Cara Memilih dan Menguji Model Atribusi

Saat pemasar menghadapi tantangan untuk menarik sejumlah konversi tanpa melebihi anggaran, mereka harus memastikan model atribusi yang mereka terapkan membantu mereka membuat keputusan yang tepat dan memahami logika model. Banyak kesalahan dapat dibuat di sepanjang jalan, yang menyebabkan hilangnya waktu dan uang.

Dalam artikel ini, kami telah mengumpulkan informasi yang akan membantu Anda membandingkan dan menerapkan model atribusi modern untuk membantu Anda membawa pemasaran perusahaan Anda ke tingkat berikutnya.

Karena pengguna dapat berinteraksi dengan beberapa kampanye iklan, Anda perlu menerapkan model atribusi untuk memperkirakan jumlah dan nilai konversi yang dihasilkan dari setiap kampanye. Model atribusi memungkinkan Anda mendistribusikan nilai konversi di seluruh kampanye yang pernah berinteraksi dengan pengguna sebelum melakukan konversi.

Apa yang kita harapkan dari model atribusi? Itu harus akurat dan dapat dimengerti. Tetapi sebagian besar model yang diketahui hanya memenuhi satu dari persyaratan ini.

Misalnya, model atribusi sentuhan terakhir yang paling populer (klik terakhir, klik tidak langsung terakhir) cukup jelas: Semua nilai diberikan pada kampanye terakhir. Tetapi memiliki kelemahan yang jelas: Ini mengabaikan kontribusi semua kampanye kecuali yang terakhir.

Banyak orang menggunakan konversi terkait , terutama untuk mengevaluasi kampanye display. Model ini juga cukup jelas: Ini memberikan nilai konversi ke setiap kampanye yang berinteraksi dengan pengguna. Tetapi penilaian seperti itu sangat tidak akurat, karena hanya memperhitungkan keberadaan kampanye dalam rantai dan mengabaikan tingkat pengaruhnya.

Misalnya, kampanye jangkauan mendapatkan nilai semua konversi oleh pengguna yang melihat spanduk kampanye. Akibatnya, jumlah konversi yang diatribusikan secara signifikan melebihi jumlah konversi yang sebenarnya.

Layanan modern memprioritaskan akurasi dan mengembangkan model atribusi probabilistik . Misalnya, Google mempromosikan model Berdasarkan Data, Facebook mempromosikan Peningkatan Konversi, dan Nielsen mempromosikan Peningkatan Kampanye.

Model-model ini memiliki pendekatan yang sama: Mereka mengukur sejauh mana kampanye tertentu telah meningkatkan kemungkinan konversi dan menentukan nilainya sesuai dengan itu. Hal ini membuat penilaian lebih objektif tetapi menyisakan banyak pertanyaan terbuka bagi pengiklan, karena modelnya terlihat seperti kotak hitam dan peluang debugnya terbatas atau tidak ada sama sekali.

Di OWOX, kami telah mengembangkan model atribusi probabilistik sejak 2015. Model atribusi OWOX didasarkan pada pembelajaran mesin. Ini mengevaluasi kampanye iklan di tingkat sesi pengguna, memperhitungkan kontribusinya ke corong, dan memungkinkan pemasar menentukan saluran terkelola dan jendela konversi serta menghubungkan data CRM.

Kami baru saja meluncurkan versi baru model atribusi OWOX BI yang menyatukan praktik terbaik dan memberikan manfaat bisnis yang penting:

1. Model menentukan kontribusi kampanye berdasarkan kemungkinan konversi dan tidak memerlukan pemilihan langkah corong secara manual. Pada contoh di bawah, pada sesi pertama dari saluran Penelusuran Berbayar, pengguna memiliki peluang 20% ​​untuk mengonversi; di sesi kedua dari saluran Retargeting, kemungkinan meningkat menjadi 70%; dan di sesi ketiga, pengguna melakukan konversi.

Nilai setiap sesi sama dengan peningkatan kemungkinan konversi oleh pengguna dibandingkan dengan sesi sebelumnya. Pada kasus ini:

• sesi pertama dari Penelusuran Berbayar akan menerima 20% dari nilai konversi, karena meningkatkan kemungkinan dari 0% menjadi 20%
• sesi kedua dengan Penargetan Ulang akan menerima 50% dari nilai konversi, karena meningkatkan kemungkinan dari 20% menjadi 70%
• sesi ketiga dengan Email akan menerima sisa 30% dari nilai konversi

Dalam model atribusi probabilistik apa pun, hal terpenting adalah akurasi dalam memprediksi kemungkinan konversi. Algoritme pembelajaran mesin OWOX BI sangat akurat, yang dikonfirmasi oleh hasil yang diperoleh oleh iProspect dan Eldorado, yang menggunakan algoritme ini untuk mencapai peningkatan ROI 2,2x.

2. Keuntungan kedua dari versi baru model atribusi OWOX adalah kemampuannya untuk memprediksi nilai bahkan sesi yang belum menghasilkan konversi:

Perkiraan ini memungkinkan Anda mengetahui berapa banyak konversi dari kampanye iklan yang dapat Anda harapkan untuk diterima di masa mendatang jika Anda menonaktifkan kampanye hari ini.

Ini memungkinkan Anda membuat keputusan lebih cepat untuk menonaktifkan kampanye yang berkinerja buruk dan tidak menonaktifkan kampanye yang tertunda secara tidak sengaja.

Keakuratan prediksi model tidak hanya bergantung pada algoritme tetapi juga pada ukuran sampel pelatihan. Peningkatan kecepatan dan kualitas peramalan untuk model OWOX dicapai dengan melatih model pada puluhan ribu proyek.

3. Yang paling penting, untuk membuat logika kalkulasi setransparan mungkin dan mempertimbangkan kekhasan bisnis tertentu, kami membuat kode transformasi data terbuka untuk semua klien. Anda dapat membuat perubahan pada kode sendiri, dan OWOX BI akan menangani pembaruan data rutin, menggabungkan biaya kampanye iklan, dan menyediakan semua laporan yang diperlukan. Anda dapat mempelajari tentang manfaat mengubah data menjadi dbt (alat pembuatan data) dengan mendaftar untuk demo.

Saat mengevaluasi kampanye menggunakan model atribusi yang berbeda, Anda dapat mengharapkan hasil yang berbeda. Oleh karena itu, pertanyaan yang tak terhindarkan muncul: Model atribusi mana yang harus Anda pilih, dan mana yang menunjukkan jalan yang benar?

Faktanya, seorang pemasar tidak membutuhkan kompas yang menunjuk ke kiri atau ke kanan tetapi membutuhkan sistem navigasi lengkap yang menghitung dan merekomendasikan rute, dengan mempertimbangkan kemacetan lalu lintas dan waktu kedatangan yang diperlukan. Ini adalah model atribusi, yang memungkinkan bisnis mencapai tujuan berdasarkan rekomendasi tertentu.

Selain itu, mengelola anggaran iklan Anda tanpa memperhitungkan kapasitas saluran dapat membawa Anda ke jalan buntu, seperti kompas yang tidak memperhitungkan lanskap. Sebagian besar pemasar tahu bahwa biaya per konversi yang rendah tidak cukup untuk membuat keputusan untuk meningkatkan anggaran. Misalnya, kampanye bermerek mungkin memiliki biaya per konversi yang rendah tetapi telah menghabiskan kapasitasnya, sehingga meningkatkan anggaran Anda tidak akan meningkatkan konversi.

Grafik di atas menunjukkan bagaimana jumlah konversi di kampanye A dan B bergantung pada anggaran yang diinvestasikan dalam kampanye tersebut. Perhatikan bahwa BPA kampanye A saat ini lebih rendah daripada BPA kampanye B. Namun, konversi berikutnya di Saluran A akan lebih mahal daripada di Saluran B!

Oleh karena itu, untuk menerapkan atribusi, Anda perlu mengetahui tidak hanya kinerja saluran saat ini, tetapi juga bagaimana hasil keseluruhan akan berubah jika Anda menambah atau mengurangi anggaran untuk setiap saluran, kampanye, dan kata kunci.

Dengan model seperti itu dalam proyek mereka, tim pemasaran dapat memilih strategi pertumbuhan yang sesuai:

1. Dapatkan jumlah konversi yang sama dengan memangkas anggaran Anda.
2. Tingkatkan jumlah konversi dengan anggaran yang sama.
3. Tingkatkan jumlah konversi dengan CPA yang sama.

Ini memungkinkan Anda untuk segera mendapatkan tidak hanya rekomendasi untuk mendistribusikan kembali anggaran, tetapi juga hasil yang diprediksi.

Pertanyaan utamanya tetap: Bagaimana Anda bisa mengetahui kurva kapasitas untuk setiap kata kunci? Di OWOX BI, kami menggunakan data pasar dari puluhan ribu proyek untuk melatih model yang menjawab pertanyaan ini ketika diberikan wilayah dan ceruk proyek. Berdasarkan pengalaman kami, data sebulan bahkan untuk proyek besar tidak cukup untuk mendapatkan ramalan berkualitas tinggi.

Takeaways utama:

1. Model atribusi mengevaluasi kampanye iklan tetapi tidak memberikan rekomendasi untuk mendistribusikan ulang anggaran iklan.
2. Untuk mendapatkan rekomendasi, Anda perlu mengetahui kapasitas kampanye dan strategi promosi.
3. Model atribusi terbaik adalah yang didasarkan pada rekomendasi yang memungkinkan bisnis Anda mencapai tujuan tertentu.

Cara meningkatkan kapasitas saluran (media) dan kesalahan umum dalam menetapkan tujuan untuk agensi (klik terakhir) patut mendapat perhatian khusus (dan artikel). Tulis di komentar apa yang ingin Anda baca di artikel kami berikutnya.

Jika Anda ingin mempelajari lebih lanjut tentang model atribusi OWOX, daftar untuk demo. Kami akan dengan senang hati menjawab semua pertanyaan Anda.