Моделируемое поведение: новая перспективная стратегия измерения
Опубликовано: 2022-11-07В текущей среде, ориентированной на конфиденциальность, традиционные методы измерения маркетинга и аналитики больше не жизнеспособны. Итак, насущный вопрос заключается в том, какие ключевые следующие шаги должны предпринять бренды, чтобы иметь возможность эффективно измерять свою маркетинговую активность?
В отрасли нет недостатка в различных инициативах и решениях, пытающихся решить эту проблему — от песочницы конфиденциальности до чистых комнат данных и Unified ID 2.0. Продираясь через детали этих решений, становится понятно, что любой маркетолог в конечном итоге будет перегружен различными вариантами.
Таким образом, вместо того, чтобы беспокоиться о том, что вы должны делать в ответ на что-то вроде Google Topics (краткий ответ: не так много, пока Google не проведет более конкретные тесты и не предоставит доказательства того, что он полностью соответствует требованиям конфиденциальности), есть две конкретные области, в которых все бренды должны быть сосредоточение внимания на ближайшем будущем.
Переход крупных технологических платформ к смоделированным данным
Измерение уровня пользователя всегда было путеводной звездой для брендов. В идеальном мире это позволяет нам наиболее точно понять влияние маркетинговых кампаний для принятия эффективных решений по оптимизации и бюджетированию.
Однако в эпоху, ориентированную на конфиденциальность, такие платформы, как Google и Meta, внедрили различные улучшения, чтобы максимально сохранить измерение на уровне пользователя. Сюда входят расширенные конверсии и API конверсий, каждый из которых позволяет более точно соотносить конверсии с вашими маркетинговыми кампаниями.
Обе функции должны быть на виду. Тем не менее, это покроет только часть ваших недостающих данных, и именно здесь вступает в действие что-то вроде режима согласия Google. Он использует методы моделирования для учета пользователей, отказывающихся от согласия на маркетинг / аналитику.
Может быть некоторый скептицизм в отношении использования смоделированных данных в ваших отчетах. Однако важно отметить, что в этом нет ничего нового.
На самом деле смоделированные конверсии уже много лет используются в таких инструментах, как Google Ads и Facebook Ads Manager. Требования к моделированию будут только возрастать по мере того, как наборы данных известных пользователей продолжают уменьшаться.
Хотя крупные поставщики предсказуемо не упрощают эту задачу, при правильной экспертной поддержке можно сравнить, как выглядят ваши немоделированные и смоделированные результаты. Это позволит вам принимать более обоснованные решения в отношении цифр, которые вы сообщаете, и их относительной степени точности.
Вместо того, чтобы уклоняться от моделирования, маркетологи должны стремиться к дальнейшему пониманию и искреннему принятию его.
Копните глубже: почему маркетинговая атрибуция является одновременно проблемой и необходимостью
Эконометрика + атрибуция = смоделированная атрибуция
Атрибуция была вечным спором в маркетинге и уже была достаточно сложной задачей. Тем более, когда мы думаем о том, как ориентироваться в многочисленных огороженных садах и ограничениях конфиденциальности.
Учитывая неизбежные пробелы в известных данных, модель атрибуции на уровне пользователя сейчас очень сложна — если только вы не смотрите на определенное подмножество каналов, которые не пересекают огороженные сады. В противном случае создание надежного кросс-канального пользовательского решения по атрибуции пользователей теперь практически невозможно.
Тем не менее, каждый бизнес по-прежнему нуждается в маркетологах для точного измерения эффективности своего медиа-микса и принятия эффективных бюджетных решений. Интересно, что оптимальное решение следующего поколения на самом деле является комбинацией двух исторических подходов.
Получите МарТех! Повседневная. Свободно. В вашем почтовом ящике.
См. условия.
Полноценный обзор эффективности маркетинга
Смоделированная атрибуция сочетает в себе лучшие черты MMM (моделирование медиа-миксов) и MTA (многоканальная атрибуция), чтобы дать вам полное представление о маркетинговой эффективности и при этом полностью защитить конфиденциальность.
В основе смоделированной атрибуции лежит MMM, в котором используются наборы данных совокупного уровня, а не входные данные пользовательского уровня (т. е. данные файлов cookie). Это означает, что ему не нужно беспокоиться о соображениях MTA, таких как согласие пользователя или о том, как перемещаться по огороженным садам.
Дополнительным преимуществом смоделированной атрибуции является то, что при использовании подхода, основанного на регрессии, гораздо проще включить все ваши маркетинговые каналы в вашу модель без необходимости отслеживать все в рамках одного решения.
У вас также есть возможность включить внешние факторы, такие как сезонность, уровень запасов или активность конкурентов, чтобы повысить точность вашей модели и изолировать конкретное влияние ваших кампаний в СМИ.
Копаем глубже: измерение невидимого: правда о маркетинговой атрибуции
Новый гранулярный подход
Историческим недостатком МММ было то, что результаты были на очень низком уровне детализации (например, ТВ, цифровое или печатное) и что результаты были доступны только каждые шесть месяцев.
Однако смоделированная атрибуция может использовать прямые связи с каждой из ваших маркетинговых платформ, чтобы получать ежедневные входные данные на самом детальном уровне. Это делает его гораздо более удобным для тактического планирования и принятия бюджетных решений.
В то время как первоначальная настройка требует точного планирования и опыта, смоделированная атрибуция предоставляет все детали, к которым вы привыкли с помощью MTA, и в то же время защищает себя от дальнейших изменений в отрасли — все это возможно благодаря мощи моделирования.
Так что получается, что ответ на наше неопределенное будущее всегда был перед нами. Во многом мы возвращаемся в будущее с нашими стратегиями измерения.
Мнения, выраженные в этой статье, принадлежат приглашенному автору, а не обязательно MarTech. Штатные авторы перечислены здесь.
Похожие истории
Новое на МарТех