Perché i modelli di attribuzione a canale singolo sono un vicolo cieco per i CMO

Con l'accesso a un'enorme quantità di dati sui clienti, gli esperti di marketing possono ottenere un quadro olistico di ciò che sta accadendo. Ad esempio, gli esperti di marketing possono scoprire esattamente come i clienti interagiscono con il tuo marchio, prevedere la probabilità che un utente acquisti qualcosa (e quando), stimare quali entrate porteranno i clienti e determinare quali canali sono i migliori per interagire con i clienti. Ma questo è solo un lato della medaglia. D'altra parte, la pubblicità sta diventando più costosa e l'attenzione dei consumatori sta diventando sempre più difficile da ottenere.

I marketer tecnologicamente più avanzati vinceranno questa gara e l'attribuzione gioca un ruolo significativo nella valutazione dell'efficacia dei canali pubblicitari. Questo articolo spiega perché i modelli di attribuzione a canale singolo non sono una strada verso il nulla e perché anche i modelli basati sui dati non sono sufficienti per un marketing di successo.

Con lo sviluppo della tecnologia, la comparsa di sempre più canali di marketing (online e offline) e il passaggio delle aziende a Internet a causa della pandemia, è fondamentale per i marchi capire da dove provengono i loro clienti e come e quando i clienti si convertono . È qui che entra in gioco l'attribuzione di marketing.

Nell'analisi di marketing, l' attribuzione riguarda la valutazione del valore apportato dai canali pubblicitari. Questo è uno dei compiti critici dei marketer digitali. Come mai? Come mostra la ricerca di Gartner del 2020, oltre l'80% dei budget di marketing è destinato ai canali digitali. In poche parole, milioni di dollari vengono spesi in pubblicità e le aziende ovviamente vogliono essere sicure che questa spesa porti clienti e entrate.

L' obiettivo dell'attribuzione è definire il contributo di un canale alle conversioni, il suo ruolo nel portare i clienti al passaggio successivo della canalizzazione o incentivare gli acquisti, e assegnare un valore a ciascuna fase della canalizzazione.

I marchi utilizzano le analisi di marketing per definire come, dove e quando un cliente interagisce con un'azienda e utilizzano l'attribuzione per valutare l'efficienza del canale. Grazie a questi dati, i marketer possono quindi modificare e migliorare le campagne pubblicitarie.

Esistono molti tipi diversi di modelli di attribuzione e vale la pena notare che non esiste un unico modello corretto. Solitamente i modelli di attribuzione sono classificati secondo la logica con cui calcolano il valore. I tipi di modelli di attribuzione includono:

• Modelli di attribuzione basati sulla posizione — Decadimento temporale, Basati sulla posizione
• Modelli di attribuzione algoritmica — Data-Driven, Markov Chains
• Modelli di attribuzione a canale singolo : ultimo clic, primo clic
• Modelli di attribuzione multicanale — Lineare, Time Decay

La maggior parte delle aziende utilizza modelli di attribuzione a canale singolo. Questi modelli sono sempre stati utilizzati, quindi perché cambiare qualcosa che sembra funzionare? I modelli a canale singolo sono semplici, standard in Google Analytics (Universale) e consentono di comprendere facilmente come viene distribuito il valore.

Ecco un esempio di come viene distribuito il valore di conversione nei modelli di attribuzione a canale singolo:

Tuttavia, questi modelli possono valutare solo un canale. Semplificano eccessivamente il percorso di acquisto del cliente omnicanale, portando a gravi malintesi e certamente non mostrando la situazione reale.

Ad esempio, se diamo un'occhiata al report Path per un rivenditore multicanale con un numero moderato di visitatori del sito Web, possiamo vedere quale quota di reddito viene generata dagli ordini effettuati alla prima visita. Qui i percorsi multicanale con due e più visite portano il 72% delle entrate.

In media, un cliente impiega da sette a nove punti di contatto (i migliori risultati possono ridurlo a cinque) per convertire. Ovviamente ognuno di questi punti di contatto (canali) influisce sulla probabilità di conversione. È logico che in questo caso sia necessario tenere conto dell'influenza di tutti i canali sull'acquirente .

Tuttavia, quando si utilizzano modelli di attribuzione a canale singolo, le diverse fasi della canalizzazione vengono ignorate. Ignorare ciò che accade all'inizio, al centro e alla fine del funnel di vendita può portare a decisioni di gestione improprie e perdite monetarie.

Oltre ai modelli di attribuzione a canale singolo, i modelli basati sui dati sono piuttosto popolari. Tra gli esempi più famosi ci sono il modello Data-Driven di Google, il modello Conversion Lift di Facebook e Campaign Lift di Nielsen.

I modelli basati sui dati riflettono in modo più accurato l'impatto di ciascuna origine sul percorso verso la conversione. Sono veloci, adattabili e più obiettivi rispetto ai modelli a canale singolo perché considerano tutti i dati sulle interazioni degli utenti con i marchi. In un ambiente multicanale, tutti i punti di contatto convincono i clienti ad acquistare un prodotto, ma chiaramente la loro influenza non è uguale. Di conseguenza, i modelli di attribuzione semplici e tradizionali lasciano grandi lacune nell'analisi dei dati e non forniscono un quadro completo di ciò che sta accadendo.

L'attribuzione basata sui dati confronta i percorsi degli utenti utilizzando i dati di tutti gli utenti (quelli che hanno convertito e quelli che non l'hanno fatto). Questo approccio consente agli esperti di marketing di valutare in tal caso la probabilità di conversione è maggiore.

Di conseguenza, il modello calcola il peso di conversione di ciascun canale nel percorso dell'utente, indipendentemente dalla sua posizione.

Gli svantaggi dei modelli basati sui dati includono il fatto che l'algoritmo deve ricevere dati sufficienti per mostrare i risultati più accurati. Affinché un modello fornisca una stima affidabile, ha bisogno di molti dati storici e di mercato. Sono necessari almeno 12 punti di contatto per ottenere un'elevata precisione nei modelli di attribuzione basata sui dati.

Per riassumere, possiamo dire che molto spesso, un modello monocanale porta a decisioni di gestione errate, poiché queste decisioni non tengono conto dell'intero quadro. Pertanto, un modello basato sui dati è migliore di un modello a canale singolo. Tuttavia, non c'è limite alla perfezione. Le opzioni più avanzate considerano la probabilità di conversioni e vengono addestrate sui dati di mercato utilizzando tecnologie di apprendimento automatico.

Il problema più grande con i modelli di attribuzione basata sui dati è che sono necessari troppi dati per l'analisi. Non è un canale che partecipa alla comunicazione con il cliente, ma un intero insieme di fonti multimediali in diverse varianti. Per misurare la metrica del ROI, ad esempio, un marketer deve in qualche modo gestire l'intera orchestra.

È qui che i modelli di attribuzione di machine learning (ML) salvano la situazione! I modelli che utilizzano l'apprendimento automatico e i dati di mercato hanno assolutamente cambiato l'approccio all'attribuzione. I modelli ML possono essere adattati alle aziende per ottenere il quadro più completo e veritiero del percorso di acquisto di un cliente. Con un aumento di oltre il 70% anno su anno delle vendite su Internet tra il 2019 e il 2020, un modello ML è un must per qualsiasi marketer.

Tutti i dati necessari per l'analisi di marketing, la cui quantità aumenta ogni giorno, non possono essere elaborati senza l'uso dell'apprendimento automatico. Con il suo aiuto, i marketer non hanno più bisogno di spingersi attraverso un labirinto di numeri alla ricerca di informazioni utili.

Dopotutto, per le aziende è importante non solo capire quali canali non funzionano, ma anche capire quali funzionano in modo da non allocare i propri budget alla cieca.

Secondo lo studio Digital Marketing Insights for CMOs in 2021 di Gartner, l'84% dei CMO ritiene che l'uso dell'apprendimento automatico e dell'intelligenza artificiale migliori le funzionalità di marketing. Allo stesso tempo, solo il 17% dei professionisti fa ampio uso delle capacità di AI/ML.

Il team OWOX BI ha lavorato con più di 27.000 progetti e comprende che ogni azienda ha le proprie esigenze di attribuzione e che non esiste una risposta chiara per tutti. Per un'azienda è adatto un modello a canale singolo. Alcune aziende necessitano di un'opzione basata sui dati. E per gli altri, è necessaria l'ottimizzazione del marketing mix (MMO).

La teoria va sempre di pari passo con la pratica. Il modello OWOX è caratterizzato da una maggiore velocità e da un'eccellente qualità di previsione perché è formato sui dati di mercato di decine di migliaia di progetti. L'utilizzo dell'attribuzione ML e dell'importazione automatica dei segmenti di pubblico ha aiutato uno dei nostri clienti ad aumentare il proprio ROI di 2,2 volte.

OWOX ha recentemente lanciato una versione aggiornata del suo modello di attribuzione. Quali sono i vantaggi di questo nuovo modello?

1. Non è necessario selezionare manualmente i passaggi della canalizzazione. Il modello stesso determina il contributo delle campagne in base alla probabilità di conversioni.
2. Ottieni una previsione del valore per tutte le sessioni. Con il nuovo modello puoi rispondere alla domanda Se dovessi disattivare questa campagna oggi, quante conversioni riceverei in futuro? Questo approccio ti aiuta a evitare di disabilitare le campagne differite e a disattivare più rapidamente le campagne inefficienti.

3. La logica di calcolo è assolutamente trasparente. Il codice di trasformazione dei dati aperti consente di tenere conto di qualsiasi caratteristica aziendale. I clienti OWOX possono apportare le modifiche necessarie al codice mentre il servizio aggiorna i dati da fonti di marketing (servizi pubblicitari, servizi di chiamata, CRM), li combina con i dati sui costi di varie piattaforme pubblicitarie e prepara i report richiesti.

I modelli di attribuzione ti consentono di controllare i canali di marketing, aiutandoti a capire con quanta precisione i tuoi rapporti dimostrano l'efficacia del tuo marketing e come puoi ottimizzare il tuo marketing attraverso i punti di contatto che contano davvero.

Gli esperti di marketing devono essere sicuri che ogni azione spinga il cliente più vicino alla conversione. Puoi utilizzare i modelli di attribuzione per determinare le campagne di marketing più redditizie a seconda di quanto hai investito in esse.

Quale modello scegliere dipende dal tuo settore, dagli obiettivi della tua azienda e dalle dimensioni della tua attività. Tuttavia, una cosa è certa: nessuno di questi modelli può garantire risultati accurati al 100%.