Aplicar insights de aprendizado de máquina a modelos de atribuição multitoque PPC

Aplicando aprendizado de máquina a modelos de atribuição multitoque

Atualizado em 30.04.2020

Seu novo planejador de marketing de mídia pode incorporar o aprendizado de máquina para otimizar os modelos de atribuição multitoque usados ​​na publicidade PPC para a década de 2020 .

As agências de marketing digital bem-sucedidas de amanhã provavelmente serão aquelas que podem alavancar dados e aplicar insights de aprendizado de máquina para otimizar modelos de atribuição multitoque. Os insights obtidos também são essenciais para campanhas de remarketing bem-sucedidas .

A exploração de novas inovações em Machine Intelligence no Google ajudou a posicionar a empresa como a segunda marca mais influente em todo o mundo à medida que avançamos para a década de 2020. A gigante das buscas está explorando ativamente os aspectos avançados do aprendizado de máquina, desde algoritmos mais clássicos até técnicas de ponta, como aprendizado profundo. Dado que as empresas que anunciam usando o Google AdWords continuam a ganhar novas vitórias na pesquisa paga, entender como o aprendizado de máquina e os modelos de atribuição multitoque funcionam juntos é útil.

Primeiro, vamos responder a algumas perguntas comuns que as pessoas fazem .

O que é atribuição multitoque?

A atribuição multitoque é um meio de medir a eficácia do marketing. É uma técnica que avalia todos os pontos de contato da jornada do consumidor e atribui crédito fracionado a cada ação para que um profissional de marketing digital possa avaliar quanta influência cada canal tem em uma venda.

O que é um modelo de atribuição em marketing?

Um modelo de atribuição de usuário é um conjunto de regras que decide como o crédito para vendas e conversões é atribuído aos pontos de contato do consumidor nos caminhos de conversão. A Ferramenta de comparação de modelos oferece comparações sobre como diferentes modelos de atribuição influenciam a avaliação e o desempenho de seus canais de marketing.

A atribuição multitoque oferece uma alternativa mais sofisticada às abordagens tradicionais de atribuição baseadas em regras, como primeiro e último toque, que dão todo o crédito ao primeiro ou último ponto de contato de marketing antes que o consumidor converta por meio de uma compra, download ou qualquer outro evento.

Se você primeiro realizar uma pesquisa de marketing aprofundada , poderá determinar melhor as atividades do seu usuário no site.

Isso envolve o trabalho na identificação de idiomas, fala, tradução, tendências de processamento visual , classificação e recursos preditivos que aproveitam a inteligência de máquina. Grandes volumes de big data que fornecem evidências de relacionamentos de interesse diretos ou indiretos são usados ​​para desenvolver abordagens de aprendizado para entender e produzir rapidamente resultados de pesquisa mais precisos.

Os avanços no aprendizado de máquina estão forçando os profissionais de marketing digital a evoluir – estejam os SEOs cientes disso ou não. Ou se você prepara seu site para isso ou não. Este artigo revelará por que preferimos usar a modelagem baseada em posição na atribuição multitoque.

A grande mudança é esta: as empresas de planejamento e compra de mídia sabem que surgiram com uma nova visão das estratégias de publicidade para obter sucesso no aumento do volume de vendas online .

Noções básicas sobre modelos de atribuição multitoque: baseados em regras versus algorítmicos

Devo usar uma abordagem baseada em regras ou um modelo de atribuição PPC algorítmico?

Determinar com precisão o modelo de atribuição da sua marca pode ser agrupado em duas categorias de modelos: aprendizado de máquina baseado em regras e algoritmo. Um modelo baseado em regras é humanamente deduzido e, portanto, pode ser rotulado como bastante subjetivo. Esses modelos de atribuição mais tradicionais são baseados em suposições comumente compreendidas sobre primeiro e último toque, igual toque, atribuição de redução de tempo e outros cenários. Por exemplo, foi a última exposição que impulsionou a decisão de compra da pessoa ou o primeiro e o último toque têm o mesmo peso.

A atribuição de marketing baseada em regras é conhecida como abordagem de atribuição simples. Esses modelos atribuem valores a cada ponto de contato do consumidor que é estabelecido por uma fórmula predefinida. Ele atribui 100% de crédito a apenas um ponto de contato na jornada de compra, geralmente o primeiro ou o último.

Para melhorar esse processo subjetivo, no caso de percepções desalinhadas, a modelagem de atribuição multitoque que depende da escala de maturidade analítica é mais descritiva e envolve um processo de menor consideração enquanto se apoia no aprendizado de máquina. Ao substituir uma única atribuição de ponto de contato — última interação e primeira interação — por modelos de vários pontos de contato, é mais fácil atribuir crédito a vários pontos de contato com base nas regras existentes.

Dados os avanços no aprendizado de máquina dentro do algoritmo Google BERT , uma abordagem algorítmica orientada a dados provou ser mais confiável. Isso significa que as saídas de atribuição são estabelecidas com base nos dados e na modelagem desses dados. A atribuição parcial é atribuída por porcentagem, dependendo do valor de um toque em relação ao todo. Para ser preciso, porém, a atribuição de aprendizado de máquina algorítmico depende muito da riqueza dos dados inseridos. Quando uma fonte confiável é usada, um instantâneo abrangente é obtido, mas, caso contrário, os resultados podem ser brutalmente falhos.

Apesar de contarmos com aprendizado de máquina, esse modelo ainda depende de um alto grau de interação humana. Os insights contextuais obtidos de um analista humano ajudam a reduzir as possíveis entradas defeituosas. É mais provável que um profissional de marketing digital experiente reconheça rapidamente um contratempo antes que ele manche os resultados.

O modelo de atribuição multitoque oferece aos profissionais de marketing uma visão abrangente do impacto que cada interação do usuário tem no objetivo final. Isso ajuda a entender melhor o que está funcionando, o que não está e o que afeta o que nesse quebra-cabeça gigante de vários canais. Esses insights produzem muito o potencial para profissionais de marketing e marcas tomarem decisões de marketing mais inteligentes. Deixe-o informar seus esforços de marketing de busca local .

Eric Enge diz que “Machine Learning pode ser usado desde o planejamento de SEO até a conquista de compras online quando se atribui corretamente o engajamento do usuário”. O artigo da Moz de 4 de fevereiro de 2016 intitulado The Machine Learning Revolution: How it Works and its Impact on SEO *, aprofunda como o investimento feito pelo Google e outros mecanismos de busca em tecnologia baseada em algoritmos pode ser usado. Confira.

Você deve usar a atribuição de modelo Multi-Touch para sua empresa?

O aprendizado de máquina pode ser usado para informar o planejamento de marketing ágil para ganhar compras online quando se atribui corretamente o envolvimento do usuário.

Uma das melhores maneiras de se beneficiar da mineração de dados é segmentar seus clientes e enviar mensagens direcionadas usando o Google AdWords. E é um processo bastante simples. Apenas a partir dos dados do Search Console e do Google Analytics, é possível dividir seu público em segmentos significativos, como idade, interesses, renda, profissão ou sexo. E isso é eficaz se você estiver executando campanhas de marketing por e-mail , pesquisa paga ou atualizando suas estratégias de SEO.

Outro benefício da segmentação de dados é a capacidade de entender melhor seu cenário competitivo. Essa percepção por si só ajudará você a identificar os mercados usuais que você identifica rapidamente, bem como aqueles que visam os mesmos compradores em potencial que sua empresa deseja atender.

Se você é como o negócio típico que, quando solicitado a listar seus concorrentes, eles voltam com uma lista de indivíduos. Pense e planeje mais. Use o marketing de pesquisa pago para alcançar mais compradores . Os mecanismos de pesquisa precisam escolher entre um conjunto mundial de correspondências em potencial para as consultas de pesquisa do usuário. A maioria das empresas precisa expandir seu círculo de sites competitivos duas ou três vezes se realmente quiser competir e vencer. A mineração de dados e a compreensão de como o aprendizado de máquina funciona ajudarão você a fazer isso.

O artigo da E Marketers intitulado Google's Journey into Machine Learning: What Marketers Need to Know fala sobre os diversos métodos que existem com uma abordagem de funil superior. Isso envolve um plano estratégico para obter leads qualificados entrando em seu site, incluindo compradores vindos diretamente do Google Maps .

“As sessões e as visitas ao site de uma empresa não têm o mesmo valor e uma empresa não deve pagar o mesmo valor por todos os leads”, afirma Justin Cutroni.

8 vantagens importantes de um modelo de aprendizado de máquina para melhorar as conversões:

Tomar melhores decisões de publicidade começa com dados precisos e a capacidade de utilizar a atualização do modelo de aprendizado de máquina a cada conversão.

1. Entenda facilmente a profundidade do funil de conversão do visitante do seu site e como os usuários tomam decisões.

2. Saiba quando otimizar vendo quanto tempo normalmente leva para os usuários converterem com base em onde eles começam e terminam fazendo uma compra.

3. Mais capaz de determinar onde gastar os dólares em publicidade para aumentar o ROI e a receita comercial no próximo trimestre.

4. Decifre o número de conversões com base no dispositivo usado e o efeito da segmentação estratégica do dispositivo em partes distintas do funil.

5. Melhor capacidade de ver como suas táticas de funil superior e o uso de conteúdo de vídeo se encaixam em cada conversão.

6. Capacidade mais precisa de entender todo o ciclo de vida do cliente para negócios novos e recorrentes.

7. Uma vantagem dos modelos de atribuição algorítmica é que há menos suposições no início.

8. Reduz a necessidade de verificar novamente seus dados em retrospectiva.

Use a atribuição de redução de tempo de aprendizado de máquina para alocar gastos de mercado

“Basicamente, a última campanha ou impressão com a qual o lead interagiu recebe todo o crédito de conversão. Se você estiver executando apenas uma ou duas campanhas, a simplicidade e a acessibilidade imediata desse modelo são atraentes. No entanto, nos casos em que você tem vários canais de marketing, esse tipo de atribuição é enganoso e não o ajudará a alocar melhor seus gastos com marketing”, afirma a Segment Analytics Academy**.

Ao usar o Modelo de Atribuição de Decaimento de Tempo, os pontos de contato mais próximos da compra ou conversão do consumidor recebem a maior parcela do crédito. Se, por exemplo, um clique de campanha do AdWords e os canais de e-mail forem reconhecidos como as interações mais recentes com o cliente poucas horas antes da venda, outro canal receberia menos crédito do que os canais de anúncio ou e-mail. Como a interação da pesquisa paga ocorreu perto do momento da venda, esse canal recebe muito mais crédito do que um engajamento social anterior com um agente.

Como usar a modelagem de atribuição baseada em dados do Google

O Google está confiando mais no aprendizado de máquina, que influencia seus dados de comportamento do usuário e conhecimento aritmético para encontrar um modelo de atribuição que seja melhor para maximizar o volume total de conversão. É um sonho de mina de ouro localizar um conjunto de dados que aumentaria seu volume de conversão móvel do AdWords mais do que qualquer concorrente.

Um desafio da atribuição baseada em dados no AdWords é que ela oferece melhor uma interpretação de canal único do envolvimento do usuário. Para segmentar com sucesso novos clientes que pesquisam seu produto on-line, é difícil identificar as conversões que podem ter vindo de outros trabalhos de marketing que não sejam de pesquisa, como e-mail ou redes sociais. O aprendizado de máquina é melhor para combinar entidades de imagem com um produto que as pessoas estão pesquisando. As imagens e os anúncios de seus produtos podem ser exibidos em carrosséis de produtos on-line .

O Google sugere ter pelo menos 20.000 cliques e 800 conversões em um período de um mês. Muitas empresas que estão começando com o Google AdWords têm números mais modestos e se saem melhor com a atribuição baseada em posição no início. Encontrar o melhor modelo de atribuição de PPC para o seu negócio depende de muitos fatores e é revelado ao longo do tempo e dos testes.

Desafios de selecionar o melhor modelo de atribuição multicanal

Seja qual for o modelo que você selecionar, lembre-se de respeitar as práticas recomendadas de transparência e privacidade do consumidor .

Poucos aspectos da análise são mais complexos do que descobrir o melhor modelo de atribuição multicanal para usar em sua empresa.

Como pode ser que o último clique esteja errado depois de ser o modelo de atribuição PPC padrão por anos? E aprender que a atribuição do primeiro clique também é errônea pode ser difícil de aceitar. Embora estejamos avançando em direção a modelos baseados em posição, mesmo com o decaimento do tempo, nenhuma técnica de atribuição baseada em dados parece perfeita. Seus gastos com PPC de marketing no próximo ano podem ser aumentados com melhores resultados e mais retorno para seu investimento em publicidade paga. Esteja você na equipe de pesquisa orgânica ou de pesquisa paga, no final, se você oferecer mais valor aos consumidores , você sairá na frente.

O modelo de atribuição de último toque é simples e muitas vezes o que muitos profissionais de marketing recorrem. No entanto, desconsidera completamente os estímulos de todas as impressões de anúncios, com exceção da última. Alternativamente, a ideia mais recente do modelo de atribuição multitoque (MTA) foi adotada por muitos. Isso significa que mais de um ponto de contato pode ter uma fração do crédito com base em uma influência mais verdadeira do usuário em cada ponto de contato que leva à decisão do usuário de fazer uma compra.

Devido às novas tecnologias de aprendizado de máquina, não se deixe levar por concepções anteriores sobre isso. Nascido do reconhecimento de padrões de pesquisa e comportamento do visitante do site, o trabalho de pesquisa de inteligência artificial permite que sua empresa aprenda com os dados e os pontos de contato do usuário. É possível visualizar melhor os dados de conversão de crédito. O aspecto iterativo do aprendizado de máquina é importante porque, à medida que os modelos são expostos a novos dados, eles podem se adaptar de forma independente. Eles aprendem com cálculos anteriores para produzir decisões e resultados confiáveis ​​e repetíveis. Essa é uma ciência antiga, mas que foi amplamente aprimorada e está ganhando novos adeptos de profissionais de marketing digital experientes. Se você mantiver suas práticas de marketing de SEO atualizadas , também beneficiará suas operações de PPC.

Embora muitos algoritmos de aprendizado de máquina existam há anos, o poder de aplicar automaticamente cálculos matemáticos complexos aos seus dados do Google Analytics em um clipe mais rápido e muito mais confiável é um desenvolvimento recente.

Como usar o relatório de principais caminhos de conversão do funil multicanal Analytics

Examine o relatório de comprimento do caminho no relatório padrão de funis multicanal em seu Google Analytics (ou plataforma semelhante). Muitas vezes, um grande número de conversões de site tem mais de um comprimento de caminho, tornando difícil atribuir a conversão corretamente. O Google Analytics permite que os profissionais de marketing combinem informações sobre o caminho de conversão do usuário que, com a visualização de conversão multicanal, encontrada na seção Visão geral.

Revise o relatório de conversões assistidas no Google Analytics. Concentre-se na última coluna que mostra todas as conversões assistidas/último clique ou diretas:

• Para valores abaixo de um, esse canal tem maior probabilidade de gerar conversões de último clique.

• Para valores acima de um, esse canal tem probabilidade de estar disponível mais cedo na fase de conversão. Esses canais podem estar perdendo o crédito apropriado ao usar uma estratégia de atribuição de último clique.

É possível decifrar quais áreas podem estar subvalorizadas em seus canais de marketing.

Em seguida, ajuste uma porcentagem da alocação do orçamento e meça novos resultados. Equipes de marketing inteiras se beneficiam de saber qual canal vem primeiro (aquele que trabalha para apresentar sua marca ao consumidor ”), qual canal vem a seguir (“alimenta nossas decisões de compradores em potencial”), qual canal vem depois disso e assim por diante.

Em seguida, localize os insights no relatório de principais caminhos de conversão do Analytics.

Mineração de dados para melhores modelos de atribuição

Segmentar seu banco de dados e testar como seus insights ganharam forma A cópia do anúncio pode aumentar as taxas de conversão de negócios e, portanto, as margens de lucro. Ao fazer suas promoções de PPC fora de um plano de marketing rígido e altamente interessado, ele pode capacitar sua empresa a personalizar produtos e promoções para melhor atender às necessidades de um público único que uma promoção mais genérica e ampla possivelmente pode.

Abordagens de funil superior mais inteligentes sobre como obter leads novos e qualificados para seu site podem envolver mais foco no funil intermediário. O marketing orientado ao lucro inclui prever o que causa churn, engajamento do usuário e melhores taxas de retenção, é possível reduzir os silos organizacionais e ver as empresas integrarem suas fontes de dados. Temos a capacidade de envolver o aprendizado de máquina para melhorar a integração de dados que pode ser usada para impulsionar a aquisição de novos clientes, reduzir as taxas de rejeição da página de destino e criar compras de retorno de clientes existentes.

Muitos estão atribuindo aprendizado de máquina, análise de clientes e como o big data pode trabalhar em conjunto para não atingir um determinado tipo de comprador com uma mensagem específica em um tipo de dispositivo. Depois de determinar um comportamento de gatilho que um visitante do site executa, os profissionais de marketing obtêm insights mais qualificados sobre o que mudar nas mensagens, ofertas, frequência, hora do dia e outros fatores para tornar a publicidade paga mais eficiente.

Modelagem Baseada em Posição na Atribuição de PPC

Toda empresa quer ser o mais econômica possível para obter o máximo de resultados de seus gastos com publicidade e exibir trechos em destaque visíveis . Ao examinar detalhadamente o fundo do seu funil de conversão, a atribuição de último clique merece a maioria dos esforços de muitos profissionais de marketing. Embora seja fácil entender por que, quando o objetivo é a eficiência do PPC e o crescimento externo exige menos atenção, um modelo de decaimento de tempo é minha preferência.

No entanto, quando o foco do negócio está no crescimento e no aumento da aquisição de novos clientes, mais próximo do topo do funil é uma prioridade para a otimização do AdWords . Tanto a atribuição do primeiro clique quanto a do último clique oferecem apenas pequenos pedaços do bolo. O Google nos dados do Google AdWords e do Google Analytics pode, algum dia, fornecer uma iteração reversa da redução de tempo, mas, como não é oferecido hoje, um modelo baseado em posição ou em forma de U exige mais trabalho e uma interpretação qualificada dos relatórios de dados disponíveis.

Ao focar em dados preditivos e informações de compra relevantes , é possível aumentar o relacionamento que os consumidores têm com seus produtos e serviços. Isso requer uma estratégia clara de marketing de conteúdo que funcione para o seu funil de vendas perene .

O modelo de atribuição baseado em posição em forma de U facilita a identificação dos principais pontos de contato do usuário, ao mesmo tempo em que atribui uma porcentagem de crédito aos esforços de marketing anteriores. Quando os negócios de TI têm um ciclo de compra longo, os pontos de contato intermediários geralmente recebem menos peso. Os compradores estão procurando análises de produtos para ajudá-los a se decidir. A modelagem de atribuição é completamente arbitrária. Anos de prática e uma mente analítica ajudam você a atribuir crédito às métricas e canais mais alinhados aos seus objetivos de negócios.

O estudo de rastreamento entre dispositivos oferece insights para avaliação e atribuição

O rastreamento aprimorado entre dispositivos oferece uma visão completa do comportamento de um usuário e pode ser valioso para uma série de finalidades, incluindo segmentação de anúncios, atribuição multitoque, pesquisa e atribuição de conversão. No entanto, os usuários do site geralmente desconhecem ou ignoram a leitura dos avisos de cookies postados na parte inferior das páginas sobre como e com que frequência seu comportamento é rastreado em diferentes dispositivos. Portanto, um estudo da OTech coleta informações sobre rastreamento entre dispositivos e oferece observações da perspectiva do usuário final.

De acordo com uma comunicação por e-mail de 5 de janeiro de Aaron Alva, da Divisão de Tecnologia da FTC, “as empresas de publicidade na Internet e tecnologia de análise estão cada vez mais tentando encontrar maneiras de vincular o comportamento entre os vários dispositivos que os consumidores possuem. Esse rastreamento entre dispositivos pode fornecer uma visão mais completa do comportamento de um consumidor e pode ser valioso para vários propósitos, incluindo segmentação de anúncios, pesquisa e atribuição de conversão.”

Para obter mais informações, leia o relatório recém-lançado da FTC chamado Cross-Device Tracking: Measurement and Disclosure by The Office of Technology Research and Investigation (OTech)

Como o aprendizado de máquina beneficia seus anúncios do Google

Por que os empresários querem saber a atividade de cada cliente em cada ponto de contato:

• Segmentação de anúncios aprimorada e comunicações personalizadas para o Google Ads — com um conhecimento mais apurado sobre o comportamento do cliente e as interações on-line, suas estratégias de marketing de pesquisa podem formar mensagens personalizadas para combinar melhor em todos os canais.

• Melhores decisões de produtos e serviços — com insights de dados de clientes aprimorados para análise , suas páginas de destino de varejo podem ser mais úteis após ajustes por meio de marketing informado, SEO na página e decisões de posicionamento.

• Melhora a fidelidade do cliente — como um único cliente pode ajudar suas estratégias de marketing a melhorar o atendimento ao cliente e influenciar positivamente a fidelidade do cliente.

• Cópias de ofertas melhores e promoções pagas em anúncios gráficos” — entender o comportamento do usuário e como os clientes pensam ao interagir com sua marca significa que suas equipes de marketing podem criar ofertas e promoções centradas no cliente e que terão mais significado para visitantes do site.

“No modelo de atribuição baseada em posição, 40% de crédito é atribuído a cada primeira e última interação, e os 20% restantes são distribuídos uniformemente para as interações intermediárias. Neste exemplo, os canais de pesquisa paga e direto receberiam 40% de crédito, enquanto os canais de rede social e e-mail receberiam 10% de crédito cada um. – Suporte do Google Analytics

NOTA: O Google apresentou seu pedido em 15 de fevereiro de 2013 para um método e aparelho para determinação de atribuição multitoque orientada por dados em campanhas publicitárias multicanal . Também conhecido como US 20140236705 A1, que se baseia no aproveitamento do aprendizado profundo .

Como faço para determinar qual modelo é melhor para o meu negócio?

Os gerentes de marketing digital são os melhores para determinar quais campanhas, criativos e canais do Google Ads têm melhor desempenho, como ajustá-los ou se você deve investir em campanhas específicas. A resposta “depende” é verdadeira aqui, pois vários outros fatores, como reconhecimento de marca pré-existente, margens de ROI e dados demográficos, entram em jogo; atribuição fracionária não.

Mais pressão está nos profissionais de marketing digital em nichos apertados. Cada vez mais, eles são responsabilizados por aumentar a conversão e obter rich feature snippets nos resultados de pesquisa . À medida que surgem novas medições, é mais fácil decifrar se algum desses modelos é melhor do que a medição de canal em silos. Esses métodos fornecerão informações sobre a jornada do consumidor que você não tinha antes. Decidir qual solução de atribuição multitoque é melhor para seus produtos depende muito de suas metas de negócios, requisitos, orçamento e como você deseja usar a saída para melhorar a eficácia do seu marketing pago.

RESUMO

Saiba mais sobre os serviços da Jeannie Hill e do Google Ads quando quiser.

Se você quiser ver o que a incorporação de uma abordagem de aprendizado de máquina pode fazer, vamos falar mais sobre nossos serviços de otimização do Google AdWords para taxas de conversão mais fortes

* https://moz.com/blog/machine-learning-revolution

** https://segment.com/academy/advanced-analytics/an-introduction-to-multi-touch-attribution/