12 motivi per selezionare l'attribuzione basata su imbuto OWOX BI ML

L'obiettivo dell'attribuzione è valutare l'efficacia dei canali e delle campagne pubblicitarie e identificare quali canali di traffico a pagamento portano a conversioni. Sapendo questo, puoi ridistribuire il tuo budget pubblicitario su canali efficaci, smettere di spendere soldi per canali inefficienti e alla fine ottenere più conversioni.

Il tuo successo nell'esecuzione del tuo piano di vendita e nella crescita della tua attività dipende dalla qualità e dalla validità del tuo modello di attribuzione. Il problema è che la maggior parte delle conversioni avviene a seguito di più di una sessione: prima di acquistare, l'utente visita più volte il sito. Pertanto, per distribuire oggettivamente il valore del ricavo o del profitto per un ordine specifico, è necessario valutare ogni sessione, non solo l'ultima. La maggior parte dei modelli di attribuzione standard non tiene conto di tutte le azioni degli utenti prima di un ordine e attribuisce tutto il suo valore a un canale della catena. Oppure valutano i canali secondo una regola condizionale e non secondo reali meriti.

In OWOX BI, abbiamo creato il nostro modello di attribuzione basata su imbuto di apprendimento automatico (ML) che tiene conto di tutte le azioni degli utenti online e offline più i dati sulle entrate reali del tuo CRM e mostra l'influenza reciproca dei canali sulle conversioni e sulla promozione degli utenti attraverso il imbuto.

In questo articolo, descriviamo cosa puoi fare con OWOX BI Attribution.

Per cominciare, aggiorniamo le tue conoscenze teoriche.

L' attribuzione è la distribuzione del valore da una conversione tra canali che ha fatto avanzare l'utente attraverso il funnel. Aiuta a rispondere in che misura ciascun canale ha influenzato la promozione dell'utente attraverso la canalizzazione e le entrate che hai ricevuto alla fine.

Un modello di attribuzione definisce la logica di distribuzione di questo valore, ad esempio ai canali pubblicitari e alle campagne che hanno contribuito ad attirare gli utenti. Idealmente, il tuo modello di attribuzione dovrebbe essere affidabile (tenendo conto del contributo oggettivo di ogni sforzo) e trasparente (consentendo di comprendere e verificare i risultati del calcolo).

Chi ha bisogno dell'attribuzione e perché?

L'attribuzione è necessaria a coloro che gestiscono il budget per i canali di marketing e vogliono distribuirlo in modo efficace per ridurre i costi, aumentare i ricavi e soddisfare il piano di vendita.

Modelli di attribuzione standard in Google Analytics

1. Primo clic. Tutto il valore derivato dalla conversione viene attribuito alla prima fonte che ha condotto l'utente lungo il percorso verso la conversione.
2. Ultimo clic. Tutto il valore va all'ultimo canale con cui l'utente è entrato in contatto prima della conversione.
3. Ultimo clic non diretto. Tutti i valori vengono assegnati all'ultimo canale della catena. Se si tratta di traffico diretto, il valore viene attribuito alla sorgente precedente.
4. Lineare. Il valore è distribuito equamente tra tutte le fonti della catena.
5. Decadimento del tempo. Il valore è distribuito tra i canali su base incrementale.
6. Basato sulla posizione. Il canale che ha introdotto l'utente al marchio e quello che ha chiuso l'affare ricevono il 40% del valore ciascuno. Il restante 20% viene diviso equamente tra tutti i canali al centro dell'imbuto.

Modelli di attribuzione nei servizi pubblicitari

Diversi modelli di attribuzione sono disponibili in diversi servizi pubblicitari e sistemi analitici.

La maggior parte dei servizi utilizza il modello dell'ultimo clic non diretto; alcuni forniscono modelli post-view, cross-device o altri. Ma questi modelli non possono essere confrontati tra i servizi: Facebook misura la pubblicità a modo suo, mentre Google Ads ha un approccio diverso. Di conseguenza, è impossibile avere un quadro generale di tutti i tuoi strumenti pubblicitari.

I modelli di attribuzione standard non sono appropriati quando:

• la maggior parte degli ordini sul tuo sito web viene effettuata in più di una sessione, ovvero ci sono due o più visite nella catena prima della transazione
• hai un gran numero di fonti pubblicitarie
• è necessario valutare l'influenza reciproca di ciascun canale sulla promozione della canalizzazione
• vuoi capire come funzionano i canali pubblicitari in bundle
• hai un funnel di vendita complicato e incoerente.

Per valutare l'influenza reciproca di tutte le fonti, devi combinare i dati di diversi servizi pubblicitari, Google Analytics e il tuo CRM e utilizzare modelli di attribuzione complessi: il modello Data-Driven in Google Analytics 360, Markov Chains, Shapley value o algoritmi personalizzati . Ma questi modelli hanno anche i loro limiti: una quantità minima di dati richiesta per i calcoli, l'impossibilità di considerare le conversioni post-visualizzazione o combinare i dati dal tuo CRM, logica di calcolo nascosta, implementazione complessa e costosa, ecc.

L'attribuzione basata su imbuto ML di OWOX BI ti aiuta a evitare tutte queste limitazioni.

Il modello di attribuzione BI OWOX valuta l'efficacia delle tue campagne pubblicitarie, tenendo conto del contributo di ciascun canale alla promozione del cliente attraverso il funnel di conversione. Con questo modello puoi:

• allocare correttamente il budget pubblicitario, tenendo conto del reale contributo dei canali alle conversioni e della loro reciproca influenza
• ridurre il Cash Reserve Ratio (CRR) aumentando i ricavi
• aumentare il numero di nuovi clienti risparmiando il budget
• aumentare il numero di utenti target raggiunti dalle campagne media risparmiando il budget.

L'attribuzione basata sulla canalizzazione in OWOX BI si basa sulle catene di Markov e sull'apprendimento automatico. La catena di Markov è una sequenza di eventi in cui ogni evento successivo dipende dal precedente. L'attribuzione basata su catene di Markov utilizza un modello probabilistico che calcola la probabilità di transizioni tra i passaggi del funnel, consentendo di valutare l'influenza reciproca dei passaggi sulle conversioni e scoprire quali sono i passaggi più significativi.

Per calcolare le probabilità, tutti i passaggi del funnel di conversione specificati nelle impostazioni del modello di attribuzione OWOX BI, più il passaggio di accesso al sito, vengono presentati come risultati nella catena di Markov. Successivamente, viene calcolata la probabilità di una transizione tra questi risultati:

Il grafico sopra è un esempio semplificato per facilità di comprensione. In casi reali, possono esserci ancora più transazioni.

Ulteriori informazioni sul calcolo del modello di attribuzione basata sulla canalizzazione BI OWOX nel nostro Centro assistenza.

1. Raccogli dati grezzi sul comportamento degli utenti dal tuo sito web in Google BigQuery. Per fare ciò, puoi utilizzare lo streaming di dati da OWOX BI o BigQuery Export con Google Analytics 360.
2. Importa i dati sui costi in Google BigQuery dai servizi pubblicitari. Per fare ciò, puoi utilizzare OWOX BI per integrare le statistiche sulle campagne Google Ads in Google Analytics con i dati sui costi di altri servizi pubblicitari, quindi importare tutte queste informazioni in Google BigQuery. Puoi anche utilizzare OWOX BI per importare direttamente i dati grezzi da Facebook a BigQuery.
3. Se lo desideri, puoi integrare i dati in Google BigQuery con le informazioni del tuo CRM/ERP, del call center e dei sistemi di contabilità interna. Ciò ti consentirà di utilizzare le vendite offline e i dati sulle entrate CRM effettive nei tuoi calcoli di attribuzione. Puoi anche utilizzare eventi personalizzati come passaggi della canalizzazione: chiamate, e-mail, riunioni personali, ecc.
4. Nel tuo progetto OWOX BI, crea un modello di attribuzione ed esegui calcoli.

La maggior parte dei nostri clienti utilizza OWOX BI per valutare obiettivamente le campagne pubblicitarie esistenti e pianificare quelle future. Ciò è necessario per eseguire un piano di entrate con ritorno sulla spesa pubblicitaria (ROAS) pianificato.

Ecco i motivi principali per cui riteniamo che OWOX BI sia la scelta migliore per i professionisti del marketing.

Il nostro modello di attribuzione si basa su dati completi: impressioni pubblicitarie sui media e conversioni post-visualizzazione, attività degli utenti sul tuo sito Web, dati sui costi dei servizi pubblicitari, dati sulle transazioni dal tuo CRM e qualsiasi altro evento online e offline. Di conseguenza, puoi vedere l'intero quadro delle interazioni degli utenti con la tua attività e puoi tenere conto dell'impatto di tutte le attività di marketing sugli indicatori aziendali.

Le entrate in Google Analytics e le entrate dei beni acquistati nel tuo CRM spesso non corrispondono. Con OWOX BI, puoi misurare il contributo del marketing online alle vendite reali tenendo conto delle entrate dei negozi fisici e dei dati sugli ordini completati dal tuo CRM.

A differenza dei modelli di attribuzione standard, il modello OWOX BI tiene conto di ogni passaggio dell'utente prima dell'ordine, non solo dell'ultimo clic. Più è difficile superare un passaggio, più valore ottiene una sessione che ha contribuito a realizzarlo. E conoscendo il valore delle sessioni, puoi calcolare il valore delle campagne, tenendo conto del loro contributo alla promozione degli utenti attraverso il funnel.

Puoi crescere più velocemente dei tuoi concorrenti sfruttando i vantaggi esclusivi della tua azienda. Con OWOX BI, puoi creare un funnel che soddisfi la struttura della tua attività.

Oltre alle azioni degli utenti sul tuo sito Web, puoi aggiungere qualsiasi evento personalizzato dal tuo CRM, dal sistema di monitoraggio delle chiamate e da altri sistemi come passaggi della canalizzazione. Ad esempio, puoi caricare dati su chiamate, riunioni o email su Google BigQuery. Combina tutti gli sforzi aziendali volti a convertire gli utenti in un'unica canalizzazione per valutarne in modo più accurato l'efficacia.

Non basta avere una valutazione completa della tua campagna pubblicitaria. La tua valutazione deve essere suddivisa in fasi di consapevolezza, interesse e conversione utilizzando il modello AIDA.

Ad esempio, con OWOX BI, potresti notare che le campagne quasi non creano Consapevolezza:

Di conseguenza, le campagne progettate per influenzare le fasi successive della canalizzazione potrebbero sembrare inefficaci. Una valutazione del ritorno sulla spesa pubblicitaria delle campagne esistenti potrebbe mostrarti come ridistribuire il tuo budget tra di loro, ma non rivelerà la mancanza di impegno nella fase superiore della canalizzazione. OWOX BI ti dà una comprensione di dove concentrare i tuoi sforzi.

Nessun algoritmo può sostituire la tua esperienza. Ad esempio, potresti sapere che le campagne del tuo marchio sono esaurite e che il loro ROAS elevato non significa che dovresti investire di più in esse.

In OWOX BI, puoi facilmente specificare i canali che non parteciperanno alla tua valutazione:

Di conseguenza, ottieni una valutazione solo di quelle campagne che puoi gestire oggettivamente. È importante che tu possa farlo in qualsiasi momento in una comoda interfaccia senza contattare gli sviluppatori o il tuo team di supporto.

OWOX BI calcola il valore di ogni sessione. Ciò ti consente di personalizzare i modelli di attribuzione per diverse coorti di utenti, calcolare il ROI/ROAS per gli utenti nuovi e di ritorno e confrontare la redditività della coorte.

Ad esempio, gli operatori di telefonia mobile possono valutare il contributo delle campagne pubblicitarie alla vendita di servizi aggiuntivi ai clienti attuali (la coorte “clienti attuali”). E le aziende della nicchia della vendita al dettaglio di moda possono valutare separatamente gli acquirenti per la prima volta e quelli per la prossima volta per scoprire quali canali sono migliori per attirare nuovi clienti verso l'attività.

Inoltre, conoscendo il costo di una sessione, puoi calcolare quanto spendi e quanto guadagni su ciascun gruppo di prodotti. Con queste informazioni, puoi valutare l'efficacia della pubblicità per diverse regioni, pagine di destinazione, versioni di app mobili e applicazioni.

È importante non solo valutare le campagne, ma anche rendere la valutazione trasparente per le aziende. Qualsiasi valutazione della scatola nera sarà discutibile e non ti consentirà di trovare errori.

In OWOX BI, puoi vedere come viene distribuito il valore tra le campagne per ogni transazione con cui un utente ha interagito:

Errori e conclusioni errate ottenute a causa dei tentativi di applicare l'apprendimento automatico su dati insufficienti possono essere costosi per le aziende. Il nostro algoritmo controlla e controlla automaticamente la significatività statistica dei calcoli. Inoltre, OWOX BI offre ai tuoi analisti l'accesso completo a una tabella di intervalli di confidenza per ciascun segmento. Grazie a questo, puoi essere sicuro dei tuoi risultati e capire come si ottengono.

L'efficacia del marketing online dipende sempre più non dalle tecnologie utilizzate ma dalla qualità dei dati su cui vengono formati i modelli. Pertanto, l'attribuzione di per sé perde rispetto ai modelli costruiti utilizzando dati di mercato.

Il modello di machine learning di OWOX BI considera i dati di decine di migliaia di progetti.

Affinché un modello di attribuzione sia efficace, deve inoltre soddisfare i seguenti requisiti:

1. I dati per i calcoli devono essere preparati correttamente. Non puoi semplicemente saltare i dati raccolti dal tuo tracker JavaScript attraverso l'apprendimento automatico. Per questo motivo BigQuery ML è adatto per esperimenti ma non per uso commerciale.
2. È necessario considerare le informazioni sulle interazioni con la parte superiore della canalizzazione: le impressioni pubblicitarie sui media. Per fare ciò, abbiamo sviluppato OWOX BI Post-View Pixel, che ti consente di misurare gli annunci multimediali a livello di utente. Abbiamo anche integrato OWOX BI con Google Ads Data Hub, che consente a BigQuery di richiedere informazioni a Campaign Manager (ex DoubleClick Campaign Manager) e alcune altre fonti in modo che le aziende possano considerare e valutare in modo trasparente il contributo della pubblicità sui media alle fasi superiori di l'imbuto.
3. Il modello dovrebbe considerare l'opinione dell'esperto:

• Quali canali sono gestiti?
• Qual è la capacità di questi canali?
• Qual è il ruolo di un determinato canale nella canalizzazione?
• Qual è la finestra di conversione?

Il modello di attribuzione BI OWOX soddisfa tutti questi requisiti.

L'attribuzione basata sui dati in Google Analytics 360 richiede requisiti di dati elevati: 400 conversioni di ogni tipo con una lunghezza del percorso di almeno due interazioni. OWOX BI, raggruppando dinamicamente gli eventi in fasi di imbuto, fornisce risultati significativi con quantità minori di dati e si adatta a molte più aziende. Allo stesso tempo, la significatività statistica dei calcoli è controllata automaticamente a livello di coorti di utenti, così puoi essere sicuro dei risultati.

In OWOX BI Smart Data, puoi creare report basati sui dati di attribuzione senza l'aiuto di analisti o alcuna conoscenza di SQL. Una volta calcolato il modello di attribuzione, Smart Data riporta automaticamente il reddito, il numero di conversioni, il ROI, il ROAS e il CRR nel contesto degli eventi aggiunti. Inoltre, puoi creare i tuoi rapporti utilizzando un comodo Generatore di rapporti. Seleziona semplicemente i parametri e le cifre chiave che desideri visualizzare nel rapporto. Il servizio ti fornirà immediatamente un grafico e una tabella comprensibili.

Di seguito sono riportati alcuni esempi di rapporti sull'attribuzione dei dati pronti all'uso che puoi ottenere in Smart Data:

Questo rapporto consente di confrontare i risultati dei calcoli utilizzando diversi modelli di attribuzione. Nel nostro caso, si tratta dell'ultimo clic non diretto, utilizzato in Google Analytics, e dell'attribuzione basata sulla canalizzazione ML di OWOX BI. Puoi visualizzare le entrate attribuite e il ritorno sulla spesa pubblicitaria per canale, campagna, tipo di utente, regione, città e dispositivo. Le campagne sopravvalutate hanno una differenza negativa. Le campagne sottovalutate hanno una differenza/valore positivo. Ad esempio, nello screenshot qui sopra, vediamo che il canale yandex/display è stato sottovalutato e vale la pena impegnarci di più.

Il rapporto seguente mostra come viene distribuito il valore di sorgenti e canali in base ai passaggi della canalizzazione. Nell'esempio sopra, vediamo che il maggior numero di acquisti (la striscia verde chiaro) viene effettuato offline.

Oltre agli eventi, puoi aggiungere altri parametri ai rapporti come il tipo di utenti (nuovi o di ritorno):

Il rapporto sopra mostra come le spese, i passaggi della canalizzazione e gli acquisti vengono distribuiti tra le coorti di clienti. Con esso, puoi determinare quali canali e campagne attirano transazioni da nuovi clienti e allocare loro budget. Queste campagne ti aiutano ad aumentare la tua base di clienti.

Con OWOX BI, puoi creare segmenti di pubblico aggiornati automaticamente in base a qualsiasi tuo dato e scaricare questi segmenti su Google Ads. Inoltre, puoi inviare automaticamente i risultati dei calcoli di attribuzione ai servizi di offerta K50 e Alytics, nonché a Google Ads e Facebook per gestire le offerte tenendo conto della reale efficacia della tua pubblicità.

Nell'essere pionieri nello sviluppo dell'attribuzione basata su imbuto, abbiamo raccolto un'esperienza unica che condividiamo con i nostri clienti in dozzine di articoli e molta documentazione. Inoltre, siamo pronti a garantire un livello di raccolta dati e qualità di elaborazione superiore al 96% nel nostro SLA.

Con OWOX, non hai solo la bella idea di utilizzare l'apprendimento automatico nel marketing, ma anche guide dettagliate, consigli pratici ed esempi di casi d'uso di successo.

Scopri come l'attribuzione OWOX BI può aiutare la tua azienda. Iscriviti a una demo del prodotto per valutare le capacità dei nostri prodotti.