7 skyrius. Rinkodaros sprendimų vertinimas

Anotacija

Šis skyrius nagrinėja rinkodaros sprendimų vertinimą verslo planavimo kontekste — kaip kiekybiškai vertinti kainodaros, klientų pritraukimo, prekės ženklo ir rinkos dydžio sprendimus. Jei 5 skyrius atsakė į klausimą ką daryti (verslo struktūra), o 6 skyrius — kaip gaminti (operaciniai procesai), tai šis skyrius atsako į klausimą kaip parduoti ir kiek tai kainuoja — kaip rinkodaros sprendimai virsta pajamų prognoze ir veikia įmonės vertę.

Skyriaus teorinė dalis prasideda nuo rinkodaros koncepcijos evoliucijos — nuo gamybos orientacijos per McCarthy 4P revoliuciją iki šiuolaikinės duomenimis paremtos skaitmeninės rinkodaros. Pristatomi pagrindiniai teoriniai modeliai: STP procesas (segmentavimas, taikymasis, pozicionavimas), rinkodaros kompleksas (4P/7P), kainodara, kliento gyvavimo vertė (CLV), klientų įsigijimo kaštai (CAC), prekės ženklo vertė ir rinkos dydžio vertinimas (TAM/SAM/SOM). Kritinė analizė aptaria 4P aktualumą skaitmeniniame amžiuje, CLV prielaidų jautrumą, rinkodaros investicijų grąžos (ROMI) matavimo iššūkius ir etinius aspektus.

Analitinė dalis pateikia trylika formulių — nuo kainos elastingumo per CLV ir ROMI iki ROAS, CPA, biudžeto optimizavimo sąlygos ir svertinio kokybės balo — su realistiškais skaitiniais pavyzdžiais. Atvejų analizė iliustruoja teorinius principus per Lietuvos e-komercijos kainodarą, eksportuojančios gamybos įmonės prekės ženklo kūrimą ir maisto produkto kokybės bei įvaizdžio degustacijos tyrimą. Skyrius tiesiogiai siejasi su verslo verte (1 skyrius), planavimo procesu (2 skyrius), veiklos procesais (6 skyrius: gamybos pajėgumai riboja rinkodaros pažadus), finansine analize (9 skyrius: pardavimų augimas, pelno maržos), prognozavimu (12 skyrius: pajamų prognozė remiasi rinkodaros prielaidomis) ir vertinimu (13 skyrius: pajamų prognozė yra DCF pagrindas).

---

7.1 Teorinė dalis

7.1.1 Istorinis ir konceptualus kontekstas

Rinkodaros koncepcijos evoliucija

Rinkodara (angl. marketing) kaip atskira verslo disciplina formavosi XX a. pradžioje, nors prekybos praktikos egzistuoja tūkstantmečius. Pirmieji rinkodaros kursai JAV universitetuose atsirado apie 1902–1910 m. (Bartels, 1976). Rinkodaros koncepcijos evoliucija tradiciškai aprašoma per šešias orientacijas, kurios ne tiek keičia viena kitą, kiek sluoksniuojasi — kiekviena nauja paradigma papildo ankstesnę (Kotler & Keller, 2016).

Gamybos orientacija (~1870–1930) — pramonės revoliucijos laikotarpiu pagrindinis iššūkis buvo gaminti pakankamai. Prielaida: vartotojai rinksis pigiausią ir prieinamiausią produktą (Kotler & Armstrong, 2018). Fordo „bet kokia spalva, jei juoda“ logika veikė, kol paklausa viršijo pasiūlą.

Produkto orientacija (~1920–1950) — dėmesys pasislinko nuo kiekybės prie kokybės. Levitt (1960) garsiajame straipsnyje Marketing Myopia (HBR) įspėjo apie šios orientacijos pavojų: geležinkelių kompanijos žlugo ne todėl, kad sumažėjo keliavimo poreikis, bet todėl, kad save laikė „geležinkelių“, o ne „transporto“ verslu.

Pardavimų orientacija (~1930–1960) — gamybos pajėgumams viršijus paklausą, atsirado būtinybė aktyviai parduoti per reklamą ir pardavimo komandas. Šiuo laikotarpiu susiformavo modernios reklamos industrijos pagrindai.

Rinkodaros orientacija (~1950–1990) — Drucker (1954): „Rinkodaros tikslas yra padaryti pardavimą nebereikalingu.“ Fundamentalus pokytis nuo „pagaminti ir parduoti“ prie „suprasti ir patenkinti“. Šiuo laikotarpiu susiformavo trys esminiai ramsčiai:

1. Rinkodaros kompleksas — McCarthy (1960) suformulavo 4P sistemą: Product, Price, Place, Promotion. Neil Borden (1964) anksčiau pasiūlė „rinkodaros mišinio“ (angl. marketing mix) sąvoką su 12 elementų — tai buvo pirmasis bandymas sistemizuoti rinkodaros sprendimų lauką. McCarthy šią koncepciją supaprastino iki keturių kategorijų, kas padarė ją lengvai įsimenamą ir praktiškai pritaikomą, tačiau taip pat sukėlė kritiką dėl perdėto supaprastinimo (Borden, 1964; McCarthy, 1960).
2. STP — Smith (1956) suformulavo rinkos segmentavimo koncepciją; Kotler integravo į STP sistemą (segmentavimas, taikymasis, pozicionavimas) (Kotler, 1997).
3. Pozicionavimas — Ries ir Trout (1981) pristatė: produktas pozicionuojamas ne fizinėje erdvėje, o vartotojo sąmonėje.

Santykių rinkodara (~1990–2010) — Berry (1983) pasiūlė ilgalaikių ryšių su klientais paradigmą. Šiaurės šalių mokykla (Grönroos, 1994; Gummesson, 1999) argumentavo, kad paslaugų ekonomikoje kokybė priklauso nuo santykio, ne tik nuo produkto. Kliento gyvavimo vertė (CLV) tapo centrine metrika — Reichheld ir Sasser (1990) parodė, kad 5 % klientų išlaikymo pagerėjimas gali padidinti pelną 25–95 %.

Skaitmeninė rinkodara (2010→) — Kotler, Kartajaya ir Setiawan (2017) knygoje Marketing 4.0 aprašė perėjimą nuo tradicinės prie skaitmeninės rinkodaros: nuo masinės komunikacijos prie personalizuotos, nuo vienakrypčio pranešimo prie dialogo, nuo prekės ženklo valdymo prie bendrakūros su klientais. Socialiniai tinklai, paieškos sistemos ir duomenų analitika fundamentaliai pakeitė rinkodaros praktiką.

4P → 7P → 4C evoliucija

McCarthy (1960) 4P sistema ilgą laiką buvo rinkodaros valdymo standartas. Tačiau ji buvo sukurta fizinių prekių kontekste. Booms ir Bitner (1981) išplėtė ją iki 7P, pridėdami tris elementus, svarbius paslaugų rinkodarai: People (žmonės), Process (procesas), Physical Evidence (fizinė aplinka).

Lauterborn (1990) pasiūlė 4C alternatyvą, pakeičiančią pardavėjo perspektyvą kliento perspektyva:

4P (pardavėjas)	4C (klientas)
Product (produktas)	Customer value (kliento vertė)
Price (kaina)	Cost to customer (kliento kaštai)
Place (vieta)	Convenience (patogumas)
Promotion (rėmimas)	Communication (komunikacija)

7.1 lentelė. 4P ir 4C palyginimas (McCarthy, 1960; Lauterborn, 1990)

Ši evoliucija atspindi platesnį pokytį rinkodaroje: nuo ką mes norime parduoti prie ką klientas nori gauti. Šiandien 4P ir 4C sistemos naudojamos ne kaip alternatyvos, o kaip papildančios perspektyvos — 4P padeda struktūruoti vidinį planavimą, 4C — patikrinti, ar planas atitinka kliento poreikius.

7.1.2 Pagrindinės teorijos ir modeliai

STP procesas

Segmentavimas, taikymasis ir pozicionavimas (angl. Segmentation, Targeting, Positioning — STP) yra rinkodaros strateginio planavimo branduolys (Kotler & Keller, 2016).

7.1 pav. STP procesas

flowchart LR
    S["SEGMENTAVIMAS\n(Segmentation)\nRinkos padalijimas\nį homogeniškus\npogrupius"] --> T["TAIKYMASIS\n(Targeting)\nSegmentų\npasirinkimas\nir prioritetizavimas"]
    T --> P["POZICIONAVIMAS\n(Positioning)\nVertės pasiūlymo\nsukūrimas kliento\nsąmonėje"]
    P --> MM["RINKODAROS\nKOMPLEKSAS\n4P / 7P\n(taktinis lygmuo)"]

    style S fill:#e3f2fd,stroke:#1565c0
    style T fill:#e8f5e9,stroke:#2e7d32
    style P fill:#fff3e0,stroke:#e65100
    style MM fill:#f3e5f5,stroke:#6a1b9a

Segmentavimas — rinkos padalijimas į homogeniškus pogrupius pagal keturias pagrindines bazes: (1) geografinė (šalys, regionai, miesto/kaimo), (2) demografinė (amžius, pajamos, išsilavinimas, šeimos statusas), (3) psichografinė (gyvenimo stilius, vertybės, asmenybė), (4) elgsenos (pirkimo dažnumas, lojalumas, naudojimo intensyvumas). Efektyvus segmentas turi būti matomas (galima identifikuoti), pasiekiamas (galima komunikuoti), pakankamas (ekonomiškai vertingas) ir diferencijuojamas (skirtingai reaguoja į rinkodarą).

Taikymasis — pasirinkimas, kuriuos segmentus aptarnauti. Strategijos: nediferencijuota (masinė rinkodara visiems), diferencijuota (skirtingi pasiūlymai skirtingiems segmentams), koncentruota (vienas segmentas), mikrorinkodara (individualizuota).

Pozicionavimas — vietos sukūrimas kliento sąmonėje. Pozicionavimo esmė — vertės pasiūlymas (angl. value proposition): kodėl klientas turėtų rinktis būtent šį produktą, o ne konkurento? Pozicionavimo strategijos: pagal produkto savybes, pagal naudą klientui, pagal naudojimo situaciją, pagal konkurentą (Ries & Trout, 1981).

Rinkodaros kompleksas ir kainodara

Kainodara yra vienintelis rinkodaros komplekso elementas, tiesiogiai generuojantis pajamas (visi kiti kuria kaštus). Pagrindinės kainodaros strategijos:

• Kaštų plius (angl. cost-plus pricing): \(P = VC + \frac{FC}{Q} + \text{marža}\). Paprasta, bet ignoruoja paklausą ir konkurentus.
• Vertės kainodara (angl. value-based pricing): kaina nustatoma pagal suvokiamą kliento vertę, ne pagal kaštus. Reikalauja gilaus kliento poreikių supratimo.
• Konkurencinė kainodara (angl. competitive pricing): kaina orientuota į konkurentų kainas — ta pati, aukštesnė (premium) arba žemesnė (penetracija).
• Dinamiškoji kainodara (angl. dynamic pricing): kaina keičiasi realiu laiku pagal paklausą, laiką, klientą. Plačiai taikoma e-komercijoje, aviacijoje, viešbučiuose (Amazon, Booking.com).
• Freemium: bazinis produktas nemokamas, pajamos iš premium funkcijų. Lietuvos pavyzdys — Nord Security (NordVPN).
• Skverbimosi kainodara (angl. penetration pricing): žema pradinė kaina rinkos daliai užimti, vėliau kainų didinimas. Lietuvos pavyzdys — Vinted pirminiais metais.

7.2 pav. CLV, CAC ir jų santykis

flowchart TD
    CAC["CAC\nKlientų įsigijimo kaštai\n(rinkodara + pardavimai)"] -->|investuojama| K["KLIENTAS"]
    K -->|generuoja| M["Pelno marža\nkiekvieną periodą"]
    M -->|kaupiama per laiką| CLV["CLV\nKliento gyvavimo vertė"]
    CLV -->|lyginamas su| R["CLV / CAC ≥ 3\nTvarus modelis"]
    CAC -->|lyginamas su| R

    style CAC fill:#ffcdd2,stroke:#c62828
    style CLV fill:#c8e6c9,stroke:#2e7d32
    style R fill:#fff9c4,stroke:#f57f17

Kliento gyvavimo vertė (CLV)

CLV (angl. Customer Lifetime Value) — tai bendra diskontuota pelno suma, kurią vienas klientas generuoja per visą santykio su įmone laikotarpį. CLV yra fundamentali metrika, jungianti rinkodarą su finansiniu vertinimu — ji leidžia pagrįsti rinkodaros investicijas konkrečiu finansiniu rodikliu (Gupta & Lehmann, 2005).

Formulė pateikiama 7.2 poskyryje (7.3). CLV logika: jei žinome, kiek klientas atneš pelno per gyvenimą, galime racionaliai nuspręsti, kiek verta investuoti jį pritraukiant (CAC) ir išlaikant.

Klientų įsigijimo kaštai (CAC)

CAC (angl. Customer Acquisition Cost) — vidutiniai kaštai naujam klientui pritraukti. Formulė — 7.2 poskyryje (7.4). Praktikoje taikoma 3:1 taisyklė: CLV turėtų būti bent 3 kartus didesnis nei CAC; jei santykis mažesnis — rinkodaros strategija netvari ilguoju laikotarpiu.

Prekės ženklo vertė (Brand Equity)

David Aaker (1991) sukūrė prekės ženklo vertės modelį su penkiomis dimensijomis: (1) prekės ženklo žinomumas (angl. brand awareness), (2) suvokiama kokybė (angl. perceived quality), (3) prekės ženklo asociacijos (angl. brand associations), (4) lojalumas prekės ženklui (angl. brand loyalty), (5) kiti nuosavybės aktyvai (patentai, prekių ženklai). Keller (1993) papildė CBBE modeliu (angl. Customer-Based Brand Equity), pabrėžiančiu kliento perspektyvą: prekės ženklo vertė egzistuoja kliento sąmonėje, ne įmonės balanse.

Finansinis prekės ženklo vertinimas (Interbrand, Brand Finance metodologijos) tampa svarbiu verslo vertinimo komponentu — stiprūs prekės ženklai generuoja premijinę kainodarą, mažesnius klientų pritraukimo kaštus ir didesnį lojalumą.

Rinkos dydžio vertinimas (TAM/SAM/SOM)

TAM (angl. Total Addressable Market) — visa potenciali rinka, jei produktas pasiektų 100 % klientų. SAM (angl. Serviceable Addressable Market) — rinkos dalis, kurią įmonė realiai gali pasiekti savo produktu ir distribucija. SOM (angl. Serviceable Obtainable Market) — rinkos dalis, kurią įmonė realistiškai tikisi užimti per planavimo laikotarpį (Blank & Dorf, 2012).

TAM/SAM/SOM kaskada yra esminis verslo plano elementas — ji parodo investuotojui rinkos potencialą ir įmonės ambicijų realistiškumą. Formulė — 7.2 poskyryje (7.7).

7.1.3 Rinkodaros biudžeto sudarymas ir lėšų efektyvumo vertinimas

Biudžeto sudarymo metodai

Rinkodaros biudžeto sudarymas (angl. marketing budgeting) yra viena iš strategiškai svarbiausių, tačiau metodologiškai silpniausiai pagrįstų rinkodaros valdymo sričių. Kotler ir Keller (2016, p. 636–638) išskiria keturis pagrindinius metodus (galimybių, procentinį nuo pardavimų, konkurencinio pariteto ir tikslo-užduoties), kurie praktikoje papildomi CLV pagrįstu ir nulio bazės biudžetais:

7.2 lentelė. Rinkodaros biudžeto sudarymo metodų palyginimas

Metodas	Esmė	Privalumai	Trūkumai
Procentinis nuo pardavimų (angl. percentage of sales)	Biudžetas = fiksuotas % nuo pajamų	Paprastumas, prognozuojamumas	Atvirkštinė priežastingumo logika: biudžetas turėtų lemti pardavimus, ne atvirkščiai; procikliškas
Tikslo ir užduoties (angl. objective and task)	Tikslai → užduotys → sąnaudos	Strateginis pagrindimas, galimybė matuoti efektyvumą	Sudėtingas be rinkos reagavimo duomenų; gali virsti „svajonių biudžetu”
Konkurencinio pariteto (angl. competitive parity)	Biudžetas atitinka konkurentų lygį	Išlaiko „reklaminio balso” dalį (angl. Share of Voice)	Kopijuoja konkurento klaidas; ignoruoja skirtingą efektyvumą
CLV pagrįstas (angl. CLV-based budgeting)	CAC ≤ CLV / k, kur k ≥ 3	Susieja investicijas su ilgalaikiu finansiniu rezultatu	Jautrus CLV prielaidoms; netinka naujoms rinkoms
Nulio bazės (angl. zero-based budgeting — ZBB)	Kiekvienais metais biudžetas nuo nulio	Atskleidžia neefektyvias išlaidas (McKinsey: 10–25 % taupymo galimybės)	Skatina trumpalaikį mąstymą; sunkiai derinama su ilgalaikiu prekės ženklo kūrimu

Šaltinis: adaptuota pagal Kotler & Keller (2016); Belch & Belch (2021); Binet & Field (2013)

Akademinėje literatūroje labiausiai rekomenduojamas tikslo ir užduoties metodas, tačiau praktikoje dažniausiai taikomas procentinis dėl savo paprastumo (Belch & Belch, 2021, p. 215–216). Dorfman ir Steiner (1954) optimalumo teorema teigia, kad optimalus reklamos biudžeto santykis su pajamomis yra lygus kainos antkainio ir reklamos elastingumo sandaugai — tai matematiškai pagrindžia, kad biudžetas turėtų būti išvestinis kintamasis, o ne savavališka norma.

Empiriniai sektoriaus duomenys. Gartner (2024) CMO tyrimas (n = 395) nustatė, kad vidutinis rinkodaros biudžetas 2024 m. sudarė 7,7 % pajamų — mažiausia reikšmė nuo 2019 m. (10,5 %). CMO Survey (Deloitte / Duke University / AMA, 2025) atskleidžia reikšmingą sektoriaus variaciją:

7.3 lentelė. Vidutinis rinkodaros biudžetas pagal verslo tipą

Verslo tipas	Biudžetas (% nuo pajamų)	Šaltinis
B2C produktai	~15,5 %	CMO Survey, 2025
B2C paslaugos	~10–12 %	Gartner, 2024
B2B paslaugos	~9,0 %	CMO Survey, 2025
B2B produktai	~6,4 %	CMO Survey, 2025
SaaS (ankstyvoji stadija)	20–30 %	SaaS Capital, 2025
SaaS (subrendusi)	5–8 %	SaaS Capital, 2025
Gamyba	2–5 %	Gartner, 2024

Lietuvos MVĮ kontekste specialių empirinių tyrimų stokojama. Tarptautiniai duomenys rodo, kad mažesnės įmonės (pajamos iki 10 mln. EUR) paprastai skiria proporcingai daugiau — apie 15–16 % pajamų — kad galėtų konkuruoti rinkoje (The CMO Survey, 2025, p. 22).

Lėšų paskirstymo efektyvumo vertinimas

Klausimas „kiek skirti rinkodarai?” yra svarbus, tačiau klausimas „kur skirti kiekvieną eurą?” dažnai lemia didesnį poveikį pelningumui (Mantrala et al., 1992).

ROAS ir ROMI skirtumas. Nors abu rodikliai matuoja grąžą, jų paskirtis skiriasi: ROAS (angl. Return on Advertising Spend) yra taktinė kanalo metrika, matuojanti pajamas nuo konkrečių reklamos išlaidų; ROMI (formulė 7.5) — strateginis rodiklis, apimantis visas rinkodaros sąnaudas. ROMI gali būti skaičiuojamas pajamų arba pelno pagrindu (žr. formulę 7.5). ROAS gali rodyti puikius rezultatus tuo pačiu metu, kai bendra ROMI yra neigiama, jeigu kitos rinkodaros sąnaudos yra didelės. Formulė — 7.2 poskyryje (7.8).

Atribucijos modeliai (angl. attribution models) bando atsakyti į klausimą: kuris rinkodaros kanalas „sukėlė” pirkimą? Kannan ir Li (2017) žurnale International Journal of Research in Marketing išskiria šešis pagrindinius modelius:

Modelis	Logika	Trūkumas
Paskutinis paspaudimas (angl. last-click)	100 % paskutiniam kanalui	Ignoruoja pirkimo kelią
Pirmasis paspaudimas (angl. first-click)	100 % pirmam kanalui	Ignoruoja konversijos kanalus
Linijinis (angl. linear)	Lygi dalis visiems	Neatsižvelgia į skirtingą indėlį
Laiko mažėjimas (angl. time decay)	Daugiau arčiau konversijos	Subjektyvūs svoriai
Pozicinis (angl. U-shape)	40/20/40 % paskirstymas	Arbitraliniai svoriai
Duomenimis grįstas (angl. data-driven)	ML apskaičiuoti svoriai	Reikia didelių duomenų kiekių

Kritinė pastaba: visi atribucijos modeliai matuoja koreliaciją, ne priežastingumą — dėl to pervertinami tiesioginiai atsako kanalai (Google Ads) ir nuvertinami žinomumo kanalai (TV, turinys) (Kannan & Li, 2017).

Rinkodaros komplekso modeliavimas (angl. Marketing Mix Modeling — MMM) yra ekonometrinis metodas, naudojantis istorinių duomenų regresiją kiekvieno kanalo indėliui į pardavimus kiekybiškai įvertinti. Jo pagrindas — vienodo ribinės grąžos principas (angl. equimarginal principle): optimalus biudžetas paskirstomas tada, kai kiekvieno kanalo ribinė grąža yra lygi (formulė 7.11). Akademiniai tyrimai rodo, kad DI pagrįstas MMM optimizavimas generuoja 15–30 % ROI padidėjimą palyginti su neoptimizuotomis bazinėmis linijomis (IJRAI, 2025), o praktinėse implementacijose — iki 10–25 % (Measured.com, 2025). Fischer, Albers, Wagner ir Frie (Marketing Science, 2011, ISMS Practice Prize) bendradarbiaudami su Bayer parodė, kad dinamiškas biudžeto perskirstymas tarp šalių, produktų ir rinkodaros veiklų gali padidinti pelną daugiau nei 50 % — beveik €500 mln. papildomų diskontuotų pinigų srautų per planavimo horizontą.

Inkrementalumo testavimas (angl. incrementality testing) yra aukso standartas rinkodaros priežastiniam poveikiui nustatyti: matuoja, kiek konversijų atsirado dėl rinkodaros, o ne šalia jos. Pagrindiniai tipai: geografinis A/B testas (vienos zonos reklamos sustabdomos) ir uplift modeliavimas. Tai tampa pramonės standartu dėl trečiųjų šalių slapukų išnykimo (SegmentStream, 2026).

Mažėjančios grąžos dėsnis rinkodaroje. Po tam tikro išlaidų lygio kiekvienas papildomas euras generuoja vis mažesnę grąžą — tai vadinama kanalo soties efektu. Praktiniai soties požymiai: mažėjantis ROAS, augančios CPC/CPM kainos, dažnio sotis, mažėjantis CTR. Binet ir Field (2013) IPA duomenų bazės analizė (n > 700 prekių ženklų) rekomenduoja ~60 : 40 paskirstymą tarp ilgalaikio prekės ženklo kūrimo ir trumpalaikio aktyvavimo (B2B kontekste santykis artimesnis ~46 : 54).

7.1.4 Kritinė analizė ir diskusija

Ar 4P vis dar aktualūs?

McCarthy 4P sistema sukurta 1960 m. fizinių prekių kontekste. Skaitmeniniame amžiuje ji sulaukia kritikos: (1) neatsižvelgia į paslaugas (7P sprendimas), (2) orientuota į pardavėją, ne klientą (4C sprendimas), (3) ignoruoja santykius ir patirtį (Grönroos, 1994). Tačiau 4P išlieka vertinga kaip planavimo karkasas — ji struktūruoja sprendimų lauką, net jei kiekvieno P turinys reikšmingai pasikeitė. Šiandien „Place“ reiškia ne tik fizinę parduotuvę, bet ir e-komercijos platformą, mobiliąją aplikaciją ar socialinio tinklo parduotuvę.

CLV ribotumas

CLV yra galingas konceptualus įrankis, tačiau praktikoje jo skaičiavimas priklauso nuo prielaidų, kurių tikslumas abejotinas: (1) išlaikymo norma (angl. retention rate) — dažnai nestabili, ypač naujose rinkose; (2) pelno marža — gali keistis su laiku dėl konkurencijos ar reguliavimo; (3) diskonto norma — subjektyvus pasirinkimas. Fader ir Hardie (2009) parodė, kad sutartiniais modeliais (SaaS, prenumeratos) CLV skaičiuojamas tiksliau nei nesutartiniais (mažmeninė prekyba, e-komercija), kur klientas gali „dingti“ be signalo.

Rinkodaros ROI matavimo problema

Rinkodaros investicijų grąžos (ROMI) matavimas susiduria su fundamentaliu atribucijos iššūkiu: klientas mato reklamą TV, ieško Google, paspaudžia Facebook reklamą ir perka per el. parduotuvę — kuris kanalas „sukėlė“ pirkimą? Multi-touch atribucijos modeliai (angl. multi-touch attribution) bando tai spręsti, bet nė vienas nėra tobulas. „Last-click“ modelis pervertina paskutinį kontaktą; „linear“ — suvienodina visus; duomenimis paremti modeliai reikalauja didelių duomenų kiekių (Li & Kannan, 2014).

Etiniai aspektai

Skaitmeninė rinkodara kelia specifinių etinių klausimų: (1) duomenų privatumas — GDPR (ES), asmeninių duomenų rinkimas be aiškaus sutikimo; (2) manipuliavimas elgsena — dark patterns (klaidinančios sąsajos), FOMO (skubumo sukūrimas), personalizuotos kainos (kainos diskriminacija pagal klientą); (3) vaikų rinkodara — reklama, nukreipta į vaikus per žaidimus ir socialines platformas. Thaler ir Sunstein (2008) „stūmimo“ (angl. nudge) koncepcija rodo, kad riba tarp naudingos pagalbos ir manipuliacijos yra subtili. Papildomas aspektas — žaliasis smegenų plovimas (angl. greenwashing): įmonės deklaruoja aplinkosauginę atsakomybę rinkodaros tikslais, bet faktiniai veiksmai neatitinka deklaracijų. ESG (aplinkosauga, socialinė atsakomybė, valdysena) tampa ne tik atitikties, bet ir rinkodaros klausimu — vartotojai vis labiau renkasi atsakingus prekės ženklus, o reguliuotojai griežtina greenwashing kontrolę — ES Vartotojų įgalinimo žaliajai pertvarkai direktyva (angl. Empowering Consumers for the Green Transition, 2024/825) nuo 2026 m. rugsėjo draudžia nepagrįstus aplinkosauginius teiginius ir klimato neutralumo deklaracijas be pagrindimo.

MVĮ kontekstas Lietuvoje

Lietuvos mažos ir vidutinės įmonės (MVĮ) susiduria su specifiniais rinkodaros iššūkiais: (1) riboti biudžetai — didelės rinkodaros kampanijos neprieinamos; (2) maža vidinė rinka (~2,8 mln. vartotojų) — masto ekonomija ribota; (3) eksporto būtinybė — rinkodaros žinias reikia adaptuoti skirtingoms rinkoms. Tačiau skaitmeninė rinkodara demokratizavo priemones: SEO, turinio rinkodara, socialinių tinklų reklama leidžia pasiekti tikslinę auditoriją su nedideliu biudžetu. Lietuvos sėkmės pavyzdžiai — Vinted (bendruomenės rinkodara), Deeper (nišinė rinkodara žvejams per YouTube) — rodo, kad MVĮ gali konkuruoti ne biudžetu, o kūrybiškumu ir fokusavimu.

7.1.5 Technologijų perspektyva

Kompiuterizacija (1970–1995)

Pirmoji technologinė banga rinkodaroje prasidėjo su duomenų bazėmis ir tiesioginės rinkodaros (angl. direct marketing) automatizavimu. Klientų sąrašai, katalogai, pašto kampanijos buvo kompiuterizuotos, kas leido pirmą kartą matuoti rinkodaros efektyvumą kiekybiškai. CRM (angl. Customer Relationship Management) kaip koncepcija atsirado 1990-aisiais — sistemos kaip ACT!, GoldMine, vėliau Siebel leido centralizuotai valdyti klientų informaciją.

Internetas ir duomenys (1995–2020)

Antroji banga fundamentaliai pakeitė rinkodaros praktiką. E-komercija (Amazon 1994, eBay 1995) sukūrė naują pardavimo kanalą su išmatuojamumu, kurio tradicinė rinkodara neturėjo. Paieškos rinkodara (angl. Search Engine Marketing — SEM) — Google AdWords (2000) leido mokėti tik už paspaudimą (angl. pay-per-click), tai buvo revoliucija, palyginti su masinės reklamos modeliu „mokėk už pasiekiamumą, tikėkis rezultato“. Socialinių tinklų rinkodara — Facebook (2004), Instagram (2010), TikTok (2016) sukūrė platformas, kur reklama personalizuojama pagal vartotojo elgseną, interesus ir socialinį grafą. Programatinė reklama (angl. programmatic advertising) — automatizuotas reklamos pirkimas per RTB (angl. Real-Time Bidding) aukciones mikro sekundėmis.

Dirbtinis intelektas ir agentinės sistemos (2020→)

Trečioji banga keičia rinkodarą fundamentaliau. Personalizacija — DI analizuoja klientų elgseną ir realiuoju laiku pritaiko turinį, kainas, produktų rekomendacijas (Netflix, Amazon, Spotify algoritmai). Prognozinis modeliavimas — mašininis mokymasis prognozuoja klientų elgseną: kas pirks, kas atsisakys, kokia kaina optimali. Chatbotai ir virtualūs asistentai — DI valdo klientų aptarnavimą 24/7. Turinio generavimas — LLM modeliai (ChatGPT, Claude) generuoja reklaminius tekstus, socialinių tinklų turinį, produktų aprašymus. Tačiau DI rinkodaroje kelia tuos pačius etikos klausimus, aptariamus 17 skyriuje — personalizacijos riba su manipuliacija, duomenų privatumas, algoritminis šališkumas.

---

7.2 Analitiniai modeliai ir formulės

Formulė (7.1): Kainos elastingumas

\[E_d = \frac{\%\Delta Q}{\%\Delta P} = \frac{\Delta Q / Q}{\Delta P / P} \tag{7.1}\]

kur: - \(E_d\) — paklausos kainos elastingumas, - \(\Delta Q\) — kiekio pokytis, \(Q\) — pradinis kiekis, - \(\Delta P\) — kainos pokytis, \(P\) — pradinė kaina.

Interpretacija: \(|E_d| > 1\) — elastinga paklausa (kaina stipriai veikia kiekį); \(|E_d| < 1\) — neelastinga (kaina silpnai veikia); \(|E_d| = 1\) — vieneto elastingumas.

Pavyzdys. Lietuvos e-komercijos įmonė pardavinėja elektronikos priedus. Kaina sumažinta nuo 25 EUR iki 22 EUR (−12 %), pardavimai padidėjo nuo 1 000 iki 1 250 vnt./mėn. (+25 %):

\[E_d = \frac{+25\%}{-12\%} = -2{,}08\]

Paklausa elastinga (\(|E_d| = 2{,}08 > 1\)): kiekvienas 1 % kainos sumažinimas padidina pardavimus ~2 %. Pajamos: prieš — 25 000 EUR; po — 27 500 EUR (+10 %). Nors kaina sumažėjo, pajamos padidėjo dėl elastingos paklausos.

Formulė (7.2): Lūžio taško kainodara

\[P_{min} = VC + \frac{FC}{Q} \tag{7.2}\]

kur \(P_{min}\) — minimali kaina, padengiant visus kaštus, \(VC\) — kintamieji kaštai vnt., \(FC\) — pastovieji kaštai, \(Q\) — planuojama pardavimų apimtis.

Pavyzdys. Startuolis planuoja prenumeratos paslaugą: \(FC = 60\,000\) EUR/metus (serveriai, personalas), \(VC = 2\) EUR/klientas/mėn. (mokėjimų procesorius, aptarnavimas), planuojami 500 klientų:

\[P_{min} = 2 + \frac{60\,000}{500 \times 12} = 2 + 10 = 12 \text{ EUR/mėn.}\]

Minimali kaina — 12 EUR/mėn. Jei norimas 30 % pelno marža: \(P = 12 / (1 - 0{,}30) = 17{,}14 \approx 17\) EUR/mėn.

Formulė (7.3): Kliento gyvavimo vertė (CLV)

\[CLV = \sum_{t=1}^{T} \frac{M_t \cdot r^t}{(1+d)^t} \tag{7.3}\]

kur: - \(CLV\) — kliento gyvavimo vertė (EUR), - \(M_t\) — pelno marža iš kliento laikotarpiu \(t\) (EUR), - \(r\) — kliento išlaikymo norma (angl. retention rate), - \(d\) — diskonto norma, - \(T\) — vertinimo horizontas (metais).

Supaprastinta versija (pastovi marža ir išlaikymas):

\[CLV = M \times \frac{r}{1 + d - r}\]

Pavyzdys. SaaS įmonė: mėnesio marža \(M = 15\) EUR/klientas, metinė išlaikymo norma \(r = 0{,}80\) (80 %), diskonto norma \(d = 0{,}10\):

\[CLV = 15 \times 12 \times \frac{0{,}80}{1 + 0{,}10 - 0{,}80} = 180 \times \frac{0{,}80}{0{,}30} = 180 \times 2{,}67 = 480 \text{ EUR}\]

Jei išlaikymo norma padidėja iki 90 %: \(CLV = 180 \times 0{,}90 / 0{,}20 = 810\) EUR — 69 % padidėjimas dėl 10 procentinių punktų išlaikymo pagerėjimo. Tai iliustruoja Reichheld (1990) tezę apie neproporcingą išlaikymo poveikį vertei.

Formulė (7.4): Klientų įsigijimo kaštai (CAC)

\[CAC = \frac{\text{Rinkodaros ir pardavimų kaštai}}{\text{Naujų klientų skaičius}} \tag{7.4}\]

Pavyzdys. E-komercijos įmonė per mėnesį išleido: Google Ads — 5 000 EUR, Facebook Ads — 3 000 EUR, turinio kūrimas — 2 000 EUR, pardavimų komanda — 5 000 EUR. Pritraukta 300 naujų klientų:

\[CAC = \frac{15\,000}{300} = 50 \text{ EUR}\]

CLV/CAC santykis: jei CLV = 480 EUR: \(480/50 = 9{,}6\) — puikus rodiklis (norma ≥ 3). CAC atsipirkimo laikotarpis: \(50 / 15 \approx 3{,}3\) mėn. — investicija grąžinama per ~3 mėnesius.

Formulė (7.5): Rinkodaros investicijų grąža (ROMI)

ROMI gali būti skaičiuojamas dviem būdais — pajamų arba pelno pagrindu. Abu variantai yra korektiški, svarbu nuosekliai laikytis pasirinktos logikos.

Variantas A — pajamų pagrindu (paprastesnis, plačiau taikomas praktikoje):

\[ROMI_{pajamos} = \frac{\text{Papildomos pajamos} - \text{Rinkodaros kaštai}}{\text{Rinkodaros kaštai}} \times 100\% \tag{7.5}\]

Pavyzdys. Kampanija: investuota 10 000 EUR, papildomos pajamos (virš bazinio lygio) — 45 000 EUR:

\[ROMI_{pajamos} = \frac{45\,000 - 10\,000}{10\,000} \times 100\% = 350\%\]

Kiekvienas investuotas euras generavo 4,50 EUR papildomų pajamų (45 000 / 10 000), iš kurių 3,50 EUR — grynoji grąža virš investicijos. Ribotumas: šis variantas neatsižvelgia į savikainą — jei bruto marža yra 30 %, tikroji pelno grąža gerokai mažesnė.

Variantas B — pelno pagrindu (ekonomiškai tiksliau, bet reikalauja maržos duomenų):

\[ROMI_{pelnas} = \frac{(\text{Papildomos pajamos} \times \text{Bruto marža}) - \text{Rinkodaros kaštai}}{\text{Rinkodaros kaštai}} \times 100\% \tag{7.5b}\]

Pavyzdys (tie patys duomenys, bruto marža 30 %):

\[ROMI_{pelnas} = \frac{(45\,000 \times 0{,}30) - 10\,000}{10\,000} \times 100\% = \frac{13\,500 - 10\,000}{10\,000} \times 100\% = 35\%\]

Skirtumas iškalbingas: pajamų pagrindu ROMI = 350 %, pelno pagrindu — tik 35 %. Pelno variantas rodo realią ekonominę grąžą ir yra tinkamesnis strateginiams sprendimams.

Formulė (7.6): Rinkos dalis

\[MS = \frac{S_i}{S_{total}} \times 100\% \tag{7.6}\]

kur \(S_i\) — įmonės pardavimai, \(S_{total}\) — bendri rinkos pardavimai.

Pavyzdys. Lietuvos grožio paslaugų rinkos apimtis — ~150–250 mln. EUR/metus (iliustracinė prielaida, remiantis ES vidurkiu per capita). Įmonė „BeautyLT“ pardavimai — 6 mln. EUR:

\[MS = \frac{6}{200} \times 100\% = 3{,}0\%\]

Rinkos dalis gali būti skaičiuojama pagal pajamas (vertės dalis) arba pagal kiekį (apimties dalis) — rezultatai gali skirtis, ypač jei įmonė pozicionuojasi premium segmente.

Formulė (7.7): TAM/SAM/SOM kaskada

\[TAM \xrightarrow{\text{produkto atitikimas}} SAM \xrightarrow{\text{konkurencinė pozicija}} SOM \tag{7.7}\]

Pavyzdys. Lietuvos startuolis kuria verslo analitikos SaaS platformą:

7.4 lentelė. TAM/SAM/SOM kaskados pavyzdys

Lygis	Skaičiavimas	Rezultatas
TAM	Pasaulinė verslo analitikos rinka (Statista, 2025)	~80–100 mlrd. USD (Maximize Market Research, 2025)
SAM	Europos MVĮ segmentas, anglų/lietuvių kalba, mėn. kaina <50 EUR	~2 mlrd. EUR
SOM	Baltijos šalys + Lenkija, pirmi 3 metai, realistinė penetracija 0,5 % SAM	~10 mln. EUR

SOM — tai pajamų prognozės pagrindas verslo plane. TAM parodo potencialą ilguoju laikotarpiu, SAM — pasiekiamą rinką, SOM — realistinį tikslą.

Formulė (7.8): Reklamos išlaidų grąža (ROAS)

\[\text{ROAS} = \frac{\text{Pajamos iš kampanijos}}{\text{Reklamos išlaidos}} \tag{7.8}\]

kur: - ROAS — reklamos išlaidų grąža (angl. Return on Advertising Spend), - pajamos iš kampanijos — tiesiogiai kampanijai priskirtos pajamos (EUR), - reklamos išlaidos — tik reklamos kanaluose išleista suma (EUR), neįskaitant kitų rinkodaros kaštų.

Pelningumo slenkstis: ROAS ≥ 1 / bruto marža. Pvz., bruto marža 40 % → minimalus ROAS = 2,5.

Pavyzdys. Google Ads kampanija: išlaidos 2 400 EUR, pajamos 14 800 EUR, bruto marža 38 %:

\[\text{ROAS} = \frac{14\,800}{2\,400} = 6{,}17\]

Pelnas iš kampanijos: \((14\,800 \times 0{,}38) - 2\,400 = 3\,224\) EUR.

ROAS ir ROMI: ROAS matuoja pajamas nuo konkrečių reklamos išlaidų — tai taktinis kanalų optimizavimo rodiklis. ROMI (7.5) matuoja pelną nuo visų rinkodaros kaštų — tai strateginis rodiklis. ROAS gali būti puikus (6,17), tačiau bendra ROMI neigiama, jei kitos rinkodaros sąnaudos (kūryba, agentūros, PR) yra didelės.

Formulė (7.9): Kaina už konversiją (CPA)

\[\text{CPA} = \frac{\text{Rinkodaros išlaidos}}{\text{Konversijų skaičius}} \tag{7.9}\]

kur: - CPA — kaina už konversiją (angl. Cost Per Acquisition), - rinkodaros išlaidos — konkrečiam kanalui ar kampanijai priskirtos išlaidos (EUR), - konversijų skaičius — pirkimų, registracijų ar kitų tikslinių veiksmų skaičius.

Pelningumo sąlyga: CPA < CLV (kadangi CLV jau skaičiuojamas pelno, ne pajamų pagrindu — žr. formulę 7.3).

Pavyzdys. Meta Ads kampanija: išlaidos 1 800 EUR, 45 pirkimai:

\[\text{CPA} = \frac{1\,800}{45} = 40 \text{ EUR}\]

Jei vidutinis užsakymo pelnas = 28 EUR → CPA > pelnas → kampanija nuostolinga šiuo laikotarpiu. Tačiau jei CLV = 480 EUR: CPA (40) < CLV (480) → kampanija pelninga ilgalaikėje CLV perspektyvoje, nes klientas per visą santykio laikotarpį sugeneruos žymiai daugiau pelno nei jo įsigijimo kaina.

Formulė (7.10): Rinkodaros investicijos atsipirkimo laikotarpis

\[T_{atsip} = \frac{\text{CAC}}{\text{ARPU} \times \text{Bruto marža}} \tag{7.10}\]

kur ARPU — vidutinės pajamos iš kliento per mėnesį (angl. Average Revenue Per User).

Pavyzdys. SaaS įmonė: CAC = 480 EUR, ARPU = 45 EUR/mėn., bruto marža = 72 %:

\[T_{atsip} = \frac{480}{45 \times 0{,}72} = \frac{480}{32{,}4} \approx 14{,}8 \text{ mėn.}\]

Gairės: SaaS ≤ 12 mėn. — priimtina; 5–7 mėn. — aukštas efektyvumas. E-komercija < 6 mėn. — stiprus; < 3 mėn. — puikus (Wall Street Prep, 2025).

Formulė (7.11): Kanalų biudžeto optimizavimo sąlyga

\[\frac{\partial R_1}{\partial B_1} = \frac{\partial R_2}{\partial B_2} = \cdots = \frac{\partial R_n}{\partial B_n} = \lambda \tag{7.11}\]

kur \(R_i\) — \(i\)-ojo kanalo grąža, \(B_i\) — \(i\)-ojo kanalo biudžetas, \(\lambda\) — Lagranžo daugiklis (ribinės grąžos slenksčio reikšmė).

Intuityviai: jei kanalo A ribinė grąža > kanalo B ribinė grąža, racionaliau perskirstyti biudžetą iš B į A, kol marginalinės grąžos susilygina. Tai vienodo ribinės grąžos principas (angl. equimarginal principle), sudarytas Dorfman ir Steiner (1954) pagrindu. Praktikoje naudojami MMM įrankiai (Google Meridian, Meta Robyn, Recast) arba Excel Solver.

Formulė (7.12): Orientacinio biudžeto norma

\[B_{orient} = \text{Pajamos}_{plan} \times r_{sektorius} \tag{7.12}\]

kur \(r_{sektorius}\) — sektoriaus vidutinė rinkodaros biudžeto norma (žr. 7.3 lentelę).

Diagnostinis įrankis, ne norminis. Naudoti kaip „sanitarinę patikrą” (angl. sanity check) šalia tikslo ir užduoties metodo — ar apskaičiuotas biudžetas neišsiskiria iš sektoriaus konteksto.

Pavyzdys. B2B paslaugų įmonė, planuojamos pajamos 850 000 EUR, sektoriaus norma \(r\) = 9,0 %:

\[B_{orient} = 850\,000 \times 0{,}090 = 76\,500 \text{ EUR}\]

Jei tikslo ir užduoties metodu apskaičiuotas biudžetas yra 120 000 EUR (58 % virš normos), tai signalas peržiūrėti prielaidas — ar tikslai nėra pernelyg ambicingi, ar efektyvumas nėra pervertintas.

Formulė (7.13): Svertinis kokybės balas ir įvaizdžio premija

\[Q = \sum_{i=1}^{n} w_i \times s_i \tag{7.13}\]

kur: - \(Q\) — svertinis kokybės balas (angl. weighted quality score), - \(w_i\) — \(i\)-ojo požymio svoris (\(\sum w_i = 1\)), - \(s_i\) — \(i\)-ojo požymio vertinimas balais (pvz., 1–5 skalė), - \(n\) — požymių skaičius.

Įvaizdžio premija apskaičiuojama kaip skirtumas tarp atvirojo ir aklojo testo svertinių balų:

\[\Delta_{įvaizdis} = Q_{atviras} - Q_{aklas} \tag{7.13a}\]

• Jei \(\Delta_{įvaizdis} > 0\) — prekės ženklas prideda vertę: vartotojas suvokia prekę geriau, kai mato ženklą. Tai rodo stiprų prekės ženklo kapitalą (angl. brand equity).
• Jei \(\Delta_{įvaizdis} < 0\) — prekės ženklas mažina suvokiamą vertę: vartotojas vertina žemiau, kai mato ženklą. Tai signalas apie neigiamą įvaizdį ar per didelę kainą.
• Jei \(\Delta_{įvaizdis} \approx 0\) — prekės ženklas neturi reikšmingo poveikio suvokimui.

Kainos ir kokybės santykis:

\[VFM = \frac{Q}{P} \tag{7.13b}\]

kur \(P\) — prekės kaina. Didesnis \(VFM\) rodo geresnę vertę už pinigus (angl. value for money).

Pavyzdys. Vanilinis jogurtas, 3 požymiai, 2 prekės ženklai:

Požymis	Svoris \(w_i\)	Ženklas A (aklas)	Ženklas A (atviras)	Ženklas B (aklas)	Ženklas B (atviras)
Skonis	0,50	4	4	3	4
Tirštumas	0,30	3	3	4	4
Kvapas	0,20	3	4	3	3

\(Q_A^{aklas} = 0{,}50 \times 4 + 0{,}30 \times 3 + 0{,}20 \times 3 = 3{,}50\)

\(Q_A^{atviras} = 0{,}50 \times 4 + 0{,}30 \times 3 + 0{,}20 \times 4 = 3{,}70\)

\(\Delta_A = 3{,}70 - 3{,}50 = +0{,}20\) → prekės ženklas A prideda vertę (+5,7 %)

\(Q_B^{aklas} = 0{,}50 \times 3 + 0{,}30 \times 4 + 0{,}20 \times 3 = 3{,}30\)

\(Q_B^{atviras} = 0{,}50 \times 4 + 0{,}30 \times 4 + 0{,}20 \times 3 = 3{,}80\)

\(\Delta_B = 3{,}80 - 3{,}30 = +0{,}50\) → prekės ženklas B turi stipresnį įvaizdžio efektą (+15,2 %)

Jei kaina A = 0,89 EUR, kaina B = 1,29 EUR:

\(VFM_A = 3{,}70 / 0{,}89 = 4{,}16\) — geresnė vertė už pinigus

\(VFM_B = 3{,}80 / 1{,}29 = 2{,}95\) — žemesnė, bet stipresnis įvaizdis

Strateginė implikacija: Ženklas B turi stiprų įvaizdį, bet prastą kainos/kokybės santykį. Ženklas A turi geresnę objektyvią kokybę ir kainos propoziciją, bet silpnesnį įvaizdį. Ženklo A strategija: investuoti į prekės ženklo kūrimą. Ženklo B strategija: gerinti objektyvią kokybę arba mažinti kainą.

---

7.3 Apibendrinimas

Rinkodaros sprendimų vertinimas verslo planavimo kontekste apima platų spektrą — nuo strateginio pozicionavimo iki kiekybinių investicijų grąžos skaičiavimų. Pagrindinės skyriaus išvados:

1. Rinkodara evoliucionavo nuo pardavimų palaikymo iki vertės kūrimo sistemos. Nuo gamybos orientacijos per 4P revoliuciją iki skaitmeninės personalizacijos — kiekvienas etapas pridėjo naują supratimo sluoksnį, bet nė vienas visiškai nepakeitė ankstesnio.

2. STP ir kainodara yra pajamų prognozės pagrindas. Segmentavimas, taikymasis ir pozicionavimas lemia, kam parduodame ir kokia verte, o kainodara — kokia kaina. Šie sprendimai tiesiogiai veikia pajamų prognozę, kuri yra DCF vertinimo pagrindas (žr. 12–13 skyrius).

3. CLV ir CAC yra rinkodaros ir finansų tiltas. CLV paverčia klientą finansiniu aktyvu su apskaičiuojama verte, o CAC — investicija su matoma grąža. CLV/CAC ≥ 3 taisyklė suteikia paprastą, bet naudingą orientyrą.

4. Rinkodaros ROI matavimas yra neišspręsta problema. Atribucijos iššūkis reiškia, kad bet kuris ROMI skaičius yra apytikslis — tai reikia priimti kaip fakto ribotumą, o ne ignoruoti.

5. Technologijos demokratizavo rinkodarą, bet sukūrė naujus iššūkius. Skaitmeninė rinkodara leido MVĮ konkuruoti su didelėmis korporacijomis, tačiau duomenų privatumas, algoritminis šališkumas ir manipuliavimo rizika reikalauja etinės refleksijos.

6. Lietuvos MVĮ kontekstas reikalauja sutelktumo. Maža vidinė rinka skatina eksportą, o riboti biudžetai — kūrybišką požiūrį. Sėkmingiausi Lietuvos atvejai (Vinted, Deeper, Nord Security) rodo, kad nišinis sutelktumas + skaitmeninė rinkodara gali būti efektyvesni nei didelis biudžetas.

7. Rinkodaros biudžetas turėtų būti išvestinis, ne duotas kintamasis. Procentinis nuo pardavimų metodas yra paprasčiausias, bet teoriškai silpniausias — jis apverčia priežasties ir pasekmės ryšį. Tikslo ir užduoties metodas yra akademinis standartas, tačiau reikalauja analitinių pajėgumų.

8. Lėšų paskirstymo efektyvumas dažnai svarbiau nei bendras biudžeto dydis. Vienodo ribinės grąžos principas, atribucijos modeliai ir inkrementalumo testavimas leidžia racionaliau paskirstyti biudžetą tarp kanalų — tai gali generuoti 10–25 % efektyvumo padidėjimą be papildomų investicijų.

9. ROAS ir ROMI yra papildantys, ne pakeičiantys rodikliai. ROAS optimizuoja kanalus (taktinis lygmuo), ROMI — visą rinkodaros strategiją. Naudoti abu kartu.

7.4 Atvejo analizė ir praktiniai pavyzdžiai

Atvejis 1: E-komercijos įmonės kainodara ir CLV optimizavimas

Situacija

UAB „eShopBaltic“ (hipotetinis mokomasis pavyzdys, paremtas tipine Lietuvos e-komercijos sektoriaus situacija) — Lietuvos e-komercijos įmonė, parduodanti namų apyvokos prekes Baltijos šalyse per nuosavą platformą ir Pigu.lt prekyvietę. Metinė apyvarta — ~4 mln. EUR, 35 000 aktyvių klientų. Problema: didelis klientų „nutekėjimas“ (angl. churn) — tik 40 % klientų grįžta per 12 mėnesių, o CAC nuolat auga dėl didėjančios Google/Facebook reklamos konkurencijos.

Analizė

CLV skaičiavimas dabartiniais rodikliais: - Vidutinė užsakymo vertė: 45 EUR, vidutiniškai 2,5 užsakymo per metus - Pelno marža po COGS ir logistikos: 30 % → \(M = 45 \times 2{,}5 \times 0{,}30 = 33{,}75\) EUR/metus - Išlaikymo norma: \(r = 0{,}40\), diskonto norma: \(d = 0{,}12\)

\[CLV = 33{,}75 \times \frac{0{,}40}{1 + 0{,}12 - 0{,}40} = 33{,}75 \times \frac{0{,}40}{0{,}72} = 33{,}75 \times 0{,}556 = 18{,}75 \text{ EUR}\]

CAC: rinkodaros biudžetas 600 000 EUR/metus, 15 000 naujų klientų: \(CAC = 600\,000 / 15\,000 = 40\) EUR.

CLV/CAC = 18,75/40 = 0,47 — kritiškai žemas. Kiekvienas naujas klientas generuoja nuostolį.

7.5 lentelė. CLV/CAC optimizavimo scenarijai

Scenarijus	Išlaikymas \(r\)	CLV	CLV/CAC	Pokytis
Dabartinis	40 %	18,75 EUR	0,47	—
Lojalumo programa (+15 p.p.)	55 %	32,59 EUR	0,81	+74 %
Lojalumas + vid. užsakymo didinimas (+10 EUR)	55 %	39,82 EUR	1,00	+112 %
Lojalumas + užsakymas + CAC mažinimas (−10 EUR)	55 %	39,82 EUR	1,33	+183 %

Išvados

Net agresyvus optimizavimas (lojalumo programa + vidutinio užsakymo didinimas + CAC mažinimas) pakelia CLV/CAC tik iki 1,33 — vis dar žemiau 3:1 normos. Tai rodo, kad „eShopBaltic“ turi fundamentalią verslo modelio problemą: žemos maržos generinių produktų e-komercija Baltijos rinkoje — per maža rinka ir per didelė konkurencija. Strateginiai variantai: (a) pereiti prie nuosavų prekės ženklų (didesnė marža), (b) plėstis į didesnes rinkas (Lenkija, Skandinavija), (c) koncentruotis į premium nišą su didesne CLV.

Atvejis 2: Eksportuojančios gamybos įmonės prekės ženklo kūrimas

Situacija

UAB „BalticWood Furniture“ (hipotetinis pavyzdys, paremtas tipine Lietuvos baldų eksportuotojo situacija) — baldų gamybos įmonė, eksportuojanti ~80 % produkcijos kaip OEM (angl. Original Equipment Manufacturer) gamintoja Skandinavijos mažmenininkams. Pajamos — ~8 mln. EUR, pelno marža — 8 %. Problema: OEM modelis priklauso nuo kelių didelių klientų (Top 3 sudaro 70 % pardavimų), derybinė galia silpna, maržos mažėja kasmet.

Analizė

7.6 lentelė. Prekės ženklo strategijos TAM/SAM/SOM

Lygis	Skaičiavimas	Rezultatas
TAM	Šiaurės Europos baldų rinka	~12–16 mlrd. EUR (CSIL, 2026)
SAM	Aukštesnės klasės medienos baldai, internetu ir salone	~1,5 mlrd. EUR
SOM	Tiesioginis pardavimas per e-komerciją, pirmi 3 metai	~3 mln. EUR

Prekės ženklo kūrimo investicija: pirmais metais — ~400 000 EUR (vizualinis identitetas, e-komercijos platforma, turinio rinkodara, SEO). Per 3 metus — ~1 mln. EUR.

Kainodara: OEM kaina — ~250 EUR/baldą; su nuosavu prekės ženklu — ~450–600 EUR (80–140 % premija). Pelno maržos pokytis: nuo 8 % (OEM) iki 25–35 % (nuosavas ženklas).

Elastingumo vertinimas: Premium medienos baldų rinkoje paklausa santykinai neelastinga (\(|E_d| \approx 0{,}5\)–\(0{,}8\)) — klientai moka už dizainą, kokybę ir kilmės istoriją, ne tik funkciją.

Išvados

Prekės ženklo kūrimas — ilgalaikė investicija su aukšta rizika, bet potencialiai transformuojančiu poveikiu: maržos trigubėja, priklausomybė nuo kelių klientų sumažėja, įmonės vertė (DCF požiūriu) reikšmingai padidėja dėl didesnių laisvųjų pinigų srautų (žr. 13 skyrių). Tačiau Lietuvos baldų sektoriuje OEM modelis vis dar dominuoja — SBA grupė ir „Vilniaus baldai” gamina beveik išimtinai IKEA, o OEM→nuosavo ženklo perėjimo sėkmės atvejų yra nedaug.

Atvejis 3: Prekės kokybės ir įvaizdžio vertinimas aklajame ir atvirajame teste

Tipo žyma: Hipotetinis mokomasis pavyzdys, paremtas tipine maisto produktų degustacijos metodika

Situacija

Universiteto rinkodaros kurso studentai atlieka vanilinio jogurto kokybės ir įvaizdžio tyrimą. Tikslas — empiriškai nustatyti, kiek prekės ženklas prideda (ar atima) vertę, palyginti su objektyvia produkto kokybe, ir identifikuoti tobulintinus požymius.

Tyrime dalyvauja 3 prekės ženklai: A (premium, 1,29 EUR/200 g), B (vidutinė, 0,89 EUR/200 g) ir C (ekonominė, 0,59 EUR/200 g).

Tyrimo eiga

1 etapas — požymių identifikavimas ir svorių nustatymas. Studentai bendradarbiaudami identifikuoja 6 vartotojui svarbius požymius: skonis (saldumas, vanilinė raiška), tirštumas (konsistencija), kvapas, spalva, vienodumas (ar nėra grūdelių) ir pojūtis burnoje. Kiekvienas studentas priskiria 100 taškų požymiams pagal svarbą. Grupės vidurkiai:

Požymis	Svoris \(w_i\)
Skonis	0,35
Tirštumas	0,20
Kvapas	0,15
Pojūtis burnoje	0,15
Spalva	0,08
Vienodumas	0,07
Σ	1,00

2 etapas — aklasis testas. Jogurtai pateikiami sunumeruotuose neužrašytuose indeliuose. 24 studentai vertina kiekvieną požymį 5 balų skalėje (1 = labai blogai, 5 = puikiai). Vidurkiai:

Požymis	\(w_i\)	A (aklas)	B (aklas)	C (aklas)
Skonis	0,35	3,8	4,2	3,4
Tirštumas	0,20	4,1	3,6	3,0
Kvapas	0,15	3,5	3,9	2,8
Pojūtis burnoje	0,15	4,0	3,7	3,2
Spalva	0,08	3,6	3,8	3,5
Vienodumas	0,07	4,2	4,0	3,3

\(Q_A^{aklas} = 0{,}35 \times 3{,}8 + 0{,}20 \times 4{,}1 + 0{,}15 \times 3{,}5 + 0{,}15 \times 4{,}0 + 0{,}08 \times 3{,}6 + 0{,}07 \times 4{,}2 = \mathbf{3{,}86}\)

\(Q_B^{aklas} = 0{,}35 \times 4{,}2 + 0{,}20 \times 3{,}6 + 0{,}15 \times 3{,}9 + 0{,}15 \times 3{,}7 + 0{,}08 \times 3{,}8 + 0{,}07 \times 4{,}0 = \mathbf{3{,}91}\)

\(Q_C^{aklas} = 0{,}35 \times 3{,}4 + 0{,}20 \times 3{,}0 + 0{,}15 \times 2{,}8 + 0{,}15 \times 3{,}2 + 0{,}08 \times 3{,}5 + 0{,}07 \times 3{,}3 = \mathbf{3{,}20}\)

Netikėtas rezultatas: aklajame teste B (vidutinė kaina) surinko daugiau nei A (premium)!

3 etapas — atvirasis testas. Tie patys jogurtai su matomais prekės ženklais ir kainomis. Vertinimai:

Požymis	\(w_i\)	A (atviras)	B (atviras)	C (atviras)
Skonis	0,35	4,3	4,0	3,0
Tirštumas	0,20	4,3	3,5	2,9
Kvapas	0,15	4,0	3,7	2,7
Pojūtis burnoje	0,15	4,2	3,6	3,0
Spalva	0,08	4,0	3,7	3,4
Vienodumas	0,07	4,3	3,9	3,2

\(Q_A^{atviras} = \mathbf{4{,}22}\), \(Q_B^{atviras} = \mathbf{3{,}76}\), \(Q_C^{atviras} = \mathbf{2{,}98}\)

4 etapas — analizė.

7.7 lentelė. Aklojo ir atvirojo testo palyginimas

Rodiklis	Ženklas A (premium)	Ženklas B (vidutinė)	Ženklas C (ekonominė)
\(Q^{aklas}\)	3,86	3,91	3,20
\(Q^{atviras}\)	4,22	3,76	2,98
\(\Delta_{įvaizdis}\)	+0,36 (+9,3 %)	−0,15 (−3,8 %)	−0,22 (−6,9 %)
Kaina (EUR)	1,29	0,89	0,59
\(VFM^{aklas}\)	2,99	4,39	5,42
\(VFM^{atviras}\)	3,27	4,22	5,05

Išvados

1. Ženklas A turi stiprų teigiamą įvaizdžio efektą (+9,3 %): prekės ženklas prideda vertę, nors objektyvi kokybė yra šiek tiek žemesnė nei B. Vartotojas permoka už įvaizdį — bet tai rodo stiprų prekės ženklo kapitalą (Aaker, 1991).

2. Ženklas B turi neigiamą įvaizdžio efektą (−3,8 %): vartotojas objektyviai vertina geriausiai, bet žinodamas ženklą — prastiau. Tai signalas, kad prekės ženklas neišnaudoja kokybės potencialo. Strategija: investuoti į komunikaciją, pabrėžiant objektyvią kokybę.

3. Ženklas C turi neigiamą įvaizdžio efektą (−6,9 %) ir žemiausią objektyvią kokybę. Tačiau \(VFM\) aukščiausias — ekonominis kainų segmentas veikia.

4. Tobulintini požymiai ženklo B: skonis (jau stiprus — palaikyti), tirštumas (3,6 → galima gerinti), kvapas (3,9 → stiprus). Pagrindinė investicija turėtų krypti į prekės ženklo komunikaciją, ne produkto tobulinimą.

Šis tyrimo tipas tiesiogiai iliustruoja Keller (1993) klientu paremto prekės ženklo vertės (CBBE) modelį: prekės ženklo vertė egzistuoja vartotojo sąmonėje, ir ją galima empiriškai išmatuoti lyginant suvokimą su ženklu ir be jo.

7.5 Excel modelio konstravimas

Tikslas

Sukurti rinkodaros sprendimų vertinimo skaičiuoklę, leidžiančią studentui praktiškai taikyti skyriaus formules ir analizuoti kainodaros, CLV, ROMI ir rinkos dydžio scenarijus.

Žingsnis po žingsnio instrukcija

Failas: Excel/CH07/Ch07_Model_Master.xlsm (bus kuriamas po recenzijų ciklo)

1. Sukurti darbaknygę su 5 lapais: „Kainodara”, „CLV”, „ROI”, „Rinka”, „Degustacija”.
2. Kiekvienam lapui: sukurti įvesties zoną (A1:C6, šviesiai mėlyna), skaičiavimų zoną (A8:C15) ir vizualizacijos zoną (E1:L15).
3. Named Ranges: kiekvieną įvesties langelį pavadinti su prefiksu CH07_ (pvz., CH07_Price, CH07_RetentionRate).
4. „Kainodara“ lapas: įvesti P, Q, VC, FC → formulėmis apskaičiuoti \(P_{min}\), pajamas, pelną → sukurti paklausos kreivės grafiką.
5. „CLV“ lapas: įvesti M, r, d → formulėmis apskaičiuoti CLV, CAC, CLV/CAC → sukurti jautrumo lentelę (r ir d).
6. „ROI“ lapas: įvesti kanalų kaštus ir pajamas → apskaičiuoti ROMI kiekvienam kanalui → stulpelinė diagrama.
7. „Rinka“ lapas: įvesti TAM prielaidą → formulėmis apskaičiuoti SAM ir SOM → piltuvėlio diagrama.
8. Patikrinti: ar visos formulės naudoja Named Ranges (ne langelių adresus), ar grafikai atnaujinami keičiant įvestį.

Struktūra

1 lapas: „Kainodara“ - Įvesties zona: \(P\), \(Q\), \(VC\), \(FC\), elastingumo koeficientas - Skaičiavimai: \(P_{min}\), pajamos, pelnas, elastingumo poveikis - Grafikas: paklausos kreivė ir pajamų funkcija

2 lapas: „CLV“ - Įvesties zona: vidutinė marža \(M\), išlaikymo norma \(r\), diskonto norma \(d\) - Skaičiavimai: CLV, CAC, CLV/CAC, atsipirkimo laikotarpis - Jautrumo lentelė: CLV prie skirtingų \(r\) ir \(d\) reikšmių

3 lapas: „ROI“ - Įvesties zona: rinkodaros kaštai pagal kanalą, papildomos pajamos - Skaičiavimai: ROMI pagal kanalą ir bendras, CAC pagal kanalą - Grafikas: stulpelinė diagrama ROMI pagal kanalus

4 lapas: „Rinka” - TAM/SAM/SOM kaskada su prielaidomis - Rinkos dalies skaičiavimas - Konkurencinė pozicija (lentelė su konkurentais)

5 lapas: „Degustacija” - Įvesties zona 1: požymiai ir jų svoriai (\(\sum w_i = 1\), validacija) - Įvesties zona 2: aklojo testo balai (kiekvienam ženklui, 1–5 skalė) - Įvesties zona 3: atvirojo testo balai - Skaičiavimai: \(Q^{aklas}\), \(Q^{atviras}\), \(\Delta_{įvaizdis}\), \(VFM\) kiekvienam ženklui - Grafikas 1: radarinė (angl. radar/spider) diagrama — požymių profiliai pagal ženklus - Grafikas 2: stulpelinė — aklasis ir atvirasis balas kiekvienam ženklui - Automatinė spalvinė indikacija: \(\Delta > 0\) (žalia) / \(\Delta < 0\) (raudona)

Formulių sąrašas

Lapas	Langelis	Formulė	Paaiškinimas
Kainodara	C8	=C5+C6/C7	\(P_{min} = VC + FC/Q\)
Kainodara	C9	=C3*C7	Pajamos = P × Q
Kainodara	C10	=(C3-C5)*C7-C6	Pelnas
CLV	C8	=C3*C4/(1+C5-C4)	\(CLV = M \times r/(1+d-r)\)
CLV	C9	=C6/C7	CAC
CLV	C10	=C8/C9	CLV/CAC santykis
CLV	C11	=C9/(C3/12)	Atsipirkimo mėnesiais
ROI	C8	=(C3-C4)/C4*100	ROMI %
Rinka	C8	=C3*C4	SAM = TAM × penetracijos %
Rinka	C9	=C8*C5	SOM = SAM × rinkos dalies %
Degustacija	C15	=SUMPRODUCT($B$3:$B$8,C9:C14)	\(Q = \sum w_i \times s_i\) (svertinis balas)
Degustacija	C17	=C16-C15	\(\Delta_{įvaizdis}\) (atviras − aklas)
Degustacija	C18	=C16/C19	\(VFM\) (balas / kaina)

Named Ranges (su skyriaus prefiksu CH07_): CH07_Price, CH07_Quantity, CH07_VC, CH07_FC, CH07_Elasticity, CH07_Margin, CH07_RetentionRate, CH07_DiscountRate, CH07_CAC, CH07_TAM, CH07_SAM_pct, CH07_SOM_pct, CH07_Weights, CH07_BlindScores, CH07_OpenScores, CH07_Price_Degust. Prefiksas CH07_ užtikrina unikalumą integruotame BusinessPlan_Model.xlsx modelyje.

7.6 Klausimai ir praktinės užduotys

Diskusiniai klausimai

1. 4P ar 4C? Ar McCarthy 4P sistema vis dar aktuali skaitmeniniame amžiuje, ar Lauterborn’o 4C ją visiškai pakeičia? Argumentuokite abiem pusėmis. Kaip pasikeitė kiekvieno P turinys nuo 1960 m.?

2. CLV etika: Ar etiškai pateisinama skirtingai aptarnauti klientus pagal jų CLV — pvz., premium aptarnavimas aukštos CLV klientams ir minimalus — žemos? Kokios yra lygybės ir lojalumo dilemos?

3. Lietuvos prekės ženklai: Kodėl Lietuva turi palyginti nedaug tarptautiškai žinomų prekės ženklų, nors gamybos kompetencija yra stipri? Kokie strateginiai, finansiniai ir kultūriniai barjerai trukdo OEM gamintojams pereiti prie nuosavo ženklo?

4. Duomenų privatumas ir personalizacija: GDPR riboja duomenų rinkimą, bet personalizuota rinkodara reikalauja duomenų. Kaip suderinti šiuos prieštaravimus? Ar „sutikimo ekonomika“ yra tvarus modelis?

5. Atribucijos problema: Jei negalime tiksliai žinoti, kuris rinkodaros kanalas sukėlė pirkimą, ar ROMI skaičiavimas yra prasmingas? Kokias alternatyvias rinkodaros efektyvumo matavimo prieigas galima taikyti?

Skaičiavimo užduotys

1. Kainos elastingumas. Kava kavinėje kainuoja 3,50 EUR. Sumažinus kainą iki 2,90 EUR, pardavimai padidėja nuo 200 iki 280 puodelių/dieną. (a) Apskaičiuokite \(E_d\). (b) Ar paklausa elastinga? (c) Kaip pasikeitė dienos pajamos? (d) Kokia kaina maksimizuotų pajamas, jei elastingumas pastovus?

2. CLV ir CAC. Prenumeratos verslas: mėnesio marža 20 EUR, metinė išlaikymo norma 75 %, diskonto norma 10 %. (a) Apskaičiuokite CLV. (b) Jei CAC = 150 EUR, koks CLV/CAC? (c) Kiek turi padidėti išlaikymo norma, kad CLV/CAC ≥ 3? (d) Koks CAC atsipirkimo laikotarpis mėnesiais?

3. ROMI. Įmonė vykdo kampaniją trimis kanalais: Google Ads (investicija 8 000 EUR, papildomos pajamos 32 000 EUR), Facebook (5 000 EUR, 12 000 EUR), nuomonės formuotojai (angl. influencers) (3 000 EUR, 18 000 EUR). (a) Apskaičiuokite ROMI kiekvienam kanalui. (b) Kuris kanalas efektyviausias? (c) Jei bendras biudžetas padidėja 50 %, į kurį kanalą investuotumėte pirmiausiai?

4. TAM/SAM/SOM. Lietuvos startuolis kuria maisto pristatymo programėlę. TAM (pasaulinė maisto pristatymo rinka) ≈ 300 mlrd. EUR (Grand View Research, 2025). (a) Apskaičiuokite SAM, jei platforma veikia tik Baltijos šalyse ir aptarnauja tik miestus >50 000 gyventojų (šie miestai sudaro ~0,05 % TAM). (b) Apskaičiuokite SOM, jei planuojama užimti 2 % SAM per pirmus 3 metus. (c) Ar SOM pakanka pasiekti lūžio tašką, jei FC = 500 000 EUR/metus, vidutinė komisija 15 % nuo užsakymo, vidutinis užsakymas 20 EUR?

Savarankiško darbo užduotys

1. Prekės ženklo auditas. Pasirinkite realią Lietuvos ar Baltijos įmonę. Atlikite trumpą prekės ženklo auditą pagal Aaker (1991) penkias dimensijas: (a) žinomumas, (b) suvokiama kokybė, (c) asociacijos, (d) lojalumas, (e) kiti aktyvai. Naudokite viešai prieinamą informaciją (svetainė, socialiniai tinklai, atsiliepimai). Pateikite rekomendacijas prekės ženklo stiprinimui.

2. Degustacijos testas: prekės kokybės ir įvaizdžio tyrimas. Pasirinkite vieną maisto produkto ar gėrimo kategoriją (pvz., šokoladas, alus, kava, sūris). (a) Identifikuokite 5–8 vartotojui svarbius požymius ir nustatykite jų svorius (\(\sum w_i = 1\)). (b) Suorganizuokite akląjį testą su 3 prekės ženklais — vertinkite kiekvieną požymį 5 balų skalėje (bent 10 respondentų). (c) Pakartokite testą atvirai (su matomais ženklais ir kainomis). (d) Apskaičiuokite svertinius balus \(Q\), įvaizdžio premiją \(\Delta\) ir kainos/kokybės santykį \(VFM\) kiekvienam ženklui. (e) Pateikite strategines rekomendacijas: kuriam ženklui kokius požymius tobulinti, kur investuoti — į produktą ar į komunikaciją? Naudokite Excel „Degustacija” lapą su radarine diagrama.

3. Kainodaros strategijos palyginimas. Pasirinkite vieną produktų kategoriją (pvz., kavos, programinės įrangos, baldų) ir palyginkite 3 konkurentų kainodaros strategijas: (a) identifikuokite kainodaros tipą (kaštų+, vertės, konkurencinė, freemium), (b) apskaičiuokite apytikslį kainos elastingumą (jei įmanoma), (c) įvertinkite, ar kainodara dera su pozicionavimu, (d) pasiūlykite alternatyvią strategiją vienam iš konkurentų.

Literatūros sąrašas

Aaker, D. A. (1991). Managing Brand Equity: Capitalizing on the Value of a Brand Name. Free Press.

Bartels, R. (1976). The History of Marketing Thought (2nd ed.). Grid.

Berry, L. L. (1983). Relationship marketing. In L. L. Berry, G. L. Shostack, & G. D. Upah (Eds.), Emerging Perspectives on Services Marketing (pp. 25–28). AMA.

Blank, S., & Dorf, B. (2012). The Startup Owner’s Manual. K&S Ranch.

Booms, B. H., & Bitner, M. J. (1981). Marketing strategies and organization structures for service firms. In J. H. Donnelly & W. R. George (Eds.), Marketing of Services (pp. 47–51). AMA.

Borden, N. H. (1964). The concept of the marketing mix. Journal of Advertising Research, 4(2), 2–7.

Drucker, P. F. (1954). The Practice of Management. Harper & Brothers.

Fader, P. S., & Hardie, B. G. S. (2009). Probability models for customer-base analysis. Journal of Interactive Marketing, 23(1), 61–69.

Grönroos, C. (1994). From marketing mix to relationship marketing: Towards a paradigm shift in marketing. Management Decision, 32(2), 4–20.

Gummesson, E. (1999). Total Relationship Marketing. Butterworth-Heinemann.

Gupta, S., & Lehmann, D. R. (2005). Managing Customers as Investments: The Strategic Value of Customers in the Long Run. Wharton School Publishing.

Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(1), 1–22.

Kotler, P. (1997). Marketing Management: Analysis, Planning, Implementation, and Control (9th ed.). Prentice Hall.

Kotler, P., & Armstrong, G. (2018). Principles of Marketing (17th ed.). Pearson.

Kotler, P., & Keller, K. L. (2016). Marketing Management (15th ed.). Pearson.

Kotler, P., Kartajaya, H., & Setiawan, I. (2017). Marketing 4.0: Moving from Traditional to Digital. Wiley.

Lauterborn, B. (1990). New marketing litany: Four Ps passé; C-words take over. Advertising Age, 61(41), 26.

Levitt, T. (1960). Marketing myopia. Harvard Business Review, 38(4), 45–56.

McCarthy, E. J. (1960). Basic Marketing: A Managerial Approach. Irwin.

Reichheld, F. F., & Sasser, W. E. (1990). Zero defections: Quality comes to services. Harvard Business Review, 68(5), 105–111.

Ries, A., & Trout, J. (1981). Positioning: The Battle for Your Mind. McGraw-Hill.

Smith, W. R. (1956). Product differentiation and market segmentation as alternative marketing strategies. Journal of Marketing, 21(1), 3–8.

Li, H., & Kannan, P. K. (2014). Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. Journal of Marketing Research, 51(1), 40–56.

Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. Yale University Press.

The CMO Survey. (2025). Highlights and insights report (February 2025). Deloitte / Duke University Fuqua School of Business / AMA. https://cmosurvey.org

Belch, G. E., & Belch, M. A. (2021). Advertising and Promotion: An Integrated Marketing Communications Perspective (12th ed.). McGraw-Hill.

Binet, L., & Field, P. (2013). The Long and the Short of It. IPA.

Dorfman, R., & Steiner, P. O. (1954). Optimal advertising and optimal quality. The American Economic Review, 44(5), 826–836.

Gartner. (2024). CMO survey reveals marketing budgets dropped to 7.7 %. https://www.gartner.com/en/newsroom/press-releases/2024-05-13-gartner-cmo-survey-reveals-marketing-budgets-have-dropped

Kannan, P. K., & Li, H. (2017). Digital marketing: A framework, review and research agenda. International Journal of Research in Marketing, 34(1), 22–45. https://doi.org/10.1016/j.ijresmar.2016.11.006

Mantrala, M., Sinha, P., & Zoltners, A. (1992). Impact of resource allocation rules on marketing investment-level decisions and profitability. Journal of Marketing Research, 29(2), 162–175.

Measured.com. (2025). MMM diminishing return curves. https://www.measured.com/faq/media-mix-modeling-diminishing-return-curves-mmm-budget-decision/

SaaS Capital. (2025). 2025 spending benchmarks for private B2B SaaS. https://www.saas-capital.com/blog-posts/spending-benchmarks-for-private-b2b-saas-companies/

SegmentStream. (2026). Incrementality measurement guide 2026. https://segmentstream.com/blog/articles/incrementality-measurement-guide

Wall Street Prep. (2025). CAC payback period. https://www.wallstreetprep.com/knowledge/cac-payback-period/

CSIL — Centro Studi Industria Legno Arredo. (2026). The furniture industry in Europe. World Furniture Online. https://www.worldfurnitureonline.com/report/the-furniture-industry-in-europe/

Maximize Market Research. (2025). Global business analytics market. https://www.maximizemarketresearch.com/market-report/global-business-analytics-market/24183/