建模行为：面向未来的新测量策略

在当前以隐私为中心的环境中，传统的营销和分析测量方法不再可行。 因此，紧迫的问题是，品牌应该采取哪些关键步骤才能有效衡量其营销活动？

在整个行业中，不乏尝试解决此问题的不同举措和解决方案——从隐私沙箱到数据洁净室再到统一 ID 2.0。 仔细研究这些解决方案的细节，可以理解任何营销人员最终都会被各种选择所淹没。

因此，与其担心您应该对 Google 主题之类的内容做出什么反应（简短的回答：在 Google 进行更具体的测试并提供证据证明它完全符合隐私要求之前不会做太多），所有品牌都应该关注两个特定领域专注于近期。

大型科技平台转向建模数据

用户层面的测量一直是品牌的北极星。 在完美的世界中，它使我们能够最准确地了解营销活动的影响，从而做出有效的优化和预算决策。

然而，在以隐私为中心的时代，Google 和 Meta 等平台已经实施了各种增强功能，以尽可能地保留用户级别的衡量标准。 这包括增强型转化和转化 API，它们都可以使转化更准确地归因于您的营销活动。

这两个功能都应该放在首位。 也就是说，这只会涵盖您丢失的数据的一部分，并且是谷歌同意模式之类的地方。这利用建模技术来解释用户选择退出营销/分析同意的情况。

对于依赖报告中的建模数据可能会有一些怀疑。 但是，重要的是要注意这并不是什么新鲜事。

事实上，在 Google Ads 和 Facebook Ads Manager 等工具中，建模转化已经存在很多年了。 随着已知用户数据集的不断减少，对建模的要求只会增加。

尽管可以预见大供应商不会让它变得很容易，但在正确的专家支持下，可以比较您的未建模结果与建模结果的外观。 这将使您能够就您报告的数字及其相对准确度做出更明智的决定。

营销人员不应回避建模，而应寻求进一步理解并全心全意地接受它。

深入挖掘：为什么营销归因既是挑战又是必需品

计量经济学 + 归因 = 模型归因

归因一直是营销中永恒的争论，并且已经足够具有挑战性。 当我们考虑如何驾驭众多有围墙的花园和隐私限制时，更是如此。

鉴于已知数据中不可避免的差距，用户级归因模型现在非常困难——除非您正在查看不跨越围墙花园的特定渠道子集。 否则，现在几乎不可能创建强大的跨渠道自定义用户归因解决方案。

然而，每个企业仍需要营销人员准确衡量其媒体组合的绩效并做出有效的预算决策。 有趣的是，最优的下一代解决方案实际上是两种历史方法的结合。

营销绩效的全渠道视图

建模归因采用 MMM（媒体混合建模）和 MTA（多点触控归因）的最佳部分，为您提供营销绩效的全渠道视图，同时完全保护隐私。

建模归因的基础是基于 MMM，它使用聚合级数据集而不是用户级输入（即 cookie 数据）。 这意味着它不需要考虑 MTA 考虑因素，例如用户同意或如何在围墙花园中导航。

建模归因的另一个优势是，通过使用基于回归的方法，可以更轻松地将所有营销渠道整合到模型中，而无需在单个解决方案中跟踪所有内容。

您还可以包含季节性、库存水平或竞争对手活动等外部因素，以提高模型的准确性并隔离媒体活动的具体影响。

深入挖掘：衡量无形的：关于营销归因的真相

一种新的粒度方法

MMM 的历史缺点是输出的粒度级别非常低（例如，电视、数字和印刷），并且每六个月才提供一次结果。

但是，建模归因可以利用与您的每个营销平台的直接联系，以最细粒度的方式获取日常输入。 这使得战术规划和预算决策更具可操作性。

虽然初始设置需要精确的规划和专业知识，但建模归因看起来可以提供您习惯使用 MTA 的所有细节，同时让您自己免受进一步的行业变化的影响——这一切都通过建模的力量实现。

所以事实证明，我们不确定的未来的答案一直摆在我们面前。 在许多方面，我们正在通过我们的测量策略回到未来。

本文中表达的观点是客座作者的观点，不一定是 MarTech。 工作人员作者在这里列出。

将 MarTech 添加到您的 Google 新闻提要中。

---