Modele atrybucji dla marketerów: jak uzyskać dokładne informacje, które mają znaczenie

Pracowałeś przez cały kwartał nad nową serią content marketingu, a konwersje rosną.

Czy przypisujesz te konwersje wyłącznie swoim treściom? A co z klientami, którzy przeszli do Twojego artykułu z Twojej strony w mediach społecznościowych – czy przypisujesz te konwersje do mediów społecznościowych, czy do artykułu (lub obu)?

Optymalizacja wydatków marketingowych jest dla marketerów najwyższym priorytetem. Ale trudno jest wiedzieć, gdzie skoncentrować swoje wysiłki, gdy liniowe lejki znikają coraz bardziej w legendzie.

Modele atrybucji multi-touch próbowały rozwiązać ten problem, ale wielu marketerów używa niewłaściwych modeli do pomiaru swoich kampanii.

W tym artykule przyjrzymy się popularnym modelom atrybucji, które działają, i wyjaśnimy, jak uzyskać najdokładniejsze dane atrybucji, aby uzyskać dokładny obraz zwrotu z inwestycji.

Co to jest model atrybucji?

Model atrybucji to zestaw reguł regulujących sposób przypisywania udziału w działaniach marketingowych i sprzedażowych prowadzących do konwersji. Innymi słowy, ma na celu odpowiedzieć na pytanie „który kanał lub kampania wygenerowała tego użytkownika, leada lub sprzedaż?”

W tradycyjnym modelu marketingowym atrybucja była łatwa. Klient odwiedził Twój sklep z wycinkiem z gazety, a sprzedaż można przypisać ostatniej reklamie w gazecie.

Ponieważ punkty styku występują obecnie w dziesiątkach kanałów (często w ciągu kilku dni, a nawet godzin), ścieżki konwersji są bardziej skomplikowane i znacznie mniej liniowe:

Klienci wchodzą teraz w interakcję z markami za pośrednictwem mediów społecznościowych, e-maili, Google Ads, postów na blogach itp. Utrudnia to opracowanie dokładnego modelu pomiaru wartości punktu kontaktu (a co za tym idzie, ustalenie, gdzie przydzielić budżet).

Przykład modelowania atrybucji

Wybierz tę dość prostą podróż klienta:

• Klient przeszukuje Google, aby rozwiązać problem, i odkrywa jeden z Twoich postów na blogu;
• W artykule przedstawiono rozwiązania ich wyzwania, a oni pobierają Twojego e-booka, aby dowiedzieć się więcej;
• Magnes wiodący uruchamia sekwencję e-mailową, aby wysyłać cotygodniowe wskazówki, aby zapanować nad tym problemem;
• W pewnym momencie kampanii e-mailowej oferujesz spersonalizowaną prezentację produktu;
• Po wersji demonstracyjnej klient subskrybuje Twoją platformę.

Który punkt styku w tej ścieżce odpowiada za konwersję?

Można argumentować:

• Wpis na blogu przede wszystkim przyciągnął klienta do Twojej witryny — chociaż mógł on nie być gotowy do zakupu.
• Kampania e-mailowa uświadomiła klientom wyzwanie, którego jeszcze nie rozumieli — ale nadal nie byli gotowi do zakupu.
• Demo sprzedażowe doprowadziło do sprzedaży — ale zobaczyli je tylko dlatego, że pobrali e-booka.

W rzeczywistości każdy z punktów styku prawdopodobnie przyczynił się do tego w jakiś sposób . Efektywne wielokanałowe modelowanie atrybucji pomaga określić, które kanały mają największy wpływ, dzięki czemu możesz podejmować lepsze decyzje marketingowe.

Na przykład może się okazać, że Twoja kampania e-mailowa ma niewielki wpływ na konwersję, a to, co napędza sprzedaż, to treść społecznościowa, z którą się kontaktowali kilka tygodni po pobraniu e-booka. Dopasowanie tej sekwencji e-maili do treści społecznościowych może przyspieszyć cykl sprzedaży, zmniejszając koszt pozyskania klienta (CAC).

Dostęp do tych statystyk uzyskasz dopiero po określeniu najodpowiedniejszego modelu atrybucji dla swojej marki.

Gotowe do użycia: standardowe modele atrybucji

Żaden marketingowy model atrybucji nie jest doskonały, ale właściwy model we właściwym kontekście pomoże Ci wycisnąć więcej z budżetu marketingowego .

Google Analytics, najczęściej używana platforma do śledzenia atrybucji marketingowej, oferuje narzędzie do porównywania modeli ścieżek wielokanałowych (MCF), które pomaga określić, który model jest najbardziej odpowiedni dla Twoich kampanii.

Skorzystaj z poniższych modeli atrybucji, aby kierować procesem podejmowania decyzji, i przygotuj się na eksperymenty, aby znaleźć odpowiedni model dla swojej strategii marketingowej.

Skąd oni przyszli? Model atrybucji ostatniej interakcji

Atrybucja ostatniej interakcji, znana również jako atrybucja ostatniego kontaktu lub atrybucja ostatniego kliknięcia, jest domyślna w większości narzędzi analitycznych i najczęściej stosowana.

Rozważ tę ścieżkę:

• Klient widzi Twoją reklamę Google, gdy szuka produktu, który sprzedajesz;
• Dodają produkt do koszyka, ale nie kupują;
• Wysyłasz e-mail o porzuceniu koszyka;
• Porzucenie koszyka powoduje również reklamy retargetujące;
• Klient klika retargetującą reklamę na Facebooku i dokonuje zakupu.

W ostatnim modelu interakcji ta reklama retargetująca otrzymuje 100% udziału w atrybucji.

W tym modelu atrybucji całą wagę przywiązuje się do ostatniej interakcji z Twoją marką, niezależnie od tego, jakie inne punkty styku miały miejsce przed nią.

Mimo że jest to domyślny model atrybucji, ostatnie kliknięcie ma fundamentalne wady. Prawie nigdy nie jest tak, że ostatni punkt styku jest wyłącznie odpowiedzialny za konwersję.

W powyższej przykładowej ścieżce klient mógł nie wejść do Twojej witryny bez zobaczenia początkowej reklamy. Mogli również planować zakup tego wieczoru po otrzymaniu rabatu w wiadomości e-mail o porzuceniu koszyka.

Jak ujął to Avinash Kaushik : „Jedynym zastosowaniem atrybucji ostatniego kliknięcia jest teraz zwolnienie Cię z pracy. Unikaj tego."

Kiedy używać modelu atrybucji opartego na ostatnim kliknięciu

Unikaj modelu ostatniej interakcji, gdy Twój cykl zakupowy jest długi, zaangażowanych jest wielu decydentów lub sprzedajesz drogie przedmioty. Transakcje te wiążą się z dużym rozwagą, a ostatnie kliknięcie nie powie Ci, które punkty styku były najskuteczniejsze.

Korzystaj z modelu ostatniego kliknięcia, gdy cykl zakupowy jest krótki i nie wiąże się z dużym namysłem, na przykład w sektorach dóbr konsumpcyjnych szybko zbywalnych (FMCG).

Gdzie zaczęli? Model atrybucji pierwszej interakcji

Atrybucja oparta na pierwszej interakcji, znana również jako atrybucja pierwszego kontaktu lub pierwszego kliknięcia, jest przeciwieństwem modelu atrybucji opartego na ostatnim kliknięciu. Daje kredyt w całości pierwszemu punktowi kontaktu.

Przypomnij sobie ścieżkę omówioną w poprzednim modelu. W pierwszym modelu interakcji początkowa reklama Google otrzymałaby 100% odpowiedzialności za wpływ na sprzedaż, niezależnie od innych punktów styku, które nastąpiły po niej.

Korzystanie z tego modelu ma pewne zalety (następujące punkty styku nigdy nie miałyby miejsca bez pierwszego), ale nadal jest wadliwy. Kupujący rzadko dokonują konwersji na podstawie pojedynczej początkowej interakcji, takiej jak przeczytanie posta na blogu lub obejrzenie reklamy w mediach społecznościowych.

Jak napisał Avinash: „Atrybucja pierwszego kliknięcia przypomina przyznanie mojej pierwszej dziewczynie 100% zasługi za poślubienie mojej żony”.

Kiedy używać modelu atrybucji pierwszego kliknięcia

Model atrybucji pierwszego kontaktu może być odpowiedni, gdy budowanie marki jest Twoim głównym celem, na przykład jeśli jesteś nowicjuszem na rynku.

W tym przykładzie Twoim celem jest dotarcie do jak największej liczby potencjalnych klientów, więc te bezpośrednie interakcje stają się niezbędne do osiągnięcia tego celu.

Co robili, zanim to zrobili? Ostatni model atrybucji kliknięć niebezpośrednich

Atrybucja ostatniego niebezpośredniego kliknięcia jest podobna do modelu ostatniego kliknięcia, z tą różnicą, że dyskontuje ruch bezpośredni.

Rozważ ścieżkę e-commerce, która wygląda mniej więcej tak:

• Klient przeprowadza organiczne wyszukiwanie danego produktu w Google;
• To słowo kluczowe uruchamia jedną z Twoich reklam Google;
• Klient klika w reklamę, przegląda produkty i dodaje niektóre do koszyka;
• Nie dokonują zakupu, co powoduje wysłanie wiadomości e-mail o porzuceniu koszyka;
• Później klient wraca bezpośrednio na Twoją stronę i kontynuuje zakup.

W modelu ostatniej interakcji ta konwersja zostałaby przypisana do ruchu bezpośredniego. W modelu ostatniego kliknięcia niebezpośredniego jest to przypisywane wiadomości e-mail o porzuceniu koszyka.

Kiedy używać modelu atrybucji ostatniego kliknięcia niebezpośredniego

W przypadku większości firm model ostatniego kliknięcia niebezpośredniego jest nadal zbyt prosty, aby uwzględnić większość podróży zakupowych. Często kieruje kredyt tam, gdzie nie jest należny.

Jeśli Twój bezpośredni ruch szybko konwertuje, możesz potencjalnie skorzystać na tym modelu. Jeśli jednak klienci mają tendencję do przeglądania Twojej witryny podczas sesji zakupowej, unikaj tego modelu. Może to być coś innego, co przekona ich do zakupu.

Jak ujął to Avinash: „Dlaczego nie doceniać Directa? Dlaczego nie doceniać wysiłków marketera, aby stworzyć rozpoznawalność i wartość marki?”

Równy podział zasług: liniowy model atrybucji

Atrybucja liniowa jest o krok lepsza niż modele z jednym punktem styku. Bierze pod uwagę wszystkie możliwe do śledzenia interakcje i równomiernie rozkłada udział w atrybucji.

Podczas gdy każdy punkt kontaktowy otrzymuje nagrodę za udział w sprzedaży, model nie uwzględnia tego, jak zasłużony jest ten udział.

Spójrzmy na tę ścieżkę klienta:

• Klient widzi pozytywny tweet na temat Twojej marki od influencera, którego podziwia, więc spędza około godziny na badaniu treści w Twojej witrynie;
• Z Twojej strony internetowej klikają w ikony mediów społecznościowych i śledzą Cię na kilku kanałach, a także zapisują się do Twojego newslettera;
• W ciągu najbliższych miesięcy klient przegląda posty Twojej marki w mediach społecznościowych, rzadko zatrzymując się, aby je przeczytać;
• Nigdy też nie otwierają twoich biuletynów;
• Sytuacja w pracy sprawia, że ​​klient szybko potrzebuje Twojego rozwiązania, a influencer jeszcze tego samego dnia publikuje posty o Twojej marce;
• Klient otwiera Twój najnowszy newsletter w swojej skrzynce odbiorczej i subskrybuje Twoją platformę poprzez CTA na dole.

Liniowy model atrybucji daje równe uznanie mediom społecznościowym, Twojej stronie internetowej i biuletynowi, mimo że przewijają się obok Twoich postów i nie czytają Twoich e-maili.

Kierując się tą logiką, można by pokusić się o równe rozłożenie wydatków na marketing na każdy kanał. Można jednak argumentować, że influencer marketing i treści na Twojej stronie były tutaj najskuteczniejsze.

Kiedy stosować liniowy model atrybucji

Duże firmy lub bardziej ugruntowane firmy z przyzwoitym budżetem marketingowym powinny skupić się na dokładniejszym określaniu procentów atrybucji.

Jeśli nie masz budżetu lub danych, aby przypisać dokładniejsze wartości procentowe, model liniowy uwzględnia przynajmniej kilka punktów styku, zamiast umieszczać wszystko na jednej łodzi.

Priorytetyzacja pierwszego i ostatniego punktu kontaktu: model atrybucji oparty na pozycji

Model atrybucji oparty na pozycji (czasami nazywany atrybucją w kształcie litery U) jest połączeniem modeli liniowych, ostatniej interakcji i pierwszej interakcji.

Ten model przypisuje większość zasług pierwszej i ostatniej interakcji, a pozostały udział rozkłada się równomiernie na każdy inny punkt styku.

Ten model wydaje się mieć największy sens; pierwszy i ostatni punkt styku są wyraźnie bardzo wpływowe. Rozpoznaje dwa krytyczne etapy na ścieżce kupującego, jednocześnie uwzględniając inne po drodze.

Kiedy używać modelu atrybucji opartego na pozycji

Użyj modelu atrybucji opartego na pozycji, jeśli Twoja firma ma kilka punktów styku, zanim klienci dokonają zakupu (np. firmy o długich cyklach sprzedaży).

Rosnące znaczenie: model atrybucji z rozkładem w czasie

Model atrybucji z rozkładem w czasie opiera się na zasadzie, że wszystkie punkty styku są coś warte, ale te, które są najbliżej konwersji, są warte więcej.

Ostatnia interakcja otrzymuje największy udział, a wszystkie wcześniejsze interakcje otrzymują atrybucję w malejących ilościach.

Największą krytyką tego modelu jest niedocenianie wartości działań marketingowych na szczycie lejka, które w pierwszej kolejności wprowadziły klienta w markę.

Kiedy używać modelu atrybucji z rozkładem w czasie

Używaj modeli rozkładu w czasie w scenariuszach z długimi cyklami zakupowymi i gdy budowanie relacji jest kluczowym czynnikiem sukcesu sprzedaży (szczególnie w B2B).

Wyjście poza standardowe modele w celu uzyskania dokładniejszych danych dotyczących atrybucji marketingowej

Sześć tradycyjnych typów modeli atrybucji omówionych powyżej to dobry początek, ale ich zastosowanie jest dość ograniczone.

Wybór jednego ze standardowych modeli atrybucji jest subiektywny i opiera się na przeczuciach marketerów co do tego, gdzie i kiedy klienci podejmują decyzje o zakupie. Subiektywne decyzje mogą być błędne, prowadząc do zmarnowanego wysiłku i wydatków.

Dostosowanie standardowych modeli atrybucji może przybliżyć Cię do dokładności

Możliwe jest tworzenie niestandardowych modeli atrybucji na podstawie gotowych modeli Google Analytics.

Na przykład możesz dostosować wagę interakcji w modelu opartym na pozycji, aby przypisać mniejszy udział pierwszej lub ostatniej interakcji.

Możesz dodatkowo dostosować swój model atrybucji, łącząc Google Analytics i R, język programowania do obliczeń statystycznych.

Używaj modeli Markowa (modele procesów losowych, które odzwierciedlają zmieniające się systemy), aby poprawić śledzenie atrybucji. Na wysokim poziomie modele Markowa analizują prawdopodobieństwo kolejnych kroków na ścieżce konwersji i próbują obliczyć ważność punktu styku na podstawie jego usunięcia.

Kaelin Tessier z Bounteous, agencji zajmującej się doświadczeniami cyfrowymi, opisuje korzyści płynące z używania modeli Markowa do modelowania atrybucji:

Obiektywizm – tutaj nie ma przeczuć! Tylko fakty.
Predictive Accuracy – Przewiduje zdarzenia konwersji.
Solidność – ważne i wiarygodne wyniki.
Interpretowalność – Przejrzysta i stosunkowo łatwa do interpretacji.
Wszechstronność – niezależna od zbioru danych. Potrafi dostosować się do nowych danych.
Wydajność algorytmiczna – zapewnia terminowe wyniki.

Modele Markowa rozwiązują największe wyzwanie modeli GA opartych na heurystyce: obiektywność. Model określa znaczenie każdego punktu styku, a nie marketera.

Ale wciąż jest wiele niuansów do rozważenia. Na przykład, co zrobić, jeśli potencjalny klient śledzi Twojego CEO na LinkedIn i jest pod wpływem publikowanych przez niego treści? Przypisanie do „ciemnego lejka” może być trudne.

Aby uzyskać najdokładniejsze informacje o atrybucji, skorzystaj z modeli opartych na danych.

Zwiększanie precyzji dzięki modelom atrybucji opartym na danych

Modele atrybucji stają się coraz bardziej złożone, podobnie jak modele atrybucji. Umieszczanie podróży klientów w schludnych małych pudełkach rzadko dokładnie odzwierciedla sposób podejmowania decyzji zakupowych.

Na razie podejście algorytmiczne lub oparte na danych można uznać za złoty standard atrybucji marketingowej.

Jak powiedział w wywiadzie Bill Macaitis, były CMO Slacka:

Bill Macaitis:

„Obecnie algorytmiczna atrybucja stała się najlepszą praktyką dla marketerów i firm opartych na danych.

Możemy teraz wykorzystać wszystkie dostępne zbiory danych, narzędzia i modele, aby uwzględnić wszystkie różne punkty styku i dokonać predykcyjnej, algorytmicznej atrybucji. Po prawidłowym skonfigurowaniu możemy śledzić każdy punkt kontaktu i wszystkie metryki dalszej ścieżki. A dzięki proporcjonalnemu ważeniu bardzo dużego zbioru danych możemy określić z dużo większą dokładnością i precyzją, co powinno otrzymać uznanie – w tym zarówno reklamy online, offline, oparte na wynikach, jak i reklamy promujące markę.

Nie jest idealnie i nie jest łatwo. Staje się to trudne w przypadku poleceń ustnych, mrocznych społeczności i innych „ukrytych akcentów”. Pozwala jednak znacznie lepiej zrozumieć podróż kupującego i dowiedzieć się, które z Twoich działań marketingowych się opłacają”.

Produkty takie jak Google Analytics 360 i Impact.com wykorzystują uczenie maszynowe i zaawansowane obliczenia statystyczne, takie jak regresja logistyczna, w celu określenia, w jaki sposób należy przypisać punkty styku z marketingiem.

Na wysokim poziomie atrybucja oparta na danych analizuje różnice w zaangażowaniu w punkty kontaktu między klientami, którzy dokonują konwersji, a tymi, którzy tego nie robią. Wzorce zaangażowania, uwzględniające teraz szybkie konwersje i stracone okazje, pozwalają na dokładniejsze, proporcjonalne przypisanie zasług.

Modele algorytmiczne są obiektywne i zautomatyzowane, co eliminuje „instynktowne” decyzje marketerów, gdy decydują, który krok wydaje się najważniejszy.

Modele algorytmiczne są bardzo złożone i przeznaczone dla przedsiębiorstw. Dla wielu firm będzie to przesada, zwłaszcza biorąc pod uwagę koszt tych produktów (Google Analytics 360 zaczyna się od 150 000 USD rocznie).

Jeśli atrybucja algorytmiczna jest poza zasięgiem, najlepszym podejściem jest użycie modelu standardowego, który najlepiej pasuje do Twojej strategii, dostosowanie go i ciągła optymalizacja, gdy dowiesz się, co działa, a co nie.

Izolowanie słabych punktów poprzez testowanie istnienia

„Testowanie istnienia” polega na wnioskowaniu o skuteczności określonego kanału poprzez chwilowe wyłączenie go z miksu. Nawiasem mówiąc, na tym opiera się wiele z powyższych modeli opartych na danych, ale na dużą skalę.

Jim Novo, założyciel The Drilling Down Project, dobrze ujął to w jednym z odcinków podcastu Digital Analytics:

Jim Nowo:

„Jeśli uważasz, że [display] jest tak cenny, jeśli chodzi o pomoc innym kampaniom, dlaczego po prostu go nie zabijesz na tydzień lub dwa tygodnie i zobaczysz, co się stanie? A następnie dodaj go z powrotem.

Nie możesz zrobić takiego testu? Czy warto inwestować te pieniądze gdzie indziej? Jak poważnie myślisz o ustaleniu wartości wyświetlacza?

Łączenie kropek między zachowaniem offline i online

Współczesne zachowania zakupowe obejmują szereg działań klientów. Możesz mieć klientów, którzy angażują się w dowolną z poniższych czynności lub w ich kombinację:

• Wyszukiwanie i zakupy wyłącznie online;
• Wyszukiwanie i kupowanie wyłącznie offline;
• Wyszukiwanie online i zakupy offline (znane również jako ROPO lub webrooming);
• Testowanie produktów w sklepie i zakupy online (znane również jako showrooming).

Standardowe modele atrybucji zwykle uwzględniają wyłącznie marketing cyfrowy i zachowania online. Nawet podczas śledzenia kanałów offline, takich jak media drukowane i poczta bezpośrednia, odbywa się to za pomocą dedykowanego adresu URL.

Jak więc marketerzy mogą śledzić, co dzieje się offline?

Istnieje kilka sposobów, w jakie firmy były w stanie rozliczać działania w sklepie i łączyć kropki z działaniami online.

1. Beacon Bluetooth Low Energy (BLE).

Beacony mogą być przydatne dla Twoich klientów, a jednocześnie przekazywać informacje o ich zwyczajach zakupowych.

Zwykle działa jak „GPS w sklepie”. Kiedy klienci, którzy zainstalowali Twoją aplikację na swoim urządzeniu, wchodzą do Twojego sklepu, beacony komunikują się z aplikacją i łączą zachowanie online tego użytkownika z jego zakupami w sklepie.

Target wykorzystuje sygnały nawigacyjne, aby pomóc klientom zlokalizować pozycje na ich liście zakupów, znaleźć pomoc w sklepie, a nawet ma kanał informacyjny oparty na geografii.

Macy's używa beaconów do oferowania sugestii, wysyłania promocji w czasie rzeczywistym oraz śledzenia i przypisywania zakupów od 2014 roku.

Chociaż ten rodzaj śledzenia jest popularny w sklepach detalicznych, niektórzy klienci mogą nie czuć się z tym komfortowo. Wyprzedzaj zainteresowanie, przeprowadzając ankietę wśród kupujących, a następnie przetestuj w małej grupie przed wprowadzeniem.

2. Karty lojalnościowe

Karty lojalnościowe to prosty sposób łączenia profili cyfrowych z kupującymi offline, pod warunkiem, że karty są aktywowane online.

Kilka platform oferuje firmom zintegrowane programy lojalnościowe, takie jak Yotpo i Stampme.

Platformy łączą doświadczenia online i offline, zwykle zachęcając użytkowników do zeskanowania karty lojalnościowej przy kasie fizycznej, dzięki czemu użytkownicy mogą zbierać punkty w każdym miejscu, w którym robią zakupy.

3. Poprowadź klientów offline

Producent mebli i dekoracji VOX kieruje podróżą klienta, której kulminacją jest bezpośrednia konsultacja za pomocą aplikacji o nazwie VOXBOX.

VOXBOX pozwala klientom zaprojektować wirtualny układ mebli, a następnie rekomenduje klientom umówienie się na osobistą konsultację w jednym ze swoich sklepów stacjonarnych.

Dzięki takiemu podejściu VOX może śledzić wszystkie punkty styku tego klienta, w tym działania offline.

Wniosek

W modelowaniu atrybucji nie ma jednego uniwersalnego rozwiązania. Najbardziej niezawodne rozwiązania wykorzystują modelowanie algorytmiczne do przypisania udziału, ale wiąże się to ze znacznymi kosztami.

Jeśli atrybucja algorytmiczna nie leży w Twojej gestii, najlepszym rozwiązaniem jest zbudowanie niestandardowych modeli w oparciu o podstawowe oferty w preferowanym pakiecie analitycznym. Zoptymalizuj atrybucję, dowiadując się więcej o interakcjach klientów z marketingowymi punktami kontaktowymi.

Zostań mistrzem atrybucji dzięki naszemu kursowi atrybucji marketingowej.