Atribuirea Multi-Touch este moartă? Construirea unei soluții mai bune de măsurare a performanței

Obiectivul vechi al atribuirii de marketing pare simplu: acela de a afla care puncte de contact, canale și/sau campanii sunt cele mai eficiente pentru a determina clienții spre conversie.

În lumea digitală, capacitatea noastră de a atribui impact se bazează pe identificatori determiniști care ne permit să unim interacțiunile de marketing. Apoi, un model, fie bazat pe reguli, fie bazat pe date, este aplicat acestor interacțiuni pentru a ajusta ponderea creditului atribuit fiecărei interacțiuni de-a lungul călătoriei clientului.

Deci, teoretic, atribuirea oferă marketerilor puterea de a înțelege și de a evalua valoarea diferitelor tipuri de interacțiuni ale mărcii cu privire la decizia consumatorului de a converti. Idealul platonic al unui model de atribuire ar produce o viziune holistică a fiecărui punct de contact din călătoria utilizatorului și ar evalua cu exactitate importanța acestuia în conducerea oamenilor către obiectivul final.

Unele modele s-au apropiat, cum ar fi atribuirea multi-touch, în timp ce altele au puncte moarte bine cunoscute, cum ar fi ultima atingere.

Dar pur și simplu nu este posibil să urmăriți cu exactitate fiecare punct de contact care ar fi putut influența un eveniment de conversie. Probabil că nu va fi niciodată. Și chiar dacă ar fi, atribuirea ar putea să nu ne ofere de fapt imaginea completă de care avem nevoie.

Numai atribuirea este un obiectiv inerent defectuos

Atribuirea perfectă a fost un vis de marketing de mult timp; încă din zilele lui John Wanamaker, marketerii au fost obsedați de ideea unui cadru universal de măsurare care să demonstreze că sunt generatoare de valoare.

Dar chiar dacă ai putea vedea toate punctele de contact și ai realiza o atribuire holistică perfectă, asta ți-ar oferi toate informațiile de care ai nevoie pentru a construi strategia de marketing perfectă? La urma urmei, atribuirea, prin însăși natura sa, se uită mereu în oglinda retrovizoare. Nu privește spre viitor și nu oferă o cale înainte. De asemenea, nu ține cont de semnalele critice ale investițiilor media, cum ar fi randamentele în scădere.

Măsurarea performanței ar trebui să se concentreze pe utilizarea datelor pentru a înțelege unde ar trebui să meargă următorul cel mai bun dolar, nu doar cât de departe a mers ultimul dolar. Trebuie să poți să te uiți la datele tale și să răspunzi la întrebări prospective precum:

• Unde putem crește bugetele pentru a ne mări conversiile, menținând în același timp rentabilitatea actuală a cheltuielilor publicitare?
• Ce pârghii pot trage pentru a optimiza performanța campaniei?

Nu puteți răspunde la astfel de întrebări dacă vă uitați doar la un model care atribuie credit retroactiv pe lângă un set de date incomplet. Adevărul rece și dur este că atribuirea deterministă multi-touch nu este un remediu; dacă acesta este singurul model de care te bazezi pentru a lua decizii, nu poate oferi acele răspunsuri.

Deprecierea datelor îngreunează atribuirea deterministă multi-touch

Indiferent dacă sunteți sau nu de acord că însăși ideea de atribuire ne duce doar parțial către destinația noastră finală de măsurare, putem fi cu toții de acord că mulți specialiști în marketing sunt încă datori de modelele de atribuire. Ca și în cazul tuturor modelelor, nu există așa ceva care să fie perfect. Deși au existat progrese de-a lungul anilor, cu atribuirea Google bazată pe date derivate din valoare de o notă deosebită, există încă o mulțime de necunoscute în joc când vine vorba de viitorul atribuirii.

Asta pentru că starea actuală a datelor de marketing nu face decât să îngreuneze lucrurile. Pe măsură ce platforme precum Meta, Google și Snap se luptă să facă față transparenței de urmărire a aplicațiilor (ATT) de la Apple, directorii financiari ai acelor companii ar fi primii care vor recunoaște că deprecierea datelor este cea mai mare provocare a lor.

Cel puțin unele dintre problemele practice ale atribuirii sunt cele umane: oamenii sunt obsedați să conecteze punctele și să găsească tipare, indiferent dacă acestea există sau nu. Primim adesea întrebări de la specialiști în marketing despre cum funcționează atribuirea în Google Analytics, din cauza inconsecvențelor cu alte seturi de date.

Probabil că ești familiarizat cu această provocare: interfața de utilizare Facebook Business Manager susține că platforma a generat de 10 ori mai multe conversii decât ceea ce vezi raportat în Google Analytics. Deci care are dreptate?

Răspunsul este că amândoi greșesc, doar în moduri diferite. Nicio cantitate de matematică distractivă (adică calcule proxy care se uită la delta dintre cele două puncte de date în timp) nu vă va ajuta să rezolvați ecuația și să calculați perfect exact mult credit pe care ar trebui să îl obțină Facebook Ads.

La sfârșitul zilei, aceasta este o problemă de observabilitate a datelor; datele sunt incomplete, dar oricum căutăm un răspuns.

Dacă este confuz, gândiți-vă la asta astfel: să presupunem că sunteți la un apel telefonic cu recepție neregulată. Pentru fiecare 10 cuvinte, pierzi un cuvânt. Sunt șanse să poți înțelege în continuare esența conversației, deoarece ai atât de mult alt context.

Dar când începi să pierzi propoziții întregi sau orice alt cuvânt, te vei găsi în necaz. Asta pentru că intrările sunt prea limitate și fragmentate pentru a trage concluzii precise. Este exact ceea ce se întâmplă în prezent cu atribuirea deterministă pe toate platformele de publicitate și este ceva pe care nici o cantitate de modelare nu îl poate rezolva în totalitate.

Îți amintești anunțul de la Super Bowl T-Mobile în care Rob Gronkowski îl invită pe Tom Brady să se retragă în Florida, dar Brady poate auzi doar orice alt cuvânt și crede că Gronk îi spune să meargă să joace în Tampa Bay? Asta este atribuirea azi. Aceasta este realitatea cu care se confruntă mărcile cu pierderea de date.

Platformele apelează la modele pentru a încerca să reducă golurile. În esență, aceștia preiau datele limitate pe care le au, precum cele câteva cuvinte pe care Gronk le poate auzi pe Tom spunând în reclamă și folosesc tehnologia pentru a modela restul conversației.

Acest lucru este comparabil cu modul în care ChatGPT prezice următorul cuvânt cel mai probabil pe măsură ce compilează răspunsurile. Adesea are sens, dar uneori halucinează și îți spune că Elon Musk va fi următorul președinte al Statelor Unite.

Desigur, există întotdeauna o serie de erori în modelare, dar dacă pierderea de date este suficient de gravă, nu puteți construi un model precis. Atunci adevărata întrebare începe să prindă contur: cât de mult poți avea încredere în platformele de publicitate pentru a fi corect?

De aceea trebuie să vă extindeți setul de instrumente de măsurare.

Modelarea mixului media și testarea incrementalității vă pot aduce mai aproape de înțelegerea impactului

Atribuirea este încă o construcție puternică, dar metodologia de bază trebuie să se schimbe pentru a putea evolua în epoca modernă. Trebuie să puneți câteva întrebări dificile pentru a vă da seama ce fel de set de instrumente de măsurare și cadru va funcționa pentru organizația dvs., cum ar fi:

• De ce măsurători aveți nevoie pentru a lua decizii inteligente cu privire la planificarea investițiilor pe canale și platforme?
• Unde sunt cele mai bune oportunități de a-ți scala mixul media existent cât mai eficient posibil?

Ca industrie, ne-am obișnuit să ne gândim la o versiune imaginară a atribuirii perfecte ca fiind sfârșitul, fie-totul, dar a fost întotdeauna menită să fie folosită doar ca ghid.

Asta nu înseamnă că nu este util. Dar trebuie să vă mutați atenția către viitor și să lăsați atribuirea să fie o componentă a procesului de luare a deciziilor, nu singurul arbitru.

Și, deși nu există o soluție perfectă, există una imperfectă care ne apropie mult de obiectiv: atribuirea unificată combinată cu modelarea mixului media (MMM), în care folosiți niște date și modele deterministe pentru restul. Scopul este de a valorifica datele din trecut pentru a prezice investițiile viitoare. Are rădăcinile în creștere, nu ținut ostatic la performanța trecută.

Pentru a face lucrurile corect, trebuie să investiți în teste de incrementalitate robuste, care vă vor ajuta atât să validați datele modelate de performanță, cât și să obțineți o imagine mai clară a modului în care campaniile dvs. afectează întreaga călătorie a clienților.

Testarea incrementalității bazată pe geometrie este vitală pentru calibrarea modelării mixului media. Este, de asemenea, cea mai puternică soluție de măsurare pentru a determina unde sunteți supra- sau subinvestit la un moment dat.

Majoritatea mărcilor nu sunt foarte confortabile cu testarea incrementală. Unii au făcut-o înainte, dar din punct de vedere istoric majoritatea nu sunt grozave la asta. Dacă aici este marca dvs., aveți nevoie de parteneri de încredere, cu o metodologie previzibilă, personalizată la nevoile și particularitățile provocărilor dvs. unice de afaceri.

Este timpul pentru o soluție orientată spre viitor, care să integreze mai multe instrumente: cadrul de măsurare a performanței

Una dintre marile provocări ale modelelor tradiționale de mix media este viteza de acțiune. La Wpromote, am construit un model de mix media de mare viteză și un instrument de planificare a scenariilor de investiții numit Planificator de creștere, ca parte a platformei noastre de marketing Polaris, pentru a aborda atât provocările deprecierii datelor, cât și capacitatea de acțiune.

Planificatorul de creștere reprezintă nucleul cadrului nostru de măsurare a performanței. În esență, prognozează pe parcursul întregului an al unui client pentru a găsi investiția optimă de dolari disponibili pentru a atinge obiectivele de venituri. De asemenea, poate fi folosit pentru optimizări săptămânal, astfel încât marca dvs. să rămână agilă și să se adapteze la noile evoluții.

Planificatorul de creștere analizează toate canalele dvs. de marketing și întregul canal pentru a maximiza marjele, deoarece profitabilitatea este finalul jocului. Îți spune cum să investești până la tactica specifică, până la canal, până la lună, săptămână, zi.

Ne asigurăm că modelul rămâne onest și continuă să se îmbunătățească prin testarea incrementală continuă și putem introduce date avansate suplimentare, cum ar fi valoarea predictivă a duratei de viață, în model pentru a informa în continuare deciziile de investiții. Apoi alimentăm datele din Growth Planner în analiza camerei curate a datelor în domenii cheie de investiții.

Măsurarea va continua să fie o provocare pe platforme precum Google și Facebook și pe canale media precum CTV. Dacă doriți cu adevărat să știți cum funcționează de fapt marketingul dvs., trebuie să începeți să explorați măsurarea soluțiilor de măsurare conforme cu confidențialitatea.

Aflați cum să rămâneți în fața schimbărilor privind confidențialitatea datelor care vă vor afecta afacerea, descărcând State of the Data 2023.