Applicare Machine Learning Insights ai modelli di attribuzione multi-touch PPC

Applicazione dell'apprendimento automatico ai modelli di attribuzione multi-touch

Aggiornato il 30.4.2020

Il tuo nuovo pianificatore di marketing multimediale potrebbe incorporare l'apprendimento automatico per ottimizzare i modelli di attribuzione multi-touch utilizzati nella pubblicità PPC per gli anni '20 .

È più probabile che le agenzie di marketing digitale di successo di domani saranno quelle in grado di sfruttare i dati e applicare gli insight del machine learning per ottimizzare i modelli di attribuzione multi-touch. Le informazioni acquisite sono essenziali anche per campagne di remarketing di successo.

L'esplorazione di nuove innovazioni in Machine Intelligence presso Google ha contribuito a posizionare l'azienda come il secondo marchio più influente al mondo mentre ci avviciniamo agli anni 2020. Il gigante della ricerca sta esplorando attivamente gli aspetti avanzati dell'apprendimento automatico da algoritmi più classici a tecniche all'avanguardia come il deep learning. Dato che le aziende che fanno pubblicità utilizzando Google AdWords continuano a ottenere nuovi successi nella ricerca a pagamento, è utile comprendere come l'apprendimento automatico e i modelli di attribuzione multi-touch funzionano insieme.

Per prima cosa, rispondiamo ad alcune domande comuni poste dalle persone .

Che cos'è l'attribuzione multi-touch?

L'attribuzione multi-touch è un mezzo per misurare l'efficacia del marketing. È una tecnica che valuta tutti i punti di contatto del percorso del consumatore e assegna un credito frazionario a ciascuna azione in modo che un marketer digitale possa valutare quanta influenza ha ciascun canale su una vendita.

Che cos'è un modello di attribuzione nel marketing?

Un modello di attribuzione utente è un insieme di regole che decidono in che modo il credito per le vendite e le conversioni viene assegnato ai punti di contatto dei consumatori nei percorsi di conversione. Lo strumento di confronto dei modelli offre confronti su come diversi modelli di attribuzione influenzano la valutazione e le prestazioni dei tuoi canali di marketing.

L'attribuzione multi-touch offre un'alternativa più sofisticata agli approcci di attribuzione tradizionali basati su regole, come il primo e l'ultimo tocco, che attribuiscono tutto il merito al primo o all'ultimo punto di contatto di marketing prima che il consumatore si converta tramite un acquisto, un download o qualsiasi altro evento.

Se conduci per la prima volta ricerche di marketing approfondite , puoi determinare meglio le attività del tuo utente sul sito.

Ciò comporta il lavoro sull'identificazione della lingua, sul parlato, sulla traduzione, sulle tendenze dell'elaborazione visiva , sulla classifica e sulle capacità predittive che sfruttano l'intelligenza artificiale. Abbondanti volumi di big data che forniscono prove di relazioni di interesse dirette o indirette vengono utilizzati per sviluppare approcci di apprendimento per comprendere e produrre rapidamente risultati di ricerca più accurati.

I progressi nell'apprendimento automatico stanno costringendo i marketer digitali ad evolversi, indipendentemente dal fatto che i SEO ne siano consapevoli o meno. O che tu prepari o meno il tuo sito web. Questo articolo spiegherà perché preferiamo utilizzare la modellazione basata sulla posizione nell'attribuzione multi-touch.

Il cambiamento principale è questo: le società di pianificazione e acquisto dei media sanno di essere emerse con una nuova visione delle strategie pubblicitarie per avere successo nell'aumentare il volume delle vendite online .

Comprensione dei modelli di attribuzione multi-touch: basati su regole e algoritmici

Devo utilizzare un approccio basato su regole o un modello algoritmico di attribuzione PPC?

La determinazione precisa del modello di attribuzione del tuo marchio può essere raggruppata in due categorie di modelli: apprendimento automatico basato su regole e algoritmico. Un modello basato su regole è umanamente dedotto e quindi potrebbe essere etichettato come abbastanza soggettivo. Questi modelli di attribuzione più tradizionali si basano su ipotesi comunemente comprese su primo e ultimo tocco, tocco uguale, attribuzione di decadimento temporale e altri scenari. Ad esempio, è stata l'ultima esposizione che ha guidato la decisione di acquisto della persona o il primo e l'ultimo tocco hanno lo stesso peso.

L'attribuzione di marketing basata su regole è nota come approccio di attribuzione semplice. Questi modelli assegnano valori a ciascun punto di contatto del consumatore stabilito da una formula predefinita. Assegna il 100% di credito a un solo punto di contatto nel percorso di acquisto, di solito il primo o l'ultimo.

Per migliorare questo processo soggettivo, in caso di percezioni disallineate, la modellazione dell'attribuzione multi-touch che si basa sulla scala di maturità dell'analisi è più descrittiva e comporta un processo di considerazione inferiore mentre si appoggia all'apprendimento automatico. Sostituendo l'attribuzione di un singolo touchpoint (ultima interazione e prima interazione) ai modelli multi-touchpoint, è più facile assegnare credito a vari touchpoint in base alle regole esistenti.

Dati i progressi nell'apprendimento automatico all'interno dell'algoritmo Google BERT , un approccio algoritmico basato sui dati si è dimostrato più affidabile. Ciò significa che gli output di attribuzione sono stabiliti in base ai dati e alla modellizzazione di tali dati. L'attribuzione parziale viene assegnata in percentuale a seconda del valore di un tocco rispetto all'intero. Per essere precisi, tuttavia, l'attribuzione algoritmica dell'apprendimento automatico dipende molto dalla ricchezza dei dati immessi. Quando viene utilizzata una fonte attendibile, si ottiene un'istantanea completa, ma in caso contrario, i risultati potrebbero essere brutalmente imperfetti.

Anche se ci affidiamo all'apprendimento automatico, questo modello dipende ancora da un alto grado di interazione umana. Le intuizioni contestuali acquisite da un analista umano aiutano a ridurre i potenziali input difettosi. È più probabile che un esperto di marketing digitale riconosca rapidamente un incidente prima che intacchi i risultati.

Il modello di attribuzione multi-touch offre agli esperti di marketing uno sguardo completo sull'impatto che ogni interazione dell'utente ha sull'obiettivo finale. Questo aiuta a capire meglio cosa funziona, cosa non funziona e quali effetti ha in questo gigantesco puzzle multicanale. Queste intuizioni producono ampiamente il potenziale per i professionisti del marketing e i marchi di prendere decisioni di marketing più intelligenti. Lascia che informi i tuoi sforzi di marketing di ricerca locale .

Eric Enge afferma che "il machine learning può essere utilizzato dalla pianificazione SEO alla vittoria di acquisti online quando si attribuisce correttamente il coinvolgimento degli utenti". L'articolo di Moz del 4 febbraio 2016 intitolato The Machine Learning Revolution: How it Works and its Impact on SEO *, approfondisce il modo in cui è possibile utilizzare l'investimento fatto da Google e da altri motori di ricerca nella tecnologia basata su algoritmi. Controlla.

Dovresti usare l'attribuzione del modello Multi-Touch per la tua azienda?

Il machine learning può essere utilizzato per informare la pianificazione del marketing agile per ottenere acquisti online quando si attribuisce correttamente il coinvolgimento degli utenti.

Uno dei modi migliori per trarre vantaggio dal data mining è segmentare i clienti e quindi inviare messaggi mirati utilizzando AdWords. Ed è un processo abbastanza semplice. Solo dai dati di Search Console e di Google Analytics, è possibile suddividere il tuo pubblico in segmenti significativi come età, interessi, reddito, professione o sesso. E questo è efficace sia che tu stia eseguendo campagne di email marketing , ricerca a pagamento o aggiornando le tue strategie SEO.

Un altro vantaggio della segmentazione dei dati è la capacità di comprendere meglio il tuo panorama competitivo. Questa intuizione da sola ti aiuterà a identificare i mercati abituali che identifichi rapidamente così come quelli rivolti agli stessi potenziali acquirenti che la tua azienda vuole servire.

Se sei come la tipica azienda che quando gli viene chiesto di elencare i propri concorrenti, torna con un elenco di individui. Pensa e pianifica in grande. Usa il marketing di ricerca a pagamento per raggiungere più acquirenti . I motori di ricerca devono scegliere da un pool mondiale di potenziali corrispondenze per le query di ricerca degli utenti. La maggior parte delle aziende ha bisogno di espandere la propria cerchia di siti Web competitivi due o tre volte se vuole davvero competere e vincere. Il data mining e la comprensione di più su come funziona l'apprendimento automatico ti aiuteranno a farlo.

L'articolo di E Marketers intitolato Google's Journey into Machine Learning: What Marketers Need to Know parla dei diversi metodi che esistono con un approccio top-funnel. Ciò comporta un piano strategico per ottenere contatti qualificati che entrano nel tuo sito web, compresi gli acquirenti provenienti direttamente da Google Maps .

"Le sessioni e le visite al sito Web di un'azienda non hanno tutte lo stesso valore e un'azienda non dovrebbe pagare lo stesso importo per tutti i lead", afferma Justin Cutroni.

8 principali vantaggi di un modello di apprendimento automatico per migliorare le conversioni:

Prendere decisioni pubblicitarie migliori inizia con la disponibilità di dati accurati e la capacità di utilizzare l'aggiornamento del modello di apprendimento automatico ad ogni conversione.

1. Comprendi facilmente quanto è profonda la canalizzazione di conversione dei visitatori del tuo sito e in che modo gli utenti prendono le decisioni.

2. Scopri quando ottimizzare vedendo quanto tempo impiegano in genere gli utenti a convertire in base a dove iniziano e finiscono con l'acquisto.

3. Più in grado di determinare dove spendere dollari pubblicitari per aumentare il ROI e le entrate aziendali nel prossimo trimestre.

4. Decifra il numero di conversioni in base al dispositivo utilizzato e l'effetto del targeting strategico del dispositivo in parti distintive del funnel.

5. Migliore capacità di vedere come le tue tattiche di imbuto superiore e l'uso dei contenuti video giocano in ogni conversione.

6. Capacità più accurata di comprendere l'intero ciclo di vita del cliente sia per i nuovi affari che per quelli di ritorno.

7. Un vantaggio dei modelli di attribuzione algoritmica è che ci sono meno ipotesi all'inizio.

8. Riduce la necessità di ricontrollare i dati con il senno di poi.

Usa l'attribuzione del decadimento del tempo di apprendimento automatico per allocare la spesa di mercato

"Fondamentalmente, l'ultima campagna o impressione con cui il lead ha interagito ottiene tutto il credito di conversione. Se stai eseguendo solo una o due campagne, la semplicità e l'accessibilità immediata di questo modello sono allettanti. Tuttavia, nei casi in cui disponi di più canali di marketing, questo tipo di attribuzione è fuorviante e non ti aiuterà ad allocare meglio la tua spesa di marketing", afferma Segment Analytics Academy**.

Quando si utilizza il modello di attribuzione del decadimento temporale, ai punti di contatto più vicini nel tempo all'acquisto o alla conversione del consumatore viene attribuita la quota maggiore del credito. Se, ad esempio, sia il clic di una campagna AdWords sia i canali e-mail vengono riconosciuti come le interazioni più recenti con i clienti entro poche ore prima della vendita, un altro canale riceverà meno credito rispetto ai canali annuncio o e-mail. Poiché l'interazione con la ricerca a pagamento si è verificata in prossimità del momento della vendita, questo canale riceve molto più credito rispetto a un precedente impegno sociale con un agente.

Utilizzo della modellazione di attribuzione basata sui dati di Google

Google si affida maggiormente all'apprendimento automatico, che influenza i dati sul comportamento degli utenti e l'abilità aritmetica per trovare un modello di attribuzione che sia il migliore per massimizzare il volume totale delle conversioni. È un sogno da miniera d'oro individuare un set di dati che aumenterebbe il volume delle conversioni su dispositivi mobili di AdWords più di qualsiasi altro concorrente.

Una sfida con l'attribuzione basata sui dati in-AdWords è che offre al meglio un'interpretazione a canale singolo del coinvolgimento degli utenti. Per indirizzare con successo nuovi clienti che cercano il tuo prodotto online, è difficile identificare le conversioni che potrebbero provenire da altre attività di marketing non di ricerca come e-mail o social network. L'apprendimento automatico è migliore per abbinare le entità dell'immagine a un prodotto che le persone cercano. Le immagini e gli annunci dei prodotti possono essere visualizzati nei caroselli dei prodotti online .

Google suggerisce di avere almeno un minimo di 20.000 clic e 800 conversioni effettuate entro un periodo di un mese. Molte aziende che iniziano con AdWords hanno numeri più modesti e ottengono risultati migliori con l'attribuzione basata sulla posizione all'inizio. Trovare il miglior modello di attribuzione per PPC per la tua azienda dipende da molti fattori e viene rivelato nel tempo e nei test.

Sfide nella selezione del miglior modello di attribuzione multicanale

Qualunque modello tu scelga, ricorda di rispettare le migliori pratiche di trasparenza e privacy dei consumatori .

Non molti aspetti dell'analisi sono più complessi della scoperta del miglior modello di attribuzione multicanale da utilizzare per la tua azienda.

Com'è possibile che l'ultimo clic sia sbagliato dopo essere stato il modello di attribuzione PPC predefinito per anni? E poi scoprire che anche l'attribuzione del primo clic è errata può essere difficile da accettare. Mentre ci stiamo muovendo verso modelli basati sulla posizione anche nel tempo, nessuna tecnica di attribuzione basata sui dati sembra perfetta. La tua spesa per il marketing PPC nel prossimo anno potrebbe essere aumentata con risultati migliori e un maggiore ritorno per il tuo investimento nella pubblicità a pagamento. Indipendentemente dal fatto che tu faccia parte del team di ricerca organica o di ricerca a pagamento, alla fine se offri più valore ai consumatori , ne esci in vantaggio.

Il modello di attribuzione dell'ultimo tocco è semplice e spesso ciò su cui molti esperti di marketing ricorrono. Tuttavia, ignora completamente gli stimoli di tutte le impressioni pubblicitarie, escludendo l'ultima. In alternativa, l'idea più recente del modello di attribuzione multi-touch (MTA) è stata adottata da molti. Ciò significa che più di un punto di contatto può avere ciascuno una frazione del credito in base a un'influenza dell'utente più reale su ciascun punto di contatto che porta alla decisione dell'utente di effettuare un acquisto.

A causa delle nuove tecnologie di apprendimento automatico, non lasciarti scoraggiare dalle precedenti concezioni al riguardo. Nato dal riconoscimento dei modelli di ricerca e del comportamento dei visitatori del sito, il lavoro di ricerca sull'intelligenza artificiale consente alla tua azienda di imparare dai dati e dai punti di contatto degli utenti. È possibile visualizzare meglio i dati di conversione del credito. L'aspetto iterativo dell'apprendimento automatico è importante perché quando i modelli sono esposti a nuovi dati, sono in grado di adattarsi in modo indipendente. Imparano dai calcoli precedenti per produrre decisioni e risultati affidabili e ripetibili. Questa è una vecchia scienza, ma che è notevolmente migliorata e sta ottenendo un nuovo consenso da esperti di marketing digitale. Se mantieni aggiornate le tue pratiche di marketing SEO , ne trarranno vantaggio anche le tue operazioni PPC.

Sebbene molti algoritmi di apprendimento automatico esistano da anni, il potere di applicare automaticamente complessi calcoli matematici ai dati di Google Analytics in modo più rapido e molto più affidabile è uno sviluppo recente.

Come utilizzare il rapporto sui principali percorsi di conversione di Analytics Canalizzazioni multicanale

Esamina il rapporto Lunghezza percorso nel rapporto standard Canalizzazioni multicanale in Google Analytics (o piattaforma simile). Spesso un numero elevato di conversioni del sito ha una lunghezza di percorso maggiore di un percorso, rendendo difficile l'attribuzione corretta della conversione. Google Analytics consente agli esperti di marketing di combinare approfondimenti sul percorso di conversione dell'utente che con la sua conversione multicanale visualizzano nella sezione Panoramica.

Esamina il rapporto Conversioni indirette in Google Analytics. Concentrati sull'ultima colonna che mostra tutte le conversioni indirette/ultimo clic o dirette:

• Per valori inferiori a uno, quel canale ha una maggiore probabilità di generare conversioni dell'ultimo clic.

• Per valori superiori a uno, è probabile che quel canale sia disponibile prima nella fase di conversione. A questi canali potrebbe mancare il credito appropriato quando si utilizza una strategia di attribuzione dell'ultimo clic.

È possibile decifrare quali aree potrebbero essere sottovalutate attraverso i tuoi canali di marketing.

Quindi aggiusta una percentuale dell'allocazione del budget e misura i nuovi risultati. Interi team di marketing traggono vantaggio dal sapere quale canale viene prima (quello che funziona per presentare il tuo marchio al consumatore "), quale canale viene dopo ("nutre le nostre potenziali decisioni di acquirente"), quale canale viene dopo e così via.

Successivamente, individua gli approfondimenti nel rapporto Percorsi di conversione principali di Analytics.

Data mining per modelli di attribuzione migliori

Segmentare il tuo database e testare come le tue informazioni hanno preso forma. Il testo pubblicitario può aumentare i tassi di conversione aziendale e quindi i margini di profitto. Realizzando le tue promozioni PPC da un piano di marketing rigoroso e altamente interessato, può consentire alla tua azienda di personalizzare prodotti e promozioni per soddisfare meglio le esigenze di un pubblico unico rispetto a una promozione più generica e ampia.

Approcci più intelligenti della canalizzazione superiore su come ottenere lead nuovi e qualificati per il tuo sito Web possono comportare una maggiore attenzione a metà della canalizzazione. Il marketing orientato al profitto include la previsione delle cause dell'abbandono, del coinvolgimento degli utenti e di migliori tassi di fidelizzazione, è possibile ridurre i silos organizzativi e vedere le aziende integrare le proprie origini dati. Abbiamo la capacità di coinvolgere l'apprendimento automatico per migliorare l'integrazione dei dati che possono essere utilizzati per guidare l'acquisizione di nuovi clienti, ridurre le frequenze di rimbalzo della pagina di destinazione e creare acquisti di ritorno dai clienti esistenti.

Molti attribuiscono l'apprendimento automatico, l'analisi dei clienti e il modo in cui i big data possono collaborare per superare il raggiungimento di un determinato tipo di acquirente con un messaggio specifico su un tipo di dispositivo. Dopo aver determinato un comportamento trigger eseguito da un visitatore del sito, gli esperti di marketing ottengono informazioni più qualificate su cosa modificare nei messaggi, nelle offerte, nella frequenza, nell'ora del giorno e in altri fattori per rendere più efficiente la pubblicità a pagamento.

Modellazione basata sulla posizione nell'attribuzione PPC

Ogni azienda vuole essere il più parsimoniosa possibile per ottenere i massimi risultati dalla propria spesa pubblicitaria e per mostrare snippet in primo piano visibili . Esaminando attentamente fino in fondo alla tua canalizzazione di conversione, l'attribuzione dell'ultimo clic merita la maggior parte degli sforzi di molti esperti di marketing. Sebbene sia facile capire perché, quando l'obiettivo è l'efficienza del PPC e la crescita verso l'esterno richiede meno attenzione, preferisco un modello di decadimento temporale.

Tuttavia, quando l'obiettivo dell'attività è la crescita e l'aumento dell'acquisizione di nuovi clienti, per l' ottimizzazione di AdWords è prioritario avvicinarsi al vertice della canalizzazione. Sia l'attribuzione del primo clic che l'ultimo clic offrono solo piccoli pezzi della torta. I dati di Google in AdWords e Google Analytics potrebbero un giorno fornire un'iterazione inversa del decadimento del tempo, ma poiché non è offerto oggi, un modello basato sulla posizione oa forma di U richiede più lavoro e un'interpretazione esperta dei rapporti sui dati disponibili.

Concentrandosi su dati predittivi e informazioni di acquisto rilevanti , è possibile aumentare le relazioni che i consumatori hanno con i tuoi prodotti e servizi. Ciò richiede una chiara strategia di content marketing che funzioni per il tuo funnel di vendita sempreverde .

Il modello di attribuzione basato sulla posizione a forma di U semplifica l'identificazione dei punti di contatto chiave degli utenti attribuendo contemporaneamente una percentuale di credito alle precedenti iniziative di marketing. Quando l'azienda ha un ciclo di acquisto lungo, i punti di contatto intermedi hanno spesso un peso minore. Gli acquirenti cercano recensioni di prodotti per aiutarli a prendere una decisione. La modellazione dell'attribuzione è completamente arbitraria. Anni di pratica e una mente analitica ti aiutano ad assegnare credito alle metriche e ai canali che sono meglio allineati ai tuoi obiettivi aziendali.

Lo studio di monitoraggio tra dispositivi offre approfondimenti per la misurazione e l'attribuzione

Il monitoraggio cross-device migliorato offre una visione completa del comportamento di un utente e può essere utile per una serie di scopi, tra cui il targeting degli annunci, l'attribuzione multi-touch, la ricerca e l'attribuzione delle conversioni. Tuttavia, gli utenti del sito spesso non sono a conoscenza o spesso saltano la lettura degli avvisi sui cookie pubblicati in fondo alle pagine su come e con quale frequenza il loro comportamento viene tracciato su diversi dispositivi. Pertanto uno studio di OTech raccoglie informazioni sul tracciamento cross-device e offre osservazioni dal punto di vista dell'utente finale.

Secondo una comunicazione e-mail del 5 gennaio di Aaron Alva presso la Divisione Tecnologia della FTC, “le aziende di tecnologia di analisi e pubblicità su Internet stanno cercando sempre più di trovare modi per collegare il comportamento tra i vari dispositivi di proprietà dei consumatori. Questo monitoraggio cross-device può fornire una visione più completa del comportamento di un consumatore e può essere prezioso per una serie di scopi, tra cui il targeting degli annunci, la ricerca e l'attribuzione delle conversioni".

Per ulteriori informazioni, leggere il rapporto appena pubblicato dall'FTC chiamato Cross-Device Tracking: Measurement and Disclosure dell'Office of Technology Research and Investigation (OTech)

In che modo l'apprendimento automatico avvantaggia i tuoi annunci Google

Perché gli imprenditori vogliono conoscere l'attività di ogni cliente in ogni punto di contatto:

• Miglioramento del targeting degli annunci e comunicazioni su misura per Google Ads: grazie a una conoscenza più approfondita del comportamento dei clienti e delle interazioni online, le tue strategie di marketing per i motori di ricerca possono formare messaggi personalizzati per integrarsi meglio su tutti i canali.

• Migliori decisioni su prodotti e servizi: con informazioni dettagliate sui dati dei clienti migliorate per l'analisi , le pagine di destinazione per la vendita al dettaglio possono essere più utili dopo aver modificato tramite marketing informato, SEO on page e decisioni di posizionamento.

• Migliora la fedeltà dei clienti: come un singolo cliente può aiutare le strategie di marketing a migliorare il servizio clienti e influenzare positivamente la fedeltà dei clienti.

• Copia di offerte migliori e promozioni a pagamento negli annunci display” : comprendere i comportamenti degli utenti e il modo in cui i clienti pensano mentre si interfacciano con il tuo marchio significa che i tuoi team di marketing possono presentare le offerte e le promozioni incentrate sul cliente e che significheranno di più per visitatori del sito.

“Nel modello di attribuzione basata sulla posizione, il 40% di credito viene assegnato a ciascuna prima e ultima interazione e il restante 20% di credito viene distribuito uniformemente alle interazioni intermedie. In questo esempio, i canali Ricerca a pagamento e Diretto riceverebbero ciascuno il 40% di credito, mentre i canali Social Network ed Email riceverebbero ciascuno il 10% di credito". – Supporto di Google Analytics

NOTA: Google ha presentato domanda il 15 febbraio 2013 per un metodo e un apparato per la determinazione dell'attribuzione multi-touch basata sui dati nelle campagne pubblicitarie multicanale . Altrimenti noto come US 20140236705 A1, che si basa sullo sfruttamento del deep learning .

Come faccio a determinare quale modello è il migliore per la mia attività?

I responsabili del marketing digitale sono i migliori nel determinare quali campagne, creatività e posizionamenti di Google Ads hanno il rendimento migliore, come modificarli o se dovresti investire in campagne specifiche. La risposta "dipende" è vera qui poiché entrano in gioco molti altri fattori, come la consapevolezza del marchio preesistente, i margini di ROI e i dati demografici; l'attribuzione frazionaria no.

Più pressione è sui marketer digitali in nicchie ristrette. Sono sempre più spesso ritenuti responsabili dell'aumento della conversione e dell'ottenimento di rich featuring snippet nei risultati di ricerca . Man mano che emergono nuove misurazioni, è più facile decifrare se qualcuno di questi modelli è migliore della misurazione del canale in silos. Questi metodi ti forniranno informazioni sul percorso del consumatore che non avevi prima. Decidere quale soluzione di attribuzione multi-touch è la migliore per i tuoi prodotti dipende molto dagli obiettivi aziendali, dai requisiti, dal budget e dal modo in cui desideri utilizzare l'output per migliorare l'efficacia del tuo marketing a pagamento.

SOMMARIO

Scopri di più sui servizi Jeannie Hill e Google Ads a tuo piacimento.

Se desideri vedere cosa può fare l'integrazione di un approccio di apprendimento automatico, parliamo ulteriormente dei nostri Servizi di ottimizzazione di AdWords per tassi di conversione più elevati

* https://moz.com/blog/machine-learning-revolution

** https://segment.com/academy/advanced-analytics/an-introduction-to-multi-touch-attribution/