機械学習インサイトをPPCマルチタッチアトリビューションモデルに適用する

マルチタッチアトリビューションモデルへの機械学習の適用

2020年4月30日更新

新しいメディアマーケティングプランナーは、機械学習を組み込んで、2020年代のPPC広告で使用されるマルチタッチアトリビューションモデルを最適化する可能性があります。

明日の成功するデジタルマーケティングエージェンシーは、データを活用し、機械学習からの洞察を適用してマルチタッチアトリビューションモデルを最適化できるエージェンシーになる可能性が高くなります。 得られた洞察は、リマーケティングキャンペーンを成功させるためにも不可欠です。

Googleでの機械知能の新しいイノベーションの探求は、2020年代に向けて、世界で2番目に影響力のあるブランドとして同社を位置付けるのに役立ちました。 検索の巨人は、機械学習の高度な側面を、より古典的なアルゴリズムからディープラーニングなどの最先端の手法まで積極的に調査しています。 Google AdWordsを使用して広告を掲載している企業が有料検索で新たな成果を上げ続けていることを考えると、機械学習とマルチタッチアトリビューションモデルがどのように連携するかを把握することは役に立ちます。

まず、人々が尋ねるいくつかの一般的な質問に答えましょう。

マルチタッチアトリビューションとは何ですか？

マルチタッチアトリビューションは、マーケティング効果を測定する手段です。 これは、すべての消費者ジャーニーのタッチポイントを評価し、各アクションに部分的なクレジットを割り当てて、デジタルマーケティング担当者が各チャネルが販売に与える影響を評価できるようにする手法です。

マーケティングにおけるアトリビューションモデルとは何ですか？

ユーザーアトリビューションモデルは、販売とコンバージョンのクレジットをコンバージョン経路の消費者タッチポイントに割り当てる方法を決定する一連のルールです。 モデル比較ツールは、さまざまなアトリビューションモデルがマーケティングチャネルの評価とパフォーマンスにどのように影響するかを比較します。

マルチタッチアトリビューションは、消費者が購入、ダウンロード、またはその他のイベント。

最初に詳細なマーケティング調査を実施すると、サイトでのユーザーの活動をより適切に判断できます。

これには、言語の識別、音声、翻訳、視覚処理の傾向、ランキング、および機械知能を利用する予測機能に関する作業が含まれます。 関心のある直接的または間接的な関係の証拠を提供する大量のビッグデータを使用して、より正確な検索結果を理解し、迅速に生成するための学習アプローチを開発します。

機械学習の進歩により、SEOがそれを認識しているかどうかにかかわらず、デジタルマーケターは進化を余儀なくされています。 またはあなたがそれのためにあなたのウェブサイトを準備するかどうか。 この記事では、マルチタッチアトリビューションで位置ベースのモデリングを使用することを好む理由を明らかにします。

主な変更点は次のとおりです。メディアの計画および購入企業は、オンライン販売の量を増やすことに成功するために、広告戦略に新たな見方を持って出現したことを知っています。

マルチタッチアトリビューションモデルの理解：ルールベースとアルゴリズム

ルールベースのアプローチまたはアルゴリズムによるPPCアトリビューションモデルを使用する必要がありますか？

ブランドのアトリビューションモデルを正確に決定することは、ルールベースとアルゴリズムによる機械学習の2つのカテゴリのモデルにまとめることができます。 ルールベースのモデルは人間から差し引かれるため、かなり主観的なものとしてラベル付けされる可能性があります。 これらのより伝統的なアトリビューションモデルは、ファーストタッチとラストタッチ、イコールタッチ、タイムディケイアトリビューション、およびその他のシナリオについて一般的に理解されている仮定に基づいています。 たとえば、その人の購入決定を左右したのは最後の露出であったか、最初と最後のタッチに同じ重みが与えられました。

ルールベースのマーケティングアトリビューションは、シンプルアトリビューションアプローチとして知られています。 これらのモデルは、事前定義された式によって確立された各消費者タッチポイントに値を割り当てます。 購入経路の1つのタッチポイント（通常は最初または最後のタッチポイント）にのみ100％のクレジットが割り当てられます。

この主観的なプロセスを改善するために、認識がずれている場合、分析の成熟度スケールに依存するマルチタッチアトリビューションモデリングは、より記述的であり、機械学習に頼っている間、より少ない検討プロセスを伴います。 単一のタッチポイント属性（最後のインタラクションと最初のインタラクション）をマルチタッチポイントモデルに置き換えることで、既存のルールに基づいてさまざまなタッチポイントにクレジットを簡単に割り当てることができます。

Google BERTアルゴリズム内での機械学習の進歩を考えると、データ駆動型のアルゴリズムアプローチの方が信頼性が高いことが証明されています。 これは、アトリビューション出力がデータとそのデータのモデリングに基づいて確立されることを意味します。 部分的な帰属は、全体に対するワンタッチの値に応じてパーセンテージで割り当てられます。 ただし、正確には、アルゴリズムによる機械学習の帰属は、入力されたデータの豊富さに大きく依存します。 信頼できるソースを使用すると、包括的なスナップショットが取得されますが、そうでない場合、結果に残酷な欠陥が生じる可能性があります。

機械学習に依存していますが、このモデルは依然として高度な人間の相互作用に依存しています。 人間のアナリストから得られたコンテキストの洞察は、潜在的な欠陥のある入力を減らすのに役立ちます。 経験豊富なデジタルマーケティング担当者は、アウトプットを汚染する前に、事故をすぐに認識する可能性が高くなります。

マルチタッチアトリビューションモデルにより、マーケターはすべてのユーザーインタラクションが最終目標に与える影響を包括的に把握できます。 これは、何が機能しているか、何が機能していないか、そしてこの巨大なクロスチャネルパズルで何が何に影響するかをよりよく理解するのに役立ちます。 これらの洞察は、マーケターやブランドがよりスマートなマーケティング決定を下す可能性を大いに生み出します。 それはあなたのローカル検索マーケティングの努力を知らせましょう。

Eric Engeは、「機械学習は、ユーザーエンゲージメントを正しく評価することで、SEO計画からオンラインでの購入獲得まで使用できます」と述べています。 2016年2月4日のMozの記事「TheMachineLearning Revolution：How it Works and its Impact on SEO *」では、Googleや他の検索エンジンによるアルゴリズムベースのテクノロジーへの投資をどのように使用できるかについて詳しく説明しています。 見てみな。

あなたのビジネスにマルチタッチモデルアトリビューションを使用する必要がありますか？

機械学習を使用すると、ユーザーエンゲージメントを正しく評価したときに、アジャイルマーケティング計画にオンラインでの購入の獲得を知らせることができます。

データマイニングのメリットを享受する最良の方法の1つは、顧客をセグメント化してから、AdWordsを使用してターゲットを絞ったメッセージを送信することです。 そして、それはかなり簡単なプロセスです。 検索コンソールとGoogleAnalyticsのデータだけで、オーディエンスを年齢、興味、収入、職業、性別などの意味のあるセグメントに分類することができます。 そしてこれは、 Eメールマーケティングキャンペーン、有料検索、またはSEO戦略の更新のいずれを実行している場合でも効果的です。

データセグメンテーションのもう1つの利点は、競争環境をよりよく理解できることです。 この洞察だけでも、すぐに特定できる通常の市場と、ビジネスがサービスを提供したいと考えている同じ潜在的な購入者をターゲットにしている市場を特定するのに役立ちます。

あなたが彼らの競争相手をリストするように頼まれたとき、彼らが個人のリストで戻ってくる典型的なビジネスのようであるならば。 より大きく考え、計画します。 より多くの買い物客にリーチするには、有料検索マーケティングを使用します。 検索エンジンは、ユーザーの検索クエリに一致する可能性のある世界中のプールから選択する必要があります。 ほとんどの企業は、本当に競争して勝ちたいのであれば、競争力のあるWebサイトの輪を2〜3倍に拡大する必要があります。 データマイニングと機械学習の仕組みについての理解は、それを行うのに役立ちます。

Eマーケターの記事「 Googleの機械学習への旅：マーケターが知っておくべきこと」では、トップファネルアプローチに存在するさまざまな方法について説明しています。 これには、 Googleマップから直接アクセスする買い物客を含め、ウェブサイトにアクセスする見込み客を獲得するための戦略的計画が含まれます。

「セッションと企業のWebサイトへのアクセスはすべて同じ価値があるわけではなく、企業はすべてのリードに同じ金額を支払うべきではありません」とJustinCutroni氏は述べています。

変換を改善するための機械学習モデルの8つの優れた利点：

より良い広告決定を下すには、正確なデータと、変換ごとに機械学習モデルの更新を利用する機能から始めます。

1.サイト訪問者のコンバージョンファネルの深さとユーザーの意思決定方法を簡単に理解できます。

2.購入を開始および終了する場所に基づいて、ユーザーがコンバージョンに通常かかる時間を確認することにより、最適化するタイミングを把握します。

3.次の四半期のROIとビジネス収益を増やすために広告費をどこに費やすかをより適切に判断できるようになります。

4.使用されたデバイスと、目標到達プロセスの特徴的な部分での戦略的なデバイスターゲティングの効果に基づいて、コンバージョン数を解読します。

5.上位の目標到達プロセスの戦術と動画コンテンツの使用が各コンバージョンでどのように機能するかを確認する能力が向上します。

6.新規ビジネスとリピータービジネスの両方の顧客ライフサイクル全体をより正確に理解する能力。

7.アルゴリズムアトリビューションモデルの利点の1つは、初期の推測が少ないことです。

8.後知恵でデータを再チェックする必要性を減らします。

機械学習の時間減衰アトリビューションを使用して市場支出を割り当てます

「基本的に、リードがやり取りした最後のキャンペーンまたはインプレッションは、すべてのコンバージョンクレジットを獲得します。 1つまたは2つのキャンペーンのみを実行している場合、このモデルのシンプルさとすぐに使用できるアクセシビリティは魅力的です。 ただし、複数のマーケティングチャネルがある場合、この種のアトリビューションは誤解を招く可能性があり、マーケティング費用をより適切に割り当てるのに役立ちません」と、Segment Analytics Academy **は述べています。

時間減衰アトリビューションモデルを使用する場合、消費者の購入またはコンバージョンに時間的に最も近いタッチポイントは、クレジットの最大のシェアに起因します。 たとえば、AdWordsキャンペーンのクリックとメールチャネルの両方が、販売前の数時間以内に最新の顧客インタラクションとして認識された場合、別のチャネルは、広告チャネルまたは電子メールチャネルよりも少ないクレジットを受け取ります。 有料検索のインタラクションは販売時間の近くに発生したため、このチャネルは、エージェントとの以前のソーシャルエンゲージメントよりも大幅に多くのクレジットを受け取ります。

Googleのデータドリブンアトリビューションモデリングの使用

Googleは、ユーザーの行動データと算術の知識に影響を与える機械学習にさらに依存して、総コンバージョン数を最大化するのに最適なアトリビューションモデルを見つけています。 AdWordsモバイルのコンバージョン数を競合他社よりも増やすデータセットを見つけることは、金鉱の夢です。

AdWords内のデータドリブンアトリビューションの課題は、ユーザーエンゲージメントの単一チャネルの解釈を提供するのに最適なことです。 オンラインで商品を検索している新規顧客をターゲットにするために、メールやソーシャルネットワークなどの他の非検索マーケティング活動から生じた可能性のあるコンバージョンを特定することは困難です。 機械学習は、画像エンティティを人々が検索している製品に一致させるのに優れています。 商品の画像と広告は、オンラインの商品カルーセルに表示できます。

Googleは、1か月の期間内に少なくとも20,000回のクリックと800回のコンバージョンを取得することをお勧めします。 AdWordsを始めた多くの企業は、より控えめな数字を持っており、最初はポジションベースのアトリビューションで最善を尽くしています。 ビジネスに最適なPPCのアトリビューションモデルを見つけることは、多くの要因に依存し、時間とテストの中で明らかになります。

最適なマルチチャネルアトリビューションモデルを選択する際の課題

どのモデルを選択する場合でも、消費者の透明性とプライバシーのベストプラクティスを尊重することを忘れないでください。

分析の多くの側面は、ビジネスに使用するのに最適なマルチチャネルアトリビューションモデルを見つけることほど複雑ではありません。

何年もの間デフォルトのPPCアトリビューションモデルであった後、ラストクリックが間違っているのはどうしてですか？ そして、ファーストクリックのアトリビューションも間違っていることを知るのは難しいかもしれません。 時間の経過とともに位置ベースのモデルに移行している間、データ駆動型のアトリビューション手法は完璧ではないようです。 来年のマーケティングPPC支出は、より良い結果と有料広告への投資に対するより多くの見返りで増加する可能性があります。 オーガニック検索チームであろうと有料検索チームであろうと、最終的には、消費者により多くの価値を提供すれば、先に出てきます。

ラストタッチアトリビューションモデルはシンプルで、多くのマーケターが頼りにしています。 ただし、すべての広告インプレッションの刺激を完全に無視し、最後のインプレッションを禁止します。 あるいは、マルチタッチアトリビューション（MTA）モデルの新しいアイデアが多くの人に採用されています。 これは、購入を決定するユーザーの決定に至るまでの各タッチポイントでのより真のユーザーの影響に基づいて、複数のタッチポイントがそれぞれクレジットの一部を持つことができることを意味します。

新しい機械学習テクノロジーのために、それについての以前の概念に躊躇しないでください。 検索とサイト訪問者の行動のパターン認識から生まれた人工知能の調査作業により、ビジネスはデータとユーザーのタッチポイントから学習できます。 コンバージョンデータをより適切に視覚化してクレジットすることができます。 モデルは新しいデータに公開されるため、モデルは独立して適応できるため、機械学習の反復的な側面は重要です。 彼らは以前の計算から学び、信頼できる反復可能な決定と結果を生み出します。 これは古い科学ですが、大幅に改善され、知識豊富なデジタルマーケターから新たな賛同を得ています。 SEOマーケティングの慣行を最新の状態に保つと、PPCの運用にもメリットがあります。

多くの機械学習アルゴリズムが何年にもわたって存在していましたが、複雑な数学的計算をより高速なクリップでGoogle Analyticsデータに自動的に適用し、はるかに信頼性の高い機能が最近開発されました。

マルチチャネルファネル分析のトップコンバージョンパスレポートの使用方法

Google Analytics（または同様のプラットフォーム）のマルチチャネルファネル標準レポートのパス長レポートを調べます。 多くの場合、サイトコンバージョンの数が多いと、パスの長さが1を超えるため、コンバージョンを正しく特定することが困難になります。 Google Analyticsを使用すると、マーケターは、概要セクションにあるマルチチャネル変換で視覚化されたユーザーの変換パスに関する洞察を組み合わせることができます。

Googleアナリティクスでアシストコンバージョンレポートを確認します。 すべてのアシスト/ラストクリックまたは直接変換を表示する最後の列に注目してください。

•値が1未満の場合、そのチャネルはラストクリックコンバージョンを促進する可能性が高くなります。

•1を超える値の場合、そのチャネルは変換フェーズの早い段階で使用可能になる可能性があります。 ラストクリックアトリビューション戦略を使用する場合、これらのチャネルには適切なクレジットがない可能性があります。

マーケティングチャネル全体で過小評価されている可能性のある領域を解読することが可能です。

次に、予算配分の割合を調整し、新しい結果を測定します。 マーケティングチーム全体は、どのチャネルが最初に来るか（ブランドを消費者に紹介するために機能するチャネル）、どのチャネルが次に来るか（「潜在的な購入者の決定を育む」）、どのチャネルがその後に来るかなどを知ることで恩恵を受けます。

次に、アナリティクスの上位コンバージョンパスレポートでインサイトを見つけます。

より良いアトリビューションモデルのためのデータマイニング

セグメント化とデータベース、および洞察がどのように形成されたかをテストする広告コピーは、ビジネスのコンバージョン率を高め、それによって利益率を高めることができます。 タイトで関心の高いマーケティングプランからPPCプロモーションを作成することで、より一般的で幅広いプロモーションよりもユニークなオーディエンスのニーズをより適切に満たすように、製品やプロモーションをカスタマイズできるようになります。

あなたのウェブサイトへの新しくて資格のあるリードを獲得する方法に関するよりスマートなトップファネルアプローチは、よりミッドファネルの焦点を含むかもしれません。 利益重視のマーケティングには、解約率、ユーザーエンゲージメント、および既存顧客維持率の向上の原因を予測することが含まれます。組織のサイロを減らし、企業がデータソースを統合するのを見ることができます。 機械学習を利用してデータ統合を改善し、新規顧客の獲得を促進し、ランディングページのバウンス率を減らし、既存の顧客からの返品購入を構築することができます。

多くは、機械学習、顧客分析、およびビッグデータがどのように連携して、特定のタイプのデバイス上の特定のメッセージで特定のタイプの購入者に到達するのを乗り越えることができるかに起因しています。 サイト訪問者が実行するトリガー動作を決定した後、マーケターは、有料広告をより効率的にするために、メッセージング、オファー、頻度、時刻、およびその他の要因で何を変更するかについて、より適切な洞察を得ることができます。

PPCアトリビューションにおける位置ベースのモデリング

すべての企業は、広告費から最大の結果を得て、目に見える注目のスニペットを表示するために、可能な限り節約したいと考えています。 コンバージョンファネルの底を鋭く調べることで、ラストクリックアトリビューションは多くのマーケターの努力のほとんどに値します。 理由は簡単に理解できますが、目標がPPCの効率であり、外向きの成長に注意が必要ない場合は、時間減衰モデルが私の好みです。

ただし、ビジネスの焦点が成長と新規顧客獲得の増加にある場合、 AdWordsの最適化では目標到達プロセスの最上位に近づくことが優先されます。 ファーストクリックアトリビューションとラストクリックはどちらも、パイのごく一部しか提供しません。 AdWordsのGoogleとGoogleAnalyticsのデータは、いつか時間の減衰を逆に繰り返す可能性がありますが、現在は提供されていないため、位置ベースまたはU字型のモデルでは、利用可能なデータレポートの作業と熟練した解釈が必要になります。

予測データと関連する購入情報に焦点を当てることにより、消費者とあなたの製品やサービスとの関係を高めることができます。 これには、常緑の販売目標到達プロセスで機能する明確なコンテンツマーケティング戦略が必要です。

U字型の位置ベースのアトリビューションモデルを使用すると、主要なユーザータッチポイントを簡単に識別できると同時に、以前のマーケティング活動に一定の割合のクレジットをアトリビューションできます。 ビジネスの購入サイクルが長い場合、中間のタッチポイントの重みが低くなることがよくあります。 バイヤーは彼らが彼らの決心をするのを助けるために製品レビューを探しています。 アトリビューションモデリングは完全に任意です。 長年の実践と分析的な心は、ビジネス目標に最も適したメトリックとチャネルにクレジットを割り当てるのに役立ちます。

クロスデバイストラッキング調査は、測定と帰属に関する洞察を提供します

改善されたクロスデバイストラッキングは、ユーザーの行動の完全なビューを提供し、広告ターゲティング、マルチタッチアトリビューション、調査、コンバージョンアトリビューションなどのさまざまな目的に役立ちます。 ただし、サイトユーザーは、さまざまなデバイス間で行動が追跡される方法と頻度について、ページの下部に投稿されたCookie通知を知らないか、読み飛ばすことがよくあります。 したがって、OTechによる調査では、クロスデバイストラッキングに関する情報が収集され、エンドユーザーの視点からの観察結果が提供されます。

FTCのテクノロジー部門のAaronAlvaからの1月5日の電子メール通信によると、「インターネット広告および分析テクノロジー企業は、消費者が所有するさまざまなデバイス間で動作をリンクする方法を見つけることをますます試みています。 このクロスデバイストラッキングは、消費者の行動をより完全に把握することができ、広告のターゲティング、調査、コンバージョンのアトリビューションなど、さまざまな目的に役立ちます。」

詳細については、FTCから新しくリリースされたCross-Device Tracking：Measurement and Disclosure by the Office of Technology Research andInvestigation（OTech）というレポートをお読みください。

機械学習がGoogle広告にどのように役立つか

ビジネスオーナーが各タッチポイントでのすべての顧客のアクティビティを知りたい理由：

•Google広告の広告ターゲティングとカスタマイズされたコミュニケーションの改善—顧客の行動とオンラインインタラクションに関する鋭い知識により、検索マーケティング戦略はカスタマイズされたメッセージを形成して、すべてのチャネルでより適切にブレンドできます。

•製品とサービスの意思決定の改善—分析のための顧客データの洞察が改善されたため、情報に基づいたマーケティング、ページSEO、およびポジショニングの決定を介して調整した後、小売ランディングページがより役立つ可能性があります。

•クライアントの忠誠心を向上させる— 1人の顧客が、マーケティング戦略が顧客サービスを改善し、顧客の忠誠心にプラスの影響を与えるのをどのように支援できるか。

•ディスプレイ広告でのコピーおよび有料プロモーションの提供の改善」 —ユーザーの行動と、顧客がブランドとやり取りする際の顧客の考え方を理解することは、マーケティングチームが顧客中心のオファーやプロモーションを考え出すことができることを意味します。サイト訪問者。

「ポジションベースのアトリビューションモデルでは、最初と最後のインタラクションのそれぞれに40％のクレジットが割り当てられ、残りの20％のクレジットは中間のインタラクションに均等に配分されます。 この例では、有料検索チャネルと直接チャネルはそれぞれ40％のクレジットを受け取り、ソーシャルネットワークチャネルと電子メールチャネルはそれぞれ10％のクレジットを受け取ります。」 – GoogleAnalyticsサポート

注：Googleは、2013年2月15日に、マルチチャネル広告キャンペーンでのデータ駆動型マルチタッチアトリビューション決定の方法と装置を申請しました。 ディープラーニングの活用に依存するUS20140236705A1としても知られています。

自分のビジネスに最適なモデルを決定するにはどうすればよいですか？

デジタルマーケティングマネージャーは、どのGoogle広告キャンペーン、クリエイティブ、プレースメントが最も効果的か、それらを微調整する方法、または特定のキャンペーンに投資する必要があるかどうかを判断するのに最適です。 ここでは、既存のブランド認知度、ROIマージン、人口統計など、他のいくつかの要因がすべて関係してくるため、「状況によって異なります」という答えが当てはまります。 分数属性はそうではありません。

タイトなニッチのデジタルマーケターには、より多くのプレッシャーがかかっています。 ますます、彼らは、コンバージョンを増やし、検索結果で豊富な機能を備えたスニペットを取得する責任を負っています。 新しい測定値が出現すると、これらのモデルのいずれかがサイロ化されたチャネル測定よりも優れているかどうかを解読するのが簡単になります。 これらの方法は、これまでになかった消費者の旅への洞察を提供します。 製品に最適なマルチタッチアトリビューションソリューションの決定は、ビジネスの目標、要件、予算、および有料マーケティングの効果を向上させるために出力をどのように使用するかによって大きく決まります。

まとめ

都合の良いときにJeannieHillとGoogleAdsサービスの詳細をご覧ください。

機械学習アプローチを組み込むことで何ができるかを知りたい場合は、コンバージョン率を高めるためのAdWords最適化サービスについてさらに話しましょう。

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

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