Какова лучшая модель маркетинговой атрибуции в 2022 году?

Сегодняшние маркетологи играют сложную роль, демонстрируя ценность и влияние своей маркетинговой деятельности. С появлением множества маркетинговых каналов, доступных онлайн и офлайн, а также с усложнением процесса покупки и принятия решения потребителем способность понимать влияние маркетинга стала более важной, но и более сложной, чем когда-либо прежде. В этой статье мы рассмотрим, почему бренды должны использовать атрибуцию, управляемую данными (DDA), чтобы лучше отслеживать производительность, быстро масштабировать и адаптировать стратегии и привлекать новых клиентов.

Маркетологи годами пытались понять ценность своей деятельности. Пути покупки остаются неоднозначными для большинства маркетологов, несмотря на наличие инновационных решений в области аналитики и обработки данных в отрасли. Например, часто до сих пор неясно, какое влияние маркетинговая деятельность оказывает на продажи.

Однако путь к покупке можно проанализировать посредством взаимодействия с клиентами по маркетинговым каналам фирмы. Одним из таких решений является развертывание готовых моделей маркетинговой атрибуции в аналитике.

Однако пути клиентов сложны. Маркетологи часто быстро обнаруживают, что готовые модели неточно отражают тонкости пути клиента.

Путь вперед для маркетологов состоит в том, чтобы отказаться от нестандартных методов маркетинговой атрибуции по умолчанию, которые использовались годами, и перейти на атрибуцию, управляемую данными (DDA).

В этой статье мы рассмотрим неадекватность готовых моделей маркетинговой атрибуции и углубимся в то, почему DDA предоставляет сфокусированный объектив для понимания мультитач-путешествий.

Пришло время довериться объективным результатам машины.

Что такое атрибуция на основе данных (DDA)?

Атрибуция, управляемая данными, — это метод машинного обучения для определения влияния маркетинговых каналов на решения клиентов.

Вместо того, чтобы полагаться на устаревшие модели маркетинговой атрибуции по умолчанию (с предполагаемыми правилами поведения каналов), модели машинного обучения, такие как DDA, устраняют субъективность, предоставляя подробное представление о реальном влиянии каналов на окончательные решения о покупке.

Почему важно использовать правильную модель маркетинговой атрибуции?

Не все маркетинговые мероприятия столь же влиятельны, как друг друга. Пост в социальных сетях, вероятно, будет иметь другой уровень влияния, чем реклама с оплатой за клик, даже если они могут быть связаны с одной и той же всеобъемлющей кампанией. В результате было бы неверным предполагать, что все действия одинаково эффективны в стимулировании (например) конверсий.

Понятно, что маркетологам нелегко выявить влияние своих кампаний, когда несколько действий выполняются по каналам — иногда одновременно.

Помимо определения того, какие каналы лучше всего подходят для обмена сообщениями или продуктов, маркетологи также хотят эффективно планировать и составлять бюджет. Это особенно важно, учитывая тот факт, что маркетинговые бюджеты часто сокращаются в первую очередь.

Еще больше усложняет картину то, что разные каналы играют разные роли в решениях потребителей о покупке в разных отраслях. Например, деятельность в области цифрового маркетинга, оказывающая влияние на розничный бизнес B2C, будет по-разному проявляться в частном секторе здравоохранения.

То же самое верно и для приложений B2B. Универсального решения просто не существует, поэтому модели маркетинговой атрибуции по умолчанию никогда не будут адекватными.

Модели маркетинговой атрибуции также помогают маркетологам определить лучшие каналы для:

• Знакомство клиента с бизнесом
• Закрытие и моменты принятия решения
• Планирование и масштабирование маркетинговых активностей
• Быстро реагируют на изменения.

Существует два типа моделей маркетинговой атрибуции:

Базовый: готовые модели, такие как первый клик, последний клик, позиционирование, затухание во времени. Все они основаны на правилах, обычно предполагая, что решения принимаются потребителями линейным образом.

DDA (атрибуция, управляемая данными): вместо использования предопределенных правил и предположений, созданных людьми, машинам остается учиться на данных и определять оптимальную кредитную оценку для каждого канала.

Базовые модели атрибуции, основанные на правилах, часто являются оптимальным решением для отделов маркетинга, поскольку они просты для понимания. Но они не рассказывают всей истории.

Что не так с базовыми моделями маркетинговой атрибуции?

Мы перечислили основные типы базовых моделей маркетинговой атрибуции и объяснили, почему они не идеальны:

• Последний клик: вся ценность принадлежит последнему клику перед конверсией или регистрацией.
• Первый щелчок: обратная сторона вышеуказанного

Вышеупомянутые методы не учитывают любые другие точки соприкосновения, которые могли повлиять на путь клиента. Приведенные ниже методы в разной степени учитывают различные этапы процесса конверсии, но они по-прежнему основаны на допущении, что путь клиента является линейным.

В результате каждый канал зарабатывает кредит на недавности или своей позиции в чрезмерно упрощенном процессе принятия решений:

• Последний непрямой клик: последний косвенный канал, использованный перед конверсией клиента, получает всю ценность.
• Распад времени: кредит увеличивается в зависимости от давности конверсии или регистрации, при этом последнее действие приносит больше всего кредита.
• Линейный: каждый этап получает равное количество разделенных кредитов.
• На основе позиции: первое и последнее взаимодействия получают равные доли.

DDA — единственный метод атрибуции, который создает репрезентативное представление о циклах взаимодействия с клиентом, которые (в конце концов) уникальны для каждой отдельной компании.

В атрибуции, управляемой данными, машина учится на больших образцах пути клиента за определенный период, анализируя все запутанные и сложные взаимодействия между каналами, как они есть, без предположения о линейности.

DDA присваивает кредит на основе взаимосвязей между каналами, которые были проанализированы с помощью вычислений. Таким образом, модели DDA могут обеспечить более объективное определение кредита. Это значительно лучше отражает реальный путь клиента, который запутан и сложен.

«Лучшая» модель маркетинговой атрибуции — это…? субъективный

DDA обеспечивает наиболее полное представление о производительности канала. Тем не менее, алгоритмически существует более одного способа запуска DDA. Маркетинговые платформы, такие как Google Analytics 360, применяют подход теории игр с использованием ценностей Шепли.

Другие платформы могут использовать вероятностные методы, такие как цепь Маркова. Компании с более развитыми цифровыми технологиями будут использовать специально созданные модели DDA, которые регулярно оптимизируются.

Это означает, что хотя DDA является лучшим выбором по сравнению с базовыми линейными моделями, не существует единственного «наилучшего» способа применения DDA. Каждый бизнес уникален, и маркетинговая деятельность будет различаться для уникальных групп клиентов.

Для маркетологов, намеревающихся попробовать DDA, прежде чем брать на себя серьезное обязательство по созданию своих собственных пользовательских моделей, возможно, самым удобным и доступным способом является использование Google Analytics 4. Google Ads теперь также использует DDA в качестве модели атрибуции по умолчанию для маркетинга с оплатой за клик. Мероприятия.

Отдавайте должное там, где это необходимо, с помощью моделей маркетинговой атрибуции на основе данных

Путешествия клиентов намного запутаннее, сложнее и сложнее для понимания, чем стандартные модели атрибуции. Это не означает, что маркетологи должны полагаться на модели атрибуции по умолчанию: как раз наоборот.

Сейчас в распоряжении маркетологов более мощные инструменты, чем когда-либо, и сейчас самое подходящее время для создания моделей атрибуции на основе данных. Опытная группа данных может консультировать, проектировать и проектировать аналитическую инфраструктуру, необходимую для обработки и моделирования больших объемов данных о пути клиента.

На разных платформах маркетологи могут получить четкое представление о том, кому следует отдать должное, и, наконец, обнаружить влияние своей деятельности.

Разработка моделей маркетинговой атрибуции нового уровня

Цифровое агентство двадцать шесть работает с брендами из разных отраслей, чтобы повысить зрелость их данных. Они помогают амбициозным маркетологам настроить свои команды на успех, собирая, систематизируя и используя свои данные для принятия отличных решений.

Чтобы узнать больше о том, как директора по маркетингу и старшие маркетологи могут использовать данные для увеличения своего влияния, загрузите их последний технический документ.