データ主導のマーケティングアトリビューションに関するマーケティング担当者向けガイド

マーケティングアトリビューションは、潜在的な顧客に到達しているキャンペーンとチャネルの価値を測定する方法です。

アトリビューションモデルの結果を使用することで、成功するバイヤージャーニーに最も影響を与えるタッチポイントを理解し、将来のマーケティングリソースへの投資を最適化する方法についてより多くの情報に基づいた決定を下すことができます。

しかし、バイヤーの旅が簡単なことはめったになく、成功への道は長く曲がりくねっていることは誰もが知っています。

考慮すべきタッチポイントが非常に多いため、影響の大きいインタラクションと影響の少ないインタラクションを区別することは困難です。これにより、クレジットの分割が不正確になり、マーケティングパフォーマンスが誤って表現される可能性があります。

これが、ビジネスに最適なアトリビューションモデルを選択することが非常に重要である理由です。

この投稿では、さまざまなアトリビューションモデルの背景について少し説明し、最終的には、グローバルキャンペーンのパフォーマンスを測定するためのカスタムのデータ駆動型アトリビューションモデルを構築する方法について説明します。

従来のマーケティングアトリビューションモデルの制限

すべてのアトリビューションモデルには長所と短所がありますが、従来のモデルに共通する1つの欠点は、ルールベースであるということです。 ユーザーは、販売イベントのクレジットをタッチポイント間でどのように分割するかを事前に決定する必要があります。

従来のモデルは次のとおりです。

幸いなことに、タッチポイントが実際にバイヤーと相互作用して、望ましい販売結果に影響を与える方法をモデル化することにより、バイヤージャーニーの複雑さを捉えることができる、より洗練されたデータ駆動型アプローチがあります。

また、協力ゲーム理論からシャープレイモデルを評価しました。 この人気のある（ノーベル賞を受賞した）モデルは、従来のアプローチよりもはるかに多くのチャネルパフォーマンスの洞察を提供しましたが、今日のデジタル世界の膨大な量のタッチポイントを処理するために拡張できませんでした。

Shapleyモデルは比較的少数のチャネルでうまく機能しましたが、ほとんどの企業はすべてのキャンペーンのアトリビューションを実行する必要があります。これは、購入者の旅に沿った数百のタッチポイントに相当します。

マルコフ帰属モデルの評価

マルコフの確率モデルは、購入者の旅をグラフとして表します。グラフのノードはタッチポイントまたは「状態」であり、グラフの接続エッジはそれらの状態間で観測された遷移です。

たとえば、購入者は製品のウェビナー（最初の状態）を見てからLinkedIn（遷移）を参照し、同じ製品の広告インプレッションをクリックします（2番目の状態）。

モデルの重要な要素は、遷移確率（状態間を移動する可能性）です。

購入者が2つの州間を移行した回数は確率に変換され、完全グラフを使用して、各州の重要性と成功への最も可能性の高いパスを測定できます。

たとえば、バイヤージャーニーデータのサンプルでは、​​ウェビナータッチポイントが8回発生し、バイヤーがウェビナーを視聴した後、LinkedIn広告をクリックしたのは3回だけであるため、2つの状態間の遷移確率は3/8 = 0.375です。 （37.5％）。

グラフを完成させるために、遷移ごとに確率が計算されます。

キャンペーンのアトリビューションを計算する前に、マルコフグラフは、購入者の旅に関するいくつかの有用な情報を教えてくれます。

上記の例から、成功の確率が最も高いパスは「開始>ウェビナー>キャンペーンZ>成功」であり、合計確率は42.5％（1.0 * 0.425 * 1.0）であることがわかります。

マルコフグラフは、全体的な成功率も示します。 つまり、すべてのバイヤージャーニーの履歴を考えると、バイヤージャーニーが成功する可能性です。 成功率は、全体的なマーケティングパフォーマンスのベースラインであり、変更の有効性を測定するための針です。

上記のマルコフグラフの例の成功率は67.5％です。

キャンペーンの帰属

マルコフグラフを使用して、除去効果と呼ばれるものを計算することにより、各キャンペーンの重要性を測定できます。

キャンペーンの効果は、グラフからキャンペーンを削除し、購入者の移動をシミュレートして、キャンペーンを実施せずに成功率の変化を測定することによって決定されます。

マーケティングアトリビューションに削除効果を使用することは、パズルの最後のピースです。 各キャンペーンのアトリビューション値を計算するには、次の式を使用できます。

たとえば、会計年度の第1四半期中に、成功したすべてのバイヤージャーニーの合計米ドル価値が100万ドルであるとします。

同じバイヤージャーニーを使用してマルコフモデルを構築し、広告キャンペーンの削除効果を0.7と計算しました（つまり、広告キャンペーンがマルコフグラフから削除されると、バイヤージャーニーの成功率は70％低下しました）。

入力データで観察されたすべてのキャンペーンの除去効果の値がわかっています。この例では、合計が2.8であるとします。 数値を数式に代入することで、広告キャンペーンのアトリビューション値を25万ドルと計算します。

自分のモデルを始めましょう

上記のマーケティングアトリビューションアプリケーションは、Clouderaのマーケティングおよびデータセンターオブエクセレンスによって開発されましたが、今日から独自のモデルで開始できます。

データドリブンアトリビューションモデルを活用することで、従来のアトリビューションメカニズムに関連するバイアスを排除し、さまざまなメッセージが潜在的な顧客にどのように影響するか、地域や収益の種類による差異を理解できます。

アトリビューションの背後にある確かで信頼できるデータが得られたら、その結果を使用して、マーケティングミックス戦略と投資決定を通知および推進することに自信を持つことができます。 また、営業チームと提携してマーケティング戦略を推進する場合は、数字に頼ることができます。

James Kinleyは、Clouderaのプリンシパルデータサイエンティストです。 彼は、サイバーセキュリティを専門とする英国の防衛産業から彼らに加わりました。