Guia do profissional de marketing para atribuição de marketing baseada em dados

A atribuição de marketing é uma forma de medir o valor das campanhas e canais que estão alcançando seus clientes potenciais.

Usando os resultados de um modelo de atribuição, você pode entender quais pontos de contato têm mais influência nas jornadas do comprador bem-sucedidas e tomar decisões mais informadas sobre como otimizar o investimento em recursos de marketing futuros.

Mas todos nós sabemos que a jornada do comprador raramente é direta e os caminhos para o sucesso podem ser longos e tortuosos.

Com tantos pontos de contato a serem considerados, é difícil distinguir entre as verdadeiras interações de alto e baixo impacto, que podem resultar em uma divisão de crédito imprecisa e uma falsa representação do desempenho de marketing.

É por isso que escolher o melhor modelo de atribuição para o seu negócio é tão importante.

Nesta postagem, discutiremos um pouco do histórico sobre os diferentes modelos de atribuição e, por fim, como construir um modelo de atribuição baseado em dados e customizado para medir o desempenho de campanhas globais.

Limitações dos modelos tradicionais de atribuição de marketing

Todos os modelos de atribuição têm seus prós e contras, mas uma desvantagem que os modelos tradicionais têm em comum é que são baseados em regras. O usuário deve decidir antecipadamente como deseja que o crédito para eventos de vendas seja dividido entre os pontos de contato.

Os modelos tradicionais incluem:

Felizmente, existem abordagens mais sofisticadas baseadas em dados que são capazes de capturar as complexidades das jornadas do comprador, modelando como os pontos de contato realmente interagem com os compradores, e entre si, para influenciar o resultado de vendas desejado.

Também avaliamos o modelo Shapley da teoria dos jogos cooperativos. Esse modelo popular (ganhador do prêmio Nobel) forneceu muito mais informações sobre o desempenho do canal do que as abordagens tradicionais, mas não foi dimensionado para lidar com o grande volume de pontos de contato no mundo digital de hoje.

O modelo Shapley teve um bom desempenho em um número relativamente pequeno de canais, mas a maioria das empresas precisa realizar a atribuição para todas as campanhas, o que pode equivaler a centenas de pontos de contato ao longo da jornada de um comprador.

Avaliação do modelo de atribuição de Markov

O modelo probabilístico de Markov representa as viagens do comprador como um gráfico, com os nós do gráfico sendo os pontos de contato ou “estados”, e as bordas de conexão do gráfico sendo as transições observadas entre esses estados.

Por exemplo, um comprador assiste a um webinar de produto (primeiro estado) e depois navega para o LinkedIn (transição), onde clica em uma impressão de anúncio para o mesmo produto (segundo estado).

O ingrediente principal do modelo são as probabilidades de transição (a probabilidade de mover-se entre os estados).

O número de vezes que os compradores fizeram a transição entre dois estados é convertido em probabilidade e o gráfico completo pode ser usado para medir a importância de cada estado e os caminhos mais prováveis ​​para o sucesso.

Por exemplo, em uma amostra de dados de jornada do comprador, observamos que o ponto de contato do webinar ocorre 8 vezes e os compradores assistem ao webinar seguido de clicar no anúncio do LinkedIn apenas 3 vezes, então a probabilidade de transição entre os dois estados é 3/8 = 0,375 (37,5%).

Uma probabilidade é calculada para cada transição para completar o gráfico.

Antes de começarmos a calcular a atribuição da campanha, o gráfico de Markov pode nos fornecer algumas informações úteis sobre as jornadas do comprador.

No exemplo acima, você pode ver que o caminho com a maior probabilidade de sucesso é “Iniciar> Webinar> Campanha Z> Sucesso” com uma probabilidade total de 42,5% (1,0 * 0,425 * 1,0).

O gráfico de Markov também pode nos dizer a taxa de sucesso geral; ou seja, a probabilidade de uma jornada do comprador bem-sucedida, considerando o histórico de todas as jornadas do comprador. A taxa de sucesso é uma linha de base para o desempenho geral de marketing e a agulha para medir a eficácia de quaisquer mudanças.

O gráfico de Markov de exemplo acima tem uma taxa de sucesso de 67,5%:

Atribuição de campanha

Um gráfico de Markov pode ser usado para medir a importância de cada campanha, calculando o que é conhecido como efeito de remoção.

A eficácia de uma campanha é determinada removendo-a do gráfico e simulando as jornadas do comprador para medir a mudança na taxa de sucesso sem ela implementada.

Usar o efeito de remoção para atribuição de marketing é a peça final do quebra-cabeça. Para calcular o valor de atribuição de cada campanha, podemos usar a seguinte fórmula:

Por exemplo, digamos que durante o primeiro trimestre do ano fiscal, o valor total em dólares americanos de todas as viagens de compradores bem-sucedidas seja de $ 1 milhão.

As mesmas jornadas do comprador são usadas para construir um modelo de Markov e calculou o efeito de remoção para nossa campanha de anúncios como 0,7 (ou seja, a taxa de sucesso da jornada do comprador caiu 70% quando a campanha de anúncios foi removida do gráfico de Markov).

Conhecemos os valores do efeito de remoção para cada campanha observada nos dados de entrada e, para este exemplo, digamos que somam 2,8. Ao inserir os números na fórmula, calculamos o valor de atribuição para nossa campanha de anúncios em US $ 250.000.

Comece em seu próprio modelo

O aplicativo de atribuição de marketing acima foi desenvolvido pelo Marketing e Data Center of Excellence da Cloudera, mas você pode começar hoje em seu próprio modelo.

Ao alavancar um modelo de atribuição baseado em dados, você pode eliminar os preconceitos associados aos mecanismos de atribuição tradicionais e entender como várias mensagens influenciam os clientes potenciais e as variações geográficas e tipo de receita.

Depois de ter dados sólidos e confiáveis ​​por trás da atribuição, você pode ter certeza de usar os resultados para informar e conduzir a estratégia de mix de marketing e decisões de investimento. E você pode contar com os números ao fazer parceria com as equipes de vendas para impulsionar as estratégias de marketing.

James Kinley é o principal cientista de dados da Cloudera. Ele se juntou a eles vindo da indústria de defesa do Reino Unido, onde se especializou em segurança cibernética.