모델링된 동작: 미래에 대비한 새로운 측정 전략

현재의 개인 정보 중심 환경에서 기존의 마케팅 및 분석 측정 방법은 더 이상 실행 가능하지 않습니다. 따라서 시급한 질문은 브랜드가 마케팅 활동을 효과적으로 측정하기 위해 취해야 하는 주요 다음 단계는 무엇입니까?

업계 전반에 걸쳐 프라이버시 샌드박스에서 데이터 클린룸, 통합 ID 2.0에 이르기까지 이를 해결하기 위한 다양한 이니셔티브와 솔루션이 부족하지 않습니다. 이러한 솔루션의 세부 사항을 살펴보고 나면 모든 마케터가 결국 다양한 옵션에 압도당하게 될 것이라는 점을 이해할 수 있습니다.

따라서 Google 주제 (짧은 답변: Google이 보다 구체적인 테스트를 실행하고 개인 정보 보호 규정을 완벽하게 준수한다는 증거를 제공할 때까지 그리 많지 않음) 와 같은 것에 대한 반응으로 무엇을 해야 하는지에 대해 걱정하는 대신 모든 브랜드가 해야 하는 두 가지 특정 영역이 있습니다. 가까운 장래에 초점을 맞춥니다.

빅 테크 플랫폼의 모델링 데이터로의 이동

사용자 수준 측정은 항상 브랜드의 북극점이었습니다. 완벽한 세상에서 마케팅 캠페인의 영향을 가장 정확하게 이해하여 효과적인 최적화 및 예산 결정을 내릴 수 있습니다.

그러나 개인정보 중심의 시대에 Google, Meta와 같은 플랫폼은 사용자 수준 측정을 최대한 유지하기 위해 다양한 개선 사항을 구현했습니다. 여기에는 향상된 전환 및 전환 API가 포함되며, 각각은 마케팅 캠페인에 더 정확하게 기여한 전환을 가능하게 합니다.

두 가지 기능을 모두 염두에 두어야 합니다. 즉, 이것은 누락된 데이터의 일부만 다룰 것이며 Google의 동의 모드와 같은 것이 들어오는 곳입니다. 이것은 마케팅/분석 동의를 거부하는 사용자를 설명하기 위해 모델링 기술을 활용합니다.

보고서 내에서 모델링된 데이터에 의존하는 것에 대해 약간의 회의론이 있을 수 있습니다. 그러나 이것이 새로운 것은 아니라는 점에 유의해야 합니다.

실제로 모델링된 전환은 Google Ads 및 Facebook 광고 관리자와 같은 도구 내에서 수년 동안 사용되었습니다. 모델링에 대한 요구 사항은 알려진 사용자 데이터 세트가 계속 감소함에 따라 증가할 것입니다.

예상대로 대형 공급업체가 이를 매우 쉽게 만들지는 않지만 적절한 전문가 지원이 있으면 모델링되지 않은 결과와 모델링된 결과가 어떻게 보이는지 비교할 수 있습니다. 이렇게 하면 보고하는 숫자와 상대적 정확도에 대해 더 많은 정보에 입각한 결정을 내릴 수 있습니다.

마케터는 모델링을 주저하기보다 더 깊이 이해하고 진심으로 포용해야 합니다.

자세히 알아보기: 마케팅 기여가 도전이자 필수인 이유

계량경제학 + 귀인 = 모델링된 귀인

기여는 마케팅에서 영원한 논쟁거리였으며 이미 충분히 도전적이었습니다. 수많은 벽으로 둘러싸인 정원과 개인 정보 보호 제한을 탐색하는 방법에 대해 생각할 때 더욱 그렇습니다.

알려진 데이터의 불가피한 격차를 감안할 때 사용자 수준 기여 모델은 이제 매우 어렵습니다. 벽으로 둘러싸인 정원을 넘지 않는 특정 채널 하위 집합을 보고 있지 않는 한 말입니다. 그렇지 않으면 강력한 교차 채널 맞춤형 사용자 어트리뷰션 솔루션을 만드는 것이 이제 거의 불가능합니다.

그러나 모든 비즈니스는 여전히 마케팅 담당자가 미디어 믹스의 성과를 정확하게 측정하고 효과적인 예산 결정을 내릴 필요가 있습니다. 흥미롭게도 최적의 차세대 솔루션은 실제로 두 가지 역사적 접근 방식의 조합입니다.

마케팅 성과에 대한 전체 유입경로 보기

모델링된 속성은 MMM(미디어 믹스 모델링) 및 MTA(멀티 터치 속성)의 가장 좋은 부분을 사용하여 완전히 개인 정보 보호 탄력성을 유지하면서 마케팅 성과에 대한 전체 퍼널 뷰를 제공합니다.

모델링된 속성의 기초는 사용자 수준 입력(예: 쿠키 데이터)이 아닌 집계 수준 데이터 세트를 사용하는 MMM을 기반으로 합니다. 즉, 사용자 동의나 벽으로 둘러싸인 정원을 탐색하는 방법과 같은 MTA 고려 사항에 대해 걱정할 필요가 없습니다.

모델링된 기여의 또 다른 이점은 회귀 기반 접근 방식을 사용하면 단일 솔루션 내에서 모든 것을 추적할 필요 없이 모든 마케팅 채널을 모델에 통합하는 것이 훨씬 더 쉽다는 것입니다.

또한 계절성, 재고 수준 또는 경쟁업체 활동과 같은 외부 요인을 포함하여 모델의 정확도를 높이고 미디어 캠페인의 특정 영향을 분리할 수 있습니다.

심층 분석: 보이지 않는 측정: 마케팅 기여에 대한 진실

새로운 세분화된 접근 방식

MMM의 역사적 단점은 출력이 매우 낮은 수준의 세분성(예: TV 대 디지털 대 인쇄)에 있었고 결과는 6개월마다만 사용할 수 있다는 것이었습니다.

그러나 모델링된 기여는 각 마케팅 플랫폼에 대한 직접 연결을 활용하여 가장 세부적인 수준에서 일일 입력을 가져올 수 있습니다. 이를 통해 전술적 계획 및 예산 결정을 훨씬 더 쉽게 실행할 수 있습니다.

초기 설정에는 정확한 계획과 전문 지식이 필요하지만 모델링된 속성은 MTA에 익숙한 모든 세부 정보를 제공하는 동시에 향후 산업 변화에 대비하여 미래를 대비하는 것처럼 보입니다. 이 모든 것은 모델링의 힘을 통해 가능합니다.

그래서 우리의 불확실한 미래에 대한 답은 항상 우리 앞에 있었던 것으로 밝혀졌습니다. 여러 면에서 우리는 측정 전략으로 미래로 돌아가고 있습니다.

이 기사에 표현된 의견은 게스트 저자의 의견이며 반드시 MarTech가 아닙니다. 직원 저자가 여기에 나열됩니다.

Google 뉴스 피드에 MarTech를 추가하세요.

---