MTA oparte na danych: jedyny model atrybucji, który się liczy

Modele atrybucji pomagają marketerom zrozumieć wartość punktów styku kanałów marketingowych, gdy ich klienci przechodzą od świadomości do konwersji.

W przeszłości atrybucja jednodotykowa, taka jak modele „ostatniego kliknięcia” i „pierwszego kliknięcia”, była często domyślna. Wymagały stosunkowo mało danych i były łatwe do zaobserwowania w oprogramowaniu analitycznym.

Na przykład, jeśli w październiku dokonałem 1000 sprzedaży w mojej witrynie i widzę 75% ruchu pochodzącego z bezpłatnych wyników wyszukiwania, a 25% pochodzi bezpośrednio – sensowne jest, aby poświęcić więcej moich listopadowych inwestycji na działania związane z organicznymi wyszukiwaniami.

To byłoby przyjęcie modelu ostatniego kliknięcia. Przypisuję wartość tylko do punktu kontaktu, z którego skorzystali moi klienci bezpośrednio przed wejściem na moją witrynę. A co z kanałami, z którymi wcześniej weszli w interakcję?

Ponieważ podróże klientów stały się w ostatnich latach bardziej złożone, dostępne są również modele atrybucji, aby zapewnić, że marketerzy przypisują po drodze dokładną wagę kanałom i odpowiednio w nie inwestują.

Atrybucja wielodotykowa (MTA) i atrybucja oparta na danych (DDA) są coraz częściej preferowane. W końcu odwiedzający moją witrynę mogą widzieć komunikaty marketingowe w różnych miejscach (od niezliczonych serwisów społecznościowych po dowolną liczbę reklam offline, od telewizji po billboardy), zanim zwrócą się do Google, aby przeprowadzić wyszukiwanie.

Modele MTA zapewniają, że wszystkie kanały otrzymują przynajmniej część udziału w konwersji

Finnian Bradfield, analityk w firmie Fospha zajmującej się danymi AI i atrybucją, podkreśla, że ​​nie tylko rosnąca złożoność podróży klientów sprawia, że ​​MTA jest dziś bardziej efektywne niż modele jednodotykowe.

„Główną wartością MTA jest umożliwienie marketerom lepszej dystrybucji wydatków i zrozumienia prawdziwej wydajności każdego punktu styku”, mówi.

„Korzystając wyłącznie z modelu ostatniego kliknięcia, zasadniczo cenisz lub widzisz ostatni punkt kontaktu, z którym klient był zaangażowany przed konwersją, i nie zwracasz uwagi ani nie bierzesz pod uwagę tego, co mogło wpłynąć na konsumenta przed tym. Rezultatem są większe wydatki na ostatni punkt kontaktu, jednak w rzeczywistości konwersja mogłaby nigdy nie nastąpić, gdyby nie punkt kontaktu, z którym konsument był zaangażowany na początku swojej podróży. Tak więc, patrząc na wszystkie punkty styku i przypisując im wartość w zależności od ich roli, możesz uzyskać znacznie bardziej efektywne wyniki z wydatków marketingowych”.

W dzisiejszym świecie omnichannel modele MTA z pewnością wydają się być najlepszym wyborem dla zapewnienia marketerom jasności co do tego, co działa, a co nie. Ale nie wszystkie modele atrybucji są sobie równe.

Przyjrzyjmy się, czym się różnią, jakie są ich zalety i wady, jakie są wyzwania związane z ich wdrażaniem oraz dlaczego modele MTA oparte na danych są opcją atrybucji, do której powinni dążyć wszyscy marketerzy.

Jakie są podstawowe modele?

Model atrybucji „liniowy” lub „równomierny kredyt” jest prawdopodobnie pierwszym modelem MTA, o którym myślimy, gdy zaczynamy myśleć poza pierwszym i ostatnim kliknięciem.

Jest to z pewnością ulepszenie w modelach jednodotykowych. Model liniowy zakłada, że ​​ścieżka klienta to coś więcej niż tylko kanał, który klient widzi na etapie świadomości lub ten, z którego korzysta na etapie przed dokonaniem konwersji.

Przypisuje wszystkie punkty w równym stopniu, więc jest naprawdę przydatne tylko wtedy, gdy masz solidne dowody na to, że wszystkie elementy Twojej strategii marketingowej działają z mniej więcej takim samym poziomem skuteczności.

Jednak jego prostota szybko staje się bardzo oczywista, ponieważ nie uwzględnia faktu, że różne punkty styku prawdopodobnie będą miały mniejszy lub większy wpływ na decyzję klienta o konwersji niż inne.

„Rozpad czasowy” to kolejny stosunkowo prosty model MTA. Przypisuje wszystkie punkty styku na ścieżce użytkownika, przy czym im większa waga, im bliżej dotyk jest konwersji.

Przydatne może być przypisanie rozkładu czasowego. I prawdopodobnie byłoby to lepsze niż jedna z opcji pojedynczego dotyku. Jest często używany w kampaniach marketingowych, w których liczy się czas lub gdy firmy chcą skupić się na kanałach, które odgrywają rolę w konwersji. Ale jego wady są dość łatwe do zauważenia.

Oczywiście są ścieżki klienta, w których punkty styczności bliższe konwersji są ważniejsze niż te na początku. Ale ponieważ podróże użytkowników stają się dłuższe i bardziej złożone, coraz częściej tak się nie dzieje. Ostatecznie rozkład czasu nadal opiera się na pewnej dozie zgadywania i brakuje mu prawdziwej dokładności.

Atrybucja „w kształcie litery U” lub „oparta na pozycji” to kolejny model MTA, który ponownie poprawia metody jednodotykowe, zapewniając wszystkim kanałom pewien udział, ale nadal jest to stosunkowo uproszczone podejście.

Kształt litery U przypisuje wszystkie punkty styku, ale daje większą wagę – po 40% – pierwszemu i ostatniemu kanałowi. Pozostałe 20% kredytu jest rozdzielane na dowolne punkty styku w połowie podróży.

Ponownie, model w kształcie litery U ma swoje zastosowania. Może to być skuteczne np. w przypadku firm, które inwestują w generowanie leadów i są silnym kandydatem na dłuższe podróże klientów. Może jednak nie przypisywać dokładnych punktów kontaktu w połowie drogi, które mogły mieć większy udział w konwersji, niż może oczekiwać marketer.

Co to jest atrybucja oparta na danych?

Atrybucja oparta na danych (DDA) to kolejny model MTA. Różni się od tych, które omówiliśmy do tej pory tym, że wykorzystuje dane z różnych punktów styku, aby wyeliminować wszelkie domysły i przypisywać zasługi kanałom na podstawie ich wyników, a nie ich pozycji.

DDA wymaga posiadania kompleksowych danych i pełnego obrazu podróży klienta. Marketerzy muszą również dysponować środkami, aby móc efektywnie korzystać z tych danych – często z wykorzystaniem platformy danych klientów.

Mogą być najbardziej kosztownym modelem MTA do wdrożenia, ale jednym z kluczowych celów przy korzystaniu z modelu DDA jest uzyskanie lepszego zwrotu z inwestycji, który można wykorzystać do zrekompensowania ich dodatkowych kosztów.

Kiedy model MTA oparty na danych jest przydatny?

Bradfield jasno mówi, kiedy dla marketerów najbardziej sensowne jest wdrożenie MTA opartego na danych: „Oparte na danych podejście do atrybucji jest najskuteczniejsze, gdy wydajesz pieniądze w wielu płatnych kanałach, które obejmują mieszankę płatnych wyników wyszukiwania, społecznościowych i stowarzyszonych dla przykład”, mówi. „Powodem tego jest po prostu fakt, że jeśli wydajesz na marketing, musisz wiedzieć, gdzie najlepiej wydać i które z tych kanałów są bardziej efektywne dla kluczowych wskaźników efektywności Twojej firmy. Widzimy, że firmy, które mają większe budżety marketingowe, zyskują dużą wartość dzięki tego typu narzędziom”.

W 2019 roku firma Fospha współpracowała z wiodącym dostawcą usług wakacyjnych, aby połączyć swoje dane online i offline za pomocą MTA.

Dało to wielokanałowy wgląd w podróże, jakie pokonują ich klienci, i podkreśliło, że ich aktywność w płatnych wynikach wyszukiwania była przeszacowana w przypadku atrybucji ostatniego kliknięcia.

Zautomatyzowany proces nie pochłonął zdolności ani czasu analityka. Ale co ważniejsze, Fospha była wtedy w stanie wykorzystać budżet uwolniony z płatnego kanału wyszukiwania na rozwój nowych/niedowartościowanych punktów styku.

Oszczędności w tym roku wyniosły około 600 000 funtów, a ich strategia marketingu telewizyjnego została wyróżniona jako obszar, który wcześniej był trudny do zmierzenia za pomocą tradycyjnych modeli atrybucji. Korzystając z MMM (Marketing Mix Modelling), Fospha był w stanie zidentyfikować, że telewizja jest kanałem o dobrych wynikach, z możliwością rozwoju i przynoszenia dalszych przychodów.

Gdy tylko to się pojawiło, firma szybko zainwestowała około 250 000 funtów z powrotem w ten ważny kanał offline.

„Niezależne narzędzia pomiarowe firmy Fospha zapewniły naszemu zespołowi przejrzyste dane i możliwość powiązania sprzedaży offline z marketingiem offline i online” — powiedział dyrektor ds. marketingu grupy klienta. „Mamy teraz pewność, że możemy więcej inwestować w nasz marketing i jesteśmy podekscytowani wynikami”.

Coraz częściej nie tylko organizacje o dużych budżetach zwracają się do DDA. Rolą firm takich jak Fospha jest udostępnienie takich MTA wszystkim firmom zajmującym się marketingiem wielokanałowym i wielokanałowym.

„Wierzę, że każda firma, która wydaje pieniądze w wielu kanałach, powinna być w stanie zidentyfikować prawdziwą wartość swoich wysiłków”, kontynuuje Bradfield, „dlatego Fospha przełamała bariery dla wszystkich rodzajów firm, aby wdrożyć DDA”.

Wyzwania związane z MTA oparte na danych i jak je pokonać

Koszt nie jest jedyną barierą we wdrażaniu kompleksowego modelu MTA opartego na danych. Pisząc dla ClickZ, dyrektor generalny i współzałożyciel Measured, Trevor Testwuide przytacza politykę adtech, ewolucję „ogrodów otoczonych murem”, takich jak Google i Facebook, a także nieuporządkowane dane na poziomie użytkownika jako istotne wyzwania, którym należy sprostać. atrybucja.

Bradfield zastanawia się nad tym: „Ogrody otoczone murem z platform adtech z pewnością utrudniają pełną dokładność”, mówi.

„Ważne jest, aby wiedzieć, że na rynku nie ma idealnego modelu MTA ani całkowicie dokładnych narzędzi śledzących. Uważamy, że głównym problemem jest wdrożenie atrybucji opartej na danych za pośrednictwem platformy reklamowej, takiej jak Google, ze względu na niedokładność i stronniczość danych”.

Nawet posiadanie wszystkich danych dla każdego klienta w każdym punkcie styku kanału nie może jeszcze zagwarantować pełnej dokładności MTA, ale Bradfield wskazuje jeden sposób na pokonanie tych wyzwań.

„Ważne jest, aby pozyskać niezależne narzędzie”, mówi. „W takim razie nie ma planu, aby sprzedawali reklamy i możesz wyeliminować niektóre z tych uprzedzeń”.

Modele MTA zawsze poprawiają się jednym dotknięciem, ale bez danych nadal polegają na domysłach

Modele liniowe, z rozkładem czasowym i modele MTA w kształcie litery U pomagają zapewnić, że wszystkie punkty styku otrzymają przynajmniej pewien udział w konwersji. Ale jak widzieliśmy, mogą im brakować dokładności.

W przypadku modelu liniowego wszystkie kanały otrzymują równy kredyt. Ale ta opcja nie bierze pod uwagę prawdopodobieństwa, że ​​dowolna liczba punktów styku podczas tej podróży mogła mieć większy wpływ na konsumenta niż inne.

Rozkład czasowy może być pożądany w przypadku kampanii, w których liczy się czas. Ale znowu zakłada, że ​​niektóre kanały – po prostu dzięki wcześniejszemu zobaczeniu interakcji – mogą wywierać mniejszy wpływ niż są.

A model w kształcie litery U, choć trzyma się logiki, że pierwszy i ostatni kontakt na ścieżce użytkownika jest często istotny, może poważnie niedoszacować środkowe kanały – zwłaszcza w kontekście dłuższych ścieżek zakupowych.

Opcja MTA, która eliminuje to zgadywanie, to model DDA (czasami znany jako algorytmiczny MTA). Chociaż dane klientów nigdy nie mogą być w 100% dokładne i – jak wskazuje Bradfield – nawet najlepszy model MTA nie jest doskonały, włączenie danych do kanałów miksu atrybucji przypisuje kredyty według tego, jak są postrzegane jako skuteczne, a nie po prostu pojawiają się na etapie ścieżki klienta.

Niezależne narzędzia eliminują niektóre tendencyjne i wypaczone dane, które marketerzy zgłaszali w otoczonych murem ogrodach Google i Facebook. Podczas gdy solidna platforma danych klientów pracuje nad konsolidacją, organizacją i dostosowywaniem strategii marketingowej w czasie rzeczywistym.

Nie jest więc niespodzianką, że modele MTA oparte na danych okazują się nieocenione dla firm o dużym budżecie. Często są to organizacje z wieloma płatnymi kanałami w swoim arsenale marketingowym, ale takie modele stają się coraz bardziej dostępne również dla średnich i małych organizacji – dzięki możliwości zrekompensowania kosztów lepszym zwrotem z inwestycji.

W dzisiejszym świecie wielokanałowym koszty nie powinny stanowić bariery dla firmy dowolnej wielkości, biorąc pod uwagę model MTA oparty na danych. Jednak dla każdej organizacji, która nadal uważa, że ​​nie jest gotowa, aby zaangażować się w ten poziom atrybucji, MTA liniowe, rozkład czasowy i MTA w kształcie litery U są zawsze lepszym rozwiązaniem niż modele atrybucji oparte na pierwszym i ostatnim kliknięciu jednym dotknięciem. domyślnie.

Treści stworzone we współpracy z Fospha .