Jak wybrać i przetestować model atrybucji

Gdy marketer staje przed wyzwaniem pozyskania określonej liczby konwersji bez przekraczania budżetu, musi upewnić się, że stosowany przez niego model atrybucji pomaga mu podejmować właściwe decyzje i rozumie jego logikę. Po drodze można popełnić wiele błędów, prowadzących do strat czasu i pieniędzy.

W tym artykule zebraliśmy informacje, które pomogą Ci porównać i zastosować nowoczesne modele atrybucji, które pomogą Ci przenieść marketing Twojej firmy na wyższy poziom.

Ponieważ użytkownicy mogą wchodzić w interakcje z kilkoma kampaniami reklamowymi, musisz zastosować model atrybucji, aby oszacować liczbę i wartość konwersji wynikających z każdej kampanii. Model atrybucji umożliwia rozłożenie wartości konwersji na kampanie, z którymi użytkownik wszedł w interakcję przed konwersją.

Czego oczekujemy od modelu atrybucji? Powinien być dokładny i zrozumiały. Jednak większość znanych modeli spełnia tylko jedno z tych wymagań.

Na przykład najpopularniejszy model atrybucji ostatniego dotknięcia (ostatnie kliknięcie, ostatnie kliknięcie niebezpośrednie) jest dość jasny: cała wartość jest przypisywana ostatniej kampanii. Ma jednak oczywistą wadę: ignoruje wkład wszystkich kampanii z wyjątkiem ostatniej.

Wiele osób korzysta z powiązanych konwersji , zwłaszcza do oceny kampanii w sieci reklamowej. Ten model jest również wystarczająco jasny: podaje wartość konwersji każdej kampanii, z którą użytkownik wchodził w interakcję. Taka ocena jest jednak wyjątkowo niedokładna, ponieważ uwzględnia jedynie obecność kampanii w łańcuchu i ignoruje stopień jej wpływu.

Na przykład kampanie z zasięgiem uzyskują wartość wszystkich konwersji wykonanych przez użytkowników, którzy widzą banery kampanii. W rezultacie liczba przypisanych konwersji znacznie przekracza rzeczywistą liczbę konwersji.

Nowoczesne usługi traktują priorytetowo dokładność i opracowują probabilistyczne modele atrybucji . Na przykład Google promuje swój model oparty na danych, Facebook promuje Wzrost konwersji, a Nielsen promuje Wzrost kampanii.

Modele te mają wspólne podejście: mierzą, w jakim stopniu dana kampania zwiększyła prawdopodobieństwo konwersji i odpowiednio określają jej wartość. To sprawia, że ​​ocena jest bardziej obiektywna, ale pozostawia wiele otwartych pytań dla reklamodawców, ponieważ modele wyglądają jak czarna skrzynka i istnieją ograniczone lub żadne możliwości debugowania.

W OWOX od 2015 roku rozwijamy probabilistyczny model atrybucji. Model atrybucji OWOX oparty jest na uczeniu maszynowym. Ocenia kampanie reklamowe na poziomie sesji użytkownika, uwzględnia ich wkład w lejek, pozwala marketerom określić zarządzane kanały i okno konwersji oraz łączyć dane CRM.

Niedawno uruchomiliśmy nową wersję modelu atrybucji OWOX BI, która łączy najlepsze praktyki i zapewnia ważne korzyści biznesowe:

1. Model określa udział kampanii na podstawie prawdopodobieństwa konwersji i nie wymaga ręcznego wyboru kroków ścieżki. W poniższym przykładzie w pierwszej sesji z kanału Płatne wyszukiwanie użytkownik miał 20% szans na konwersję; w drugiej sesji z kanału Retargeting prawdopodobieństwo wzrosło do 70%; aw trzeciej sesji użytkownik dokonał konwersji.

Wartość każdej sesji jest równa wzrostowi prawdopodobieństwa konwersji przez użytkownika w porównaniu z poprzednią sesją. W tym przypadku:

• pierwsza sesja z Paid Search otrzyma 20% wartości konwersji, ponieważ zwiększyła prawdopodobieństwo z 0% do 20%
• druga sesja z Retargetingiem otrzyma 50% wartości konwersji, gdyż zwiększyło to prawdopodobieństwo z 20% do 70%
• trzecia sesja z e-mailem otrzyma pozostałe 30% wartości konwersji

W każdym probabilistycznym modelu atrybucji najważniejsza jest dokładność przewidywania prawdopodobieństwa konwersji. Algorytmy uczenia maszynowego OWOX BI są niezwykle dokładne, co potwierdzają wyniki uzyskane przez iProspect i Eldorado, które wykorzystały te algorytmy do osiągnięcia 2,2-krotnego wzrostu ROI.

2. Drugą zaletą nowej wersji modelu atrybucji OWOX jest możliwość przewidywania wartości nawet tych sesji, które nie doprowadziły jeszcze do konwersji:

Ta prognoza pozwala dowiedzieć się, ile konwersji z kampanii reklamowej możesz spodziewać się w przyszłości, jeśli wyłączysz kampanię dzisiaj.

Dzięki temu możesz szybciej podejmować decyzje o wyłączeniu kampanii o niskiej skuteczności i nie wyłączać przez pomyłkę kampanii opóźnionych.

Dokładność predykcji modelu zależy nie tylko od algorytmów, ale także od wielkości próby uczącej. Wzrost szybkości i jakości prognozowania dla modelu OWOX został osiągnięty poprzez trenowanie modelu na dziesiątkach tysięcy projektów.

3. Co najważniejsze, aby logika obliczeń była jak najbardziej przejrzysta i uwzględniała wszelkie specyfiki konkretnego biznesu, udostępniliśmy kod transformacji danych dla wszystkich klientów. Możesz samodzielnie wprowadzać zmiany w kodzie, a OWOX BI zadba o regularne aktualizacje danych, połączy koszty kampanii reklamowych i dostarczy wszystkie niezbędne raporty. Możesz dowiedzieć się o korzyściach płynących z przekształcenia danych w dbt (narzędzie do budowania danych), zapisując się na demo.

Oceniając kampanie przy użyciu różnych modeli atrybucji, możesz spodziewać się różnych wyników. W związku z tym nieuchronnie pojawia się pytanie: jaki model atrybucji wybrać i który wskazuje właściwą ścieżkę?

W rzeczywistości marketer nie potrzebuje kompasu, który wskazuje w lewo lub w prawo, ale potrzebuje pełnoprawnego systemu nawigacyjnego, który oblicza i zaleca trasy, biorąc pod uwagę korki i wymagany czas przybycia. To model atrybucji, który pozwala firmie osiągnąć cel w oparciu o konkretne rekomendacje.

Co więcej, zarządzanie budżetem reklamowym bez uwzględniania przepustowości kanału może doprowadzić Cię do ślepego zaułka, podobnie jak kompas, który nie uwzględnia krajobrazu. Większość marketerów wie, że niski koszt konwersji nie wystarczy do podjęcia decyzji o zwiększeniu budżetu. Na przykład kampanie markowe mogą mieć niski koszt konwersji, ale wyczerpały swoją pojemność, więc zwiększenie budżetu nie zwiększy liczby konwersji.

Powyższy wykres pokazuje, jak liczba konwersji w kampaniach A i B zależy od budżetu zainwestowanego w te kampanie. Pamiętaj, że obecny CPA kampanii A jest niższy niż CPA kampanii B. Jednak następna konwersja w kanale A będzie kosztować więcej niż w kanale B!

Dlatego, aby zastosować atrybucję, musisz znać nie tylko aktualną skuteczność kanału, ale także to, jak zmieni się ogólny wynik, jeśli zwiększysz lub zmniejszysz budżet dla każdego kanału, kampanii i słowa kluczowego.

Mając taki model w swoim projekcie, zespół marketingowy może wybrać odpowiednią strategię rozwoju:

1. Uzyskaj taką samą liczbę konwersji, zmniejszając budżet.
2. Zwiększ liczbę konwersji przy tym samym budżecie.
3. Zwiększ liczbę konwersji przy tym samym CPA.

Pozwala to natychmiast uzyskać nie tylko rekomendacje dotyczące redystrybucji budżetu, ale także przewidywany wynik.

Pozostaje główne pytanie: jak poznać krzywą wydajności dla każdego słowa kluczowego? W OWOX BI wykorzystujemy dane rynkowe z dziesiątek tysięcy projektów, aby wyszkolić model, który odpowiada na to pytanie, biorąc pod uwagę region i niszę projektu. Z naszego doświadczenia wynika, że ​​miesięczne dane nawet dla dużych projektów nie wystarczą, aby uzyskać wysokiej jakości prognozę.

Kluczowe dania na wynos:

1. Model atrybucji ocenia kampanie reklamowe, ale nie podaje zaleceń dotyczących redystrybucji budżetu reklamowego.
2. Aby uzyskać rekomendacje, musisz znać pojemność kampanii i strategię promocji.
3. Najlepszy model atrybucji to taki, który opiera się na rekomendacjach, które pozwalają Twojej firmie osiągnąć określony cel.

Na szczególną uwagę (oraz artykuły) zasługują sposoby na zwiększenie pojemności kanału (media) oraz częste błędy w wyznaczaniu celów dla agencji (ostatnie kliknięcie). Napisz w komentarzach, o czym chciałbyś przeczytać w naszych kolejnych artykułach.

Jeśli chcesz dowiedzieć się więcej o modelu atrybucji OWOX, zapisz się na demo. Chętnie odpowiemy na wszystkie Twoje pytania.