シングルチャネルアトリビューションモデルがCMOの行き止まりである理由

大量の顧客データにアクセスできるため、マーケターは何が起こっているのかを全体的に把握できます。 たとえば、マーケターは、顧客がブランドとどのようにやり取りするかを正確に把握し、ユーザーが何かを購入する確率（および時期）を予測し、顧客がもたらす収益を見積もり、顧客とのやり取りに最適なチャネルを決定できます。 しかし、これはコインの片面にすぎません。 その一方で、広告はより高価になり、消費者の注意を引くことはより困難になっています。

最も技術的に進んだマーケターがこのレースに勝ち、アトリビューションは広告チャネルの有効性を評価する上で重要な役割を果たします。 この記事では、シングルチャネルアトリビューションモデルがどこにも行かない理由と、データ駆動型モデルでさえマーケティングを成功させるには不十分である理由について説明します。

テクノロジーの発展、ますます多くのマーケティングチャネル（オンラインおよびオフライン）の出現、およびパンデミックによるビジネスのインターネットへの移行に伴い、ブランドは、顧客がどこから来て、どのように、いつ顧客が転換するかを理解することが重要です。 。 ここで、マーケティングアトリビューションが役立ちます。

マーケティング分析では、アトリビューションとは、広告チャネルがもたらす価値を評価することです。 これは、デジタルマーケターの重要なタスクの1つです。 なんで？ 2020年からのGartnerの調査が示すように、マーケティング予算の80％以上がデジタルチャネルに割り当てられています。 簡単に言えば、何百万ドルも広告に費やされており、企業は明らかにこの支出が顧客と収益をもたらすことを確認したいと考えています。

アトリビューションの目標は、コンバージョンへのチャネルの貢献度（顧客を目標到達プロセスの次のステップに移動したり、購入を促進したりする役割）を定義し、目標到達プロセスの各ステップに価値を割り当てることです。

ブランドは、マーケティング分析を使用して、顧客が会社とやり取りする方法、場所、時期を定義し、アトリビューションを使用してチャネルの効率を評価します。 このデータのおかげで、マーケターは広告キャンペーンを変更および改善できます。

アトリビューションモデルにはさまざまな種類がありますが、正しいモデルは1つではないことに注意してください。 通常、アトリビューションモデルは、値を計算するロジックに従って分類されます。 アトリビューションモデルのタイプは次のとおりです。

• 位置ベースのアトリビューションモデル—時間減衰、位置ベース
• アルゴリズムアトリビューションモデル—データ駆動型、マルコフ連鎖
• シングルチャネルアトリビューションモデル—ラストクリック、ファーストクリック
• マルチチャネルアトリビューションモデル—線形、時間減衰

ほとんどの企業は、単一チャネルのアトリビューションモデルを使用しています。 これらのモデルは常に使用されていますが、なぜ機能しているように見えるものを変更するのですか？ シングルチャネルモデルはシンプルで、Google Analytics（Universal）の標準であり、価値がどのように分散されているかを簡単に理解できます。

コンバージョン値がシングルチャネルアトリビューションモデルでどのように分散されるかの例を次に示します。

ただし、これらのモデルは1つのチャネルしか評価できません。 それらは、購入へのオムニチャネルの顧客パスを過度に単純化し、深刻な誤解を招き、確かに実際の状況を示していません。

たとえば、ウェブサイトの訪問者数が中程度のマルチチャネル小売業者のパスレポートを見ると、最初の訪問時に行われた注文によってどの程度の収入が得られているかがわかります。 ここでは、2回以上の訪問があるマルチチャネルパスが収入の72％をもたらします。

顧客がコンバージョンに至るまで、平均して7〜9回のタッチポイント（最高のパフォーマンスを発揮する人はこれを5回に減らすことができます）が必要です。 明らかに、これらのタッチポイント（チャネル）のそれぞれがコンバージョンの確率に影響を与えます。 この場合、購入者に対するすべてのチャネルの影響を考慮する必要があるのは当然のことです。

ただし、単一チャネルのアトリビューションモデルを使用する場合、目標到達プロセスのさまざまな段階は無視されます。 セールスファネルの最初、途中、最後に何が起こっているかを無視すると、不適切な管理上の決定や金銭的損失につながる可能性があります。

シングルチャネルアトリビューションモデルに加えて、データ駆動型モデルは非常に人気があります。 最も有名な例としては、Googleのデータドリブンモデル、Facebookのコンバージョンリフトモデル、ニールセンのキャンペーンリフトがあります。

データ駆動型モデルは、変換へのパスに対する各ソースの影響をより正確に反映します。 ブランドとのユーザーインタラクションに関するすべてのデータを考慮するため、シングルチャネルモデルよりも高速で適応性があり、客観的です。 マルチチャネル環境では、すべてのタッチポイントが顧客に製品を購入するように説得しますが、明らかに彼らの影響力は等しくありません。 したがって、単純な従来のアトリビューションモデルでは、データを分析するときに大きなギャップが残り、何が起こっているのかを完全に把握することはできません。

データドリブンアトリビューションは、すべてのユーザー（変換したユーザーと変換しなかったユーザー）のデータを使用してユーザーパスを比較します。 このアプローチにより、マーケターはコンバージョンの可能性が高い場合に評価することができます。

その結果、モデルは、その位置に関係なく、ユーザーのパス内の各チャネルの変換の重みを計算します。

データ駆動型モデルの欠点には、アルゴリズムが最も正確な結果を表示するのに十分なデータを受信する必要があるという事実が含まれます。 モデルが信頼できる推定値を提供するには、多くの履歴データと市場データが必要です。 データドリブンアトリビューションモデルで高精度を実現するには、少なくとも12のタッチポイントが必要です。

要約すると、ほとんどの場合、単一チャネルモデルは、全体像を考慮に入れていないため、誤った管理上の決定につながると言えます。 したがって、データ駆動型モデルは、単一チャネルモデルよりも優れています。 ただし、完璧に制限はありません。 より高度なオプションは、コンバージョンの可能性を考慮し、機械学習テクノロジーを使用して市場データでトレーニングされます。

データ駆動型アトリビューションモデルの最大の問題は、分析に必要なデータが多すぎることです。 これは、クライアントとの通信に参加する1つのチャネルではなく、さまざまなバリエーションのメディアソースのセット全体です。 たとえば、ROIメトリックを測定するには、マーケティング担当者はこのオーケストラ全体を何らかの方法で管理する必要があります。

これは、機械学習（ML）アトリビューションモデルが1日を節約する場所です！ 機械学習と市場データを使用するモデルは、アトリビューションへのアプローチを完全に変えました。 MLモデルは、顧客の購入経路の最も完全で真実の全体像を把握するために、企業に合わせて調整できます。 2019年から2020年の間にインターネットの売上が前年比で70％以上増加したため、MLモデルはどのマーケターにとっても必須です。

マーケティング分析に必要なすべてのデータ（その量は毎日増加しています）は、機械学習を使用せずに処理することはできません。 その助けを借りて、マーケターはもはや有用な洞察を求めて数字の迷路を突き抜ける必要はありません。

結局のところ、企業にとって重要なのは、どのチャネルが機能しないかを理解するだけでなく、どのチャネルが機能するかを理解して、予算を盲目的に割り当てないようにすることです。

Gartnerによる2021年の調査によるCMOのデジタルマーケティングインサイトによると、CMOの84％は、機械学習と人工知能を使用するとマーケティング機能が向上すると考えています。 同時に、AI / ML機能を多用している専門家はわずか17％です。

OWOX BIチームは、27,000以上のプロジェクトに取り組んできました。各ビジネスには独自のアトリビューションのニーズがあり、すべての人に明確な答えはないことを理解しています。 ある会社では、シングルチャネルモデルが適しています。 一部の企業では、データ駆動型のオプションが必要です。 そして他の人にとっては、マーケティングミックス最適化（MMO）が必要です。

理論は常に実践と密接に関連しています。 OWOXモデルは、数万のプロジェクトからの市場データでトレーニングされているため、速度の向上と優れた予測品質が特徴です。 MLアトリビューションの使用とオーディエンスの自動インポートにより、クライアントの1人がROIを2.2倍に向上させました。

OWOXは最近、そのアトリビューションモデルの更新バージョンをリリースしました。 この新しいモデルの利点は何ですか？

1. 目標到達プロセスのステップを手動で選択する必要はありません。 モデル自体は、コンバージョンの可能性に基づいてキャンペーンの貢献度を決定します。
2. 任意のセッションの値の予測を取得します。 新しいモデルでは、質問に答えることができます。今日このキャンペーンを無効にした場合、将来何回のコンバージョンを獲得できますか？ このアプローチは、延期されたキャンペーンの無効化を回避し、非効率的なキャンペーンをより迅速にオフにするのに役立ちます。

3. 計算ロジックは完全に透過的です。 オープンデータ変換コードを使用すると、会社の特性を考慮に入れることができます。 OWOXの顧客は、サービスがマーケティングソース（広告サービス、コールサービス、CRM）からのデータを更新し、それをさまざまな広告プラットフォームからのコストデータと組み合わせて、必要なレポートを作成する間に、コードに必要な変更を加えることができます。

アトリビューションモデルを使用すると、マーケティングチャネルを制御できるため、レポートがマーケティングの有効性をどの程度正確に示しているか、および実際に重要なタッチポイント全体でマーケティングを最適化する方法を理解できます。

マーケターは、各アクションが顧客をコンバージョンに近づけることを確認する必要があります。 アトリビューションモデルを使用して、投資額に応じて最も収益性の高いマーケティングキャンペーンを決定できます。

どのモデルを選択するかは、業界、会社の目標、およびビジネスの規模によって異なります。 ただし、確かなことが1つあります。これらのモデルはいずれも、100％正確な結果を保証することはできません。