建模行為：面向未來的新測量策略

在當前以隱私為中心的環境中，傳統的營銷和分析測量方法不再可行。 因此，緊迫的問題是，品牌應該採取哪些關鍵步驟才能有效衡量其營銷活動？

在整個行業中，不乏嘗試解決此問題的不同舉措和解決方案——從隱私沙箱到數據潔淨室再到統一 ID 2.0。 仔細研究這些解決方案的細節，可以理解任何營銷人員最終都會被各種選擇所淹沒。

因此，與其擔心您應該對 Google 主題之類的內容做出什麼反應（簡短的回答：在 Google 進行更具體的測試並提供證據證明它完全符合隱私要求之前不會做太多），所有品牌都應該關注兩個特定領域專注於近期。

大型科技平台轉向建模數據

用戶層面的測量一直是品牌的北極星。 在完美的世界中，它使我們能夠最準確地了解營銷活動的影響，從而做出有效的優化和預算決策。

然而，在以隱私為中心的時代，Google 和 Meta 等平台已經實施了各種增強功能，以盡可能地保留用戶級別的衡量標準。 這包括增強型轉化和轉化 API，它們都可以使轉化更準確地歸因於您的營銷活動。

這兩個功能都應該放在首位。 也就是說，這只會涵蓋您丟失的數據的一部分，並且是谷歌同意模式之類的地方。這利用建模技術來解釋用戶選擇退出營銷/分析同意的情況。

對於依賴報告中的建模數據可能會有一些懷疑。 但是，重要的是要注意這並不是什麼新鮮事。

事實上，在 Google Ads 和 Facebook Ads Manager 等工具中，建模轉化已經存在很多年了。 隨著已知用戶數據集的不斷減少，對建模的要求只會增加。

儘管可以預見大供應商不會讓它變得很容易，但在正確的專家支持下，可以比較您的未建模結果與建模結果的外觀。 這將使您能夠就您報告的數字及其相對準確度做出更明智的決定。

營銷人員不應迴避建模，而應尋求進一步理解並全心全意地接受它。

深入挖掘：為什麼營銷歸因既是挑戰又是必需品

計量經濟學 + 歸因 = 模型歸因

歸因一直是營銷中永恆的爭論，並且已經足夠具有挑戰性。 當我們考慮如何駕馭眾多有圍牆的花園和隱私限制時，更是如此。

鑑於已知數據中不可避免的差距，用戶級歸因模型現在非常困難——除非您正在查看不跨越圍牆花園的特定渠道子集。 否則，現在幾乎不可能創建強大的跨渠道自定義用戶歸因解決方案。

然而，每個企業仍需要營銷人員準確衡量其媒體組合的績效並做出有效的預算決策。 有趣的是，最優的下一代解決方案實際上是兩種歷史方法的結合。

營銷績效的全渠道視圖

建模歸因採用 MMM（媒體混合建模）和 MTA（多點觸控歸因）的最佳部分，為您提供營銷績效的全渠道視圖，同時完全保護隱私。

建模歸因的基礎是基於 MMM，它使用聚合級數據集而不是用戶級輸入（即 cookie 數據）。 這意味著它不需要考慮 MTA 考慮因素，例如用戶同意或如何在圍牆花園中導航。

建模歸因的另一個優勢是，通過使用基於回歸的方法，可以更輕鬆地將所有營銷渠道整合到模型中，而無需在單個解決方案中跟踪所有內容。

您還可以包含季節性、庫存水平或競爭對手活動等外部因素，以提高模型的準確性並隔離媒體活動的具體影響。

深入挖掘：衡量無形的：關於營銷歸因的真相

一種新的粒度方法

MMM 的歷史缺點是輸出的粒度級別非常低（例如，電視、數字和印刷），並且每六個月才提供一次結果。

但是，建模歸因可以利用與您的每個營銷平台的直接聯繫，以最細粒度的方式獲取日常輸入。 這使得戰術規劃和預算決策更具可操作性。

雖然初始設置需要精確的規劃和專業知識，但建模歸因看起來可以提供您習慣使用 MTA 的所有細節，同時讓您自己免受進一步的行業變化的影響——這一切都通過建模的力量實現。

所以事實證明，我們不確定的未來的答案一直擺在我們面前。 在許多方面，我們正在通過我們的測量策略回到未來。

本文中表達的觀點是客座作者的觀點，不一定是 MarTech。 工作人員作者在這裡列出。

將 MarTech 添加到您的 Google 新聞提要中。

---