Apakah Atribusi Multi-Touch Sudah Mati? Membangun Solusi Pengukuran Kinerja yang Lebih Baik
Diterbitkan: 2023-05-04Sasaran lama dari atribusi pemasaran terdengar sederhana: untuk mengetahui poin kontak, saluran, dan/atau kampanye mana yang paling efektif dalam mendorong pelanggan menuju konversi.
Di dunia digital, kemampuan kami untuk mengatribusikan dampak didasarkan pada pengidentifikasi deterministik yang memungkinkan kami menyatukan interaksi pemasaran. Kemudian sebuah model, baik berbasis aturan atau berdasarkan data, diterapkan pada interaksi ini untuk menyesuaikan bobot kredit yang ditetapkan untuk setiap interaksi di seluruh perjalanan pelanggan.
Jadi atribusi secara teoritis memberi pemasar kekuatan untuk memahami dan mengevaluasi nilai dari berbagai jenis interaksi merek pada keputusan konsumen untuk berkonversi. Cita-cita platonis model atribusi akan menghasilkan pandangan holistik dari setiap titik kontak dalam perjalanan pengguna dan secara akurat menilai pentingnya dalam mengarahkan orang ke tujuan akhir.
Beberapa model semakin dekat, seperti atribusi multi-sentuh, sementara yang lain memiliki titik buta yang terkenal, seperti sentuhan terakhir.
Tetapi tidak mungkin untuk secara akurat melacak setiap poin kontak yang mungkin memengaruhi peristiwa konversi. Mungkin tidak akan pernah. Dan meskipun demikian, atribusi mungkin tidak benar-benar memberikan gambaran lengkap yang kita butuhkan.
Atribusi saja merupakan tujuan yang cacat secara inheren
Pengaitan yang sempurna telah menjadi impian pemasaran sejak lama; sejak zaman John Wanamaker, pemasar telah terobsesi dengan gagasan kerangka pengukuran universal yang akan membuktikan bahwa mereka mendorong nilai.
Tetapi meskipun Anda dapat melihat semua poin kontak dan mencapai atribusi holistik yang sempurna, apakah hal itu akan memberi Anda semua informasi yang Anda perlukan untuk membangun strategi pemasaran yang sempurna? Lagi pula, atribusi pada dasarnya selalu melihat ke kaca spion. Itu tidak melihat ke masa depan atau memberikan jalan ke depan. Itu juga tidak memperhitungkan sinyal investasi media kritis seperti hasil yang menurun.
Mengukur kinerja harus fokus pada penggunaan data untuk memahami ke mana dolar terbaik Anda berikutnya harus pergi, bukan hanya sejauh mana dolar terakhir pergi. Anda harus dapat melihat data Anda dan menjawab pertanyaan berwawasan ke depan seperti:
- Di mana kami dapat meningkatkan anggaran untuk menskalakan konversi sambil mempertahankan ROAS kami saat ini?
- Pengungkit apa yang dapat saya tarik untuk mengoptimalkan kinerja kampanye?
Anda tidak dapat menjawab pertanyaan semacam itu jika Anda hanya melihat model yang memberikan kredit retroaktif di atas kumpulan data yang tidak lengkap. Kebenaran yang dingin dan sulit adalah bahwa atribusi multi-sentuh deterministik bukanlah obat untuk semua; jika itu satu-satunya model yang Anda andalkan untuk mengambil keputusan, itu tidak dapat memberikan jawaban itu.
Penghentian data membuat atribusi multi-sentuh deterministik menjadi lebih sulit
Terlepas dari apakah Anda setuju atau tidak bahwa gagasan atribusi hanya membawa kita setengah jalan menuju tujuan pengukuran akhir kita, kita semua setuju bahwa banyak pemasar masih terikat pada model atribusi. Seperti semua model, tidak ada yang sempurna. Meskipun telah ada kemajuan selama bertahun-tahun, dengan atribusi berbasis data yang diturunkan dari nilai Google dari catatan tertentu, masih banyak hal yang tidak diketahui yang berperan dalam hal masa depan atribusi.
Itu karena keadaan data pemasaran saat ini hanya mempersulit segalanya. Karena platform seperti Meta, Google, dan Snap berjuang untuk mengatasi Transparansi Pelacakan Aplikasi Apple (ATT), CFO dari perusahaan tersebut akan menjadi yang pertama mengakui bahwa penghentian data adalah tantangan terbesar mereka.
Setidaknya beberapa masalah praktis dengan atribusi adalah masalah manusia: orang terobsesi untuk menghubungkan titik-titik dan menemukan pola, terlepas dari apakah titik-titik tersebut benar-benar ada atau tidak. Kami sering mendapat pertanyaan dari pemasar tentang cara kerja atribusi dalam Google Analytics karena ketidakkonsistenan dengan kumpulan data lainnya.
Anda mungkin akrab dengan tantangan ini: UI Pengelola Bisnis Facebook mengklaim bahwa platform mendorong konversi 10x lebih banyak daripada yang Anda lihat dilaporkan di Google Analytics. Jadi mana yang benar?
Jawabannya adalah keduanya salah, hanya berbeda cara. Tidak ada jumlah matematika yang menyenangkan (yaitu perhitungan proksi yang melihat delta antara dua titik data dari waktu ke waktu) yang akan membantu Anda menyelesaikan persamaan dan menghitung dengan sempurna dengan tepat berapa banyak kredit yang harus diperoleh Iklan Facebook.
Pada akhirnya, ini adalah masalah keteramatan data; datanya tidak lengkap, tapi kami tetap mencari jawabannya.
Sumber: eMarketer
Jika itu membingungkan, pikirkan seperti ini: katakanlah Anda sedang menelepon dengan penerimaan yang tidak merata. Untuk setiap 10 kata, Anda kehilangan satu kata. Kemungkinan Anda masih bisa memahami inti pembicaraan karena Anda memiliki begitu banyak konteks lain.
Tetapi ketika Anda mulai kehilangan seluruh kalimat atau setiap kata lainnya, Anda akan menemukan diri Anda dalam masalah. Itu karena inputnya terlalu terbatas dan terfragmentasi untuk menarik kesimpulan yang akurat. Itulah yang saat ini terjadi dengan atribusi deterministik di semua platform periklanan, dan itu adalah sesuatu yang tidak dapat diselesaikan sepenuhnya oleh pemodelan sebanyak apa pun.
Ingat iklan T-Mobile Super Bowl di mana Rob Gronkowski mengundang Tom Brady untuk pensiun di Florida, tetapi Brady hanya dapat mendengar setiap kata lain dan mengira Gronk menyuruhnya pergi bermain di Tampa Bay? Itulah atribusi hari ini. Itulah kenyataan yang dihadapi merek dengan kehilangan data.
Ini sebanding dengan bagaimana ChatGPT memprediksi kata berikutnya yang paling mungkin terjadi saat menyusun respons. Seringkali masuk akal, tetapi terkadang berhalusinasi dan memberi tahu Anda bahwa Elon Musk akan menjadi presiden Amerika Serikat berikutnya.
Tentu saja, selalu ada berbagai kesalahan dalam pemodelan, tetapi jika kehilangan data cukup parah, Anda tidak dapat membuat model yang akurat. Kemudian pertanyaan sebenarnya mulai terbentuk: seberapa besar Anda bisa mempercayai platform periklanan untuk melakukannya dengan benar?
Itu sebabnya Anda perlu memperluas perangkat pengukuran Anda.
Pemodelan campuran media dan pengujian inkrementalitas dapat membawa Anda lebih dekat untuk memahami dampak
Atribusi masih merupakan konstruksi yang kuat, tetapi metodologi yang mendasarinya perlu diubah agar dapat berkembang ke era modern. Anda perlu mengajukan beberapa pertanyaan sulit untuk mencari tahu toolkit dan kerangka pengukuran seperti apa yang cocok untuk organisasi Anda, seperti:
- Pengukuran apa yang Anda perlukan untuk membuat keputusan cerdas tentang perencanaan investasi di seluruh saluran dan platform?
- Di manakah peluang terbaik untuk menskalakan campuran media yang ada seefisien mungkin?
Sebagai sebuah industri, kami terbiasa memikirkan versi imajiner dari atribusi sempurna sebagai akhir segalanya, segalanya, tetapi itu hanya dimaksudkan untuk digunakan sebagai tiang petunjuk.
Itu tidak berarti itu tidak berguna. Tetapi Anda perlu mengalihkan fokus Anda ke masa depan dan membiarkan atribusi menjadi komponen pengambilan keputusan Anda, bukan satu-satunya penengah.
Dan meskipun tidak ada solusi yang sempurna, ada solusi yang tidak sempurna yang membawa kita lebih dekat ke tujuan: atribusi terpadu dikombinasikan dengan pemodelan campuran media (MMM), di mana Anda menggunakan beberapa data dan model deterministik untuk sisanya. Tujuannya adalah untuk memanfaatkan data masa lalu untuk memprediksi investasi masa depan. Itu berakar pada pertumbuhan, tidak disandera oleh kinerja masa lalu.
Untuk melakukannya dengan benar, Anda perlu berinvestasi dalam pengujian inkrementalitas yang kuat, yang akan membantu Anda memvalidasi data performa sesuai model dan mendapatkan gambaran yang lebih jelas tentang pengaruh kampanye Anda terhadap seluruh perjalanan pelanggan.
Pengujian inkrementalitas berbasis geo sangat penting untuk kalibrasi pemodelan campuran media. Ini juga merupakan satu-satunya solusi pengukuran yang paling ampuh untuk menentukan di mana Anda kelebihan atau kekurangan investasi pada saat tertentu.
Sebagian besar merek tidak begitu nyaman dengan pengujian inkrementalitas. Beberapa telah melakukannya sebelumnya, tetapi secara historis mayoritas tidak hebat dalam hal itu. Jika di situlah merek Anda berada, Anda memerlukan mitra yang andal dengan metodologi yang dapat diprediksi yang disesuaikan dengan kebutuhan dan keunikan tantangan bisnis unik Anda.
Saatnya untuk solusi masa depan yang mengintegrasikan berbagai alat: kerangka kerja pengukuran kinerja
Salah satu tantangan besar dengan model campuran media tradisional adalah kecepatan bertindak. Di Wpromote, kami membuat model campuran media berkecepatan tinggi dan alat perencanaan skenario investasi yang disebut Growth Planner sebagai bagian dari platform pemasaran Polaris kami untuk mengatasi tantangan penghentian data dan kemampuan untuk ditindaklanjuti.
Growth Planner merupakan inti dari kerangka pengukuran kinerja kami. Pada dasarnya, ini meramalkan sepanjang tahun klien untuk menemukan investasi optimal dari dolar yang tersedia untuk mencapai target pendapatan. Itu juga dapat digunakan untuk pengoptimalan setiap minggu sehingga merek Anda dapat tetap gesit dan beradaptasi dengan perkembangan baru.
Growth Planner melihat ke seluruh saluran pemasaran Anda dan seluruh corong untuk memaksimalkan margin karena profitabilitas adalah tujuan akhirnya. Ini memberi tahu Anda cara berinvestasi ke taktik spesifik, ke saluran, ke bulan, minggu, hari.
Kami memastikan model tetap jujur dan terus menjadi lebih baik melalui pengujian inkrementalitas berkelanjutan, dan kami dapat memasukkan input data lanjutan tambahan seperti nilai seumur hidup prediktif ke dalam model untuk lebih menginformasikan keputusan investasi. Kemudian kami memasukkan data dari Growth Planner ke dalam analisis ruang bersih data di bidang investasi utama.
Pengukuran akan terus menjadi tantangan di seluruh platform seperti Google dan Facebook serta saluran media seperti CTV. Jika Anda benar-benar ingin mengetahui bagaimana kinerja pemasaran Anda sebenarnya, Anda harus mulai mempelajari pengukuran solusi pengukuran yang mematuhi privasi.