MTA berbasis data: Satu-satunya model atribusi yang diperhitungkan

Model pengaitan membantu pemasar memahami nilai titik kontak saluran pemasaran saat pelanggan mereka beralih dari kesadaran ke konversi.

Di masa lalu, atribusi satu sentuhan, seperti model 'klik terakhir' dan 'klik pertama', sering kali menjadi model default. Mereka membutuhkan data yang relatif sedikit dan mudah diamati dalam perangkat lunak analitik.

Misalnya, jika saya menghasilkan 1.000 penjualan di situs web saya selama bulan Oktober dan saya dapat melihat 75% lalu lintas berasal dari pencarian organik dan 25% datang langsung – masuk akal untuk mengalihkan lebih banyak investasi November saya ke aktivitas pencarian organik saya.

Itu akan mengadopsi model klik terakhir. Saya hanya memberikan nilai pada titik kontak yang digunakan pelanggan saya segera sebelum mengunjungi situs saya. Jadi, saluran mana yang pernah berinteraksi dengan mereka sebelumnya?

Karena perjalanan pelanggan menjadi lebih kompleks dalam beberapa tahun terakhir, model atribusi juga tersedia untuk memastikan pemasar memberikan bobot yang akurat pada saluran di sepanjang jalan dan berinvestasi di dalamnya.

Atribusi multi-sentuh (MTA) dan atribusi berbasis data (DDA) semakin disukai. Lagi pula, pengunjung situs web saya mungkin melihat pesan pemasaran di berbagai tempat (dari berbagai situs media sosial, hingga sejumlah iklan offline dari TV hingga papan reklame) sebelum beralih ke Google untuk melakukan pencarian.

Model MTA memastikan semua saluran menerima setidaknya beberapa kredit untuk sebuah konversi

Finnian Bradfield, seorang analis di perusahaan data dan atribusi AI Fospha, menyoroti bahwa bukan hanya semakin kompleksnya perjalanan pelanggan yang menyebabkan MTA menjadi lebih efektif saat ini daripada model satu sentuhan.

“Nilai utama dengan MTA adalah memungkinkan pemasar untuk mendistribusikan pembelanjaan mereka dengan lebih baik dan memahami kinerja sebenarnya dari setiap titik kontak,” katanya.

“Dengan hanya menggunakan model klik terakhir, Anda pada dasarnya hanya menghargai atau melihat titik kontak terakhir yang digunakan pelanggan sebelum konversi dan tidak terlalu memperhatikan atau memperhatikan apa yang mungkin telah memengaruhi konsumen sebelum ini. Hasilnya adalah lebih banyak pembelanjaan pada titik kontak terakhir, namun pada kenyataannya konversi mungkin tidak akan pernah terjadi jika bukan karena titik kontak yang digunakan konsumen pada awal perjalanan mereka. Jadi, dengan melihat semua titik kontak dan menghubungkan nilai di masing-masing tergantung pada perannya, berarti Anda bisa mendapatkan hasil yang jauh lebih efektif dari pengeluaran pemasaran Anda.”

Di dunia omnichannel saat ini, model MTA tampaknya menjadi pilihan terbaik untuk memastikan pemasar memiliki kejelasan tentang apa yang berhasil dan apa yang tidak. Tetapi tidak semua model atribusi dibuat sama.

Mari kita telusuri perbedaannya, pro dan kontranya, tantangan untuk menerapkannya, dan mengapa model MTA berbasis data adalah opsi atribusi yang harus dituju oleh semua pemasar.

Apa saja model dasarnya?

Model atribusi 'linier' atau 'bahkan kredit' bisa dibilang merupakan model MTA pertama yang kami pikirkan ketika kami mulai berpikir di luar klik pertama dan terakhir.

Ini tentu saja merupakan peningkatan pada model satu sentuhan. Model linier mengakui bahwa ada lebih banyak hal dalam perjalanan pelanggan daripada sekadar saluran yang dilihat pelanggan pada tahap kesadaran, atau yang mereka gunakan pada langkah sebelum melakukan konversi.

Ini menghargai semua sentuhan secara setara, jadi hanya benar-benar berguna ketika Anda memiliki bukti yang baik bahwa semua bagian dari strategi pemasaran Anda berkinerja pada tingkat efektivitas yang kira-kira sama.

Tetapi kesederhanaannya dengan cepat menjadi sangat jelas, karena gagal menjelaskan fakta bahwa titik kontak yang berbeda kemungkinan besar akan berdampak lebih atau kurang pada keputusan pelanggan untuk berkonversi daripada yang lain.

'Waktu peluruhan' adalah model MTA lain yang relatif sederhana. Ini mengkredit semua titik kontak pada perjalanan pengguna, dengan peningkatan bobot semakin dekat sentuhan dengan konversi.

Atribusi peluruhan waktu dapat berguna. Dan itu mungkin lebih disukai daripada salah satu opsi sentuhan tunggal. Ini sering digunakan dengan kampanye pemasaran yang sensitif terhadap waktu atau ketika bisnis ingin fokus pada saluran yang memainkan peran konversi. Tapi kekurangannya cukup mudah dilihat.

Tentu saja, ada perjalanan pelanggan di mana titik kontak yang lebih dekat dengan konversi lebih penting daripada yang mendekati awal. Tetapi karena perjalanan pengguna menjadi lebih lama dan lebih kompleks, hal ini semakin tidak terjadi. Peluruhan waktu, pada akhirnya, masih bergantung pada sejumlah dugaan dan kurang akurat.

Atribusi 'berbentuk U' – atau 'berbasis posisi' adalah model MTA lain yang, sekali lagi, meningkatkan metode satu sentuhan dengan memastikan semua saluran menerima beberapa kredit, tetapi masih merupakan pendekatan yang relatif sederhana.

Bentuk U mengkredit semua titik kontak tetapi memberikan bobot lebih – masing-masing 40% – ke saluran pertama dan terakhir. Sisa 20% kredit dibagikan di antara titik kontak mana pun di tengah perjalanan.

Sekali lagi, model berbentuk u memiliki kegunaannya. Ini bisa efektif, misalnya, dalam kasus perusahaan yang berinvestasi dalam menghasilkan prospek dan merupakan kandidat kuat untuk perjalanan pelanggan yang lebih lama. Tapi itu bisa gagal untuk secara akurat mengkredit titik kontak apa pun di tengah perjalanan yang mungkin memiliki bagian lebih besar dalam konversi daripada yang mungkin diharapkan pemasar.

Apa yang dimaksud dengan atribusi berdasarkan data?

Atribusi 'berdasarkan data' (DDA) adalah model MTA lainnya. Ini berbeda dari yang telah kita diskusikan sejauh ini karena menggunakan data di seluruh titik kontak untuk menghilangkan dugaan dan mengaitkan kredit ke saluran berdasarkan kinerjanya, bukan berdasarkan posisi mereka.

DDA meminta untuk memiliki data yang komprehensif dan tampilan lengkap perjalanan pelanggan. Pemasar juga perlu memiliki sarana untuk dapat menggunakan data tersebut secara efektif – seringkali dengan memanfaatkan platform data pelanggan.

Mereka dapat menjadi model MTA yang paling mahal untuk diterapkan, tetapi salah satu tujuan utama dalam menggunakan model DDA adalah melihat ROI yang lebih baik yang dapat digunakan untuk mengimbangi biaya tambahan mereka.

Kapan model MTA berbasis data berguna?

Bradfield jelas tentang kapan paling masuk akal bagi pemasar untuk menerapkan MTA berbasis data: “Pendekatan berbasis data untuk atribusi adalah yang paling efektif ketika Anda membelanjakan di beberapa saluran berbayar yang mencakup campuran pencarian berbayar, sosial, dan afiliasi untuk contoh,” ujarnya. “Alasan untuk ini hanya karena fakta bahwa jika Anda membelanjakan dalam pemasaran, Anda perlu tahu di mana yang terbaik untuk dibelanjakan dan saluran mana yang lebih efektif untuk KPI bisnis Anda. Kami cenderung melihat bisnis yang memiliki anggaran pemasaran lebih besar mendapatkan banyak nilai dari jenis alat ini.”

Pada tahun 2019, Fospha bekerja sama dengan penyedia liburan terkemuka untuk menggabungkan data online dan offline mereka dengan MTA.

Ini memberikan tampilan lintas saluran tentang perjalanan yang dilakukan pelanggan mereka dan menyoroti bahwa aktivitas penelusuran berbayar mereka dinilai terlalu tinggi dengan atribusi klik terakhir.

Proses otomatis tidak memakan kapasitas atau waktu analis. Tetapi yang lebih penting, Fospha kemudian dapat menggunakan anggaran yang dibebaskan dari saluran pencarian berbayar untuk pertumbuhan di titik kontak baru/yang kurang dihargai.

Penghematan untuk tahun ini berjumlah sekitar £600.000 dan strategi pemasaran TV mereka disorot sebagai area yang sebelumnya sulit diukur menggunakan model atribusi tradisional. Menggunakan MMM (Marketing Mix Modelling), Fospha dapat mengidentifikasi bahwa TV adalah saluran berkinerja kuat dengan ruang untuk tumbuh dan menghasilkan pendapatan lebih lanjut.

Segera setelah ini muncul , bisnis dengan cepat menginvestasikan kembali sekitar £250.000 kembali ke saluran offline penting ini.

“Alat pengukuran independen Fospha telah memberdayakan tim kami dengan data yang transparan, dan kemampuan untuk menghubungkan penjualan offline kami dengan pemasaran offline dan online kami,” kata Direktur Pemasaran Grup klien. “Kami sekarang memiliki kepercayaan diri untuk berinvestasi lebih banyak dalam pemasaran kami, dan kami senang melihat hasilnya.”

Semakin tidak hanya organisasi dengan anggaran besar yang beralih ke DDA. Adalah peran perusahaan seperti Fospha untuk membuat MTA semacam itu dapat diakses oleh semua bisnis yang bekerja dengan pemasaran multichannel dan omnichannel.

“Saya percaya setiap perusahaan yang membelanjakan lintas saluran harus dapat mengidentifikasi nilai sebenarnya dari upaya mereka,” lanjut Bradfield, “itulah sebabnya Fospha telah mendobrak hambatan bagi semua jenis bisnis untuk menerapkan DDA.”

Tantangan dengan MTA berbasis data dan cara mengatasinya

Biaya bukan satu-satunya penghalang untuk menerapkan model MTA berbasis data yang komprehensif. Menulis untuk ClickZ, CEO dan salah satu pendiri Terukur, Trevor Testwuide mengutip politik adtech, evolusi "taman bertembok" seperti Google dan Facebook, serta data tingkat pengguna yang berantakan sebagai tantangan signifikan yang perlu diatasi dalam atribusi.

Bradfield merenungkan hal ini: “Kebun bertembok dari platform adtech tentu saja membuat akurasi yang lengkap menjadi rumit,” katanya.

“Penting untuk diketahui bahwa tidak ada model MTA yang sempurna atau alat pelacak yang sepenuhnya akurat di pasaran. Apa yang kami temukan sebagai masalah utama adalah menerapkan atribusi berbasis data melalui platform adtech seperti Google karena data yang tidak akurat dan bias.”

Bahkan memiliki semua data untuk setiap pelanggan di setiap titik kontak saluran belum dapat menjamin akurasi MTA yang lengkap, tetapi Bradfield menunjukkan satu cara untuk mengatasi tantangan ini.

“Penting untuk mendapatkan alat independen,” katanya. “Maka tidak ada agenda bagi mereka untuk menjual iklan dan Anda dapat menghilangkan beberapa bias itu.”

Model MTA selalu meningkat dengan satu sentuhan, tetapi tanpa data mereka masih mengandalkan beberapa tebakan

Model MTA linier, peluruhan waktu, dan berbentuk u membantu memastikan bahwa semua titik kontak mendapatkan setidaknya beberapa kredit untuk sebuah konversi. Tetapi seperti yang telah kita lihat, mereka mungkin kurang akurat.

Dalam kasus model linier, semua saluran menerima kredit genap. Tetapi opsi ini tidak memperhitungkan kemungkinan bahwa sejumlah titik kontak di sepanjang perjalanan itu dapat berdampak lebih besar pada konsumen daripada yang lain.

Peluruhan waktu dapat diinginkan untuk kampanye yang peka terhadap waktu. Tetapi, sekali lagi, ini mengasumsikan bahwa saluran tertentu – hanya berdasarkan melihat interaksi sebelumnya – mungkin membuat dampak yang lebih kecil daripada yang sebenarnya.

Dan model berbentuk u, sambil berpegang pada logika bahwa sentuhan pertama dan terakhir dari perjalanan pengguna sering kali signifikan, model ini dapat sangat merugikan saluran tengah – terutama dalam konteks corong pembelian yang lebih panjang.

Opsi MTA yang menghilangkan dugaan ini adalah model DDA (kadang-kadang dikenal sebagai MTA algoritmik). Meskipun data pelanggan tidak akan pernah 100% akurat dan – seperti yang ditunjukkan Bradfield – bahkan model MTA terbaik pun tidak sempurna, penyertaan data ke dalam saluran kredit campuran atribusi dilihat dari bagaimana kinerjanya, bukan hanya di mana tahap dalam perjalanan pelanggan mereka muncul.

Alat independen menghilangkan beberapa data bias dan miring yang telah dilaporkan pemasar dalam taman bertembok Google dan Facebook. Sementara Platform Data Pelanggan yang solid berfungsi untuk mengkonsolidasikan, mengatur, dan mengubah strategi pemasaran secara real time.

Tidak mengherankan jika model MTA berbasis data terbukti sangat berharga bagi bisnis dengan anggaran besar. Ini sering merupakan organisasi dengan banyak saluran berbayar dalam gudang pemasaran mereka, tetapi model seperti itu menjadi semakin mudah diakses oleh organisasi ukuran menengah dan kecil juga – berkat kemampuan untuk mengimbangi biaya dengan ROI yang lebih baik.

Di dunia omnichannel saat ini, biaya seharusnya tidak menjadi penghalang bagi bisnis dengan ukuran apa pun dengan mempertimbangkan model MTA berbasis data. Tetapi untuk organisasi mana pun yang masih merasa belum siap untuk berkomitmen pada tingkat atribusi ini, linier, peluruhan waktu, dan MTA berbentuk u selalu merupakan opsi yang lebih baik daripada model atribusi satu sentuhan klik pertama dan terakhir yang banyak digunakan oleh banyak orang. sebagai default.

Konten yang diproduksi bekerja sama dengan Fospha .