Metoda Like for Like w ewaluacji projektów marketingowych FMCG na przykładzie soków pomarańczowych

Dlaczego ewaluacja w FMCG bywa “śliska” jak skórka od pomarańczy?

Jeżeli pracujesz w FMCG, to wiesz, że ocena skuteczności marketingu potrafi być jak próba złapania mydła pod prysznicem. W teorii chcesz odpowiedzieć na proste pytanie…

“Czy kampania zadziałała?”

W praktyce dostajesz pięć dodatkowych pytań, które wpychają się na scenę bez zaproszenia:

“A czy w tym tygodniu nie było większej promocji?”,

“Czy nie weszliśmy do nowych sklepów?”,

“Czy konkurencja nie miała problemu z dostępnością?”,

“Czy pogoda nie zrobiła nam roboty?”,

“Czy zmiana ekspozycji nie przestawiła całej gry?”.

I nagle okazuje się, że wzrost sprzedaży o 12% może być zarówno sukcesem kampanii, jak i… zwykłym efektem tego, że w weekend było cieplej, a półka w końcu wyglądała porządnie.

W FMCG wszystko jest ruchome. Dystrybucja raz rośnie, raz spada. Promocje wchodzą falami. Ceny zmieniają się szybciej niż playlisty w radiu. Do tego dochodzi sezonowość: soki pomarańczowe mają swoje piki (np. zimą, gdy ludzie “podkręcają witaminę C”) i swoje dołki (gdy część konsumentów przeskakuje na wodę, lemoniady albo świeże owoce). Jeśli porównujesz sprzedaż “rok do roku” bez żadnych korekt, to często porównujesz dwa zupełnie inne światy. To jakby oceniać kierowcę, porównując jego czasy przejazdu raz w słońcu, a raz w śnieżycy, na innych oponach i z inną liczbą postojów.

Właśnie dlatego metodyka Like for Like (LfL) jest tak ceniona. Ona nie obiecuje cudów. Ona obiecuje coś bardziej praktycznego: uczciwe warunki porównania. Czyli takie, w których minimalizujesz wpływ “szumu” i starasz się wyłapać realny sygnał z działań marketingowych. Nie zawsze wyjdzie piękny wynik. Ale przynajmniej wiesz, że mierzysz to, co trzeba, a nie przypadkową mieszankę dystrybucji, promocji, pogody i szczęścia.

Kiedy wzrost sprzedaży nie jest zasługą kampanii

Wyobraź sobie sytuację: odpalacie kampanię na soki pomarańczowe marki X. Idą media digital, trochę OOH, do tego shopper: gazetki, endcapy, maybe drugi display przy kasie. Po czterech tygodniach patrzysz w raport i widzisz: “Sprzedaż +15%”. W firmie robi się miło. Tylko że wtedy ktoś z salesów mówi: “Ale my w tym czasie weszliśmy do nowej sieci convenience”. Ktoś z trade’u dorzuca: “I mieliśmy mocniejsze wsparcie w gazetkach niż zwykle”. A category manager zauważa: “Konkurent miał braki w magazynie przez tydzień”. Nagle te +15% zaczyna wyglądać jak wynik wspólnego zrywu wielu czynników, a nie czystej skuteczności kampanii.

LfL pomaga odciąć te elementy, bo mówi: porównujmy sprzedaż w tych samych sklepach (i najlepiej przy podobnych warunkach), w porównywalnym okresie, dla tego samego koszyka produktów. Jeśli kampania działa, to powinna “podnieść” wyniki w tym stabilnym zestawie sklepów. Jeśli wynik rośnie tylko dlatego, że doszła nowa dystrybucja, LfL to obnaży.

Sezonowość, dystrybucja, promocje i efekt “lepszego miejsca na półce”

Największe “fałszywe wzrosty” w FMCG biorą się zwykle z czterech źródeł:

Sezonowość: soki, napoje, lody, czekolada: wszystko ma swoje cykle. Porównanie tydzień do tygodnia bez uwzględnienia sezonu to proszenie się o błąd.
Dystrybucja: wejście do nowej sieci albo zwiększenie liczby sklepów z listingu robi wzrost nawet bez kampanii.
Promocje: rabat -20% potrafi “zrobić” wyniki, ale jednocześnie zjeść marżę. Jeśli kampania leci równolegle, trudno odróżnić wpływ reklamy od wpływu ceny.
Ekspozycja i dostępność: dodatkowa półka, endcap, lepsze miejsce w chłodni, mniej OOS (out-of-stock): to często mocniejszy driver niż najpiękniejszy spot.

LfL nie kasuje tych zjawisk, ale pozwala je kontrolować lub przynajmniej ograniczyć. A to już wielka różnica.

Co to jest Like for Like (LfL) i dlaczego marketerzy FMCG ją kochają

Like for Like to podejście porównawcze, w którym zestawiasz wyniki w możliwie identycznych warunkach. Najczęściej w FMCG oznacza to analizę sprzedaży dla tego samego zestawu sklepów (albo tego samego panelu) w dwóch okresach: “przed” i “po” działaniu marketingowym, ewentualnie vs. analogiczny okres z poprzedniego roku ale tylko wtedy, gdy warunki są porównywalne.

Najprostsza wersja LfL brzmi: porównaj sprzedaż w sklepach, które były dostępne w obu okresach (nie doliczaj nowych sklepów, nie licz tych, które wypadły). To już usuwa ogromny błąd: sztuczne “pompowanie” wyniku przez ekspansję dystrybucji.

Ale dobra LfL to coś więcej niż filtr “te same sklepy”. W praktyce można (i warto) robić LfL na kilku poziomach:

LfL sprzedażowe: porównanie sprzedaży w stałym panelu sklepów.
LfL dystrybucyjne: kontrola ND/WD (numeric/weighted distribution), żeby wzrost nie wynikał z większej obecności.
LfL promocyjne: uwzględnienie intensywności promocji i cen.
LfL asortymentowe: porównanie dla tego samego koszyka SKU (żeby nie mylić efektu kampanii z efektem nowego wariantu).

To podejście jest popularne, bo jest… bardzo “zdroworozsądkowe”. Nie wymaga kosmicznych modeli od razu. Daje szybki sygnał, czy coś się ruszyło w tym samym środowisku. A w FMCG to często 80% roboty.

Definicja w praktyce: porównujemy “jabłka do jabłek”

W kontekście soków pomarańczowych marki X, “jabłka do jabłek” znaczyłoby np.:

Porównujemy sprzedaż marki X Sok 100% Pomarańcza 1L oraz ewentualnie bliskich wariantów (jeśli tak definiujemy koszyk).
Patrzymy na te same sklepy: np. te same hipermarkety i supermarkety, które sprzedawały produkt zarówno przed kampanią, jak i w trakcie.
W miarę możliwości kontrolujemy zmienne: czy była ta sama liczba promocji, czy cena nie skakała, czy nie było braków na półce.
Jeśli kampania ma wsparcie ekspozycyjne, warto porównywać sklepy z ekspozycją do sklepów bez ekspozycji (to już wchodzi w poziom test-control).

LfL działa jak filtr fotograficzny, ale odwrotnie niż w social mediach. Nie upiększa. On ściąga “makijaż” z danych, żeby zobaczyć realną twarz wyniku.

LfL w sprzedaży, dystrybucji i ekspozycji trzy różne światy

Wiele osób mówi “zrobimy LfL”, a potem każdy rozumie to inaczej. Żeby uniknąć chaosu, warto rozróżnić:

LfL sprzedaży (panel sklepów): stała lista sklepów, porównanie okresów.
LfL dystrybucji: porównanie przy stałym poziomie ND/WD albo korekta na dystrybucję (gdy rośnie, wynik rośnie naturalnie).
LfL ekspozycji: porównanie sklepów z podobnym poziomem wsparcia (albo jawne rozdzielenie: “z ekspozycją” vs “bez ekspozycji”).

To trochę jak oglądanie meczu z trzech kamer. Ta sama akcja, ale inne wnioski. Jeśli patrzysz tylko na jedną kamerę (np. tylko sprzedaż), możesz przegapić, że “gola” strzeliła ekspozycja, a nie reklama.

LfL vs. “gołe YOY”: najczęstsze błędy w porównaniach

W FMCG króluje prosty nawyk: “Sprawdźmy YOY, jest +X%, jest super”. Problem w tym, że YOY (year-over-year) często miesza kilka zmian naraz. To jak wrzucenie do jednego garnka: nowej ceny, nowej dystrybucji, nowego opakowania, innej konkurencji i jeszcze innej pogody. Potem próbujesz zgadnąć, który składnik dał smak. Da się, ale po co zgadywać, skoro można rozdzielić?

LfL nie jest magią, ale jest uczciwszym punktem startu. Najczęstsze błędy, które LfL pomaga wyłapać, to:

Wliczanie nowych sklepów: wynik rośnie, bo rośnie baza.
Zmiana formatów: wchodzisz w convenience, a porównujesz z hipermarketami.
Zmiana mixu SKU: dorzuciłeś nowy wariant (np. “pomarańcza z miąższem”), a sukces przypisujesz kampanii na bazowy produkt.
Promo bias: sprzedaż rośnie, bo dałeś zbyt mocny rabat, a nie dlatego, że reklama zbudowała popyt.
Efekt braku dostępności u konkurencji: “wygrana” bez wysiłku, ale tylko chwilowa.

Pułapka nowej dystrybucji

Załóżmy, że marka X poszerza listing soków pomarańczowych o 800 sklepów w ciągu miesiąca. Nawet jeśli kampania byłaby zupełnie przeciętna, wolumen i wartość sprzedaży skoczą. Jeśli policzysz wynik bez LfL, powiesz: “kampania zrobiła +20%”. Tylko że LfL w stałej bazie sklepów może pokazać np. +3%. I nagle wiesz, że większość wzrostu to dystrybucja, a nie komunikacja.

To nie znaczy, że dystrybucja jest “gorsza”. Wręcz przeciwnie to potężna dźwignia. Ale jeśli chcesz ocenić marketing, musisz oddzielić “więcej punktów sprzedaży” od “większej sprzedaży na punkt”.

Pułapka zmiany portfolio (mix-u)

Soki pomarańczowe to nie jeden produkt. Masz 100% sok, masz nektar, masz różne pojemności, czasem warianty “smooth” vs “z miąższem”. Jeśli w trakcie projektu dołożyłeś nowy wariant albo wzmocniłeś promocję na większej pojemności, to wynik całej “rodziny” może urosnąć, a bazowy produkt wcale nie musi być silniejszy.

LfL na poziomie koszyka SKU pozwala powiedzieć: “OK, cała kategoria urosła, ale nasz core (100% pomarańcza 1L) w stałych sklepach urósł o X, a reszta to miks”.

Pułapka cen i promocji: gdy rabat udaje skuteczność reklamy

To klasyk. Odpalasz kampanię, równolegle idzie promocja -25%. Sprzedaż wystrzeliwuje. Po tygodniu promocja się kończy, sprzedaż wraca. Jeśli raportujesz wynik “w trakcie kampanii”, wygląda to pięknie. Tylko że to nie reklama “zrobiła robotę”, tylko cena.

W porządnym LfL warto mieć warstwę, która pokazuje:

średnią cenę (ASP),
udział sprzedaży w promocji,
głębokość rabatu,
mechanikę (2+1, multipack, kupon, gazetka).

Wtedy możesz powiedzieć: “Tak, było +12% LfL, ale przy -8% ceny i +15pp udziału promo”. To zupełnie inna rozmowa o jakości wzrostu.

Jak zbudować porządne porównanie Like for Like krok po kroku

Poniżej masz podejście, które sprawdza się w projektach marketingowych FMCG, kiedy chcesz ocenić wpływ działań na sprzedaż soków pomarańczowych. To nie jest jedyny sposób, ale jest praktyczny i “do wdrożenia” bez doktoratu ze statystyki.

Krok 1: wybór koszyka SKU (co dokładnie mierzymy)

Na start ustalasz, co jest “produktem w projekcie”. Brzmi banalnie, ale właśnie tu rodzą się nieporozumienia. Dla soków pomarańczowych możesz zdefiniować koszyk na kilka sposobów:

Core SKU: np. tylko “marka X Sok 100% Pomarańcza 1L”.
Rodzina pomarańczowa: wszystkie pomarańczowe warianty marki X (różne pojemności, z miąższem, bez).
Segment: sok 100% pomarańcza vs nektary (ale wtedy porównujesz segmenty, nie tylko markę).
Koszyk shopperowy: np. soki 100% + smoothie (jeśli kampania buduje “śniadaniową” okazję).

W ewaluacji marketingu zwykle najlepiej zacząć od core SKU, bo to daje czysty sygnał. Potem dopiero rozszerzasz analizę na rodzinę i segment, żeby zobaczyć, czy kampania nie zrobiła kanibalizacji (np. przeniosła sprzedaż z nektaru do 100% soku) albo czy nie podkręciła całej półki.

Dodatkowo warto zapisać “reguły gry”:

Czy liczymy tylko sprzedaż w sztukach, czy także w litrach?
Czy analizujemy wartość netto czy brutto?
Czy marża jest w scope (jeśli promki są mocne, to powinna)?
Jak traktujemy multipacki i akcje 2+1?

To jak ustawienie boiska przed meczem. Jeśli nie ustalisz linii, potem będziesz się kłócić, czy gol był spalony.

Krok 2: dobór sklepów i warunków (ten sam panel, te same formaty)

Klasyczna LfL w FMCG to “stały panel sklepów”. Czyli wybierasz zestaw sklepów, które:

sprzedawały produkt w okresie “przed”,
sprzedawały produkt w okresie “po/w trakcie”,
mają porównywalny format (np. supermarkety vs supermarkety),
nie miały ekstremalnych zakłóceń (np. długi remont, zmiana właściciela, zamknięcie).

W przykładzie z sokami pomarańczowymi marki X możesz zrobić to tak:

Baza: sklepy w sieciach A, B, C, gdzie masz dane tygodniowe.
Filtr: tylko sklepy z ciągłą sprzedażą przez np. 8 tygodni “przed” i 4 tygodnie “w trakcie”.
Podział na formaty: osobno dyskonty, osobno supermarkety, osobno convenience (bo te światy mają różne koszyki i różną wrażliwość cenową).

Dlaczego format jest taki ważny? Bo klient w dyskoncie zachowuje się inaczej niż klient w convenience. W dyskoncie “łapie” promki do domu, w convenience kupuje “na teraz”. Jeśli wymieszasz formaty, LfL będzie mniej czytelne.

Krok 3: oczyszczenie z “szumu” czyli ceny, promo, OOS

To moment, kiedy LfL przestaje być tylko prostym porównaniem, a zaczyna być solidnym narzędziem. W praktyce robisz trzy rzeczy:

Cena: liczysz średnią cenę sprzedaży (ASP) i sprawdzasz, czy w okresie “po” nie była istotnie niższa.
Promocja: mierzysz udział sprzedaży w promocji oraz intensywność (ile tygodni, jaka głębokość).
Dostępność (OOS): jeśli masz dane, sprawdzasz, czy produkt był dostępny. Brak towaru potrafi zabić kampanię bez względu na jakość kreacji.

Prosty trick: nawet jeśli nie masz idealnych danych OOS, możesz użyć proxy, np. “tygodnie z zerową sprzedażą w sklepach, które normalnie sprzedają”. Jeśli nagle w tygodniu kampanii wiele sklepów ma “0”, to może nie być brak popytu, tylko brak produktu.

Krok 4: wybór okresu i okien porównawczych

Wybór okna porównawczego jest ważniejszy, niż się wydaje. Dla soków pomarańczowych sensowne podejście to:

Okres bazowy: 6–8 tygodni przed kampanią (żeby złapać “normalny rytm”).
Okres kampanii: tygodnie aktywności (np. 4 tygodnie).
Okres post: 2–4 tygodnie po (żeby zobaczyć, czy efekt się utrzymuje, czy był tylko “promo spike”).

Jeśli robisz YOY, to też warto porównać te same tygodnie kalendarzowe, bo soki mają sezonowość i “święta” potrafią przesunąć koszyki zakupowe.Dane, bez których LfL jest tylko ładną etykietą

W teorii można zrobić LfL “na kolanie” z samą sprzedażą. W praktyce im więcej masz danych kontekstowych, tym mniej ryzykujesz, że wyciągniesz zły wniosek. Dla projektu marketingowego na soki pomarańczowe marki X, minimalny sensowny zestaw to:

sprzedaż wartościowa i wolumenowa,
ceny (ASP),
promocje (przynajmniej udział sprzedaży w promo),
dystrybucja (ND i WD),
jeśli się da: ekspozycje i dostępność.

Bez tego LfL bywa jak ocena smaku soku po samym kolorze. Coś tam powiesz, ale możesz się mylić.

Sprzedaż wartościowa i wolumenowa

Zawsze patrz na oba wymiary. Wartość może rosnąć, bo cena rośnie. Wolumen może spadać, bo konsumenci kupują mniej, ale drożej. W sokach pomarańczowych to częste, bo konsumenci są wrażliwi na cenę, a promki robią duże wahnięcia.

W praktyce raportuj:

sprzedaż w PLN (lub EUR),
sprzedaż w litrach / sztukach,
średnią cenę za litr/sztukę,
indeks vs. okres bazowy (np. 100 = średnia z 8 tygodni przed).

Dzięki temu widzisz, czy kampania buduje realną konsumpcję, czy tylko “przekłada” pieniądze przez cenę.

Dystrybucja: ND/WD oraz dostępność na półce

Dla FMCG dystrybucja jest jak tlen. Możesz mieć świetną kampanię, ale jeśli produktu nie ma, to nie ma czego kupić. Dlatego w LfL warto kontrolować:

ND (numeric distribution): w ilu sklepach produkt jest dostępny.
WD (weighted distribution): w ilu “ważonych” sklepach (czyli z uwzględnieniem ich potencjału sprzedażowego).

W sokach pomarańczowych WD bywa bardziej miarodajne, bo obecność w dużych sklepach potrafi zmienić obraz kategorii. Jeśli WD rośnie w trakcie kampanii, to część wzrostu sprzedaży jest “naturalna” i trzeba to uczciwie zaznaczyć.

Ceny i intensywność promocji

Promocje w sokach to osobna liga. Wiele marek “walczy” ceną, bo to produkt dość porównywalny. Dlatego w ewaluacji projektu marketingowego dopisz do dashboardu:

% sprzedaży w promocji,
średnia głębokość rabatu,
liczba tygodni promocyjnych,
mechanika (gazetka, display, multibuy).

To pozwala odpowiedzieć na pytanie: “Czy kampania zbudowała popyt bez rabatu, czy tylko wzmocniła efekt obniżki?”. A to jest różnica między wzrostem zdrowym a wzrostem “na sterydach”.

Media i shopper: kontakt vs. konwersja

Jeśli masz dostęp do danych mediowych (GRP, zasięg, frequency, wydatki), to warto je zestawić z wynikami LfL. Nie po to, żeby udowodnić korelację na siłę, tylko żeby zobaczyć, czy efekt sprzedażowy ma sensowny timing: czy rośnie, kiedy rośnie kontakt, czy rośnie dopiero w promce, czy w ogóle nie reaguje.

W FMCG często działa prosta zasada: media tworzą gotowość, a shopper i dystrybucja zbierają plon. LfL pomaga sprawdzić, czy plon jest faktycznie “z tej uprawy”.

Metryki sukcesu w LfL: co warto raportować, a co tylko miesza

W LfL najłatwiej wpaść w pułapkę “im więcej KPI, tym lepiej”. A potem wychodzi prezentacja, w której jest 27 wykresów, każdy mówi co innego, a na końcu i tak pada pytanie: “No dobra, ale czy to zadziałało?”. Dlatego w projektach FMCG (jak soki pomarańczowe marki X) najlepiej trzymać się zestawu metryk, które są jednocześnie czytelne dla biznesu i odporne na manipulacje (świadome lub przypadkowe).

Na pierwszym poziomie raportowania warto zawsze mieć:

LfL sales value (sprzedaż wartościowa w stałym panelu sklepów),
LfL sales volume (wolumen/litry w stałym panelu),
LfL units per store (sprzedaż na sklep / na punkt bo to często mówi najwięcej),
ASP (średnia cena) i promo share (udział sprzedaży w promocji),
WD/ND (jeśli dystrybucja się ruszała).

To jest fundament. Jeśli te wskaźniki są spójne, można iść dalej w “mięso” analizy. Jeśli nie są spójne (np. wartość rośnie, wolumen nie rośnie, a cena spada), to już masz sygnał, że trzeba rozplątać wpływ ceny/promocji.

Incremental (inkrement) i lift

Dwa słowa, które robią różnicę między “wzrostem” a “wzrostem dzięki projektowi”.

Lift to wzrost względny: np. “sprzedaż LfL była o 6% wyższa niż w okresie bazowym”.
Incremental (inkrement) to wzrost “nadwyżkowy”, czyli część sprzedaży, którą przypisujesz działaniom (po odjęciu tego, co i tak by się wydarzyło).

I tu jest ważna rzecz: w FMCG “co i tak by się wydarzyło” to często trend kategorii. Jeśli cała kategoria soków pomarańczowych rośnie (np. zimą), a Ty rośniesz tak samo jak kategoria, to lift jest, ale inkrement może być bliski zera. LfL sam w sobie nie zawsze da Ci inkrement do tego zwykle potrzebujesz porównania do grupy kontrolnej albo przynajmniej do benchmarku kategorii w tych samych sklepach.

Najprostsza forma inkrementu w praktyce wygląda tak:

liczysz zmianę sprzedaży Twojej marki (marki X pomarańcza) w panelu LfL,
liczysz zmianę kategorii/segmentu w tym samym panelu,
różnica między nimi to “nadwyżka” (oczywiście uproszczenie, ale często bardzo użyteczne).

To jak bieg na bieżni: jeśli przyspieszyłeś, ale wszyscy inni też przyspieszyli o tyle samo, to niekoniecznie jesteś lepszy po prostu “taśma” poszła szybciej.

ROI, ROMI i marża kontrybucyjna

W FMCG nie wygrywa ten, kto “ma wzrost”, tylko ten, kto ma wzrost, który ma sens finansowy. Dlatego obok metryk sprzedażowych warto mieć choćby uproszczone ujęcie rentowności:

ROI/ROMI: zwrot z inwestycji marketingowej,
marża kontrybucyjna: ile realnie zostaje po kosztach zmiennych,
koszt inkrementu: ile kosztował 1 dodatkowy litr/sztuka.

Tu bardzo często wychodzą “niewygodne prawdy”. Np. kampania + mocna promocja zrobiła +10% wolumenu, ale marża spadła, więc finansowo efekt jest słaby. To nie znaczy, że projekt był bez sensu czasem celem jest obrona udziałów. Ale w raporcie trzeba to nazwać po imieniu: “zrobiliśmy wzrost wolumenowy, ale kupiliśmy go rabatem”.

Przykład: soki pomarańczowe marki X : scenariusz projektu marketingowego

Żeby nie zostać na poziomie definicji, weźmy realistyczny scenariusz (taki, który naprawdę może wydarzyć się w FMCG). Załóżmy, że marka X chce wzmocnić sprzedaż soków pomarańczowych w okresie zimowym, kiedy konsumenci częściej myślą o odporności i witaminie C.

W grę wchodzi pakiet działań:

kampania digital (wideo + display + social),
wsparcie w sklepach: endcapy, dodatkowe facing’i, być może gazetki,
aktywacja “śniadaniowa”: komunikacja okazji “poranek / do kanapek / do owsianki”.

Z punktu widzenia ewaluacji kluczowe jest: jak oddzielić efekt marketingu od efektu sezonu i promocji, skoro zimą kategoria i tak rośnie? Właśnie tu LfL jest jak dobra poziomnica pokazuje, czy “naprawdę poszliśmy do góry”, czy tylko wydaje się, że poszliśmy.

Kontekst kategorii: sok 100%, nektar, napój

W sokach pomarańczowych niby wszyscy mówią “sok”, ale w praktyce półka dzieli się na kilka światów:

Sok 100%: zwykle droższy, bardziej “premium”, konsumowany jako “zdrowszy wybór”.
Nektar: tańszy, często postrzegany jako kompromis.
Napój: najtańszy, często z dodatkiem cukru, inna motywacja zakupu.

Jeśli projekt dotyczy “soku 100% pomarańcza”, a Ty raportujesz wynik całej “pomarańczy” razem z napojami, to mierzysz coś innego niż projekt. To jakby mierzyć skuteczność reklamy samochodu premium, zliczając w pakiecie skutery i rowery.

W przykładzie przyjmijmy, że celem jest segment 100% (bo tam marża i pozycjonowanie marki są zwykle ważniejsze), a główny SKU to 1L.

Hipoteza: wzrost udziału w segmencie “100% pomarańcza”

Dobrze postawiona hipoteza to połowa sukcesu LfL. Tu mogłaby brzmieć tak:

“Kampania zwiększy sprzedaż LfL marki X Sok 100% Pomarańcza 1L o 5–8% w stałym panelu sklepów, przy zachowaniu średniej ceny i bez istotnego wzrostu udziału promocji.”

To jest hipoteza, którą da się obronić danymi. Jest konkretna, ma zakres, ma warunki brzegowe (cena, promo). Dzięki temu po kampanii nie będziesz naciągać interpretacji.

Założenia: kampania + aktywacje w sklepie + ekspozycje

Tutaj ważny detal: jeśli w projekcie jest shopper (endcapy, gazetki), to “czysty” efekt kampanii mediowej będzie trudniej odseparować. Ale to nie problem o ile od początku planujesz ewaluację tak, żeby pokazać, co zrobiły poszczególne elementy. Najprostszy podział:

sklepy z ekspozycją (wsparcie shopper),
sklepy bez ekspozycji (tylko efekt mediów “w tle” + standardowa sprzedaż),
dodatkowo: kontrola dla trendu kategorii.

To prowadzi nas do praktycznego planu badawczego.

Projekt LfL dla soków pomarańczowych: plan badawczy

Jeśli chcesz, żeby LfL było narzędziem decyzyjnym, a nie tylko wykresem “ładnie rośnie”, to warto podejść do tego jak do prostego eksperymentu. Nie musisz robić laboratorium. Wystarczy rozsądny podział sklepów i porównywalne warunki.

Dobór sklepów: grupy testowe i kontrolne

W najbardziej praktycznej wersji robisz 2 grupy:

Test: sklepy, gdzie wdrażasz dodatkowe działania shopper (endcap, ekspozycje, gazetka) + kampania mediowa działa ogólnorynkowo.
Kontrola: sklepy, gdzie nie ma dodatkowych działań shopper (pozostaje “naturalny” wpływ rynku i mediów, ale bez Twojego dodatkowego dopalacza w sklepie).

W obu grupach robisz LfL: porównujesz “przed” i “w trakcie”. Potem patrzysz na różnicę różnic: czy test urósł bardziej niż kontrola.

To podejście jest niezwykle skuteczne w FMCG, bo większość “twardych” działań sprzedażowych dzieje się w sklepie. Jeśli kampania działa, ale półka nie wspiera, efekt może być mniejszy. Jeśli półka wspiera, efekt może być duży, ale wtedy chcesz wiedzieć, czy to shopper, czy media.

Matching: jak dobrać “bliźniacze” sklepy

Tu jest sekret całej zabawy: kontrola ma być naprawdę porównywalna. Dobierasz sklepy tak, żeby test i kontrola miały podobne parametry “przed projektem”. Jak to zrobić?

Najczęściej bierzesz kryteria:

format sklepu,
średnia sprzedaż kategorii soków,
udział Twojej marki w kategorii,
lokalizacja (miasto/wieś, region),
historyczna wrażliwość na promocje (jeśli masz dane).

Następnie dobierasz pary (lub grupy) sklepów: jeden do testu, jeden do kontroli o podobnym profilu. To trochę jak dobieranie partnera do tańca jeśli jeden jest zawodowcem, a drugi dopiero zaczyna, to trudno ocenić, czy muzyka była dobra.

Difference-in-differences jako turbo-dopalacz dla LfL

Tu wchodzi technika, która brzmi mądrze, ale w praktyce jest prosta: difference-in-differences (różnica różnic). Czyli:

liczysz zmianę w teście (po vs przed),
liczysz zmianę w kontroli (po vs przed),
odejmujesz jedno od drugiego.

Jeśli kontrola urosła +3% (bo sezon), a test urósł +9%, to inkrement projektu (w uproszczeniu) to +6%. I to jest właśnie sygnał, którego w FMCG szukasz: “ile daliśmy ponad to, co rynek i tak by zrobił”.

Tabela: wzorcowy dashboard LfL dla projektu soków pomarańczowych

Poniżej masz przykładową tabelę (prosty dashboard), który można pokazać na statusie z zarządem bez stresu, że ktoś się pogubi. Liczby są ilustracyjne, ale struktura jest realnie użyteczna.

Metryka (LfL)	Okres bazowy (średnia)	Okres kampanii	Zmiana	Kontrola: zmiana	Inkrement (DiD)
Sprzedaż (PLN)	100 000	112 000	+12%	+4%	+8%
Wolumen (L)	9 500	10 200	+7%	+2%	+5%
Sprzedaż na sklep (PLN)	1 000	1 120	+12%	+4%	+8%
ASP (PLN/L)	10,53	10,35	-1,7%	-1,5%	~0%
Udział promo	28%	31%	+3pp	+2pp	+1pp
WD	76%	78%	+2pp	+2pp	0pp

Jak czytać wyniki i nie dać się zwieść

Na pierwszy rzut oka widać: test ma +12% wartości, kontrola +4%, więc inkrement +8%. Wolumenowo inkrement +5%. Cena prawie taka sama, promo share minimalnie wyższy. WD wzrosło tak samo w obu grupach, czyli dystrybucja raczej nie “fałszuje” wyniku. Taki obraz jest bardzo zdrowy: wygląda jak efekt realnego popytu, a nie tylko efekt rabatu czy większej dostępności.

Jeśli jednak zobaczyłbyś np.:

wartość +12%, wolumen +1%, ASP +10%, a więc to raczej cena, nie kampania,
wolumen +15%, promo share +20pp, a więc to to raczej promocja, nie kampania,
WD +10pp, a więc to to dystrybucja robi robotę.

Dashboard działa jak szybki wykrywacz kłamstw. Nie ocenia “czy kampania była ładna”. On mówi: “co faktycznie pchnęło sprzedaż”.

Interpretacja: co robić, gdy LfL “nie rośnie”, a budżet poszedł

To jeden z najbardziej stresujących momentów w marketingu: kampania poszła, budżet wydany, a LfL pokazuje płasko albo gorzej — spadek. Zanim ktoś zacznie obwiniać kreację albo media plannerów, warto przejść metodycznie przez możliwe przyczyny. W FMCG to często nie jest “kampania nie działała”, tylko “system sprzedaży nie przepuścił efektu”.

Najczęstsze powody, dla których LfL nie rośnie:

braki na półce (OOS),
cena jest za wysoka vs konkurencja,
promocja była źle zaplanowana (zły timing, zły format),
ekspozycja nie została wdrożona jak w planie,
komunikat kampanii nie pasuje do okazji zakupowej.

Diagnoza: dystrybucja, cena, promo, kreacja, shelf

Najlepiej podejść do diagnozy jak do pięciu drzwi. Otwierasz je po kolei:

Czy produkt był dostępny?
Jeśli sklepy w teście mają więcej tygodni z zerową sprzedażą niż zwykle, to masz trop.
Czy cena była konkurencyjna?
W sokach pomarańczowych konsument często porównuje “za litr”. Jeśli jesteś znacząco droższy bez jasnego powodu, kampania może zwiększyć zainteresowanie, ale zakup i tak pójdzie do tańszego brandu.
Czy promocje nie zjadły Ci efektu?
Paradoksalnie zbyt dużo promo może “przykryć” kampanię, bo konsumenci uczą się: “kupuję tylko w promce”.
Czy ekspozycje były zrobione?
Jeśli plan mówił 500 endcapów, a realnie było 200, to test jest “niedotestowany”.
Czy kreacja mówi językiem półki?
Jeśli komunikujesz “100% naturalnie”, a półka krzyczy “cena i promocja”, to może brakować spójności.

Plan naprawczy na kolejne 4 tygodnie

Jeśli LfL nie rośnie, zamiast robić paniczny zwrot o 180 stopni, często lepiej zrobić cztery szybkie korekty:

OOS audit: sprawdź dostępność w top sklepach i napraw logistykę.
Price-pack review: czy opakowanie/pojemność jest dopasowana do formatu sklepu?
Promo hygiene: ogranicz nadmiar rabatów, wzmocnij promki tylko w krytycznych tygodniach.
Shelf visibility: dopnij ekspozycje i facing’i tam, gdzie potencjał jest największy (WD, nie ND).

To są ruchy, które potrafią “odblokować” kampanię, nawet jeśli kreacja jest ta sama. Czasem marketing jest jak woda: płynie tam, gdzie ma koryto. Jeśli koryto (sklep) jest zatkane, woda się rozlewa i efekt znika.

Najlepsze praktyki i checklista wdrożeniowa

LfL jest proste na papierze, ale w realnym biznesie przegrywa z chaosem operacyjnym, jeśli nie masz checklisty. Poniżej masz taką, która sprawdza się w projektach FMCG.

Checklist: przed startem, w trakcie, po kampanii

Przed startem:

Zdefiniuj koszyk SKU (core vs rodzina vs segment).
Zablokuj panel LfL (lista sklepów i formatów).
Ustal okres bazowy i okna porównania.
Zaplanuj podział test vs kontrola (jeśli robisz shopper).
Zbierz baseline: ASP, promo share, WD/ND, sprzedaż na sklep.
Ustal “warunki sukcesu” (np. +5% wolumen LfL przy stabilnej cenie).

W trakcie:

Monitoruj OOS i wdrożenia ekspozycji.
Sprawdzaj, czy promocje idą zgodnie z planem (timing i mechanika).
Kontroluj cenę vs konkurencję (jeśli masz dane).
Rób tygodniowe odczyty LfL (żeby nie obudzić się po fakcie).

Po kampanii:

Zrób pełny odczyt LfL (test i kontrola).
Policz inkrement (różnica różnic).
Oceniaj efekt w wartościach i wolumenie.
Dodaj perspektywę marżową (choćby uproszczoną).
Zrób wnioski “co skalować”, “co poprawić”, “co wyciąć”.

Najczęstsze “miny” i jak je rozbroić

“Wzięliśmy nowe sklepy do panelu, bo fajnie wyglądało”: Nie. Nowe sklepy to osobna linia raportu, nie LfL.
“Porównaliśmy do zeszłego roku, ale tydzień był przesunięty świętami”: Porównuj tygodnie kalendarzowe i kontroluj sezon.
“Raportujemy tylko wartość”: Zawsze dodaj wolumen i cenę.
“Kontrola była inna niż test”: Matching albo przynajmniej segmentacja po formatach.
“Kampania nie działa” po 7 dniach: W FMCG często potrzeba 2–3 tygodni, żeby efekt się “zebrał”, ale monitoruj, czy nie ma OOS.

Podsumowanie

Metoda Like for Like jest jednym z najbardziej praktycznych sposobów oceny projektów marketingowych w FMCG, bo pozwala porównać wyniki w możliwie stałych warunkach w tych samych sklepach, dla tego samego koszyka produktów, z kontrolą kluczowych zmiennych jak cena, promocja i dystrybucja. Na przykładzie soków pomarańczowych marki X widać wyraźnie, że “goły wzrost” sprzedaży może być złudzeniem, jeśli w tle dzieją się rzeczy typowe dla FMCG: nowe listingi, mocne promki, ekspozycje, sezonowe piki. LfL pomaga zdjąć z danych warstwę przypadkowości i odpowiedzieć na pytanie, które naprawdę interesuje biznes: ile sprzedaży dołożyły nasze działania ponad to, co i tak zrobiłby rynek. A jeśli do LfL dołożysz prosty podział test vs kontrola i różnicę różnic, dostajesz narzędzie, które jest jednocześnie zrozumiałe, szybkie i wystarczająco “twarde”, by podejmować decyzje o budżetach, mechanikach promocji i wsparciu w sklepie. W FMCG nie chodzi o to, żeby zawsze mieć piękny wykres. Chodzi o to, żeby wiedzieć, dlaczego wykres wygląda tak, a nie inaczej i co zrobić lepiej następnym razem.

FAQ

1) Czy Like for Like zawsze oznacza “te same sklepy”?

Najczęściej tak, ale LfL może dotyczyć też “tych samych warunków”: tego samego koszyka SKU, podobnych formatów sklepów, stabilnej dystrybucji i porównywalnej presji promocyjnej. Sam filtr “te same sklepy” to minimum.

2) Co jest lepsze: LfL czy porównanie rok do roku (YOY)?

YOY bywa mylące, jeśli zmieniły się warunki (dystrybucja, ceny, promo, konkurencja). LfL zwykle daje czystszy obraz, a najlepiej działa w parze z kontrolą trendu kategorii lub grupą kontrolną.

3) Jak ocenić kampanię, jeśli jednocześnie była mocna promocja?

Dodaj do LfL metryki cenowe: ASP, promo share, głębokość rabatu. Jeśli wzrost jest głównie w tygodniach promki, a po promce znika, to efekt jest raczej cenowy niż komunikacyjny.

4) Czy LfL nadaje się do oceny działań brandowych (wizerunkowych)?

Tak, ale z zastrzeżeniem: efekty brandowe mogą pojawiać się wolniej. Wtedy warto analizować dłuższe okno post-campaign i łączyć LfL z miarami świadomości, rozważania lub penetracji (jeśli masz panel).

5) Jak mała powinna być grupa kontrolna, żeby miało to sens?

Im większa i bardziej podobna do testu, tym lepiej. W praktyce ważniejszy jest dobry matching (format, potencjał sprzedaży, baseline udziałów) niż sama liczba sklepów.