멀티터치 어트리뷰션에 대한 실용 가이드

고객 여정에는 고객과 판매자 또는 서비스 공급자 간의 여러 상호 작용이 포함됩니다.

우리는 고객 여정의 각 상호 작용을 접점이라고 부릅니다.

Salesforce.com에 따르면 B2B 공간에서 리드를 생성하는 데 평균 6~8회의 터치가 필요합니다.

고객 구매의 경우 접점 수는 훨씬 더 많습니다.

멀티 터치 어트리뷰션은 전환에 대한 각 터치 포인트의 기여도를 평가하고 고객 여정과 관련된 모든 터치 포인트에 적절한 기여도를 부여하는 메커니즘입니다.

멀티터치 속성 분석을 수행하면 마케터가 고객 여정을 이해하고 전환 경로를 더욱 최적화할 수 있는 기회를 식별하는 데 도움이 될 수 있습니다.

이 기사에서는 멀티터치 속성의 기본 사항과 쉽게 액세스할 수 있는 도구를 사용하여 멀티터치 속성 분석을 수행하는 단계를 알아봅니다.

멀티터치 기여도 분석을 수행하기 전에 고려해야 할 사항

비즈니스 목표 정의

멀티터치 기여도 분석을 통해 얻고자 하는 것은 무엇입니까?

특정 마케팅 채널의 투자수익률(ROI)을 평가하거나, 고객 여정을 이해하거나, A/B 테스트를 위해 웹사이트에서 중요한 페이지를 식별하고 싶습니까?

서로 다른 비즈니스 목표에는 서로 다른 속성 분석 접근 방식이 필요할 수 있습니다.

처음부터 성취하고자 하는 것을 정의하면 결과를 더 빨리 얻을 수 있습니다.

변환 정의

전환은 고객이 취하기를 바라는 행동입니다.

전자 상거래 사이트의 경우 일반적으로 주문 완료 이벤트로 정의되는 구매입니다.

다른 산업의 경우 계정 가입 또는 구독일 수 있습니다.

전환 유형에 따라 전환 경로가 다를 수 있습니다.

원하는 여러 작업에 대해 멀티터치 어트리뷰션을 수행하려는 경우 혼동을 피하기 위해 여러 분석으로 분리하는 것이 좋습니다.

터치 포인트 정의

터치 포인트는 브랜드와 고객 간의 모든 상호 작용이 될 수 있습니다.

멀티 터치 속성 분석을 처음 실행하는 경우 특정 마케팅 채널에서 웹 사이트를 방문하는 것으로 정의하는 것이 좋습니다. 채널 기반 어트리뷰션은 수행하기 쉽고 고객 여정에 대한 개요를 제공할 수 있습니다.

고객이 웹사이트와 상호 작용하는 방식을 이해하려면 웹사이트의 페이지뷰를 기반으로 접점을 정의하는 것이 좋습니다.

모바일 앱 설치, 이메일 열기 또는 소셜 참여와 같은 웹 사이트 외부의 상호 작용을 포함하려는 경우 데이터가 있는 한 해당 이벤트를 접점 정의에 통합할 수 있습니다.

터치 포인트 정의에 관계없이 속성 메커니즘은 동일합니다. 터치 포인트가 더 세밀하게 정의될수록 귀인 분석이 더 상세해집니다.

이 가이드에서는 채널 기반 및 페이지뷰 기반 기여에 중점을 둘 것입니다.

Google 애널리틱스와 다른 오픈 소스 도구를 사용하여 이러한 속성 분석을 수행하는 방법에 대해 알아봅니다.

멀티 터치 기여 모델 소개

전환 기여도에 대해 터치 포인트를 인정하는 방식을 기여 모델이라고 합니다.

가장 간단한 기여 분석 모델은 처음에 고객을 유치한 첫 번째 터치 포인트 또는 전환을 유도한 마지막 터치 포인트에 모든 기여도를 부여하는 것입니다.

이 두 모델을 각각 최초 터치 기여 모델과 마지막 터치 기여 모델이라고 합니다.

분명히 첫 번째 터치나 마지막 터치 기여도 모델은 나머지 터치 포인트에 대해 "공평"하지 않습니다.

그렇다면 고객 전환과 관련된 모든 접점에 공평하게 기여도를 할당하는 것은 어떨까요? 합리적으로 들립니다. 이것이 바로 선형 기여 모델이 작동하는 방식입니다.

그러나 모든 터치 포인트에 균등하게 기여도를 할당하는 것은 터치 포인트가 똑같이 중요하다고 가정하여 "공평"해 보이지 않습니다.

어떤 사람들은 전환 경로의 끝 부분에 있는 터치 포인트가 더 중요하다고 주장하는 반면 다른 사람들은 그 반대를 선호합니다. 그 결과 마케터가 전환 경로의 위치에 따라 터치포인트에 다른 가중치를 부여할 수 있는 위치 기반 기여 모델이 있습니다.

위에서 언급한 모든 모델은 휴리스틱 또는 규칙 기반 기여도 모델 범주에 속합니다.

휴리스틱 모델 외에도 현재 Google 애널리틱스에서 사용되는 기본 모델인 데이터 기반 기여라는 또 다른 모델 카테고리가 있습니다.

데이터 기반 기여도란 무엇입니까?

데이터 기반 기여는 휴리스틱 기여 모델과 어떻게 다른가요?

차이점에 대한 몇 가지 주요 사항은 다음과 같습니다.

• 휴리스틱 모델에서 속성 규칙은 미리 결정됩니다. 퍼스트 터치, 라스트 터치, 선형 또는 위치 기반 모델에 관계없이 속성 규칙을 미리 설정한 후 데이터에 적용합니다. 데이터 기반 기여도 모델에서 기여도 규칙은 과거 데이터를 기반으로 생성되므로 시나리오마다 고유합니다.
• 휴리스틱 모델은 전환으로 이어지는 경로만 확인하고 전환하지 않는 경로는 무시합니다. 데이터 기반 모델은 전환 및 비전환 경로의 데이터를 모두 사용합니다.
• 휴리스틱 모델은 귀속 ​​규칙과 관련하여 터치 포인트가 갖는 터치 수에 따라 전환을 채널에 귀속시킵니다. 데이터 기반 모델에서 속성은 각 터치 포인트의 터치 효과를 기반으로 만들어집니다.

터치 포인트의 효과를 평가하는 방법

데이터 기반 속성에서 사용되는 일반적인 알고리즘을 Markov Chain이라고 합니다. Markov Chain 알고리즘의 핵심에는 제거 효과라는 개념이 있습니다.

제거 효과는 이름에서 알 수 있듯이 경로 지정 데이터에서 터치 포인트가 제거될 때 전환율에 미치는 영향입니다.

이 기사에서는 Markov Chain 알고리즘의 수학적 세부 사항에 대해 다루지 않습니다.

다음은 알고리즘이 각 터치 포인트로 변환을 부여하는 방법을 보여주는 예입니다.

제거 효과

채널 A, B, C의 3개 채널을 통해 웹 사이트를 방문하는 1,000명의 방문자로부터 100회의 전환이 발생하는 시나리오가 있다고 가정합니다. 이 경우 전환율은 10%입니다.

직관적으로 특정 채널이 전환 경로에서 제거되면 해당 특정 채널과 관련된 해당 경로는 "잘라내며" 전체적으로 더 적은 수의 전환으로 끝납니다.

데이터에서 채널 A, B, C를 제거할 때 전환율이 5%, 2%, 1%로 낮아진다면 특정 채널에서 전환율이 감소한 비율로 제거 효과를 계산할 수 있습니다. 다음 공식을 사용하여 제거됩니다.

저자의 이미지, 2022년 11월

그런 다음 마지막 단계는 각 채널의 제거 효과 공유를 기반으로 각 채널에 전환 기여도를 부여하는 것입니다. 기여 결과는 다음과 같습니다.

간단히 말해서, 데이터 기반 기여는 터치 포인트의 수나 위치에 의존하지 않고 기여의 기반으로서 이러한 터치 포인트가 전환에 미치는 영향에 의존합니다.

Google 애널리틱스를 사용한 멀티 터치 기여

충분한 이론을 바탕으로 유비쿼터스 Google 애널리틱스를 사용하여 멀티터치 속성 분석을 수행하는 방법을 살펴보겠습니다.

Google은 2023년 7월부터 유니버설 애널리틱스(UA) 지원을 중단하므로 이 가이드는 Google 애널리틱스 4(GA4)를 기반으로 하며 Google의 Merchandise Store 데모 계정을 예로 사용합니다.

GA4에서 기여도 보고서는 아래 왼쪽 탐색 메뉴에 표시된 것처럼 광고 스냅샷 아래에 있습니다.

광고 스냅샷 페이지에 도착한 후 첫 번째 단계는 적절한 전환 이벤트를 선택하는 것입니다.

GA4는 기본적으로 기여도 보고서에 대한 모든 전환 이벤트를 포함합니다.

혼동을 피하기 위해 분석을 위해 하나의 전환 이벤트(아래 예에서 "구매")만 선택하는 것이 좋습니다.

2022년 11월 GA4의 스크린샷

GA4의 전환 경로 이해

왼쪽 탐색 모음의 기여 섹션에서 전환 경로 보고서를 열 수 있습니다.

전환으로 이어지는 모든 경로를 보여주는 전환 경로 표까지 아래로 스크롤합니다.

이 표의 상단에서 전환으로 이어지는 평균 일수와 터치 포인트 수를 확인할 수 있습니다.

2022년 11월 GA4의 스크린샷  

이 예에서는 Google 고객이 상품 매장에서 구매하기 전에 평균적으로 약 9일 6회 방문하는 것을 볼 수 있습니다.

GA4에서 각 채널의 기여도 찾기

그런 다음 왼쪽 탐색 모음의 실적 섹션에서 모든 채널 보고서를 클릭합니다.

이 보고서에서 선택한 전환 이벤트(이 경우 "구매")의 각 채널에 대한 기여 전환을 확인할 수 있습니다.

2022년 11월 GA4의 스크린샷

이제 직접 및 이메일과 함께 자연 검색이 Google 상품 매장에서 대부분의 구매를 주도했다는 것을 알고 계실 것입니다.

GA4에서 다양한 기여 모델의 결과 검토

기본적으로 GA4는 데이터 기반 기여 분석 모델을 사용하여 각 채널이 받는 크레딧 수를 결정합니다. 그러나 다양한 기여 모델이 각 채널에 크레딧을 할당하는 방법을 살펴볼 수 있습니다.

왼쪽 탐색 모음의 속성 섹션에서 모델 비교를 클릭합니다.

예를 들어 데이터 기반 기여 모델을 첫 번째 터치 기여 모델(아래 그림에서 '첫 번째 클릭 모델'이라고도 함)과 비교하면 데이터보다 첫 번째 클릭 모델(735)에서 자연 검색에 더 많은 전환이 기여한 것을 확인할 수 있습니다. 구동 모델(646.80).

반면 이메일은 첫 번째 클릭 모델(552)보다 데이터 기반 기여 모델(727.82)에서 기여 전환이 더 많습니다.

2022년 11월 GA4의 스크린샷

데이터는 자연 검색이 잠재 고객을 매장으로 유도하는 데 중요한 역할을 하지만 방문자를 전환(즉, 고객이 실제 구매를 하도록)하려면 다른 채널의 도움이 필요함을 알려줍니다.

반면에 이메일은 본질적으로 이전에 사이트를 방문한 방문자와 상호 작용하고 처음에 다른 채널에서 사이트를 방문한 재방문자를 전환하는 데 도움이 됩니다.

어떤 기여 모델이 가장 좋습니까?

기여 모델 비교에 관한 일반적인 질문은 어떤 기여 모델이 가장 좋은가입니다. 나는 이것이 마케팅 담당자가 묻는 잘못된 질문이라고 주장합니다.

진실은 각 모델이 고객 여정의 한 측면을 보여주기 때문에 어떤 모델도 다른 모델보다 절대적으로 우수하지 않다는 것입니다. 마케터는 적합하다고 판단되는 여러 모델을 수용해야 합니다.

채널 기반에서 페이지뷰 기반 기여로

Google 애널리틱스는 사용하기 쉽지만 채널 기반 기여에 적합합니다.

고객이 전환하기 전에 웹사이트를 탐색하는 방식과 고객의 결정에 영향을 미치는 페이지를 더 자세히 이해하려면 페이지뷰에 대한 기여도 분석을 수행해야 합니다.

Google 애널리틱스는 페이지뷰 기반 기여를 지원하지 않지만 사용할 수 있는 다른 도구가 있습니다.

우리는 최근 AdRoll의 웹사이트에서 이러한 페이지뷰 기반 속성 분석을 수행했으며 우리가 거쳐간 단계와 배운 것을 여러분과 공유하게 되어 기쁩니다.

페이지뷰 시퀀스 데이터 수집

첫 번째이자 가장 어려운 단계는 웹사이트의 각 방문자에 대한 페이지뷰 순서에 대한 데이터를 수집하는 것입니다.

대부분의 웹 분석 시스템은 이 데이터를 어떤 형태로든 기록합니다. 분석 시스템이 사용자 인터페이스에서 데이터를 추출하는 방법을 제공하지 않는 경우 시스템의 데이터베이스에서 데이터를 가져와야 할 수 있습니다.

GA4에서 수행한 단계와 유사하게 첫 번째 단계는 전환을 정의하는 것입니다. 페이지뷰 기반 속성 분석을 사용하면 전환 프로세스의 일부인 페이지도 식별해야 합니다.

예를 들어 온라인 구매가 전환 이벤트인 전자상거래 사이트의 경우 장바구니 페이지, 청구 페이지 및 주문 확인 페이지는 모든 전환이 해당 페이지를 거치기 때문에 전환 프로세스의 일부입니다.

해당 페이지가 고객 전환에 중요하다는 것을 알려주는 속성 분석이 필요하지 않으므로 페이지뷰 데이터에서 해당 페이지를 제외해야 합니다.

이 분석의 목적은 잠재 고객이 전환 이벤트 전에 방문한 페이지와 고객의 결정에 어떤 영향을 미쳤는지 이해하는 것입니다.

귀인 분석을 위한 데이터 준비

데이터가 준비되면 다음 단계는 데이터를 다음 4열 형식으로 요약하고 조작하는 것입니다. 다음은 예입니다.

작성자의 스크린샷, 2022년 11월

경로 열에는 모든 페이지뷰 시퀀스가 ​​표시됩니다. 고유한 페이지 식별자를 사용할 수 있지만 url 구조를 사용하여 페이지 유형별로 결과를 분석할 수 있으므로 url 또는 페이지 경로를 사용하는 것이 좋습니다. ">"는 페이지 사이에 사용되는 구분 기호입니다.

Total_Conversions 열은 특정 페이지뷰 경로에서 발생한 총 전환수를 보여줍니다.

Total_Conversion_Value 열은 특정 페이지뷰 경로에서 발생한 전환의 총 금전적 가치를 보여줍니다. 이 열은 선택 사항이며 대부분 전자상거래 사이트에 적용할 수 있습니다.

Total_Null 열은 특정 페이지뷰 경로가 전환에 실패한 총 횟수를 보여줍니다.

페이지 수준 기여 모델 구축

기여 모델을 구축하기 위해 ChannelAttribution이라는 오픈 소스 라이브러리를 활용합니다.

이 라이브러리는 원래 R 및 Python 프로그래밍 언어에서 사용하기 위해 만들어졌지만 이제 작성자가 무료 웹 앱을 제공하므로 코드를 작성하지 않고도 이 라이브러리를 사용할 수 있습니다.

웹 앱에 로그인하면 데이터를 업로드하고 모델 구축을 시작할 수 있습니다.

처음 사용하는 경우 데모 데이터 로드 버튼을 클릭하여 평가판을 실행하는 것이 좋습니다. 데모 데이터로 매개변수 구성을 검토하십시오.

작성자의 스크린샷, 2022년 11월

준비가 되면 실행 버튼을 클릭하여 모델을 생성합니다.

모델이 생성되면 첫 터치, 마지막 터치, 선형 및 데이터 드라이브(Markov Chain)의 네 가지 속성 모델의 속성 결과를 표시하는 출력 탭으로 이동합니다.

추가 분석을 위해 결과 데이터를 다운로드하는 것을 잊지 마십시오.

참고로 이 도구는 ChannelAttribution이라고 하지만 채널별 데이터에 국한되지 않습니다.

속성 모델링 메커니즘은 제공된 데이터 유형에 구애받지 않기 때문에 채널별 데이터가 제공되면 전환을 채널에, 페이지뷰 데이터가 제공되면 웹페이지에 귀속시킵니다.

기여 데이터 분석

페이지를 페이지 그룹으로 구성

웹사이트의 페이지 수에 따라 먼저 개별 페이지가 아닌 페이지 그룹별로 속성 데이터를 분석하는 것이 더 합리적일 수 있습니다.

페이지 그룹은 이해가 되는 한 한 페이지에서 원하는 만큼의 페이지를 포함할 수 있습니다.

AdRoll의 웹사이트를 예로 들면 홈페이지만 포함하는 홈페이지 그룹과 모든 블로그 게시물을 포함하는 블로그 그룹이 있습니다.

전자상거래 사이트의 경우 제품 범주별로 페이지를 그룹화하는 것도 고려할 수 있습니다.

개별 페이지 대신 페이지 그룹으로 시작하면 마케터는 웹사이트의 여러 부분에 걸쳐 속성 결과에 대한 개요를 볼 수 있습니다. 필요할 때마다 페이지 그룹에서 개별 페이지로 드릴다운할 수 있습니다.

전환 경로의 입구와 출구 식별

모든 데이터 준비 및 모델 구축이 끝나면 재미있는 부분인 분석을 살펴보겠습니다.

첫 접촉 및 마지막 접촉 기여 모델의 패턴을 조사하여 잠재 고객이 귀하의 웹사이트에 들어오는 페이지와 잠재 고객이 전환하도록 유도하는 페이지를 먼저 식별하는 것이 좋습니다.

첫 접촉 및 마지막 접촉 기여도 값이 특히 높은 페이지는 각각 전환 경로의 시작점과 끝점입니다. 이것이 제가 게이트웨이 페이지라고 부르는 것입니다.

이 페이지가 전환에 최적화되어 있는지 확인하십시오.

이 유형의 게이트웨이 페이지에는 트래픽 양이 많지 않을 수 있습니다.

예를 들어 SaaS 플랫폼으로서 AdRoll의 가격 책정 페이지는 웹 사이트의 다른 페이지에 비해 트래픽 양이 많지 않지만 많은 방문자가 전환하기 전에 방문한 페이지입니다.

고객의 결정에 강력한 영향을 미치는 다른 페이지 찾기

게이트웨이 페이지 다음 단계는 고객의 결정에 큰 영향을 미치는 다른 페이지를 찾는 것입니다.

이 분석을 위해 Markov Chain 모델에서 기여 가치가 높은 비 게이트웨이 페이지를 찾습니다.

AdRoll.com의 제품 기능 페이지 그룹을 예로 들면, 네 가지 모델(아래에 표시됨)에 대한 속성 값 패턴은 Markov Chain 모델에서 속성 값이 가장 높고 그 다음이 선형 모델임을 보여줍니다.

이는 전환 경로 중간에 방문하여 고객의 결정에 영향을 미치는 데 중요한 역할을 했음을 나타냅니다.

저자의 이미지, 2022년 11월

이러한 유형의 페이지는 전환율 최적화(CRO)의 주요 후보이기도 합니다.

웹 사이트 방문자가 쉽게 발견하고 콘텐츠를 더 설득력 있게 만들면 전환율을 높이는 데 도움이 됩니다.

요약하자면

멀티터치 어트리뷰션을 통해 회사는 다양한 마케팅 채널의 기여도를 이해하고 전환 경로를 더욱 최적화할 수 있는 기회를 식별할 수 있습니다.

채널 기반 기여를 위해 Google 애널리틱스로 간단하게 시작하세요. 그런 다음 페이지뷰 기반 기여를 통해 고객의 전환 경로를 더 깊이 파고들 수 있습니다.

최상의 기여 모델을 선택하는 것에 대해 걱정하지 마십시오.

각 기여 모델은 고객 여정의 다양한 측면을 보여주므로 여러 기여 모델을 활용합니다.

추가 리소스:

• B2B 멀티터치 기여 모델에 대한 완벽한 가이드
• B2B 키워드 연구는 실제 사례를 통해 올바르게 수행됩니다.
• 다중 채널 B2B 리드 생성: 성공을 위한 8단계

주요 이미지: Black Salmon/Shutterstock