Google의 기여 모델 개편: 광고주를 위한 3가지 솔루션

9월에 Google Ads와 Google 애널리틱스 4에서 첫 번째 클릭, 선형, 시간 가치 하락, 위치 기반 기여 분석 모델이 완전히 중단된다는 소식을 들어보셨을 것입니다.

마지막 클릭 및 데이터 기반 기여도 모델은 외부 기여도와 함께 계속 사용할 수 있습니다.

일부 PPC 마케터가 깨닫지 못하는 것은 Google이 입찰 관점에서 이러한 기여 모델을 중단하지 않을 것이라는 점입니다. 보고 및 비교 기능에서도 제거됩니다.

즉, 귀인 모델을 사용하여 더 이상 Google Ads 및 Google 애널리틱스 내에서 고객 여정을 분석할 수 없습니다. 대안이 필요합니다.

기여 모델 살펴보기

기여 모델은 전환(예: 판매 또는 리드)을 광고 클릭 또는 노출에 연결하는 데 도움이 됩니다. 실적이 가장 좋은 광고, 대상 또는 네트워크를 결정하는 방법입니다.

역사적으로 우리는 이러한 연결을 만들기 위해 서로 다른 규칙을 가진 여러 기여 분석 모델을 사용했습니다.

축구 비유를 사용하여 각 모델이 나타내는 내용은 다음과 같습니다.

• 마지막 클릭 : 골 득점자는 모든 크레딧을 받을 자격이 있습니다.
• 첫 번째 클릭 : 득점으로 이어지는 동작 중에 공을 처음 터치한 선수에게 모든 영예가 주어집니다.
• 선형 : 골로 이어지는 동작 중에 공을 터치한 모든 선수는 동일한 공로를 인정받을 자격이 있습니다.
• 시간의 소멸 : 골로 이어지는 동작 중에 마지막으로 공을 터치한 선수는 첫 번째 선수보다 더 많은 공로를 인정받을 자격이 있습니다.
• 위치 기반 : 골 득점자와 득점으로 이어지는 동작 중에 공을 처음 터치한 선수는 각각 40%의 크레딧을 받을 자격이 있습니다. 다른 플레이어는 나머지 20%를 균등하게 받습니다.

Google이 선호하는 기여 분석 모델의 문제

이러한 변화로 인해 데이터 기반 기여(DDA)는 Google Ads의 기본 기여 모델로 유지됩니다.

Google은 전환에 연결할 광고를 결정하는 규칙을 공유하지 않습니다. 저는 개인적으로 DDA가 앞서 언급한 기여도 모델의 조합을 활용한다고 가정합니다.

그러나 한 가지 매우 멋진 부분이 있습니다. DDA는 귀하의 계정에 맞게 조정됩니다.

• “데이터 기반 기여는 전환 데이터를 사용하여 전환 경로에서 각 광고 상호작용의 실제 기여도를 계산한다는 점에서 다른 기여 모델과 다릅니다. 각 데이터 기반 모델은 각 광고주에 따라 다릅니다.”라고 Google은 말합니다.

이론적으로 이것은 완벽합니다.

나만을 위한 맞춤형 기여 분석 모델입니다. 그리고 그 규칙에 대해 고민할 필요조차 없었습니다!

그러나 사실이 되기에는 너무 좋게 들립니다.

DDA는 귀하의 계정에 맞게 조정됩니다. 그런데 어떤 기준으로? 우리는 모른다.

작동하는 한 중요하지 않습니다.

그리고 우리는 그것을 다른 모델과 비교함으로써 확실히 할 수 있습니다.

그러나 이제 Google이 보고 섹션에서 "이전" 기여 분석 모델을 중단하면 어떻게 됩니까?

기여도 모델이 적다는 것은 반드시 실적이 낮다는 의미인가요?

이제 진짜 질문입니다.

우리 모두는 해가 갈수록 더 많은 통제력을 잃는 것을 싫어하지만 성능이 계속 증가하는 한 문제가 되지 않습니다.

그리고 앞서 살펴본 것처럼 입찰 관리 측면에서 그 영향은 미미합니다(모든 전환의 3%).

진짜 문제는 전략적 수준에 있습니다.

Google에서는 다음과 같이 말합니다.

"전환 경로에서 고객은 동일한 광고주의 여러 광고와 상호작용할 수 있습니다. 기여 모델을 통해 광고 실적을 더 잘 이해할 수 있고 전환 여정 전반에서 최적화할 수 있습니다."

그렇다면 가시성이 부족한 경우 전환 여정 전체에서 어떻게 최적화합니까? 먼저 예제를 살펴보겠습니다.

실제 고객 여정 분석

우리 고객 중 한 명은 비교적 단순한 미디어 믹스를 가지고 있으므로 이를 예로 들어 요점을 설명하겠습니다.

축구에서처럼 그 클라이언트는 수비수, 미드필더, 스트라이커 등 다양한 전술을 가지고 있습니다. 골을 넣으려면 팀 전체가 필요합니다.

첫 번째 클릭 기여 모델을 사용할 때 유료 검색 "점수"가 꽤 좋다는 점에 유의하십시오. 그러나 마지막 클릭을 사용할 때는 그다지 많지 않습니다. 자연 검색 및 이메일 마케팅은 해당 기여 모델을 사용할 때 쇼를 훔칩니다.

그러나 이것은 다음과 같은 이유로 예상한 것입니다.

• 전환 여정은 비브랜드 유료 검색에서 시작됩니다. 그들은 리드를 생성합니다.
• 잠재 고객을 성숙시키기 위해서는 리드 육성이 필요합니다. 그것은 주로 이메일 마케팅을 통해 이루어집니다.
• 자격을 갖춘 잠재 고객은 결국 자연 및 유료 브랜드 검색을 통해 구매합니다.

또는 축구 용어로 표현하자면 다음과 같습니다.

• 브랜드 없는 유료 검색 = 수비수
• 이메일 = 미드필더
• 자연 및 유료 브랜드 검색 = Strikers

DDA로 충분합니까?

이러한 기여 모델 없이 이 전환 유입경로를 이해할 수 있었습니까?

아마. 이 예는 매우 간단합니다.

하지만 판매가 몇 달이 걸리는 B2B 프로젝트나 반복 구매가 중요한 B2C 프로젝트를 시작한다면 어떨까요?

이제 그것은 또 다른 이야기입니다. 나는 DDA가 제대로 작동하지 않는 많은 예를 보았습니다.

오래되고 엄격한 기여 모델로 DDA 결론을 검증하는 것이 여전히 가치가 있다고 생각합니다. 이러한 벤치마크가 없으면 잠재적인 위험에 노출됩니다.

결국 기계 학습은 우리가 제공하는 데이터만큼 지능적입니다.

다음은 변화에 적응하려는 광고주를 위한 세 가지 솔루션입니다.

솔루션 1: 차세대 태깅 계획

견고한 데이터 프로그램을 개발하는 것은 고객 여정 상호 작용을 식별하기 위한 첫 번째 단계입니다.

완전한 추적을 통해 DDA 또는 마지막 클릭 기여도 모델을 자신 있게 사용할 수 있습니다. 하지만 모든 고객 여정 단계에서 첫 번째 클릭 등을 대체할 수 있습니다.

이상적이지 않다는 것을 알지만 이것이 첫 번째 단계입니다. 위의 예를 사용하는 경우 마지막 클릭 리드는 비브랜드 검색으로, 마지막 클릭 판매는 브랜드 검색으로 귀속시킬 수 있습니다. 이상적이지는 않지만 작동합니다.

당연히 이를 위해서는 전체 고객 여정을 추적해야 합니다. 기존의 단순한 태깅 계획에 의존할 수 없습니다. 마이크로 전환이 필요합니다.

솔루션 2: CRM 데이터 통합

전환을 추적할 때 판매에서 멈추나요?

이제 전체 고객 여정(예, 판매 후 포함)을 추적하고 외부 기여를 통해 광고 플랫폼으로 다시 피드해야 합니다.

그런 다음 이 도구를 사용하여 가시성을 높일 수 있습니다. 리드 스코어링과 같지만 이번에는 클라이언트 스코어링입니다.

실적 불일치를 발견하면 '데이터 기반' 모델과 다르게 입찰가에 영향을 미칠 수 있습니다.

요컨대, CRM은 광고주가 고객 여정을 더 잘 이해하고 정보를 제공할 수 있는 중앙 도구가 되어야 하며, 결과적으로 적절한 미디어 믹스가 되어야 합니다.

해결 방법 3: 기타 기여 방법

저는 여기에서 모든 프로젝트에 적용되지 않는 더 정교한 근거를 시도하고 있습니다.

기본적으로 증분이란 잠재고객을 광고에 노출하고 의도적으로 유사한 잠재고객에게 동일한 광고를 숨긴 다음 두 잠재고객의 성과 수준을 비교하는 것을 의미합니다.

상상할 수 있듯이 이 방법은 매우 훌륭하지만 오류가 발생하기 쉽습니다. (물론 데이터 안정성을 위해 예산이 큰 경우에만 사용할 수 있습니다.)

다음으로 가장 좋은 방법은 고객 설문 조사입니다.

예를 들어 이탈 의도 팝업(떠나는 방문자에게 어디에서 왔는지, 무엇을 좋아하지 않는지 등을 묻는 질문) 또는 구매/리드 여정의 추가 필드를 사용하여 추가 정보를 캡처할 수 있습니다.

당연히 이러한 선언적 데이터는 종종 어느 정도 왜곡되기 때문에 주의해야 합니다.

완벽한 기여 모델은 없습니다

이 기사 전체에서 성능을 측정하는 완벽한 방법을 쫓았습니다.

그러나 토끼 굴에서 길을 잃지 마십시오. 완벽한 기여라는 것은 없습니다.

당신이 원하는 것은 당신의 전략에 대한 안정적이면서도 방향성 있는 입력입니다.

그 단계를 넘어서는 것은 저와 같은 광고 괴짜를 위한 것이지만 비즈니스 의사 결정에는 유용하지 않습니다. 그에 따라 우선순위를 정하십시오.