness and customer loyalty // PMR Research. 2012. №1. С. 1-5.

37. Liebman, M. The right media mix is the key to maximizing ROI // Medical Marketing and Media. 2001. №36. С. 92-97.

38. Lodish, L., Abraham, M., Livelsberger, J. A Summary of Fifty-Five In-Market Experimental Estimates of the Long-Term Effect of TV Advertising // Marketing Science. 1995. №14. С. 133-140.

39. Mariussen, A. Unintended consequences in the evolution of affiliate marketing networks: a complexity approach // The Service Industries Journal. 2010. №30. С. 1707--1722.

40. Makienko, I. The Concept of Effective Frequency and Local Media Planning Practice. Review of Factors Affecting Effective Frequency // Marketing in Transition: Scarcity, Globalism, & Sustainability. 2015. №5. С. 23-23.

41. Miller, D., Marks, L. The effects of imagery?evoking radio advertising strategies on affective responses // Computers in Human Behavior. 1997. №14. С. 337-360.

42. Pashkevich, M., Kellar, M. Empowering Online Advertisements by Empowering Viewers with the Right to Choose // Journal of Advertising Research. 2012. №52. С. 78--101.

43. Porter M. Interbrand Choice, Media Mix and Market Performance // The American Economic Review. 1976. №66. С. 398-406.

44. Riebe, E., Dawes, J. Recall of radio advertising in low and high advertising clutter formats // International Journal of Advertising. 2015. №25. С. 71-86.

45. Roux, A., Waldt, D. Out-of-home advertising media: theoretical and industry perspectives // Communitas. 2014. №19. С. 95-119.

46. Roux, A., Waldt, D. Toward a Model to Enhance Synergy of Out-of-Home Advertising Media Integration Strategies // Journal of Promotion Management. 2016. №22. С. 386-402.

47. Rubinson, J. Empirical Evidence of TV Advertising Effectiveness // Journal of Advertising Research. 2009. №49. С. 220-226.

48. Shih, B. An Empirical Study of an Internet Marketing Strategy for Search Engine Optimization // Human Factors and Ergonomics in Manufacturing & Service Industries. 2012. №23. С. 528--540.

49. Solis B. The Rise of Digital Influence // Altimeter. 2012. №3. С. 1-33.

50. Sorrentino, G., Pikas, B. The Effectiveness of Online Advertising: Consumer's Perceptions of Ads on Facebook, Twitter and YouTube // Journal of Applied Business and Economics. 2014. №16. С. 70-81.

51. Spalding L., Cole S., Fayer A. How Rich-Media Video Technology Boosts Branding Goals // Journal of Advertising Research. 2009. №49. С. 285-293.

52. Sullivan, G. Music format effects in radio advertising // Psychology and Marketing. 1990. №7. С. 97-108.

53. Till, D., Baack D. RECALL AND PERSUASION: Does Creative Advertising Matter? // Journal of Advertising. 2005. №34. С. 47-57.

54. Tonkin, S., Withmore, C., Curtoni, J. Performance Marketing with Google Analytics. Strategies and Techniques for Maximizing Online ROI. Indianapolis: Wiley Publishing, Inc., 2015.

55. Voorveld, H. Media multitasking and the effectiveness of combining online and radio advertising // Computers in Human Behavior. 2011. №27. С. 2200-2206.

56. Weiss, D., Tellis, G. Does TV Advertising Really Affect Sales? The Role of Measures, Models, and Data Aggregation // Journal of Advertising. 2013. №24. С. 1-12.

57. Wojdynski, B. The Deceptiveness of Sponsored News Articles: How Readers Recognize and Perceive Native Advertising // American Behavioral Scientist. 2016. №60. С. 115--146.

58. Yaun, S., Wang, J., Zhao, X. Real-time bidding for online advertising: measurement and analysis // Proceedings of the Seventh International Workshop on Data Mining for Online Advertising. 2013. №3. С. 1-8.

59. Yudhi R., Djumarno W., Permana D. Determined Brand Trust in Insurance: The Effect of Brand Image and Brand Awareness on Purchase Intention (An Empirical Study on BCA Insurance) // International Journal of Innovative Science and Research Technology. 2019. №4. С. 1352-1359.

Книги.

60. Елисеева, И. Эконометрика. Учебник. М.: "Финансы и статистика", 2003.

61. Chaffey, D. E-business and E-commerce Management: Strategy, Implementation and Practice. 3 изд. Edinburgh: Pearson Education Limited, 2007.

Приложение 1.

Таблицы регрессионного анализа.

Таблица 1.

Variables Entered/Removeda
Model	Variables Entered	Variables Removed	Method
1	display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHTb	.	Enter
a. Dependent Variable: brands_CODE b. All requested variables entered.

Таблица 2.

ANOVAa
Model	Sum of Squares	df	Mean Square	F	Sig.
1	Regression	14,992	7	2,142	,865	,04b
	Residual	440,793	178	2,476
	Total	455,785	185
a. Dependent Variable: brands_CODE b. Predictors: (Constant), display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHT

Таблица 3.

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	,643a	,613	,549	1,574	1,725
a. Predictors: (Constant), display_WEIGHT, social_WEIGHT, ooh_WEIGHT, instream_WEIGHT, search_WEIGHT, tv_WEIGHT, radio_WEIGHT b. Dependent Variable: brands_CODE

Таблица 4.

Coefficientsa
Model	Unstandardized Coefficients	Standardized Coefficients	t	Sig.	Collinearity Statistics
	B	Std. Error	Beta			Tolerance	VIF
1	(Constant)	5,000	,888		5,630	,000
	tv_WEIGHT	,070	,101	,122	,695	,038	,977	1,024
	radio_WEIGHT	,012	,257	,003	,046	,084	,929	1,076
	ooh_WEIGHT	,319	,246	,049	1,298	,091	,939	1,065
	search_WEIGHT	,106	,240	,043	,444	,168	,986	1,014
	social_WEIGHT	,157	,108	,074	1,465	,024	,985	1,015
	instream_WEIGHT	,128	,104	,118	1,228	,021	,989	1,011
	display_WEIGHT	,064	,224	,031	,285	,026	,979	1,021
a. Dependent Variable: brands_CODE

Приложение 2.

Графики.

График 1:

График 2.

Приложение 3.

Опросник.

1. Укажите ваш пол: ________________________

2. Укажите ваш возраст целым числом: ________________________

3. Выберете из выпадающего списка ваш регион проживания:

1) Москва (город)

2) Московская область

3) Краснодарский край

4) Санкт-Петербург (город)

5) Свердловская область

6) Ростовская область

7) Республика Башкортостан

8) Республика Татарстан

9) Челябинская область

10) Нижегородская область

11) Самарская область

12) Республика Дагестан

13) Красноярский край

14) Ставропольский край

15) Новосибирская область

16) Кемеровская область

17) Пермский край

18) Волгоградская область

19) Саратовская область

20) Иркутская область

21) Алтайский край

22) Воронежская область

23) Оренбургская область

24) Омская область

25) Республика Крым

26) Приморский край

27) Ленинградская область

28) Ханты-Мансийский АО-Югра

29) Белгородская область

30) Тюменская область без АО

31) Удмуртская Республика

32) Тульская область

33) Чеченская Республика

34) Владимирская область

35) Хабаровский край

36) Пензенская область

37) Кировская область

38) Тверская область

39) Ярославская область

40) Ульяновская область

41) Чувашская Республика

42) Брянская область

43) Вологодская область

44) Липецкая область

45) Рязанская область

46) Курская область

47) Архангельская обл. без НАО

48) Томская область

49) Забайкальский край

50) Тамбовская область

51) Астраханская область

52) Калужская область

53) Ивановская область

54) Калининградская область

55) Республика Бурятия

56) Республика Саха (Якутия)

57) Смоленская область

58) Кабардино-Балкарская Респ.

59) Курганская область

60) Республика Коми

61) Республика Мордовия

62) Амурская область

63) Мурманская область

64) Орловская область

65) Респ. Сев. Осетия-Алания

66) Республика Марий Эл

67) Костромская область

68) Псковская область

69) Республика Карелия

70) Новгородская область

71) Ямало-Ненецкий АО

72) Республика Хакасия

73) Республика Ингушетия

74) Сахалинская область

75) Карачаево-Черкесская Респ.

76) Республика Адыгея

77) Севастополь (город)

78) Республика Тыва

79) Камчатский край

80) Республика Калмыкия

81) Республика Алтай

82) Еврейская автономная обл.

83) Магаданская область

84) Чукотский АО

85) Ненецкий АО

4. Смотрите ли вы телевизор?

a) Да

b) Нет

5. Слушаете ли вы радио?

a) Да

b) Нет

6. Какие бренды вы недавно видели в рекламе? Перечислите, пожалуйста, через запятую: ________________________

7. Где чаще всего вы видели рекламу рекламу брендов, которые перечислили в предыдущем вопросе?

7.1. Реклама по ТВ:

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.2. Реклама на радио:

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.3. Наружная реклама:

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.4. Реклама в поисковиках (Яндекс.поиск, Google или другие):

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.5. Реклама в социальных сетях (Вконтакте, Facebook, Instagram, Одноклассники или другие):

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.6. Видео-реклама (рекламные ролики перед видео на стриминговых сервисах, YouTube, Вконтакте, Одноклассники и др.):

a) 1 - Ни разу не видел в этом источнике

b) 5 - Видел в этом источнике чаще всего

7.7. Рекламные баннеры на страницах веб-сайтов в Интернете:

...