Aplicați statisticile de învățare automată modelelor de atribuire multi-touch PPC

Aplicarea învățării automate la modelele de atribuire multi-touch

Actualizat 30.4.2020

Noul dvs. planificator de marketing media poate include învățarea automată pentru a optimiza modelele de atribuire multi-touch utilizate în publicitatea PPC pentru anii 2020 .

Agențiile de marketing digital de succes de mâine vor fi mai probabil cele care pot valorifica datele și pot aplica informații din învățarea automată pentru a optimiza modelele de atribuire multi-touch. Informațiile obținute sunt, de asemenea, esențiale pentru campaniile de remarketing de succes .

Explorarea noilor inovații în Machine Intelligence la Google a contribuit la poziționarea companiei ca al doilea brand mai influent la nivel mondial, în timp ce ne îndreptăm spre anii 2020. Gigantul căutării explorează în mod activ aspectele avansate ale învățării automate, de la algoritmi mai clasici la tehnici de ultimă oră, cum ar fi învățarea profundă. Având în vedere că companiile care fac publicitate folosind Google AdWords continuă să obțină noi câștiguri în căutarea plătită, este util să înțelegem cum funcționează împreună modelele de învățare automată și de atribuire multi-touch.

Mai întâi, să răspundem la câteva întrebări frecvente pe care le pun oamenii .

Ce este atribuirea Multi-touch?

Atribuirea multi-touch este un mijloc de măsurare a eficacității marketingului. Este o tehnică care evaluează toate punctele de contact ale călătoriei consumatorului și atribuie credit fracționar fiecărei acțiuni, astfel încât un agent de marketing digital să poată evalua cât de mult influență are fiecare canal asupra unei vânzări.

Ce este un model de atribuire în marketing?

Un model de atribuire a utilizatorilor este un set de reguli care decid modul în care creditul pentru vânzări și conversii este atribuit punctelor de contact ale consumatorilor din căile de conversie. Instrumentul de comparare a modelelor oferă comparații cu privire la modul în care diferitele modele de atribuire influențează evaluarea și performanța canalelor dvs. de marketing.

Atribuirea multi-touch oferă o alternativă mai sofisticată la abordările tradiționale de atribuire bazate pe reguli, cum ar fi prima și ultima atingere, care acordă tot meritul primului sau ultimului punct de contact de marketing înainte ca consumatorul să facă conversie printr-o achiziție, descărcare sau orice alt eveniment.

Dacă efectuați mai întâi cercetări de marketing aprofundate , puteți determina mai bine activitățile utilizatorului dvs. pe site.

Aceasta implică munca privind identificarea limbii, vorbirea, traducerea, tendințele de procesare vizuală , clasarea și capabilitățile predictive care profită de Inteligența automată. Volumele mari de date mari care oferă dovezi ale relațiilor directe sau indirecte de interes sunt folosite pentru a dezvolta abordări de învățare pentru a înțelege și a produce rapid rezultate de căutare mai precise.

Progresele în învățarea automată îi forțează pe specialiștii în marketing digital să evolueze – indiferent dacă SEO sunt conștienți de asta sau nu. Sau dacă vă pregătiți site-ul web pentru asta sau nu. Acest articol va dezvălui de ce preferăm să folosim modelarea bazată pe poziție în atribuirea multi-touch.

Schimbarea majoră este aceasta: companiile de planificare și cumpărare media știu că au apărut cu o nouă abordare a strategiilor de publicitate pentru a avea succes în creșterea volumului vânzărilor online .

Înțelegerea modelelor de atribuire multi-touch: bazate pe reguli vs. algoritmice

Ar trebui să folosesc o abordare bazată pe reguli sau un model algoritmic de atribuire PPC?

Determinarea cu precizie a modelului de atribuire al mărcii dvs. poate fi grupată în două categorii de modele: învățarea automată bazată pe reguli și algoritmică. Un model bazat pe reguli este dedus uman și, prin urmare, ar putea fi etichetat ca fiind destul de subiectiv. Aceste modele de atribuire mai tradiționale se bazează pe ipoteze înțelese în mod obișnuit despre prima și ultima atingere, atingerea egală, atribuirea decăderii timpului și alte scenarii. De exemplu, ultima expunere a fost cea care a determinat decizia de cumpărare a persoanei sau primele și ultimele atingeri au o greutate egală.

Atribuirea de marketing bazată pe reguli este cunoscută sub denumirea de abordare simplă de atribuire. Aceste modele atribuie valori fiecărui punct de contact al consumatorului care este stabilit printr-o formulă predefinită. Aloca 100% credit unui singur punct de contact din călătoria de cumpărare, de obicei primul sau ultimul.

Pentru a îmbunătăți acest proces subiectiv, în cazul în care percepțiile sunt nealiniate, modelarea atribuirii multi-touch care se bazează pe scala de maturitate a analizei este mai descriptivă și implică un proces de luare în considerare mai scăzută, în timp ce se bazează pe învățarea automată. Prin înlocuirea unei singure atribuiri de punct de contact – ultima interacțiune și prima interacțiune – modelelor cu mai multe puncte de contact, este mai ușor să atribuiți credite diferitelor puncte de contact pe baza regulilor existente.

Având în vedere progresele în învățarea automată în cadrul algoritmului Google BERT , o abordare algoritmică bazată pe date s-a dovedit a fi mai fiabilă. Aceasta înseamnă că rezultatele atribuirii sunt stabilite pe baza datelor și a modelării acestor date. Atribuirea parțială este atribuită în procente, în funcție de valoarea unei atingeri în raport cu întregul. Pentru a fi exact, totuși, atribuirea algoritmică a învățării automate depinde în mare măsură de bogăția datelor introduse. Când se folosește o sursă de încredere, se obține un instantaneu cuprinzător, dar dacă nu, rezultatele ar putea fi defecte brutal.

Chiar dacă ne bazăm pe învățarea automată, acest model depinde în continuare de un grad ridicat de interacțiune umană. Perspectivele contextuale obținute de la un analist uman ajută la reducerea potențialelor intrări defecte. Un agent de marketing digital experimentat are mai multe șanse să recunoască rapid un accident înainte de a afecta rezultatele.

Modelul de atribuire multi-touch oferă marketerilor o privire cuprinzătoare asupra impactului pe care fiecare interacțiune a utilizatorului îl are asupra obiectivului final. Acest lucru ajută la o mai bună înțelegere a ceea ce funcționează, ce nu și ce anume are efect în acest puzzle uriaș, pe canale încrucișate. Aceste informații produc în mare măsură potențialul pentru marketeri și mărci de a lua decizii de marketing mai inteligente. Lăsați-l să vă informeze eforturile de marketing în căutarea locală .

Eric Enge spune că „Învățarea automată poate fi folosită de la planificarea SEO până la achiziții câștigătoare online, atunci când se atribuie corect implicarea utilizatorului”. Articolul Moz din 4 februarie 2016, intitulat Revoluția învățării automate: cum funcționează și impactul său asupra SEO *, analizează modul în care poate fi utilizată investiția făcută de Google și alte motoare de căutare în tehnologia bazată pe algoritmi. Verifică.

Ar trebui să utilizați Atribuirea modelului Multi-Touch pentru afacerea dvs.?

Învățarea automată poate fi folosită pentru a informa planificarea agilă de marketing pentru a câștiga achiziții online atunci când se atribuie corect implicarea utilizatorului.

Una dintre cele mai bune modalități de a beneficia de data mining este să vă segmentați clienții și apoi să trimiteți mesaje direcționate folosind AdWords. Și este un proces destul de simplu. Numai din Search Console și din datele Google Analytics, este posibil să vă împărțiți publicul în segmente semnificative, cum ar fi vârsta, interesele, venitul, profesia sau sexul. Și acest lucru este eficient indiferent dacă desfășurați campanii de marketing prin e-mail , căutare plătită sau reîmprospătați strategiile SEO.

Un alt beneficiu al segmentării datelor este capacitatea de a înțelege mai bine peisajul competitiv. Numai această perspectivă vă va ajuta să identificați piețele obișnuite pe care le identificați rapid, precum și cele care vizează aceiași potențiali cumpărători pe care compania dvs. dorește să-i deservească.

Dacă sunteți ca afacerea obișnuită care, atunci când li se cere să-și enumere concurenții, ei revin cu o listă de persoane. Gândește și planifică mai mare. Utilizați marketingul de căutare plătit pentru a ajunge la mai mulți cumpărători . Motoarele de căutare trebuie să aleagă dintr-un număr mondial de potriviri potențiale pentru interogările de căutare ale utilizatorilor. Majoritatea companiilor trebuie să-și extindă cercul de site-uri competitive de două sau trei ori dacă doresc cu adevărat să concureze și să câștige. Exploatarea datelor și înțelegerea mai multor despre cum funcționează învățarea automată vă vor ajuta să faceți acest lucru.

Articolul E Marketers intitulat Călătoria Google în învățarea automată: Ce trebuie să știe specialiștii în marketing vorbește despre diversele metode care există cu o abordare de top-palnie. Aceasta implică un plan strategic pentru a obține clienți potențiali calificați care vin pe site-ul dvs. web, inclusiv cumpărători care vin direct de pe Google Maps .

„Sesiunile și vizitele pe site-ul unei companii nu sunt toate de valoare egală și o companie nu ar trebui să plătească aceeași sumă pentru toate clienții potențiali”, afirmă Justin Cutroni.

8 avantaje majore ale unui model de învățare automată pentru îmbunătățirea conversiilor:

Luați decizii mai bune în materie de publicitate începe cu date precise și capacitatea de a utiliza actualizarea modelului de învățare automată la fiecare conversie.

1. Înțelegeți cu ușurință cât de profund este canalul de conversie al vizitatorilor site-ului dvs. și cum iau deciziile utilizatorilor.

2. Aflați când să optimizați, văzând cât timp durează de obicei utilizatorii să facă conversie, în funcție de locul în care încep și se termină prin efectuarea unei achiziții.

3. Mai bine să determinați unde să cheltuiți dolari publicitari pentru a crește rentabilitatea investiției și veniturile din afaceri în trimestrul următor.

4. Descifrați numărul de conversii în funcție de dispozitivul utilizat și de efectul direcționării strategice a dispozitivului în părți distincte ale canalului.

5. O mai bună abilitate de a vedea modul în care tacticile din pâlnia superioară și utilizarea conținutului video se joacă în fiecare conversie.

6. Capacitate mai precisă de a înțelege întregul ciclu de viață al clientului, atât pentru afacerile noi, cât și pentru cele care revin.

7. Un avantaj al modelelor de atribuire algoritmică este că există mai puține ghiciri de la început.

8. Reduce nevoia de a-ți verifica din nou datele în retrospectivă.

Utilizați atribuția de decădere a timpului de învățare automată pentru a aloca cheltuielile pieței

„Practic, ultima campanie sau impresie cu care a interacționat clientul potențial primește tot creditul de conversie. Dacă desfășurați doar una sau două campanii, simplitatea și accesibilitatea imediată a acestui model sunt atrăgătoare. Cu toate acestea, în cazurile în care aveți mai multe canale de marketing, acest tip de atribuire este înșelătoare și nu vă va ajuta să vă alocați mai bine cheltuielile de marketing”, afirmă Segment Analytics Academy**.

Când se utilizează modelul de atribuire Time Decay, punctelor de contact cele mai apropiate în timp de achiziția sau conversia consumatorului li se atribuie cea mai mare parte a creditului. Dacă, de exemplu, atât un clic pe campanie AdWords, cât și canalele de e-mail sunt recunoscute ca fiind cele mai recente interacțiuni cu clienții cu câteva ore înainte de vânzare, un alt canal ar primi mai puțin credit decât canalele de anunțuri sau e-mail. Deoarece interacțiunea Căutare plătită a avut loc aproape de momentul vânzării, acest canal primește mult mai mult credit decât o interacțiune socială anterioară cu un agent.

Utilizarea modelului de atribuire bazat pe date de la Google

Google se bazează mai mult pe învățarea automată, care influențează datele despre comportamentul utilizatorului și abilitățile aritmetice pentru a găsi un model de atribuire care este cel mai bun pentru a maximiza volumul total de conversii. Este un vis de mină de aur să găsești un set de date care să crească volumul de conversii mobile AdWords mai mult decât orice concurență.

O provocare cu atribuirea bazată pe date în AdWords este că oferă cel mai bine o interpretare pe un singur canal a interacțiunii utilizatorilor. Pentru a viza cu succes clienții noi care caută produsul dvs. online, este greu să identificați conversiile care pot fi provenite din alte activități de marketing care nu sunt legate de căutare, cum ar fi e-mailul sau rețelele sociale. Învățarea automată este mai bună la potrivirea entităților de imagine cu un produs pe care oamenii îl caută. Imaginile și anunțurile produselor dvs. pot fi afișate în carusele de produse online .

Google sugerează să aveți cel puțin 20.000 de clicuri și 800 de conversii într-o perioadă de o lună. Multe companii care încep cu AdWords au cifre mai modeste și se descurcă cel mai bine cu atribuirea bazată pe poziție la început. Găsirea celui mai bun model de atribuire pentru PPC pentru afacerea dvs. depinde de mulți factori și este dezvăluită în timp și testare.

Provocări ale selectării celui mai bun model de atribuire multicanal

Indiferent de modelul pe care îl alegeți, nu uitați să respectați cele mai bune practici privind transparența și confidențialitatea pentru consumatori .

Nu multe aspecte ale analizei sunt mai complexe decât descoperirea celui mai bun model de atribuire multicanal de utilizat pentru afacerea dvs.

Cum se poate ca ultimul clic să fie greșit după ce a fost modelul implicit de atribuire PPC de ani de zile? Și apoi să aflați că atribuirea primului clic este, de asemenea, eronată, poate fi greu de acceptat. În timp ce ne îndreptăm către modele bazate pe poziție chiar și în timpul decăderii în timp, nicio tehnică de atribuire bazată pe date nu pare perfectă. Cheltuielile dvs. de marketing PPC în anul următor pot fi crescute cu rezultate mai bune și mai mult profit pentru investiția dvs. în publicitate plătită. Indiferent dacă faci parte din echipa de căutare organică sau de căutare plătită, în cele din urmă, dacă oferi mai multă valoare consumatorilor , ieși înainte.

Modelul de atribuire a ultimei atingeri este simplu și adesea la care se îndreaptă mulți specialiști în marketing. Cu toate acestea, ignoră cu desăvârșire stimulii tuturor afișărilor publicitare, exclude ultimul. Alternativ, ideea mai nouă a modelului de atribuire multi-touch (MTA) a fost adoptată de mulți. Aceasta înseamnă că mai mult de un punct de contact poate avea fiecare o fracțiune din credit pe baza unei influențe mai reale a utilizatorului la fiecare punct de contact, care duce la decizia utilizatorului de a face o achiziție.

Datorită noilor tehnologii de învățare automată, nu vă lăsați descurajați de concepțiile anterioare despre asta. Născut din recunoașterea modelelor de căutare și comportamentul vizitatorilor site-ului, activitatea de cercetare a inteligenței artificiale permite afacerii dvs. să învețe din date și punctele de contact ale utilizatorilor. Este posibil să vizualizați mai bine și datele de conversie a creditului. Aspectul iterativ al învățării automate este important, deoarece modelele sunt expuse la date noi, acestea sunt capabile să se adapteze în mod independent. Ei învață din calculele anterioare pentru a produce decizii și rezultate fiabile și repetabile. Aceasta este o știință veche, dar una care este mult îmbunătățită și care câștigă un proaspăt acceptare din partea specialiștilor în marketing digital. Dacă vă mențineți actuale practicile de marketing SEO , aceasta va beneficia și de operațiunile dvs. PPC.

În timp ce mulți algoritmi de învățare automată există de ani de zile, puterea de a aplica automat calcule matematice complexe datelor dvs. Google Analytics într-un clip mai rapid și mult mai fiabil este o dezvoltare recentă.

Cum să utilizați raportul Principalele căi de conversie din Analytics Canale multiple

Examinați raportul Lungimea căii din raportul standard Canale multicanal din Google Analytics (sau platformă similară). Adesea, un număr mare de conversii pe site au o lungime mai mare de o cale, ceea ce face dificilă atribuirea corectă a conversiei. Google Analytics le permite specialiștilor în marketing să combine informații despre calea de conversie a utilizatorului, care, împreună cu conversia sa multicanal, le vizualizează în secțiunea Prezentare generală.

Consultați raportul Conversii asistate din Google Analytics. Concentrați-vă pe ultima coloană care arată toate conversiile asistate/Ultimul clic sau directe:

• Pentru valori sub unu, acel canal are o probabilitate mai mare de a genera conversii la ultimul clic.

• Pentru valori peste unu, acel canal are probabilitatea de a fi disponibil mai devreme în faza de conversie. Este posibil ca acestor canale să lipsească creditul corespunzător atunci când se utilizează o strategie de atribuire a ultimului clic.

Este posibil să descifrați ce domenii pot fi subevaluate pe canalele dvs. de marketing.

Apoi ajustați un procent din alocarea bugetului și măsurați noi rezultate. Echipele de marketing întregi beneficiază de faptul că știe care canal este primul (cel care funcționează pentru a -ți prezenta brandul consumatorului ”), care canal urmează („alimentează deciziile potențialelor noastre cumpărători”), care canal vine după aceea și așa mai departe.

Apoi, găsiți informații în raportul Google Analytics Principalele căi de conversie.

Exploatarea datelor pentru modele de atribuire mai bune

Segmentarea și baza de date și testarea modului în care s-au conturat cunoștințele dvs. Copia publicitară poate crește ratele de conversie ale afacerii și, prin urmare, marjele de profit. Făcând promoțiile dvs. PPC dintr-un plan de marketing strâns, foarte interesat, vă poate permite companiei să personalizeze produsele și promoțiile pentru a satisface mai bine nevoile unui public unic pe care o poate face o promovare mai generală și mai largă.

Abordările mai inteligente ale canalului de sus cu privire la modul de a obține clienți potențiali noi și calificați pe site-ul dvs. pot implica o concentrare mai mare la mijlocul pâlniei. Marketingul bazat pe profit include anticiparea cauzelor abandonului, implicarea utilizatorilor și rate mai bune de retenție, este posibil să se reducă silozurile organizaționale și să se vadă companiile integrându-și sursele de date. Avem capacitatea de a angaja învățarea automată pentru a îmbunătăți integrarea datelor care poate fi folosită pentru a genera noi achiziții de clienți, pentru a reduce ratele de respingere a paginilor de destinație și pentru a genera achiziții cu retur de la clienții existenți.

Mulți atribuie învățarea automată, analiza clienților și modul în care big data poate lucra împreună pentru a nu ajunge la un anumit tip de cumpărător cu un anumit mesaj pe un tip de dispozitiv. După ce determină un comportament declanșator pe care îl efectuează un vizitator al site-ului, specialiștii în marketing obțin informații mai calificate cu privire la ceea ce trebuie schimbat în mesaje, oferte, frecvență, ora din zi și alți factori pentru a face publicitatea plătită mai eficientă.

Modelare bazată pe poziție în Atribuire PPC

Fiecare companie dorește să fie cât mai economisită pentru a obține rezultate maxime din cheltuielile publicitare și pentru a afișa fragmente vizibile prezentate . Examinând cu atenție până la capătul canalului de conversie, atribuirea ultimului clic merită majoritatea eforturilor multor agenți de marketing. Deși este ușor de înțeles de ce, când scopul este eficiența PPC și creșterea exterioară necesită mai puțină atenție, un model de decădere în timp este preferința mea.

Cu toate acestea, atunci când afacerea se concentrează pe creștere și pe creșterea achiziției de noi clienți, mai aproape de partea de sus a pâlniei este o prioritate pentru optimizarea AdWords . Atât atribuirea primului clic, cât și ultimul clic oferă doar bucăți mici din plăcintă. Datele Google în AdWords și Google Analytics pot oferi într-o zi o iterație inversă a decăderii timpului, dar, deoarece nu este oferit astăzi, un model bazat pe poziție sau în formă de U necesită mai multă muncă și o interpretare calificată a rapoartelor de date disponibile.

Prin concentrarea pe datele predictive și pe informațiile relevante de cumpărare , este posibil să creșteți relațiile pe care consumatorii le au cu produsele și serviciile dvs. Acest lucru necesită o strategie clară de marketing de conținut care funcționează pentru pâlnia dvs. de vânzări veșnic verde .

Modelul de atribuire bazat pe poziție în formă de U facilitează identificarea punctelor de contact cheie ale utilizatorilor, atribuind simultan un procent de credit eforturilor de marketing anterioare. Atunci când afacerea are un ciclu lung de cumpărare, punctele de contact de mijloc primesc adesea mai puțină pondere. Cumpărătorii caută recenzii despre produse pentru a-i ajuta să se hotărască. Modelarea atribuirii este complet arbitrară. Anii de practică și o minte analitică vă ajută să acordați credit valorilor și canalelor care sunt cel mai bine aliniate cu obiectivele dvs. de afaceri.

Studiul de urmărire pe mai multe dispozitive oferă statistici pentru măsurare și atribuire

Urmărirea îmbunătățită pe mai multe dispozitive oferă o imagine completă a comportamentului unui utilizator și poate fi valoroasă pentru o serie de scopuri, inclusiv direcționarea anunțurilor, atribuirea multi-touch, cercetare și atribuirea conversiilor. Cu toate acestea, utilizatorii site-ului deseori nu cunosc sau opresc deseori citirea notificărilor privind cookie-urile postate în partea de jos a paginilor despre cum și cât de des este urmărit comportamentul lor pe diferite dispozitive. Prin urmare, un studiu realizat de OTech culege informații despre urmărirea între dispozitive și oferă observații din perspectiva utilizatorului final.

Potrivit unei comunicări prin e-mail din 5 ianuarie a lui Aaron Alva de la Divizia de Tehnologie a FTC, „Companiile de publicitate pe internet și tehnologie de analiză încearcă din ce în ce mai mult să găsească modalități de a lega comportamentul pe diferitele dispozitive pe care consumatorii le dețin. Această urmărire pe mai multe dispozitive poate oferi o imagine mai completă a comportamentului unui consumator și poate fi valoroasă pentru o serie de scopuri, inclusiv direcționarea anunțurilor, cercetarea și atribuirea conversiilor.”

Pentru mai multe informații, citiți raportul recent lansat de FTC numit Urmărire încrucișată: Măsurare și dezvăluire de către Biroul de Cercetare și Investigare Tehnologică (OTech)

Cum vă avantajează învățarea automată anunțurile dvs. Google

De ce proprietarii de afaceri doresc să cunoască activitatea fiecărui client la fiecare punct de contact:

• Direcționare îmbunătățită a anunțurilor și comunicații personalizate pentru Google Ads — cu cunoștințe mai aprofundate cu privire la comportamentul clienților și interacțiunile online, strategiile dvs. de marketing în căutare pot forma mesaje personalizate pentru a se îmbina mai bine pe toate canalele.

• Decizii mai bune privind produsele și serviciile — cu informații îmbunătățite privind datele clienților pentru analiză , paginile dvs. de destinație de vânzare cu amănuntul pot fi mai utile după modificare prin marketing informat, SEO pe pagină și decizii de poziționare.

• Îmbunătățește loialitatea clienților — modul în care un singur client vă poate ajuta strategiile de marketing să îmbunătățească serviciile pentru clienți și să influențeze pozitiv loialitatea clienților.

• Oferte mai bune promoții copiate și plătite în reclamele grafice” — înțelegerea comportamentelor dvs. de utilizator și a modului în care clienții gândesc atunci când interacționează cu marca dvs. înseamnă că echipele dvs. de marketing pot veni cu oferte și promoții care sunt centrate pe client și vor însemna cel mai mult pentru vizitatorii site-ului.

„În modelul de atribuire pe bază de poziție, 40% credit este atribuit fiecărei prime și ultimei interacțiuni, iar creditul rămas de 20% este distribuit în mod egal interacțiunilor din mijloc. În acest exemplu, canalele de căutare plătită și Direct ar primi fiecare 40% credit, în timp ce canalele de rețea socială și de e-mail ar primi fiecare 10% credit.” – Asistență Google Analytics

NOTĂ: Google a depus cererea sa pe 15 februarie 2013 pentru o metodă și un aparat pentru determinarea atribuirii multi-touch bazată pe date în campaniile de publicitate multicanal . Altfel cunoscut sub numele de US 20140236705 A1, care se bazează pe valorificarea învățării profunde .

Cum determin care model este cel mai bun pentru afacerea mea?

Managerii de marketing digital sunt cei mai buni în a determina care campanii, reclame și destinații de plasare Google Ads au cele mai bune performanțe, cum să le modifice sau dacă ar trebui să investești în anumite campanii. Răspunsul „depinde” este adevărat aici, deoarece mai mulți alți factori, cum ar fi cunoașterea preexistentă a mărcii, marjele rentabilității investiției și datele demografice, toți intră în joc; atribuirea fracționată nu.

Mai multă presiune asupra marketerilor digitale în nișe înguste. Din ce în ce mai mult, aceștia sunt responsabili pentru creșterea conversiilor și obținerea de fragmente bogate în rezultatele căutării . Pe măsură ce apar noi măsurători, este mai ușor de descifrat dacă vreunul dintre aceste modele este mai bun decât măsurarea canalului silat. Aceste metode vă vor înarma cu o perspectivă asupra călătoriei consumatorului pe care nu o aveați înainte. Decizia care soluție de atribuire multi-touch este cea mai bună pentru produsele dvs. este determinată în mare măsură de obiectivele dvs. de afaceri, cerințele, bugetul și modul în care doriți să utilizați rezultatul pentru a îmbunătăți eficacitatea marketingului dvs. plătit.

REZUMAT

Aflați mai multe despre Jeannie Hill și serviciile Google Ads la convenția dvs.

Dacă doriți să vedeți ce poate face încorporarea unei abordări de învățare automată, să vorbim mai departe despre serviciile noastre de optimizare AdWords pentru rate de conversie mai mari

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

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