MTA на основе данных: единственная модель атрибуции, которая имеет значение

Модели атрибуции помогают маркетологам понять ценность точек соприкосновения в маркетинговых каналах по мере того, как их клиенты переходят от осведомленности к конверсии.

В прошлом атрибуция одним касанием, такая как модели «последний клик» и «первый клик», часто использовалась по умолчанию. Для них требовалось относительно мало данных, и их было легко наблюдать в программном обеспечении для аналитики.

Например, если я совершил 1000 продаж на своем веб-сайте в течение октября и вижу, что 75% трафика поступает из обычного поиска, а 25% идет напрямую, имеет смысл направить больше моих ноябрьских инвестиций на мои действия в обычном поиске.

Это будет принятие модели последнего щелчка. Я присваиваю ценность только той точке взаимодействия, которую мои клиенты использовали непосредственно перед тем, как попасть на мой сайт. Итак, с какими каналами они взаимодействовали заранее?

Поскольку в последние годы путь клиента стал более сложным, стали доступны и модели атрибуции, чтобы маркетологи придали точный вес каналам и соответственно инвестировали в них.

Атрибуция с несколькими касаниями (MTA) и атрибуция на основе данных (DDA) становятся все более популярными. В конце концов, посетители моего веб-сайта могут видеть маркетинговые сообщения в самых разных местах (от множества сайтов в социальных сетях до любого количества офлайн-рекламы, от телевидения до рекламных щитов), прежде чем обратиться к Google за поиском.

Модели MTA гарантируют, что все каналы получают хотя бы часть кредита за конверсию.

Финниан Брэдфилд, аналитик компании Fospha, занимающейся данными и атрибуцией искусственного интеллекта, подчеркивает, что не только растущая сложность клиентских циклов делает сегодня MTA более эффективной, чем модели с одним касанием.

«Основная ценность MTA - дать возможность маркетологам лучше распределять свои расходы и понимать истинную эффективность каждой точки взаимодействия», - говорит он.

«Используя исключительно модель последнего клика, вы, по сути, цените или видите только последнюю точку взаимодействия, с которой клиент взаимодействовал до конверсии, и мало обращаете внимания на то, что могло повлиять на потребителя до этого. В результате на последнюю точку взаимодействия тратится больше средств, однако на самом деле эта конверсия могла бы никогда не произойти, если бы не точка взаимодействия, с которой потребитель взаимодействовал в начале своего пути. Таким образом, если вы проанализируете все точки соприкосновения и определите ценность каждой из них в зависимости от их роли, это означает, что вы сможете получить гораздо более эффективные результаты от своих маркетинговых затрат ».

В сегодняшнем омниканальном мире модели MTA, безусловно, кажутся лучшим выбором для обеспечения ясности маркетологам того, что работает, а что нет. Но не все модели атрибуции одинаковы.

Давайте разберемся, чем они отличаются, их плюсы и минусы, проблемы с их внедрением и почему модели MTA, основанные на данных, являются вариантом атрибуции, к которому должны стремиться все маркетологи.

Какие основные модели?

«Линейная» или «даже кредитная» модель атрибуции, возможно, первая модель MTA, о которой мы думаем, когда начинаем думать не только о первом и последнем клике.

Это, безусловно, улучшение по сравнению с моделями с одним касанием. Линейная модель признает, что путешествие клиента - это нечто большее, чем просто канал, который клиент видит на этапе осведомленности или тот, который он использует на этапе до совершения конверсии.

Он учитывает все прикосновения одинаково, поэтому действительно полезен только тогда, когда у вас есть веские доказательства того, что все части вашей маркетинговой стратегии работают примерно с одинаковым уровнем эффективности.

Но его простота быстро становится очень очевидной, поскольку в нем не учитывается тот факт, что разные точки взаимодействия, вероятно, в большей или меньшей степени повлияли на решение клиента о конверсии, чем другие.

«Временной распад» - еще одна относительно простая модель MTA. Он учитывает все точки соприкосновения на пути пользователя, причем с увеличением веса, чем ближе прикосновение к конверсии.

Приписывание временного затухания может быть полезным. И это, вероятно, будет предпочтительнее одного из вариантов с одним касанием. Он часто используется в маркетинговых кампаниях, привязанных ко времени, или когда компании хотят сосредоточиться на каналах, которые играют конверсионную роль. Но его недостатки довольно легко увидеть.

Конечно, есть пути взаимодействия с клиентами, в которых точки соприкосновения, близкие к конверсии, более важны, чем точки, близкие к началу. Но по мере того, как путь пользователя становится все длиннее и сложнее, это не так. В конечном счете, временное разложение все еще основывается на определенных предположениях и не имеет реальной точности.

«U-образная» атрибуция, или «основанная на позиции», - это еще одна модель MTA, которая, опять же, улучшает методы однократного нажатия, гарантируя, что все каналы получают определенную оценку, но это все еще относительно упрощенный подход.

U-образная форма соответствует всем точкам соприкосновения, но придает больший вес - по 40% каждому - первому и последнему каналам. Оставшиеся 20% кредита распределяются между любыми точками взаимодействия в середине пути.

Опять же, у U-образной модели есть свои применения. Это может быть эффективным, например, в случае компаний, которые инвестируют в лидогенерацию и являются сильным кандидатом на более длительный путь к клиенту. Но он может не учитывать какие-либо точки соприкосновения в середине пути, которые могли сыграть большую роль в конверсии, чем мог ожидать маркетолог.

Что такое атрибуция на основе данных?

Атрибуция на основе данных (DDA) - еще одна модель MTA. Он отличается от тех, которые мы обсуждали до сих пор, тем, что он использует данные из разных точек взаимодействия, чтобы исключить любые догадки и приписать доверие каналам по их работе, а не по тому, в каком положении они находятся.

DDA требует наличия исчерпывающих данных и полного представления о пути клиента. Маркетологи также должны иметь средства для эффективного использования этих данных - часто с использованием платформы данных о клиентах.

Они могут быть самой дорогостоящей моделью MTA для реализации, но одна из ключевых целей при использовании модели DDA - повышение рентабельности инвестиций, которое можно использовать для компенсации их дополнительных затрат.

В каких случаях может быть полезна модель MTA, управляемая данными?

Брэдфилд четко понимает, когда для маркетологов имеет наибольший смысл внедрить MTA, управляемую данными: «Подход к атрибуции, основанный на данных, наиболее эффективен, когда вы тратите средства по нескольким платным каналам, которые включают сочетание платного поиска, социальных сетей и партнерских программ. пример », - говорит он. «Причина этого просто кроется в том, что если вы тратите средства на маркетинг, вам необходимо знать, на что лучше всего потратить и какие из этих каналов более эффективны для ключевых показателей эффективности вашего бизнеса. Мы склонны видеть, что компании с большими маркетинговыми бюджетами извлекают большую пользу из этих инструментов ».

В 2019 году Fospha работала с ведущим поставщиком услуг по организации отдыха, чтобы объединить свои онлайн- и офлайн-данные с MTA.

Это дало многоканальное представление о поездках, которые совершают их клиенты, и подчеркивало, что их платная поисковая активность была переоценена из-за атрибуции по последнему клику.

Автоматизированный процесс не отнимал ни возможностей, ни времени аналитика. Но что еще более важно, тогда Fospha смогла использовать высвободившийся бюджет из платного канала поиска для роста новых / недооцененных точек взаимодействия.

Экономия за год составила около 600 000 фунтов стерлингов, а их телевизионная маркетинговая стратегия была выделена как область, которую ранее было трудно измерить с использованием традиционных моделей атрибуции. Используя MMM (Marketing Mix Modeling), Fospha смогла определить, что телевидение является эффективным каналом, у которого есть возможности для роста и увеличения доходов.

Как только это стало известно, компания быстро реинвестировала около 250 000 фунтов стерлингов обратно в этот жизненно важный офлайн-канал.

«Инструменты независимого измерения Fospha предоставили нашей команде прозрачные данные и возможность связать наши офлайн-продажи с офлайн- и онлайн-маркетингом», - сказал директор по маркетингу группы клиента. «Теперь у нас есть уверенность в том, что мы можем больше инвестировать в наш маркетинг, и мы рады видеть результаты».

Все чаще к DDA обращаются не только организации с большими бюджетами. Роль таких компаний, как Fospha, заключается в том, чтобы сделать такие MTA доступными для всех предприятий, работающих с многоканальным и омниканальным маркетингом.

«Я считаю, что любая компания, которая тратит средства на кросс-канал, должна быть в состоянии определить истинную ценность своих усилий, - продолжает Брэдфилд, - поэтому Fospha сломала барьеры для внедрения DDA для всех типов бизнеса».

Проблемы с MTA, управляемым данными, и способы их преодоления

Стоимость - не единственное препятствие для реализации комплексной модели MTA, управляемой данными. В статье для ClickZ, генеральный директор и соучредитель компании Measured, Тревор Тествейд цитирует политику рекламных технологий, эволюцию «огороженных стенами садов», таких как Google и Facebook, а также беспорядочные данные на уровне пользователей как серьезные проблемы, которые необходимо преодолеть. атрибуция.

Брэдфилд размышляет об этом: «Обнесенные стеной сады от рекламных платформ, безусловно, затрудняют полную точность», - говорит он.

«Важно знать, что на рынке нет идеальной модели MTA или полностью точных инструментов отслеживания. Мы считаем, что основной проблемой является внедрение атрибуции на основе данных через рекламную платформу, такую ​​как Google, из-за неточности и предвзятости данных ».

Даже наличие всех данных для каждого клиента по каждой точке взаимодействия с каналом еще не может гарантировать полную точность MTA, но Брэдфилд указывает один способ преодолеть эти проблемы.

«Важно найти независимый инструмент», - говорит он. «Тогда у них нет планов продавать рекламу, и вы можете частично устранить эту предвзятость».

Модели MTA всегда улучшаются благодаря однократному касанию, но без данных они все равно полагаются на некоторые догадки.

Линейная модель, модель временного затухания и U-образная модель MTA действительно помогают гарантировать, что все точки соприкосновения получат хоть какую-то оценку за конверсию. Но, как мы видели, им может не хватать точности.

В случае линейной модели все каналы получают равные баллы. Но этот вариант не учитывает вероятность того, что любое количество точек соприкосновения на этом пути могло иметь большее влияние на потребителя, чем другие.

Временной спад может быть желателен для кампаний, чувствительных ко времени. Но, опять же, предполагается, что определенные каналы - просто потому, что увидели взаимодействие раньше - могут оказывать меньшее влияние, чем они есть.

А U-образная модель, придерживаясь логики, согласно которой первое и последнее касание на пути пользователя часто бывает значительным, может серьезно недооценивать средние каналы - особенно в контексте более длинных последовательностей покупок.

Вариант MTA, который устраняет эти догадки, - это модель DDA (иногда известная как алгоритмический MTA). Хотя данные о клиентах никогда не могут быть на 100% точными, и, как указывает Брэдфилд, даже лучшая модель MTA не идеальна, включение данных в микс атрибуции позволяет определить, как они работают, а не просто на каком они появляются на этапе пути к покупке.

Независимые инструменты устраняют некоторую предвзятость и искаженные данные, о которых маркетологи сообщают в обнесенных стенами садах Google и Facebook. В то время как надежная платформа клиентских данных работает для консолидации, организации и настройки маркетинговой стратегии в режиме реального времени.

Неудивительно, что модели MTA, основанные на данных, оказываются бесценными для предприятий с большим бюджетом. Часто это организации с большим количеством платных каналов в своем маркетинговом арсенале, но такие модели становятся все более доступными и для средних и малых организаций - благодаря способности компенсировать затраты за счет более высокой рентабельности инвестиций.

В сегодняшнем омниканальном мире стоимость не должна быть препятствием для бизнеса любого размера, учитывая модель MTA, управляемую данными. Но для любой организации, которая все еще чувствует, что она не готова к такому уровню атрибуции, линейные, временные и U-образные MTA всегда являются лучшим вариантом, чем модели атрибуции одним касанием по первому и последнему клику, которые многие используют. по умолчанию.

Контент создан в сотрудничестве с Fospha .