多点触控归因已死？ 构建更好的性能测量解决方案

营销归因的古老目标听起来很简单：找出哪些接触点、渠道和/或活动在推动客户转化方面最有效。

在数字世界中，我们归因于影响的能力基于确定性标识符，这些标识符让我们将营销互动结合在一起。 然后将基于规则或数据驱动的模型应用于这些交互，以调整分配给整个客户旅程中每个交互的信用权重。

因此，从理论上讲，归因使营销人员能够理解和评估不同类型的品牌互动对消费者转换决定的价值。 归因模型的柏拉图理想将产生用户旅程中每个接触点的整体视图，并准确评估其在推动人们实现最终目标方面的重要性。

有些模型已经变得更接近了，比如多点触摸归因，而其他模型则有众所周知的盲点，比如最后一次触摸。

但根本不可能准确跟踪可能影响转化事件的每个接触点。 它可能永远不会。 即使是这样，归因也可能无法真正为我们提供所需的全貌。

仅归因本身就是一个有缺陷的目标

长期以来，完美归因一直是营销白日梦； 自约翰·沃纳梅克 (John Wanamaker) 时代以来，营销人员就一直痴迷于通用衡量框架的想法，该框架将证明他们正在推动价值。

但是，即使您可以看到所有接触点并实现完美的整体归因，是否会为您提供构建完美营销策略所需的所有信息？ 毕竟，归因本质上总是在看后视镜。 它不展望未来，也不提供前进的道路。 它也没有考虑关键的媒体投资信号，如收益递减。

衡量绩效应该侧重于使用数据来了解下一个最好的钱应该花在哪里，而不仅仅是最后一美元花多远。 您需要能够查看您的数据并回答前瞻性问题，例如：

• 在保持当前 ROAS 的同时，我们可以在哪里增加预算来扩大转化率？
• 我可以利用哪些杠杆来优化广告系列效果？

如果您只查看在不完整数据集之上分配追溯信用的模型，则无法回答此类问题。 冷酷无情的事实是，确定性多点触控归因并不是万灵药； 如果这是你做决定所依赖的唯一模型，它就无法提供这些答案。

数据弃用使确定性多点触控归因变得更加困难

无论您是否同意归因的想法只是让我们到达最终测量目的地的一半，我们都同意许多营销人员仍然受制于归因模型。 与所有模型一样，没有完美的东西。 尽管多年来取得了进步，尤其是谷歌的价值衍生数据驱动归因，但归因的未来仍有许多未知数。

那是因为营销数据的当前状态只会让事情变得更难。 当像 Meta、Google 和 Snap 这样的平台努力应对 Apple 的 App Tracking Transparency (ATT) 时，这些公司的 CFO 将首先承认数据弃用是他们最大的挑战。

至少一些归因的实际问题是人为的：人们痴迷于连接点和寻找模式，无论它们是否真的存在。 由于与其他数据集不一致，我们经常从营销人员那里收到关于归因在 Google Analytics 中如何工作的问题。

您可能熟悉这个挑战：Facebook Business Manager UI 声称该平台带来的转化率比您在 Google Analytics 中看到的报告高出 10 倍。 那么哪个是对的呢？

答案是他们都错了，只是方式不同。 再多有趣的数学（即随着时间的推移查看两个数据点之间的增量的代理计算）也无法帮助您解决方程式并完美地准确计算出 Facebook 广告应该获得多少信用。

归根结底，这是一个数据可观察性问题； 数据不完整，但我们还是要寻找答案。

如果这让您感到困惑，请这样想：假设您正在接听电话，但信号不佳。 每 10 个单词，您就会漏掉一个单词。 你很有可能仍然能理解谈话的要点，因为你有很多其他的背景。

但是当你开始忘记整个句子或每个其他单词时，你就会发现自己有麻烦了。 那是因为输入太有限和零散，无法得出准确的结论。 这正是所有广告平台上确定性归因目前正在发生的事情，这是任何建模都无法完全解决的问题。

还记得 Rob Gronkowski 邀请 Tom Brady 在佛罗里达州退休的超级碗 T-Mobile 广告，但 Brady 只能听到每一个字，并认为 Gronk 告诉他去坦帕湾打球吗？ 这就是今天的归因。 这就是品牌面临数据丢失的现实。

平台正在转向模型以试图弥合差距。 从本质上讲，他们正在获取他们拥有的有限数据，例如 Gronk 可以听到汤姆在广告中说的几句话，并使用技术来模拟其余的对话。

这类似于 ChatGPT 在编译响应时预测最有可能的下一个词的方式。 通常它是有道理的，但有时它会产生幻觉并告诉你埃隆马斯克将成为下一任美国总统。

当然，建模总是存在一定范围的误差，但如果数据丢失的情况严重，就无法建立准确的模型。 然后真正的问题开始形成：您对广告平台的信任度有多大？

这就是您需要扩展测量工具包的原因。

媒体组合建模和增量测试可以让您更接近了解影响

归因仍然是一个强大的结构，但底层方法需要改变，以便它能够发展到现代。 您需要提出一些棘手的问题，以确定哪种测量工具包和框架适合您的组织，例如：

• 您需要采取哪些措施来做出有关跨渠道和平台的投资规划的明智决策？
• 尽可能高效地扩展现有媒体组合的最佳机会在哪里？

作为一个行业，我们已经习惯于将完美归因的假想版本视为最终结果，但它只是用作路标。

这并不意味着它没有用。 但您需要将注意力转移到未来，让归因成为您决策的一部分，而不是唯一的仲裁者。

虽然没有完美的解决方案，但有一个不完美的解决方案可以让我们更接近目标：统一归因与媒体混合建模 (MMM) 相结合，您可以在其中使用一些确定性数据和其余部分的模型。 目标是利用过去的数据来预测未来的投资。 它植根于增长，而不是过去的表现。

为了做到正确，您需要投资于强大的增量测试，这将帮助您验证建模的性能数据并更清楚地了解您的活动如何影响整个客户旅程。

基于地理的增量测试对于媒体组合建模校准至关重要。 它也是最强大的单一衡量解决方案，可以确定您在给定时刻的哪些地方投资过多或投资不足。

大多数品牌都不太适应增量测试。 有些人以前做过，但从历史上看，大多数人并不擅长。 如果这就是您的品牌所在，那么您需要可靠的合作伙伴，他们采用可预测的方法，根据您独特的业务挑战的需求和怪癖进行定制。

现在是面向未来的集成多种工具的解决方案的时候了：性能测量框架

传统媒体组合模型面临的一大挑战是行动速度。 在 Wpromote，我们构建了一个名为 Growth Planner 的高速媒体组合模型和投资场景规划工具，作为我们 Polaris 营销平台的一部分，以应对数据弃用挑战和可操作性。

Growth Planner 构成了我们绩效衡量框架的核心。 从本质上讲，它预测客户的全年，以找到可用美元的最佳投资来实现收入目标。 它还可以每周用于优化，这样您的品牌就可以保持敏捷并适应新的发展。

Growth Planner 会查看您所有的营销渠道和整个漏斗，以最大限度地提高利润率，因为盈利能力是最终目标。 它告诉你如何投资，具体到具体策略，具体到渠道，具体到月、周、日。

我们确保模型保持诚实并通过持续的增量测试不断变得更好，我们可以将额外的高级数据输入（如预测生命周期价值）输入模型，以进一步为投资决策提供信息。 然后，我们将来自 Growth Planner 的数据输入到关键投资领域的数据洁净室分析中。

在 Google 和 Facebook 等平台以及 CTV 等媒体渠道中，测量将继续成为一项挑战。 如果您真的想知道您的营销实际效果如何，您需要开始探索符合隐私的测量解决方案测量。

下载 State of the Data 2023，了解如何领先于将影响您的业务的数据隐私变化。