MTA baseado em dados: o único modelo de atribuição que conta

Os modelos de atribuição ajudam os profissionais de marketing a compreender o valor dos pontos de contato do canal de marketing à medida que seus clientes passam do reconhecimento à conversão.

No passado, a atribuição de um único toque, como modelos de 'último clique' e 'primeiro clique', costumava ser o padrão. Eles exigiam relativamente poucos dados e eram fáceis de observar no software de análise.

Por exemplo, se eu fiz 1.000 vendas em meu site durante outubro e posso ver 75% do tráfego vindo da pesquisa orgânica e 25% direto, faz sentido direcionar mais dos meus investimentos de novembro para minhas atividades de pesquisa orgânica.

Isso seria adotar o modelo de último clique. Estou apenas atribuindo valor ao ponto de contato que meus clientes usaram imediatamente antes de acessar meu site. Então, o que dizer dos canais com os quais eles interagiram anteriormente?

À medida que as jornadas do cliente se tornaram mais complexas nos últimos anos, também se tornaram os modelos de atribuição disponíveis para garantir que os profissionais de marketing estejam dando peso preciso aos canais ao longo do caminho e investindo neles de acordo.

A atribuição multitoque (MTA) e a atribuição baseada em dados (DDA) são cada vez mais favorecidas. Afinal, os visitantes do meu site podem ver mensagens de marketing em uma variedade de lugares (de uma miríade de sites de mídia social a qualquer número de anúncios offline de TV a outdoors) antes de recorrer ao Google para fazer sua pesquisa.

Os modelos MTA garantem que todos os canais recebam pelo menos algum crédito por uma conversão

Finnian Bradfield, analista da empresa de dados e atribuição de IA Fospha, destaca que não é apenas a crescente complexidade das jornadas do cliente que está fazendo com que o MTA seja mais eficaz hoje do que os modelos de toque único.

“O principal valor do MTA é permitir que os profissionais de marketing distribuam melhor seus gastos e entendam o verdadeiro desempenho de cada ponto de contato”, diz ele.

“Ao usar apenas um modelo de último clique, você basicamente valoriza ou vê o último ponto de contato com o qual o cliente se envolveu antes da conversão e dá pouca atenção ou consideração ao que pode ter influenciado o consumidor antes disso. O resultado é mais gastos no último ponto de contato; no entanto, na realidade, essa conversão pode nunca ter ocorrido se não fosse por um ponto de contato com o qual o consumidor se envolveu no início de sua jornada. Portanto, ao observar todos os pontos de contato e atribuir um valor a cada um, dependendo de sua função, você pode obter resultados muito mais eficazes com seus gastos de marketing. ”

No mundo omnicanal de hoje, os modelos MTA certamente parecem ser a escolha superior para garantir que os profissionais de marketing tenham clareza sobre o que está funcionando e o que não está. Mas nem todos os modelos de atribuição são iguais.

Vamos aprofundar em como eles diferem, seus prós e contras, desafios para implementá-los e por que os modelos MTA baseados em dados são a opção de atribuição que todos os profissionais de marketing deveriam buscar.

Quais são os modelos básicos?

O modelo de atribuição 'linear' ou 'até mesmo de crédito' é indiscutivelmente o primeiro modelo MTA em que pensamos quando começamos a pensar além do primeiro e do último clique.

É certamente uma melhoria nos modelos de toque único. O modelo linear reconhece que há mais na jornada do cliente do que simplesmente o canal que o cliente vê no estágio de reconhecimento ou aquele que ele usa na etapa antes de fazer a conversão.

Ele credita todos os toques igualmente; portanto, só é realmente útil quando você tem boas evidências de que todas as partes de sua estratégia de marketing estão funcionando com aproximadamente o mesmo nível de eficácia.

Mas sua simplicidade rapidamente se torna muito aparente, pois não leva em conta o fato de que diferentes pontos de contato provavelmente terão mais ou menos impacto na decisão do cliente de converter do que outros.

'Redução de tempo' é outro modelo MTA relativamente simples. Ele credita todos os pontos de contato em uma jornada do usuário, com um peso maior quanto mais próximo o toque estiver da conversão.

A atribuição de redução de tempo pode ser útil. E provavelmente seria preferível a uma das opções de toque único. Geralmente é usado em campanhas de marketing urgentes ou quando as empresas procuram se concentrar em canais que estão desempenhando um papel de conversão. Mas suas falhas são fáceis de ver.

Claro, existem jornadas do cliente em que os pontos de contato mais próximos da conversão são mais importantes do que aqueles próximos ao início. Mas, à medida que as jornadas do usuário se tornam mais longas e complexas, esse não é o caso cada vez mais. A redução do tempo, em última análise, ainda depende de uma certa quantidade de suposições e carece de precisão real.

A atribuição 'em forma de U' - ou 'baseada na posição' é outro modelo MTA que, novamente, melhora os métodos de toque único, garantindo que todos os canais recebam algum crédito, mas ainda é uma abordagem relativamente simplista.

A forma de U credita todos os pontos de contato, mas dá mais peso - 40% cada - ao primeiro e ao último canais. Os 20% restantes do crédito são distribuídos entre quaisquer pontos de contato no meio da jornada.

Novamente, o modelo em forma de u tem seus usos. Pode ser eficaz, por exemplo, no caso de empresas que estão investindo na geração de leads e é uma forte candidata a jornadas mais longas do cliente. Mas pode falhar em creditar com precisão quaisquer pontos de contato no meio da jornada que podem ter tido uma parte maior na conversão do que o profissional de marketing poderia esperar.

O que é atribuição baseada em dados?

A atribuição 'baseada em dados' (DDA) é outro modelo MTA. É diferente daqueles que discutimos até agora porque usa dados entre pontos de contato para eliminar qualquer suposição e atribuir crédito aos canais por meio de seu desempenho, e não pela posição em que estão.

O DDA exige dados abrangentes e uma visão completa da jornada do cliente. Os profissionais de marketing também precisam ter os meios para usar esses dados de maneira eficaz - geralmente utilizando uma plataforma de dados do cliente.

Eles podem ser o modelo de MTA mais caro para implementar, mas um dos principais objetivos em usar um modelo de DDA é ver um melhor ROI que pode ser usado para compensar seu custo extra.

Quando um modelo MTA baseado em dados é útil?

Bradfield deixa claro quando faz mais sentido para os profissionais de marketing implementar um MTA baseado em dados: “Uma abordagem de atribuição baseada em dados é mais eficaz quando você está gastando em vários canais pagos que incluem combinações de pesquisa paga, redes sociais e afiliados para exemplo ”, diz ele. “A razão para isso é simplesmente o fato de que, se você está gastando em marketing, precisa saber onde é melhor gastar e quais desses canais são mais eficazes para seus KPIs de negócios. Tendemos a ver empresas com orçamentos de marketing maiores ganhando muito valor com esses tipos de ferramentas. ”

Em 2019, a Fospha trabalhou com um provedor líder de férias para juntar seus dados online e offline com a MTA.

Isso deu uma visão cruzada dos canais das jornadas de seus clientes e destacou que sua atividade de pesquisa paga estava sendo supervalorizada com a atribuição do último clique.

O processo automatizado não consumia a capacidade ou o tempo do analista. Porém, o mais importante é que a Fospha conseguiu usar o orçamento liberado do canal de pesquisa paga para o crescimento em pontos de contato novos / subvalorizados.

A economia no ano foi de cerca de £ 600.000 e sua estratégia de marketing de TV foi destacada como uma área que antes era difícil de medir usando modelos de atribuição tradicionais. Usando MMM (Marketing Mix Modeling), a Fospha foi capaz de identificar que a TV era um canal de forte desempenho com espaço para crescer e gerar receita adicional.

Assim que isso veio à tona, a empresa rapidamente reinvestiu cerca de £ 250.000 de volta neste canal offline vital.

“As ferramentas de medição independentes da Fospha capacitaram nossa equipe com dados transparentes e a capacidade de vincular nossas vendas off-line ao nosso marketing off-line e on-line”, disse o Diretor de Marketing de Grupo do cliente. “Agora temos confiança para investir mais em nosso marketing e estamos animados para ver os resultados.”

Cada vez mais, não são apenas as organizações com grandes orçamentos que estão recorrendo ao DDA. É papel de empresas como a Fospha tornar esses MTAs acessíveis a todas as empresas que trabalham com marketing multicanal e omnicanal.

“Acredito que qualquer empresa que esteja gastando em canais cruzados deve ser capaz de identificar o verdadeiro valor de seus esforços”, continua Bradfield, “e é por isso que a Fospha rompeu as barreiras para todos os tipos de negócios implementarem o DDA.”

Desafios com o MTA baseado em dados e como superá-los

O custo não é a única barreira para a implementação de um modelo MTA abrangente baseado em dados. Escrevendo para ClickZ, CEO e cofundador da Measured, Trevor Testwuide cita a política da adtech, a evolução dos "jardins murados" como Google e Facebook, bem como dados confusos no nível do usuário como desafios significativos que precisam ser superados em atribuição.

Bradfield reflete sobre isso: “Jardins murados das plataformas adtech certamente tornam a precisão total complicada”, diz ele.

“É importante saber que não existe um modelo MTA perfeito ou ferramentas de rastreamento totalmente precisas no mercado. O que consideramos o principal problema é a implementação da atribuição baseada em dados por meio de uma plataforma adtech como o Google devido aos dados imprecisos e tendenciosos ”.

Mesmo tendo todos os dados de todos os clientes em todos os pontos de contato do canal, ainda não é possível garantir a precisão total do MTA, mas Bradfield aponta para uma maneira de superar esses desafios.

“É importante adquirir uma ferramenta independente”, diz ele. “Então, não há agenda para eles venderem anúncios e você pode eliminar parte desse preconceito.”

Os modelos MTA sempre melhoram com um único toque, mas sem dados eles ainda dependem de algumas suposições

Os modelos lineares, de redução de tempo e MTA em forma de U ajudam a garantir que todos os pontos de contato recebam pelo menos algum crédito por uma conversão. Mas, como vimos, eles podem carecer de precisão.

No caso do modelo linear, todos os canais recebem crédito uniforme. Mas essa opção não leva em consideração a probabilidade de que qualquer número de pontos de contato ao longo dessa jornada pudesse ter mais impacto sobre o consumidor do que outros.

A redução de tempo pode ser desejável para campanhas urgentes. Mas, novamente, assume que certos canais - simplesmente em virtude de ver uma interação mais cedo - podem estar causando menos impacto do que eles.

E o modelo em forma de U, embora siga a lógica de que o primeiro e o último toque da jornada do usuário são frequentemente significativos, ele pode subestimar seriamente os canais intermediários - especialmente no contexto de funis de compra mais longos.

A opção MTA que elimina essas conjecturas é o modelo DDA (também conhecido como MTA algorítmico). Embora os dados do cliente nunca possam ser 100% precisos e - como Bradfield aponta - mesmo o melhor modelo de MTA não é perfeito, a inclusão de dados no mix de atribuição credita os canais de como eles são vistos em seu desempenho, ao invés de simplesmente em qual estágio da jornada do cliente em que aparecem.

Ferramentas independentes eliminam alguns dos dados tendenciosos e distorcidos que os profissionais de marketing relataram nos jardins murados do Google e do Facebook. Enquanto uma sólida plataforma de dados do cliente trabalha para consolidar, organizar e ajustar a estratégia de marketing em tempo real.

Não é nenhuma surpresa, então, que os modelos MTA baseados em dados estão se provando inestimáveis ​​para empresas de grande orçamento. Essas são frequentemente as organizações com muitos canais pagos em seu arsenal de marketing, mas esses modelos estão se tornando cada vez mais acessíveis para organizações de médio e pequeno porte também - graças à capacidade de compensar o custo com melhor ROI.

No mundo omnicanal de hoje, o custo não deve ser uma barreira para uma empresa de qualquer tamanho, considerando um modelo MTA baseado em dados. Mas para qualquer organização que ainda sente que não está pronta para se comprometer com este nível de atribuição, linear, redução de tempo e MTAs em forma de U são sempre uma opção melhor do que os modelos de atribuição de toque único de primeiro e último clique que muitos costumam usar como padrão.

Conteúdo produzido em colaboração com Fospha .