マルチタッチ属性は死んだのか? より優れたパフォーマンス測定ソリューションの構築

公開: 2023-05-04

マーケティング アトリビューションの長年の目標は単純に聞こえます。顧客をコンバージョンに導くのに最も効果的なタッチポイント、チャネル、および/またはキャンペーンを見つけることです。

デジタルの世界では、影響を特定する能力は、マーケティング インタラクションをつなぎ合わせる決定論的識別子に基づいています。 次に、ルールベースまたはデータ駆動型のモデルがこれらのインタラクションに適用され、カスタマー ジャーニー全体の各インタラクションに割り当てられるクレジットの重みが調整されます。

したがって、理論的には、アトリビューションは、マーケターが消費者のコンバージョン決定におけるさまざまな種類のブランド インタラクションの価値を理解し、評価する力を与えます。 アトリビューション モデルのプラトニックな理想は、ユーザー ジャーニーのすべてのタッチポイントの全体像を生成し、人々を最終目標に導く上での重要性を正確に評価することです。

マルチタッチ アトリビューションのように近づいたモデルもあれば、ラスト タッチのようによく知られている盲点があるモデルもあります。

しかし、コンバージョン イベントに影響を与えた可能性のあるすべてのタッチポイントを正確に追跡することは不可能です。 それはおそらく決してないでしょう。 仮にそうだったとしても、帰属表示だけでは実際には必要な全体像が得られない可能性があります。

アトリビューションだけでは、本質的に欠陥のある目標です

パーフェクト アトリビューションは、長い間、マーケティングの夢物語でした。 John Wanamaker の時代から、マーケティング担当者は、自分たちが価値を生み出していることを証明する普遍的な測定フレームワークのアイデアに取りつかれてきました。

しかし、すべてのタッチポイントを確認し、完璧な全体論的アトリビューションを達成できたとしても、完璧なマーケティング戦略を構築するために必要なすべての情報が得られるでしょうか? 結局のところ、アトリビューションはその性質上、常にバックミラーを見ています。 未来を見たり、前進する道を示したりするものではありません。 また、収益の減少などの重要なメディア投資シグナルも考慮されていません。

「これはあなたが探している測定ソリューションではありません」というオビ ワン ケノービのミーム

パフォーマンスの測定では、データを使用して、前回の投資額だけでなく、次の最善の投資額をどこに向けるべきかを理解することに重点を置く必要があります。 データを見て、次のような前向きな質問に答えることができる必要があります。

  • 現在の ROAS を維持しながらコンバージョンを拡大するには、どこで予算を増やすことができますか?
  • キャンペーンのパフォーマンスを最適化するには、どのような手段を講じることができますか?

不完全なデータ セットの上に遡及クレジットを割り当てるモデルだけを見ている場合、この種の質問に答えることはできません。 冷酷で厳しい真実は、決定論的なマルチタッチ アトリビューションが万能ではないということです。 決定を下すために依存している唯一のモデルである場合、それらの答えを提供することはできません。

データの廃止により、確定的なマルチタッチ アトリビューションが難しくなっています

アトリビューションの考え方そのものが、最終的な測定の目的地の途中にしか到達しないことに同意するかどうかに関係なく、多くのマーケターがまだアトリビューション モデルの恩恵を受けていることに同意できます。 すべてのモデルと同様に、完璧なものはありません。 何年にもわたって進歩がありましたが、Google の価値に基づくデータドリブン アトリビューションは特に注目に値しますが、アトリビューションの将来に関しては、まだ多くの未知の要素が存在します。

これは、マーケティング データの現状が状況を難しくしているだけだからです。 Meta、Google、Snap などのプラットフォームが Apple の App Tracking Transparency (ATT) に対処するのに苦労しているため、これらの企業の CFO は、データの廃止が最大の課題であることを最初に認めるでしょう。

帰属に関する実際的な問題の少なくともいくつかは人間の問題です。人々は、実際に存在するかどうかに関係なく、点を結び付けてパターンを見つけることに夢中になっています。 他のデータ セットとの不一致が原因で、Google アナリティクス内でアトリビューションがどのように機能するかについて、マーケティング担当者からよく質問を受けます。

おそらくこの課題についてはよくご存じでしょう。Facebook Business Manager UI は、プラットフォームが Google アナリティクスで報告されているものよりも 10 倍多くのコンバージョンをもたらしたと主張しています。 それで、どれが正しいですか?

答えは、どちらも間違っているということです。方法が異なるだけです。 面白い数学 (つまり、時間の経過に伴う 2 つのデータ ポイント間の差分を調べる代理計算) を使用しても、方程式を解いて、Facebook 広告が獲得すべき正確なクレジットを正確に計算することはできません。

結局のところ、これはデータの可観測性の問題です。 データは不完全ですが、とにかく答えを探します。

アトリビューションのメリットと課題のグラフ

出典:eMarketer

それがわかりにくい場合は、次のように考えてみてください。たとえば、電話の応対が不安定であるとします。 10 単語ごとに 1 単語が抜けます。 他にも多くの文脈があるため、会話の要点を理解できる可能性があります。

しかし、文全体または他のすべての単語を失い始めると、問題が発生します。 これは、正確な結論を導き出すには入力があまりにも限定的で断片的であるためです。 これはまさに、すべての広告プラットフォームで決定論的アトリビューションで現在起こっていることであり、どのようなモデリングでも完全に解決することはできません.

スーパー ボウルの T-Mobile の広告で、ロブ グロンコウスキーがトム ブレイディをフロリダで引退するように誘ったのを覚えていますか? それが今日の帰属です。 これが、ブランドがデータ損失に直面している現実です。

プラットフォームは、ギャップを埋めようとするモデルに目を向けています。 本質的に、彼らは限られたデータ、たとえばグロンクがコマーシャルでトムが話すのを聞くことができるいくつかの単語を取得し、テクノロジーを使用して残りの会話をモデル化しています.

これは、ChatGPT が応答をコンパイルする際に最も可能性の高い次の単語を予測する方法に匹敵します。 多くの場合、それは理にかなっていますが、幻覚を起こして、イーロン・マスクが米国の次期大統領になると告げることもあります。

もちろん、モデリングには常にさまざまな誤差がありますが、データの損失がひどい場合、正確なモデルを構築することはできません。 次に、本当の問題が具体化し始めます。広告プラットフォームが正しく機能することをどの程度信頼できますか?

そのため、測定ツールキットを拡張する必要があります。

メディア ミックス モデリングとインクリメンタル テストにより、影響の理解に近づくことができます

アトリビューションは依然として強力な構成要素ですが、根底にある方法論は、現代に進化できるように変更する必要があります。 どのような種類の測定ツールキットとフレームワークが組織に適しているかを判断するには、次のような難しい質問をする必要があります。

  • チャネルやプラットフォーム全体の投資計画について賢明な決定を下すには、どのような測定が必要ですか?
  • 既存のメディア ミックスを可能な限り効率的に拡大する最適な機会はどこですか?

業界として、私たちは完全な帰属の架空のバージョンを最終的なものとして考えることに慣れてきましたが、これは道しるべとしてのみ使用されることを意図していました.

それは役に立たないという意味ではありません。 しかし、焦点を未来に移し、アトリビューションを唯一の決定者ではなく、意思決定の構成要素にする必要があります。

完璧な解決策はありませんが、目標に大きく近づくための不完全な解決策があります。統一されたアトリビューションとメディア ミックス モデリング (MMM) を組み合わせると、決定論的なデータとモデルを残りの部分に使用できます。 目標は、過去のデータを活用して将来の投資を予測することです。 それは成長に根差したものであり、過去の業績にとらわれることはありません。

メディア ミックス モデリング フレームワークの例

それを正しく行うには、堅牢な増分テストに投資する必要があります。これは、モデル化されたパフォーマンス データを検証し、キャンペーンがカスタマー ジャーニー全体にどのように影響しているかをより明確に把握するのに役立ちます。

地域ベースのインクリメンタル テストは、メディア ミックス モデリングのキャリブレーションに不可欠です。 また、特定の時点で投資が過剰または不足している場所を特定するための最も強力な測定ソリューションでもあります。

ほとんどのブランドは、増分テストにあまり慣れていません。 以前にやった人もいますが、歴史的に大多数はそれが得意ではありません. それがあなたのブランドである場合、独自のビジネス課題のニーズと癖に合わせてカスタマイズされた予測可能な方法論を持つ信頼できるパートナーが必要です。

複数のツールを統合する将来を見据えたソリューション、つまりパフォーマンス測定フレームワークの登場です。

従来のメディア ミックス モデルの大きな課題の 1 つは、行動のスピードです。 Wpromote では、Polaris マーケティング プラットフォームの一部として、Growth Planner と呼ばれる高速メディア ミックス モデルと投資シナリオ プランニング ツールを構築し、データの非推奨の課題と実行可能性の両方に対処しました。

Growth Planner は、当社のパフォーマンス測定フレームワークの中核を成しています。 基本的に、収益目標を達成するために利用可能なドルの最適な投資を見つけるために、クライアントの年間全体を予測します。 また、毎週の最適化にも使用できるため、ブランドは機敏性を維持し、新しい開発に適応できます。

Wpromote パフォーマンス フレームワークの例

Growth Planner は、収益性が最終的な目標であるため、すべてのマーケティング チャネルと目標到達プロセス全体を調べて、利益を最大化します。 特定の戦術、チャネル、月、週、日に投資する方法を教えてくれます。

モデルが誠実であり続け、継続的なインクリメンタリティ テストを通じて改善し続けることを確認します。また、予測生涯価値などの追加の高度なデータ入力をモデルにフィードして、投資決定をさらに知らせることができます。 次に、Growth Planner からのデータを、主要な投資分野のデータ クリーン ルーム分析にフィードします。

測定は、Google や Facebook などのプラットフォームや CTV などのメディア チャネル全体で引き続き課題となるでしょう。 マーケティングが実際にどのように行われているかを本当に知りたい場合は、プライバシーに準拠した測定ソリューションの測定を検討する必要があります。

State of the Data 2023 をダウンロードして、ビジネスに影響を与えるデータ プライバシーの変化を先取りする方法を学びましょう。

分析 アトリビューション デジタル マーケティング インクリメンタリティ テスト マーケティング アトリビューション 測定 メディア ミックス モデリング マルチタッチ アトリビューション