Ghidul de marketing pentru atribuirea de marketing bazată pe date

Atribuirea de marketing este o modalitate de a măsura valoarea campaniilor și canalelor care ajung la potențialii clienți.

Folosind rezultatele unui model de atribuire, puteți înțelege ce puncte de contact au cea mai mare influență asupra călătoriilor de succes ale cumpărătorilor și puteți lua decizii mai informate cu privire la modul de optimizare a investițiilor în viitoarele resurse de marketing.

Dar știm cu toții că călătoriile cumpărătorilor sunt rareori simple, iar căile către succes pot fi lungi și șerpuitoare.

Având în vedere atât de multe puncte de contact, este dificil să se facă distincția între interacțiunile cu impact mare și cel scăzut, care pot duce la o împărțire inexactă a creditului și o reprezentare falsă a performanței de marketing.

Acesta este motivul pentru care alegerea celui mai bun model de atribuire pentru afacerea dvs. este atât de importantă.

În această postare, vom discuta câteva detalii despre diferite modele de atribuire și, în cele din urmă, despre cum să construim un model de atribuire personalizat, bazat pe date, pentru a măsura performanța campaniilor globale.

Limitările modelelor tradiționale de atribuire de marketing

Toate modelele de atribuire au argumente pro și contra, dar un dezavantaj pe care modelele tradiționale îl au în comun este că se bazează pe reguli. Utilizatorul trebuie să decidă din timp cum dorește ca creditul pentru evenimentele de vânzări să fie împărțit între punctele de contact.

Modelele tradiționale includ:

Din fericire, există abordări mai sofisticate bazate pe date care sunt capabile să surprindă complexitățile călătoriilor cumpărătorilor prin modelarea modului în care punctele de contact interacționează efectiv cu cumpărătorii și între ele, pentru a influența rezultatul dorit al vânzărilor.

De asemenea, am evaluat modelul Shapley din teoria jocurilor cooperative. Acest model popular (câștigător al premiului Nobel) a oferit mult mai multe informații despre performanța canalului decât abordările tradiționale, dar nu s-a extins pentru a gestiona volumul imens de puncte de contact din lumea digitală de astăzi.

Modelul Shapley a avut rezultate bune pe un număr relativ mic de canale, dar majoritatea companiilor trebuie să efectueze atribuirea pentru toate campaniile, ceea ce poate echivala cu sute de puncte de contact de-a lungul călătoriei unui cumpărător.

Evaluarea modelului de atribuire Markov

Modelul probabilistic al lui Markov reprezintă călătoriile cumpărătorului ca un grafic, nodurile graficului fiind punctele de contact sau „stări”, iar marginile de legătură ale graficului fiind tranzițiile observate între acele stări.

De exemplu, un cumpărător urmărește un webinar de produs (prima stare), apoi navighează la LinkedIn (tranziție) unde dă clic pe o afișare de anunț pentru același produs (a doua stare).

Ingredientul cheie al modelului este probabilitățile de tranziție (probabilitatea de a trece între stări).

Numărul de ocazii în care cumpărătorii au trecut între două stări este convertit într-o probabilitate, iar graficul complet poate fi folosit pentru a măsura importanța fiecărei stări și cele mai probabile căi către succes.

De exemplu, într-un eșantion de date despre călătoria cumpărătorului observăm că punctul de contact Webinar are loc de 8 ori, iar cumpărătorii au vizionat webinarul urmat de clic pe anunțul LinkedIn de numai 3 ori, astfel încât probabilitatea de tranziție între cele două stări este 3 / 8 = 0,375 (37,5%).

Se calculează o probabilitate pentru fiecare tranziție pentru a finaliza graficul.

Înainte de a ajunge la calcularea atribuirii campaniei, graficul Markov ne poate oferi câteva informații utile despre călătoriile noastre ale cumpărătorilor.

Din exemplul de mai sus puteți vedea că calea cu cea mai mare probabilitate de succes este „Start > Webinar > Campaign Z > Success” cu o probabilitate totală de 42,5% (1,0 * 0,425 * 1,0).

Graficul Markov ne poate spune și rata generală de succes; adică, probabilitatea unei călătorii de succes a cumpărătorului, având în vedere istoria tuturor călătoriilor cumpărătorului. Rata de succes este o bază pentru performanța generală de marketing și acul pentru măsurarea eficacității oricăror modificări.

Exemplul de grafic Markov de mai sus are o rată de succes de 67,5%:

Atribuirea campaniei

Un grafic Markov poate fi folosit pentru a măsura importanța fiecărei campanii prin calcularea a ceea ce este cunoscut sub numele de Efectul de eliminare.

Eficacitatea unei campanii este determinată prin eliminarea acesteia din grafic și simularea călătoriilor cumpărătorilor pentru a măsura schimbarea ratei de succes fără ca aceasta să fie în vigoare.

Utilizarea efectului de eliminare pentru atribuirea de marketing este piesa finală a puzzle-ului. Pentru a calcula valoarea de atribuire a fiecărei campanii putem folosi următoarea formulă:

De exemplu, să presupunem că în primul trimestru al anului fiscal valoarea totală în USD a tuturor călătoriilor de succes ale cumpărătorilor este de 1 milion USD.

Aceleași călătorii ale cumpărătorului sunt utilizate pentru a construi un model Markov și a calculat efectul de eliminare pentru campania noastră publicitară la 0,7 (adică rata de succes a călătoriei cumpărătorului a scăzut cu 70% când campania publicitară a fost eliminată din graficul Markov).

Cunoaștem valorile efectului de eliminare pentru fiecare campanie observată în datele de intrare și, pentru acest exemplu, să presupunem că se însumează la 2,8. Prin introducerea numerelor în formulă, calculăm valoarea de atribuire pentru campania noastră publicitară la 250.000 USD.

Începeți cu propriul model

Aplicația de atribuire a marketingului de mai sus a fost dezvoltată de Centrul de excelență de marketing și date al Cloudera, dar puteți începe astăzi pe propriul model.

Folosind un model de atribuire bazat pe date, puteți elimina părtinirile asociate cu mecanismele tradiționale de atribuire și puteți înțelege modul în care diferitele mesaje influențează clienții potențiali și variațiile în funcție de geografie și tip de venit.

Odată ce aveți date solide și de încredere în spatele atribuirii, puteți fi încrezător în utilizarea rezultatelor pentru a informa și a conduce strategia de mix de marketing și deciziile de investiții. Și, vă puteți baza pe cifre atunci când colaborați cu echipele de vânzări pentru a promova strategiile de marketing.

James Kinley este cercetător principal al datelor la Cloudera. Li s-a alăturat din industria de apărare din Marea Britanie, unde s-a specializat în securitate cibernetică.