OWOXBIMLファネルベースのアトリビューションを選択する12の理由

アトリビューションの目標は、広告チャネルとキャンペーンの効果を評価し、どの有料トラフィックチャネルがコンバージョンにつながるかを特定することです。 これを知っていると、広告予算を効果的なチャネルに再配分し、非効率的なチャネルにお金を使うのをやめ、最終的にはより多くのコンバージョンを得ることができます。

販売計画の実行とビジネスの成長の成功は、アトリビューションモデルの品質と妥当性に依存します。 問題は、ほとんどのコンバージョンが複数のセッションの結果として発生することです。購入する前に、ユーザーはサイトに数回アクセスします。 したがって、特定の注文の収益または利益の価値を客観的に分配するには、最後のセッションだけでなく、各セッションを評価する必要があります。 ほとんどの標準的なアトリビューションモデルは、注文前のすべてのユーザーアクションを考慮せず、チェーン内の1つのチャネルにすべての価値を提供します。 または、実際のメリットではなく、条件付きルールに従ってチャネルを評価します。

OWOX BIでは、オンラインとオフラインのすべてのユーザーアクションに加えて、CRMからの実際の収益データを考慮し、チャネルがコンバージョンとユーザープロモーションに相互に影響することを示す、独自の機械学習（ML）ファネルベースのアトリビューションモデルを作成しました。漏斗。

この記事では、OWOXBIAttributionで何ができるかについて説明します。

まず、理論的な知識を更新しましょう。

アトリビューションとは、ユーザーを目標到達プロセスに進めたチャネル間のコンバージョンからの価値の分配です。 これは、各チャネルが目標到達プロセスを通じてユーザーのプロモーションにどの程度影響を与えたか、そして最終的に受け取った収益にどの程度影響したかを答えるのに役立ちます。

アトリビューションモデルは、この値を配布するロジックを定義します。たとえば、ユーザーを引き付けるのに役立つ広告チャネルやキャンペーンに配布します。 理想的には、アトリビューションモデルは、信頼性が高く（各取り組みの客観的な貢献を考慮に入れて）、透過的（計算結果を理解して検証できるようにする）である必要があります。

誰が帰属を必要とし、その理由は？

アトリビューションは、マーケティングチャネルの予算を管理し、コストを削減し、収益を増やし、販売計画を遂行するために効果的に配分したい人に必要です。

GoogleAnalyticsの標準アトリビューションモデル

1. 最初にクリックします。 コンバージョンから得られたすべての値は、ユーザーをコンバージョンへの道に導いた最初のソースに起因します。
2. ラストクリック。 すべての値は、変換前にユーザーが最後に接触したチャネルに送られます。
3. 最後の非直接クリック。 すべての値は、チェーンの最後のチャネルに割り当てられます。 直接トラフィックの場合、値は前のソースに起因します。
4. 線形。 値は、チェーン内のすべてのソースに均等に分散されます。
5. 時間の減衰。 値は、増分ベースでチャネル間で分散されます。
6. 位置ベース。 ユーザーにブランドを紹介したチャネルと取引を成立させたチャネルは、それぞれ40％の価値を受け取ります。 残りの20％は、目標到達プロセスの中央にあるすべてのチャネルに均等に分割されます。

広告サービスのアトリビューションモデル

さまざまなアトリビューションモデルが、さまざまな広告サービスや分析システムで利用できます。

ほとんどのサービスは、最後の非直接クリックモデルを使用します。 ポストビュー、クロスデバイス、またはその他のモデルを提供するものもあります。 ただし、これらのモデルをサービス間で比較することはできません。Facebookは独自の方法で広告を測定しますが、Google広告は異なるアプローチを採用しています。 その結果、すべての広告ツールの全体像を把握することは不可能です。

標準のアトリビューションモデルは、次の場合には適切ではありません。

• Webサイトでのほとんどの注文は、複数のセッションで行われます。つまり、トランザクションの前にチェーンに2回以上の訪問があります。
• あなたはたくさんの広告ソースを持っています
• ファンネルプロモーションに対する各チャネルの相互影響を評価する必要があります
• 広告チャネルがバンドルでどのように機能するかを理解したい
• 複雑で一貫性のない販売目標到達プロセスがあります。

すべてのソースの相互影響を評価するには、さまざまな広告サービス、Googleアナリティクス、CRMのデータを組み合わせて、複雑なアトリビューションモデル（Googleアナリティクス360のデータ駆動型モデル、マルコフチェーン、シャープレイ値、またはカスタマイズされたアルゴリズム）を使用する必要があります。 。 ただし、これらのモデルには制限もあります。計算に必要なデータの最小量、ビュー後の変換を検討できない、CRMからのデータを結合できない、隠れた計算ロジック、複雑で高価な実装などです。

OWOX BIのMLファネルベースのアトリビューションは、これらすべての制限を回避するのに役立ちます。

OWOX BIアトリビューションモデルは、コンバージョンファネルを介した顧客のプロモーションへの各チャネルの貢献を考慮して、広告キャンペーンの効果を評価します。 このモデルでは、次のことができます。

• コンバージョンへのチャネルの実際の貢献とそれらの相互影響を考慮して、広告予算を正しく割り当てます
• 収益を増やしながら現金準備率（CRR）を下げる
• 予算を節約しながら、新規顧客の数を増やします
• 予算を節約しながら、メディアキャンペーンによって到達するターゲットユーザーの数を増やします。

OWOX BIの目標到達プロセスベースのアトリビューションは、マルコフ連鎖と機械学習に基づいています。 マルコフ連鎖は一連のイベントであり、後続の各イベントは前のイベントに依存します。 マルコフ連鎖に基づくアトリビューションは、目標到達プロセスのステップ間の遷移の確率を計算する確率モデルを使用して、コンバージョンに対するステップの相互影響を評価し、どのステップが最も重要であるかを見つけることができます。

確率を計算するために、OWOX BIアトリビューションモデルの設定で指定されたコンバージョンファネルのすべてのステップとサイトログインステップが、マルコフ連鎖の結果として表示されます。 その後、これらの結果間の遷移の確率が計算されます。

上の図は、理解しやすいように簡略化した例です。 実際には、さらに多くのトランザクションが発生する可能性があります。

ヘルプセンターで、OWOXBIファネルベースのアトリビューションモデルの計算の詳細をご覧ください。

1. GoogleBigQueryのウェブサイトから生のユーザー行動データを収集します。 これを行うには、OWOXBIまたはBigQueryExportからのデータストリーミングをGoogleAnalytics360で使用できます。
2. 広告サービスからGoogleBigQueryにコストデータをインポートします。 これを行うには、OWOX BIを使用して、GoogleアナリティクスのGoogle広告キャンペーンの統計を他の広告サービスからのコストデータで補完し、このすべての情報をGoogleBigQueryにインポートします。 OWOX BIを使用して、FacebookからBigQueryに生データを直接インポートすることもできます。
3. 必要に応じて、CRM / ERP、コールセンター、内部会計システムからの情報でGoogleBigQueryのデータを補完できます。 これにより、アトリビューション計算でオフライン売上と実際のCRM収益データを使用できるようになります。 カスタムイベントを目標到達プロセスのステップとして使用することもできます：電話、電子メール、個人的な会議など。
4. OWOX BIプロジェクトで、アトリビューションモデルを作成し、計算を実行します。

ほとんどのお客様は、OWOX BIを使用して、既存の広告キャンペーンを客観的に評価し、将来のキャンペーンを計画しています。 これは、広告費用対効果（ROAS）を計画した収益計画を実行するために必要です。

OWOXBIがマーケターにとって最良の選択であると私たちが信じる主な理由は次のとおりです。

アトリビューションモデルは、メディア広告の表示回数と視聴後のコンバージョン、ウェブサイトでのユーザーアクティビティ、広告サービスの費用データ、CRMのトランザクションデータ、その他のオンラインおよびオフラインのイベントなどの完全なデータに基づいています。 その結果、ユーザーとビジネスとのやり取りの全体像を把握し、すべてのマーケティング活動がビジネス指標に与える影響を考慮に入れることができます。

Google Analyticsの収益と、CRMで購入した商品の収益が一致しないことがよくあります。 OWOX BIを使用すると、実店舗からの収益とCRMからの完了した注文に関するデータを考慮して、実際の売上に対するオンラインマーケティングの貢献度を測定できます。

標準のアトリビューションモデルとは異なり、OWOX BIモデルでは、ラストクリックだけでなく、注文前のユーザーのすべてのステップが考慮されます。 ステップを通過するのが難しいほど、それを実現するのに役立つセッションの価値が高まります。 また、セッションの価値を知ることで、目標到達プロセスを通じてユーザーを宣伝するためのキャンペーンの貢献度を考慮して、キャンペーンの価値を計算できます。

ビジネスの独自の利点を活用することで、競合他社よりも早く成長することができます。 OWOX BIを使用すると、ビジネスの構造に合った目標到達プロセスを作成できます。

Webサイトでのユーザーのアクションに加えて、CRM、通話追跡システム、およびその他のシステムからのカスタムイベントを目標到達プロセスのステップとして追加できます。 たとえば、通話、会議、メールに関するデータをGoogleBigQueryにアップロードできます。 ユーザーを1つの目標到達プロセスに変換することを目的としたすべてのビジネス努力を組み合わせて、ユーザーの有効性をより正確に評価します。

広告キャンペーンの包括的な評価を得るだけでは十分ではありません。 評価は、AIDAモデルを使用して、認識、関心、および変換の段階に分割する必要があります。

たとえば、OWOX BIを使用すると、キャンペーンがほとんど認識を形成しないことがわかります。

その結果、目標到達プロセスの次の段階に影響を与えるように設計されたキャンペーンは効果がないように見える場合があります。 既存のキャンペーンのROAS評価では、キャンペーン間で予算を再配分する方法が示される場合がありますが、目標到達プロセスの上位段階での努力の欠如は明らかになりません。 OWOX BIを使用すると、どこに力を注ぐべきかを理解できます。

あなたの経験に取って代わるアルゴリズムはありません。 たとえば、ブランドキャンペーンが使い果たされており、ROASが高いからといって、ブランドキャンペーンにもっと投資する必要があるとは限らないことを知っているかもしれません。

OWOX BIでは、評価に参加しないチャネルを簡単に指定できます。

その結果、客観的に管理できるキャンペーンのみの評価が得られます。 開発者やサポートチームに連絡することなく、便利なインターフェイスでいつでもこれを実行できることが重要です。

OWOX BIは、各セッションの値を計算します。 これにより、さまざまなユーザーコホートのアトリビューションモデルをカスタマイズし、新規ユーザーとリピーターのROI / ROASを計算し、コホートの収益性を比較できます。

たとえば、携帯電話事業者は、現在の顧客（「現在の顧客」コホート）への追加サービスの販売に対する広告キャンペーンの貢献度を評価できます。 また、ファッション小売ニッチの企業は、初めての購入者と次回の購入者を別々に評価して、新しい顧客をビジネスに誘導するのにどのチャネルが優れているかを見つけることができます。

また、セッションのコストを知ることにより、各製品グループで費やす金額と稼ぐ金額を計算できます。 この情報を使用して、さまざまな地域、ランディングページ、モバイルアプリのバージョン、およびアプリケーションの広告の効果を評価できます。

キャンペーンを評価するだけでなく、企業にとって評価を透明にすることが重要です。 ブラックボックスの評価は疑わしいものであり、エラーを見つけることはできません。

OWOX BIでは、ユーザーが操作したトランザクションごとに、キャンペーン間で価値がどのように分散されているかを確認できます。

不十分なデータに機械学習を適用しようとしたために得られたエラーや誤った結論は、企業にとってコストがかかる可能性があります。 私たちのアルゴリズムは、計算の統計的有意性を自動的にチェックして制御します。 さらに、OWOX BIを使用すると、アナリストは各セグメントの信頼区間のテーブルに完全にアクセスできます。 これのおかげで、あなたはあなたの結果を確信し、それらがどのように得られるかを理解することができます。

オンラインマーケティングの効果は、使用されるテクノロジーではなく、モデルがトレーニングされるデータの品質にますます依存しています。 したがって、アトリビューション自体は、市場データを使用して構築されたモデルに負けます。

OWOX BI機械学習モデルは、数万のプロジェクトからのデータを考慮します。

アトリビューションモデルを有効にするには、次の要件も満たす必要があります。

1. 計算用のデータは正しく準備する必要があります。 JavaScriptトラッカーによって収集されたデータを、機械学習でスキップすることはできません。 このため、BigQuery MLは実験には適していますが、商用利用には適していません。
2. 目標到達プロセスの上部とのインタラクションに関する情報、つまりメディア広告のインプレッションを考慮する必要があります。 これを行うために、OWOX BI Post-View Pixelを開発しました。これにより、ユーザーレベルでメディア広告を測定できます。 また、OWOXBIをGoogleAds Data Hubと統合しました。これにより、BigQueryはキャンペーンマネージャー（旧DoubleClickキャンペーンマネージャー）やその他のソースから情報をリクエストできるため、企業はメディア広告の上位ステージへの貢献を検討し、透過的に評価できます。じょうご。
3. モデルは専門家の意見を考慮する必要があります。

• どのチャネルが管理されていますか？
• これらのチャネルの容量はどれくらいですか？
• 目標到達プロセスにおける特定のチャネルの役割は何ですか？
• 変換ウィンドウとは何ですか？

OWOX BIアトリビューションモデルは、これらすべての要件を満たしています。

Googleアナリティクス360のデータドリブンアトリビューションには、高いデータ要件が必要です。パスの長さが2回以上の場合、各タイプで400回のコンバージョンが必要です。 OWOX BIは、イベントを目標到達プロセスの段階に動的にグループ化することにより、少量のデータで有意義な結果を提供し、より多くの企業に適しています。 同時に、計算​​の統計的有意性はユーザーコホートのレベルで自動的に制御されるため、結果を確認できます。

OWOX BI Smart Dataでは、アナリストやSQLの知識がなくても、アトリビューションデータに基づいてレポートを作成できます。 アトリビューションモデルが計算されると、Smart Dataは、追加されたイベントのコンテキストで、収入、コンバージョン数、ROI、ROAS、およびCRRについて自動的にレポートします。 さらに、便利なレポートビルダーを使用して独自のレポートを作成できます。 レポートに表示するパラメータとキー数値を選択するだけです。 このサービスは、わかりやすいチャートと表を即座に提供します。

SmartDataで取得できるすぐに使用できるデータアトリビューションレポートの例を次に示します。

このレポートでは、さまざまなアトリビューションモデルを使用して計算結果を比較できます。 私たちの場合、これらはGoogleAnalyticsで使用されるLastNon-Direct Clickと、OWOXBIのMLFunnelBasedAttributionです。 チャネル、キャンペーン、ユーザータイプ、地域、都市、デバイスごとに、帰属収益とROASを確認できます。 過大評価されているキャンペーンにはマイナスの違いがあります。 過小評価されたキャンペーンには、プラスの違い/価値があります。 たとえば、上のスクリーンショットでは、yandex / displayチャネルが過小評価されており、さらに努力する価値があることがわかります。

次のレポートは、目標到達プロセスのステップによってソースとチャネルの価値がどのように分散されるかを示しています。 上記の例では、最も多くの購入（薄緑色のストライプ）がオフラインで行われていることがわかります。

イベントに加えて、ユーザーのタイプ（新規またはリピーター）などの他のパラメーターをレポートに追加できます。

上記のレポートは、経費、目標到達プロセスの手順、購入が顧客コホート全体にどのように分配されているかを示しています。 これを使用すると、どのチャネルとキャンペーンが新規顧客からのトランザクションを引き付けるかを決定し、それらに予算を割り当てることができます。 これらのキャンペーンは、顧客ベースを増やすのに役立ちます。

OWOX BIを使用すると、任意のデータに基づいて自動的に更新されるオーディエンスセグメントを作成し、これらのセグメントをGoogle広告にダウンロードできます。 さらに、アトリビューション計算の結果をK50とAlyticsの入札サービス、およびGoogle広告とFacebookに自動的に送信して、広告の実際の効果を考慮した入札を管理できます。

目標到達プロセスに基づくアトリビューションの開発の先駆者として、数十の記事と多くのドキュメントでクライアントと共有する独自の経験を収集しました。 さらに、SLAで96％を超えるレベルのデータ収集と処理品質を保証する準備ができています。

OWOXを使用すると、マーケティングで機械学習を使用するという美しいアイデアだけでなく、ステップバイステップのガイド、実用的な推奨事項、および成功したユースケースの例を得ることができます。

OWOXBIアトリビューションがビジネスにどのように役立つかを学びます。 製品デモにサインアップして、当社の製品の機能を評価してください。