기여 모델을 선택하고 테스트하는 방법

마케터가 예산을 초과하지 않고 특정 수의 전환을 유도해야 하는 문제에 직면할 때 적용하는 기여 모델이 올바른 결정을 내리고 모델의 논리를 이해하는 데 도움이 되는지 확인해야 합니다. 그 과정에서 많은 실수를 저지를 수 있으며, 이는 시간과 돈의 손실로 이어집니다.

이 기사에서는 최신 기여 모델을 비교하고 적용하여 회사의 마케팅을 한 단계 끌어올리는 데 도움이 되는 정보를 모았습니다.

사용자는 여러 광고 캠페인과 상호작용할 수 있으므로 각 캠페인에서 발생하는 전환의 수와 가치를 추정하려면 기여 모델을 적용해야 합니다. 기여 모델을 사용하면 사용자가 전환하기 전에 상호작용한 캠페인 전체에 전환 가치를 분배할 수 있습니다.

기여 모델에서 무엇을 기대합니까? 정확하고 이해할 수 있어야 합니다. 그러나 알려진 모델의 대부분은 이러한 요구 사항 중 하나만을 충족합니다.

예를 들어 가장 인기 있는 마지막 터치 기여 모델 (마지막 클릭, 마지막 간접 클릭)은 매우 명확합니다. 모든 가치는 마지막 캠페인에 부여됩니다. 하지만 분명한 단점이 있습니다. 마지막 캠페인을 제외한 모든 캠페인의 기여도를 무시합니다.

많은 사람들이 특히 디스플레이 캠페인을 평가하기 위해 관련 전환 을 사용합니다. 이 모델도 충분히 명확합니다. 사용자가 상호작용한 모든 캠페인에 전환 가치를 제공합니다. 그러나 그러한 평가는 체인에 있는 캠페인의 존재만을 고려하고 그 영향력의 정도를 무시하기 때문에 매우 부정확합니다.

예를 들어 도달 캠페인은 캠페인 배너를 보는 사용자의 모든 전환 가치를 얻습니다. 결과적으로 기여 전환 수가 실제 전환 수를 크게 초과합니다.

최신 서비스는 정확성을 우선시하고 확률적 기여 모델 을 개발합니다. 예를 들어 Google은 데이터 기반 모델을 홍보하고 Facebook은 전환 상승도를, Nielsen은 캠페인 상승도를 홍보합니다.

이러한 모델은 공통 접근 방식을 공유합니다. 특정 캠페인이 전환 가능성을 어느 정도 증가시켰는지 측정하고 그에 따라 가치를 결정합니다. 이는 평가를 보다 객관적으로 만들지만 모델이 블랙박스처럼 보이고 디버깅 기회가 제한적이거나 전혀 없기 때문에 광고주에게 많은 미해결 질문을 남깁니다.

OWOX에서는 2015년부터 확률적 귀인 모델을 개발하고 있습니다. OWOX 귀인 모델은 기계 학습을 기반으로 합니다. 사용자 세션 수준에서 광고 캠페인을 평가하고 유입경로에 대한 기여도를 고려하며 마케터가 관리 채널과 전환 기간을 지정하고 CRM 데이터를 연결할 수 있습니다.

우리는 최근 모범 사례를 통합하고 중요한 비즈니스 이점을 제공하는 OWOX BI 기여 모델의 새 버전 을 출시했습니다.

1. 이 모델은 전환 가능성에 따라 캠페인의 기여도를 결정하며 유입경로 단계를 수동으로 선택할 필요가 없습니다. 아래 예에서 유료 검색 채널의 첫 번째 세션에서 사용자는 20%의 전환 기회를 가졌습니다. Retargeting 채널의 두 번째 세션에서 확률이 70%로 증가했습니다. 세 번째 세션에서 사용자는 전환했습니다.

각 세션의 가치는 이전 세션과 비교하여 사용자의 전환 가능성이 증가한 것과 같습니다. 이 경우:

• 유료 검색의 첫 번째 세션은 확률을 0%에서 20%로 높였기 때문에 전환 가치의 20%를 받습니다.
• 리타게팅이 포함된 두 번째 세션은 확률을 20%에서 70%로 높였기 때문에 전환 가치의 50%를 받습니다.
• 이메일을 통한 세 번째 세션은 전환 가치의 나머지 30%를 받습니다.

모든 확률적 기여 모델에서 가장 중요한 것은 전환 가능성을 예측하는 정확성입니다. OWOX BI 기계 학습 알고리즘은 매우 정확하며, 이 알고리즘을 사용하여 ROI를 2.2배 증가시킨 iProspect와 Eldorado가 얻은 결과로 확인되었습니다.

2. 새 버전의 OWOX 기여 모델의 두 번째 장점은 아직 전환으로 이어지지 않은 세션의 가치를 예측할 수 있다는 것입니다.

이 예측을 사용하면 오늘 캠페인을 끄면 앞으로 얻을 것으로 예상되는 광고 캠페인의 전환수를 알 수 있습니다.

이를 통해 실적이 저조한 캠페인을 비활성화하고 실수로 지연된 캠페인을 비활성화하지 않도록 더 빠른 결정을 내릴 수 있습니다.

모델의 예측 정확도는 알고리즘뿐만 아니라 훈련 샘플의 크기에 따라 달라집니다. OWOX 모델에 대한 예측 속도와 품질의 향상은 수만 개의 프로젝트에 대한 모델 교육을 통해 달성되었습니다.

3. 가장 중요한 것은 계산 논리를 가능한 한 투명하게 만들고 특정 비즈니스의 특성을 고려하기 위해 데이터 변환 코드를 모든 클라이언트에게 공개했다는 것입니다. 코드를 직접 변경할 수 있으며 OWOX BI는 정기적인 데이터 업데이트를 처리하고 광고 캠페인 비용을 결합하며 필요한 모든 보고서를 제공합니다. 데모에 등록하면 데이터를 dbt(데이터 빌드 도구)로 변환하는 이점에 대해 배울 수 있습니다.

다른 기여 모델을 사용하여 캠페인을 평가할 때 다른 결과를 기대할 수 있습니다. 따라서 필연적으로 다음과 같은 질문이 제기됩니다. 어떤 기여 모델을 선택해야 하며 어떤 기여 모델이 올바른 길을 제시합니까?

사실 마케터는 좌우를 가리키는 나침반이 아니라 교통체증과 소요시간을 고려하여 경로를 계산하고 추천해주는 본격적인 내비게이션이 필요하다. 이는 비즈니스가 특정 권장 사항을 기반으로 목표를 달성할 수 있도록 하는 기여 모델입니다.

게다가 채널 용량을 고려하지 않고 광고 예산을 관리하면 풍경을 고려하지 않는 나침반처럼 막다른 골목에 빠질 수 있습니다. 대부분의 마케터는 낮은 전환당비용이 예산 증액을 결정하기에 충분하지 않다는 것을 알고 있습니다. 예를 들어 브랜드 캠페인은 전환당비용이 낮지만 용량이 고갈되어 예산을 늘려도 전환이 증가하지 않을 수 있습니다.

위의 그래프는 캠페인 A와 B의 전환 수가 해당 캠페인에 투자된 예산에 따라 어떻게 달라지는지 보여줍니다. 캠페인 A의 현재 CPA는 캠페인 B의 CPA보다 낮습니다. 그러나 채널 A의 다음 전환 비용은 채널 B보다 높습니다!

따라서 어트리뷰션을 적용하기 위해서는 채널의 현재 실적뿐만 아니라 채널별, 캠페인별, 키워드별 예산을 증감할 경우 전체적인 결과가 어떻게 변하는지 알아야 합니다.

프로젝트에서 이러한 모델을 사용하여 마케팅 팀은 적절한 성장 전략을 선택할 수 있습니다.

1. 예산을 줄이면 동일한 전환수를 얻을 수 있습니다.
2. 동일한 예산으로 전환수를 늘립니다.
3. 동일한 CPA로 전환수를 늘립니다.

이를 통해 예산 재분배에 대한 권장 사항뿐만 아니라 예상 결과를 즉시 얻을 수 있습니다.

주요 질문은 남아 있습니다. 각 키워드에 대한 용량 곡선을 어떻게 알 수 있습니까? OWOX BI에서 우리는 프로젝트의 지역과 틈새가 주어졌을 때 이 질문에 답하는 모델을 훈련시키기 위해 수만 개의 프로젝트의 시장 데이터를 사용합니다. 우리의 경험에 따르면 대규모 프로젝트의 경우에도 한 달의 데이터는 고품질 예측을 얻기에 충분하지 않습니다.

주요 내용:

1. 기여 모델은 광고 캠페인을 평가하지만 광고 예산 재분배에 대한 권장 사항은 제공하지 않습니다.
2. 추천을 받으려면 캠페인의 용량과 프로모션 전략을 알아야 합니다.
3. 최고의 기여 모델은 비즈니스가 특정 목표를 달성할 수 있도록 하는 권장 사항을 기반으로 하는 모델입니다.

채널 용량을 늘리는 방법(미디어)과 대행사의 목표 설정 시 흔히 저지르는 실수(마지막 클릭)는 특별한 주의를 기울여야 합니다(및 기사). 다음 기사에서 읽고 싶은 내용을 댓글로 작성하십시오.

OWOX 기여 모델에 대해 자세히 알아보려면 데모에 등록하세요. 귀하의 모든 질문에 기꺼이 답변해 드리겠습니다.