마케터를 위한 기여 모델: 중요하고 정확한 인사이트를 얻는 방법

분기 내내 새로운 콘텐츠 마케팅 시리즈를 작업했으며 전환율이 증가하고 있습니다.

이러한 전환이 전적으로 귀하의 콘텐츠 때문이라고 생각하십니까? 소셜 미디어 페이지에서 기사를 클릭한 고객은 어떻습니까? 이러한 전환을 소셜 또는 기사(또는 둘 다)에 기인합니까?

마케팅 지출 최적화는 마케터의 최우선 과제입니다. 그러나 선형 퍼널이 전설 속으로 점점 사라지고 있는 상황에서 어디에 노력을 집중해야 하는지 알기가 어렵습니다.

멀티 터치 기여도 모델은 이 문제를 해결하기 위해 노력했지만 많은 마케팅 담당자가 캠페인을 측정하는 데 잘못된 모델을 사용하고 있습니다.

이 기사에서는 작동하는 인기 있는 기여 모델에 대해 자세히 살펴보고 가장 정확한 기여 데이터를 얻는 방법을 설명하여 ROI를 정확하게 파악할 수 있습니다.

기여 모델이란 무엇인가요?

기여 모델은 전환으로 이어진 마케팅 및 영업 활동에 주어진 기여도를 할당하는 방법을 제어하는 ​​일련의 규칙입니다. 즉, "이 사용자, 리드 또는 판매를 생성한 채널 또는 캠페인은 무엇입니까?"라는 질문에 답하는 것을 목표로 합니다.

전통적인 마케팅 모델에서는 속성이 쉬웠습니다. 고객이 신문 스크랩을 가지고 귀하의 매장을 방문했고 귀하는 최근 신문 광고로 인해 판매가 이루어졌다고 생각합니다.

터치포인트는 이제 수십 개의 채널에서 발생하기 때문에(종종 며칠 또는 몇 시간 동안) 전환 경로가 더 복잡하고 훨씬 덜 선형적입니다.

이제 고객은 소셜 미디어, 이메일, Google Ads, 블로그 게시물 등을 통해 브랜드와 상호작용합니다. 이로 인해 터치포인트 가치를 측정하기 위한 정확한 모델을 개발하기(따라서 예산을 할당할 위치를 파악하기)가 더 어려워집니다.

속성 모델링의 예

이 매우 간단한 고객 여정을 살펴보십시오.

• 고객이 문제점을 해결하기 위해 Google을 검색하고 귀하의 블로그 게시물 중 하나를 발견합니다.
• 이 기사는 문제에 대한 솔루션을 소개하고 더 자세히 알아보기 위해 전자책을 다운로드합니다.
• 리드 마그넷은 이메일 육성 시퀀스를 트리거하여 이 문제를 해결하기 위해 매주 팁을 보냅니다.
• 이메일 캠페인의 특정 시점에서 개인화된 제품 데모를 제공합니다.
• 데모 후 고객은 플랫폼을 구독합니다.

이 경로에서 전환을 담당하는 터치포인트는 무엇입니까?

다음과 같이 주장할 수 있습니다.

• 블로그 게시물은 처음부터 고객을 귀하의 사이트로 끌어들였습니다. 고객이 구매할 준비가 되지 않았을 수도 있습니다.
• 이메일 캠페인은 고객이 아직 이해하지 못한 문제에 대해 교육했지만 여전히 구매할 준비가 되지 않았습니다.
• 판매 데모는 판매로 이어졌지만 그들은 eBook을 다운로드했기 때문에 데모만 보았습니다.

실제로 각 터치포인트는 어떤 식으로든 기여했을 가능성이 높습니다 . 효과적인 다중 채널 속성 모델링을 통해 어떤 채널이 가장 영향력이 있는지 판단하여 더 나은 마케팅 결정을 내릴 수 있습니다.

예를 들어 이메일 캠페인이 전환에 거의 영향을 미치지 않으며 eBook을 다운로드한 후 몇 주 동안 참여한 소셜 콘텐츠가 판매를 촉진한다는 사실을 알 수 있습니다. 해당 이메일 순서를 소셜 콘텐츠와 일치시키면 판매 주기를 단축하여 고객 확보 비용(CAC)을 줄일 수 있습니다.

브랜드에 가장 적합한 기여 모델을 결정한 후에만 이러한 통찰력에 액세스할 수 있습니다.

기본 제공: 표준 기여 모델

완벽한 마케팅 기여 모델은 없지만 올바른 컨텍스트의 올바른 모델은 마케팅 예산을 최대한 활용하는 데 도움이 됩니다.

마케팅 속성을 추적하는 데 가장 널리 사용되는 플랫폼인 Google Analytics는 캠페인에 가장 적합한 모델을 결정하는 데 도움이 되는 다중 채널 유입경로(MCF) 모델 비교 도구를 제공합니다.

아래의 다양한 기여 모델을 사용하여 의사 결정 프로세스를 안내하고 마케팅 전략에 적합한 모델을 찾기 위해 몇 가지 실험에 참여할 준비를 하십시오.

저들은 어디서 왔어요? 마지막 상호작용 기여 모델

마지막 상호작용 기여도는 마지막 접촉 기여도 또는 마지막 클릭 기여도라고도 하며 대부분의 분석 도구에서 기본적으로 사용되며 가장 널리 사용됩니다.

다음 경로를 고려하십시오.

• 귀하가 판매하는 제품을 검색할 때 고객이 귀하의 Google 광고를 보게 됩니다.
• 장바구니에 제품을 추가하지만 구매하지는 않습니다.
• 장바구니 포기 이메일을 보냅니다.
• 장바구니 포기는 또한 재 타겟팅 광고를 트리거합니다.
• 고객이 리타게팅 Facebook 광고를 클릭하고 구매합니다.

마지막 상호작용 모델에서 해당 재타겟팅 광고는 기여 기여도의 100%를 받습니다.

이 기여 모델은 이전에 어떤 터치포인트가 있었는지에 관계없이 브랜드와의 마지막 상호작용에 모든 가중치를 부여합니다.

기본 기여 모델이지만 마지막 클릭은 근본적으로 결함이 있습니다. 마지막 터치포인트가 전적으로 전환에 책임이 있는 경우는 거의 없습니다.

위의 예시 경로에서 고객은 초기 광고를 보지 않고 귀하의 사이트를 방문했을 수 있습니다. 또한 장바구니 포기 이메일에서 할인을 받은 후 그날 저녁 구매를 계획했을 수도 있습니다.

Avinash Kaushik이 말했듯이 “마지막 클릭 어트리뷰션의 유일한 용도는 지금 당신을 해고시키는 것입니다. 피하십시오.”

마지막 클릭 기여 분석 모델을 사용해야 하는 경우

구매 주기가 길거나 많은 의사 결정권자가 참여하거나 고가 품목을 판매하는 경우 마지막 상호 작용 모델을 피하십시오. 이러한 거래에는 많은 고려 사항이 포함되며 마지막 클릭은 어떤 터치포인트가 가장 효과적인지 알려주지 않습니다.

FMCG(빠르게 움직이는 소비재) 부문과 같이 구매 주기가 짧고 심의가 거의 없는 경우 마지막 클릭 모델을 사용합니다.

그들은 어디에서 시작 했습니까? 첫 번째 상호작용 기여 모델

첫 번째 터치 또는 첫 번째 클릭 기여라고도 하는 첫 번째 상호작용 기여는 마지막 클릭 기여 모델과 반대입니다. 첫 번째 터치포인트에 전적으로 기여합니다.

이전 모델에서 논의된 경로를 상기하십시오. 첫 번째 상호작용 모델에서는 이후에 오는 다른 터치포인트에 관계없이 초기 Google Ads가 판매에 영향을 미칠 책임을 100% 갖게 됩니다.

이 모델을 사용하는 데 어느 정도 타당성이 있지만(다음 터치포인트는 첫 번째 터치포인트 없이는 발생하지 않았을 것임) 여전히 결함이 있습니다. 구매자는 블로그 게시물을 읽거나 소셜 미디어 광고를 보는 것과 같은 단일 초기 상호 작용을 기반으로 거의 전환하지 않습니다.

Avinash 는 "첫 번째 클릭 어트리뷰션은 내가 아내와 결혼한 것에 대해 내 첫 여자친구에게 100% 공로를 주는 것과 비슷합니다."라고 말했습니다.

첫 번째 클릭 기여 분석 모델을 사용해야 하는 경우

퍼스트 터치 기여 모델은 브랜드 구축이 주요 관심사인 경우에 적합할 수 있습니다(예: 귀하가 신참인 경우).

이 예에서 귀하의 목표는 가능한 한 많은 잠재 고객에게 다가가는 마케팅 활동이므로 이러한 첫 접촉 상호 작용은 해당 목표를 달성하는 데 필수적입니다.

그들은 그렇게 하기 전에 무엇을 했습니까? 마지막 간접 클릭 기여도 모델

마지막 간접 클릭 속성은 직접 트래픽을 할인한다는 점을 제외하면 마지막 클릭 모델과 유사합니다.

다음과 같은 전자상거래 경로를 고려하십시오.

• 고객이 Google에서 특정 제품에 대한 자연 검색을 실행합니다.
• 이 키워드는 귀하의 Google Ads 중 하나를 트리거합니다.
• 고객은 광고를 클릭하고 제품을 찾아보고 장바구니에 추가합니다.
• 장바구니 포기 이메일을 트리거하는 구매를 진행하지 않습니다.
• 나중에 고객은 귀하의 웹사이트로 바로 돌아가서 구매를 진행합니다.

마지막 상호작용 모델에서 이 전환은 직접 트래픽에 기인합니다. 마지막 간접 클릭 모델에서는 장바구니 포기 이메일에 기인합니다.

마지막 간접 클릭 기여 모델을 사용해야 하는 경우

대부분의 비즈니스에서 마지막 간접 클릭 모델은 대부분의 구매 여정을 설명하기에는 여전히 너무 기본적입니다. 그것은 종종 기한이 아닌 곳에서 신용을 지시합니다.

직접 트래픽이 빠르게 전환되면 잠재적으로 이 모델의 이점을 얻을 수 있습니다. 그러나 고객이 구매 세션 중에 사이트를 탐색하는 경향이 있다면 이 모델을 피하십시오. 그들이 구매하도록 설득하는 것은 다른 것일 수 있습니다.

Avinash가 말했듯이 “왜 Direct를 과소평가합니까? 브랜드 인지도와 브랜드 가치를 창출하려는 마케터의 노력을 과소평가하는 이유는 무엇입니까?”

기여도를 동등하게 나누기: 선형 기여도 모델

선형 기여는 단일 터치포인트 모델보다 한 단계 더 낫습니다. 추적 가능한 모든 상호 작용을 고려하고 기여 기여도를 균등하게 분배합니다.

각 터치포인트가 판매에 기여한 것에 대해 참여 보상을 받는 동안 모델은 해당 공유가 얼마나 가치가 있는지 고려하지 않습니다.

이 고객 경로를 살펴보겠습니다.

• 고객은 자신이 존경하는 인플루언서로부터 귀하의 브랜드에 대한 긍정적인 트윗을 보고 귀하의 웹사이트에서 콘텐츠를 탐색하는 데 한 시간 정도를 보냅니다.
• 귀하의 웹사이트에서 그들은 귀하의 소셜 미디어 아이콘을 클릭하고 여러 채널에서 귀하를 팔로우하며 귀하의 뉴스레터에도 가입합니다.
• 앞으로 몇 달 동안 고객은 소셜 미디어에서 귀하의 브랜드 게시물을 지나 스크롤하며 어떤 것도 읽기 위해 거의 멈추지 않습니다.
• 그들은 또한 귀하의 뉴스레터를 열지 않습니다.
• 직장 상황으로 인해 고객은 신속하게 솔루션을 필요로 하고 인플루언서는 같은 날 브랜드에 대해 다시 게시합니다.
• 고객은 수신함에서 최신 뉴스레터를 열고 하단의 CTA를 통해 플랫폼을 구독합니다.

선형 속성 모델은 소셜 미디어, 웹사이트 및 뉴스레터가 게시물을 스크롤하고 이메일을 읽지 않더라도 동일한 기여도를 부여합니다.

이 논리에 따라 각 채널에 대해 마케팅 비용을 동일하게 나누고 싶은 유혹을 느낄 것입니다. 그러나 인플루언서 마케팅과 웹사이트의 콘텐츠가 가장 효과적이라고 주장할 수 있습니다.

선형 기여 모델을 사용하는 경우

적절한 마케팅 예산을 가진 대기업 또는 보다 확립된 회사는 기여 비율을 보다 정확하게 결정하는 데 집중해야 합니다.

보다 정확한 비율을 할당할 예산이나 데이터가 없는 경우 선형 모델은 모든 것을 하나의 보트에 넣는 대신 최소한 여러 접점을 설명합니다.

첫 번째 및 마지막 터치포인트 우선순위 지정: 위치 기반 기여 모델

위치 기반 기여도 모델(u자형 기여도라고도 함)은 선형, 마지막 상호작용 및 첫 번째 상호작용 모델을 혼합한 것입니다.

이 모델은 첫 번째와 마지막 상호작용에 대부분의 기여도를 부여하고 나머지 기여도는 다른 모든 터치포인트에 균등하게 분배됩니다.

이 모델이 가장 타당해 보입니다. 첫 번째와 마지막 터치포인트는 분명히 매우 영향력이 큽니다. 구매자 여정에서 두 가지 중요한 단계를 인식하는 동시에 그 과정에서 다른 단계도 고려합니다.

위치 기반 기여 분석 모델을 사용하는 경우

고객이 구매하기 전에 비즈니스에 여러 접점이 있는 경우(예: 판매 주기가 긴 비즈니스) 위치 기반 기여 모델을 사용하십시오.

중요성 증가: 시간 소멸 기여도 모델

시간 소멸 기여도 모델은 모든 터치포인트가 가치가 있지만 전환에 가장 근접한 터치포인트가 더 가치가 있다는 원칙을 기반으로 합니다.

마지막 상호작용에 가장 많은 기여도가 부여되며 그 이전의 모든 상호작용은 기여도가 감소하는 정도입니다.

이 모델에 대한 가장 큰 비판은 고객에게 브랜드를 처음으로 소개하는 Top-of-the-Funnel 마케팅 노력의 가치를 과소평가한다는 것입니다.

시간 소멸 기여 모델을 사용하는 경우

구매 주기가 길고 관계 구축이 판매 성공의 핵심 요소인 경우(특히 B2B에서) 시간 소멸 모델을 사용하십시오.

보다 정확한 마케팅 속성 데이터를 위해 표준 모델을 뛰어넘음

위에서 논의한 6가지 기존 유형의 기여도 모델은 좋은 출발점이지만 적용 범위가 상당히 제한적입니다.

표준 속성 모델 중 하나를 선택하는 것은 고객이 구매 결정을 내리는 장소와 시기에 대한 마케터의 직감에 따라 주관적입니다. 주관적인 결정이 잘못되어 노력과 비용을 낭비할 수 있습니다.

표준 기여 분석 모델을 맞춤설정하면 정확도에 더 가까워질 수 있습니다.

즉시 사용 가능한 Google 애널리틱스 모델 위에 맞춤 기여 분석 모델을 구축할 수 있습니다.

예를 들어 위치 기반 모델에서 상호 작용의 가중치를 조정하여 첫 번째 또는 마지막 상호 작용에 덜 기여할 수 있습니다.

Google 애널리틱스와 통계 컴퓨팅용 프로그래밍 언어인 R을 결합하여 귀인 모델을 추가로 맞춤화할 수 있습니다.

Markov 모델(변화하는 시스템을 반영하는 무작위 프로세스 모델)을 사용하여 속성 추적을 개선합니다. 높은 수준에서 Markov 모델은 전환 경로에서 후속 단계의 가능성을 살펴보고 제거를 기반으로 터치포인트의 중요성을 계산하려고 시도합니다.

디지털 경험 에이전시인 Bounteous의 Kaelin Tessier는 기여도 모델링에 Markov 모델을 사용할 때의 이점을 다음과 같이 설명합니다.

객관성 – 여기에는 직감이 없습니다! 사실 만.
예측 정확도 – 전환 이벤트를 예측합니다.
견고성 – 유효하고 신뢰할 수 있는 결과.
해석 가능성 – 투명하고 상대적으로 해석하기 쉽습니다.
다양성 – 데이터 세트에 의존하지 않습니다. 새로운 데이터에 적응할 수 있습니다.
알고리즘 효율성 - 적시에 결과를 제공합니다.

Markov 모델은 휴리스틱 기반 GA 모델의 가장 큰 문제인 객관성을 해결합니다. 모델은 마케터가 아니라 각 접점의 중요성을 결정합니다.

그러나 여전히 고려해야 할 많은 뉘앙스가 있습니다. 예를 들어 리드가 LinkedIn에서 CEO를 팔로우하고 그들이 게시하는 콘텐츠의 영향을 받는 경우 어떻게 됩니까? "다크 깔때기"에 귀속시키는 것은 까다로울 수 있습니다.

가장 정확한 기여 인사이트를 얻으려면 데이터 기반 모델을 살펴보십시오.

데이터 기반 기여 분석 모델로 정확도 향상

고객 여정이 복잡해짐에 따라 기여 모델도 복잡해져야 합니다. 고객 여정을 깔끔한 작은 상자로 강제하는 것은 구매 결정이 이루어지는 방식을 정확하게 나타내는 경우가 거의 없습니다.

현재로서는 알고리즘 또는 데이터 기반 접근 방식이 마케팅 기여도의 표준으로 간주될 수 있습니다.

Slack의 전 CMO인 Bill Macaitis는 인터뷰에서 다음과 같이 말했습니다.

빌 마카이티스:

“오늘날 알고리즘 속성은 데이터 기반 마케터와 회사를 위한 모범 사례가 되었습니다.

이제 우리는 사용 가능한 모든 데이터 수집, 도구 및 모델을 활용하여 모든 다양한 접점을 받아들이고 예측 가능한 알고리즘 속성을 만들 수 있습니다. 제대로 설정되면 각 터치 포인트와 모든 다운스트림 유입경로 지표를 추적할 수 있습니다. 그리고 매우 큰 데이터 세트에 비례적으로 가중치를 부여함으로써 온라인, 오프라인, 성과 기반 및 브랜드 광고를 포함하여 무엇이 크레딧을 받아야 하는지 훨씬 더 정확하고 정밀하게 결정할 수 있습니다.

완벽하지도 않고 쉽지도 않습니다. 입소문, 다크 소셜 및 기타 "숨겨진 손길"로 인해 어려워집니다. 그러나 그것은 구매자의 여정과 어떤 마케팅 노력이 성과를 거두고 있는지에 대한 훨씬 더 깊은 이해를 이끌어냅니다.”

Google Analytics 360 및 Impact.com과 같은 제품은 기계 학습 및 로지스틱 회귀와 같은 고급 통계 계산을 사용하여 마케팅 접점에 대해 기여도를 분배하는 방법을 결정합니다.

높은 수준에서 데이터 기반 기여는 전환하는 고객과 전환하지 않는 고객 간의 터치포인트 참여 차이를 분석합니다. 이제 빠른 전환과 놓친 기회를 설명하는 참여 패턴은 보다 정확하고 비례적인 기여도를 알려줍니다.

알고리즘 모델은 객관적이고 자동화되어 마케터가 어떤 단계가 가장 중요해 보이는지 결정할 때 내리는 "직감적" 결정을 제거합니다.

알고리즘 모델은 매우 복잡하며 기업을 대상으로 합니다. 특히 이러한 제품의 비용을 고려할 때 많은 비즈니스에 과잉이 될 것입니다(Google 애널리틱스 360은 연간 $150,000부터 시작).

알고리즘 귀속이 불가능할 경우 최선의 접근 방식은 전략에 가장 적합한 표준 모델을 사용하고, 이를 사용자 지정하고, 작동하는 것과 그렇지 않은 것을 학습하면서 지속적으로 최적화하는 것입니다.

실존 테스트를 통한 약점 격리

"존재 테스트"는 특정 채널을 믹스에서 잠시 제외하여 해당 채널의 효율성을 추론하는 것입니다. 그건 그렇고, 위의 많은 데이터 기반 모델이 기반으로 하지만 대규모입니다.

The Drilling Down Project의 창립자인 Jim Novo는 Digital Analytics Podcast 에피소드에서 다음과 같이 설명했습니다.

짐 노보:

“[디스플레이]가 다른 캠페인을 돕는 측면에서 매우 가치가 있다고 생각한다면, 1~2주만 죽이고 무슨 일이 일어나는지 지켜보는 건 어떨까요? 그런 다음 다시 추가하십시오.

그런 테스트를 할 수 없습니까? 그 돈을 다른 곳에 투자할 가치가 있습니까? 디스플레이의 가치를 파악하는 데 얼마나 진지합니까?”

오프라인 행동과 온라인 행동 사이의 점 연결

현대 구매 행동에는 다양한 고객 활동이 포함됩니다. 다음 중 일부 또는 조합에 관여하는 고객이 있을 수 있습니다.

• 순전히 온라인으로 조사하고 구매합니다.
• 순전히 오프라인으로 조사하고 구매합니다.
• 온라인 조사 및 오프라인 구매(ROPO 또는 웹루밍이라고도 함)
• 매장에서 제품을 테스트하고 온라인으로 구매합니다(쇼루밍이라고도 함).

표준 속성 모델은 디지털 마케팅 및 온라인 행동만을 설명하는 경향이 있습니다. 인쇄 매체 및 다이렉트 메일과 같은 오프라인 채널을 추적할 때도 전용 URL을 사용합니다.

그렇다면 마케터는 오프라인에서 일어나는 일을 어떻게 추적할 수 있습니까?

기업이 매장 내 활동을 설명하고 점을 온라인 활동에 연결할 수 있는 몇 가지 방법이 있습니다.

1. 저전력 블루투스(BLE) 비콘

비콘은 쇼핑 습관에 대한 정보를 피드백하면서 고객에게 유용할 수 있습니다.

일반적으로 "매장 내 GPS"처럼 작동합니다. 기기에 앱을 설치한 고객이 매장에 들어오면 비콘이 앱과 통신하고 해당 사용자의 온라인 행동을 매장 내 구매와 연결합니다.

Target은 비콘을 사용하여 고객이 쇼핑 목록에서 항목을 찾고 매장 내 도움말을 찾을 수 있도록 돕고 지리적 기반 뉴스피드도 제공합니다.

메이시스(Macy's)는 2014년부터 비콘을 사용하여 제안을 제공하고, 실시간 프로모션을 보내고, 구매를 추적하고 속성을 지정해 왔습니다.

이러한 종류의 추적은 소매점에서 인기가 있었지만 일부 고객은 이를 불편하게 느낄 수 있습니다. 쇼핑객을 대상으로 설문조사를 실시하여 관심을 선점한 다음 출시 전에 소그룹으로 테스트합니다.

2. 로열티 카드

로열티 카드는 카드가 온라인에서 활성화된 경우 디지털 프로필을 오프라인 구매자와 연결하는 간단한 방법입니다.

여러 플랫폼은 Yotpo 및 Stampme와 같은 비즈니스 통합 로열티 프로그램을 제공합니다.

플랫폼은 온라인과 오프라인 경험을 연결하며, 일반적으로 사용자에게 실제 계산대에서 로열티 카드를 스캔하라는 메시지를 표시하여 사용자가 쇼핑하는 곳 어디에서나 포인트를 적립할 수 있습니다.

3. 고객을 오프라인으로 유도

가구 및 장식 생산업체 VOX는 VOXBOX라는 애플리케이션을 사용하여 대면 상담을 통해 고객 여정을 주도합니다.

VOXBOX를 사용하면 고객이 가상 가구 레이아웃을 디자인한 다음 고객이 실제 매장 중 한 곳에서 대면 상담을 예약하도록 권장할 수 있습니다.

이 접근 방식을 통해 VOX는 오프라인 활동을 포함하여 해당 고객의 모든 접점을 추적할 수 있습니다.

결론

귀인 모델링에는 천편일률적인 방법이 없습니다. 가장 강력한 솔루션은 알고리즘 모델링을 사용하여 기여 기여도를 할당하지만 상당한 비용이 듭니다.

알고리즘 속성이 조타실에 없는 경우 가장 좋은 방법은 선호하는 분석 제품군의 기준 제품 위에 맞춤형 모델을 구축하는 것입니다. 고객이 마케팅 접점과 상호 작용하는 방식에 대해 자세히 알아보면서 귀속을 최적화하십시오.

마케팅 기여 과정을 통해 기여 마스터가 되십시오.