Скорее всего, вы сейчас читаете эту статью, поскольку понимаете, что «лучше, чем ничего» больше не работает, когда речь идет о моделях оценки эффективности маркетинга и маркетинговых атрибуциях вашей компании. И вы, вероятно, осознаете, что плохая атрибуция действительно может быть хуже отсутствия атрибуции.

Возьмём, к примеру, страховую компанию, которая поняла, что ее система Multi-touch атрибуции (MTA) направляла ее к совершенно неправильным оптимизациям – предлагая перераспределить бюджет в пользу медиа с низкими затратами в нижней части воронки (BoFu). Это выглядело замечательно с точки зрения стоимости за действие (CPA), но приносило минимальную ценность или «подъем» по сравнению с инициативами по брендингу, измеренными контрольной группой.

Неточная атрибуция — плохая атрибуция

Оказывается, что большинство моделей атрибуции могут столкнуться с одной или несколькими проблемами, которые мы выявили в нашем длинном и растущем списке неточностей, связанных с недостатками в их методологиях или из-за недостатка детализации, который приводит к нечётким выводам.

Проблема заключается в присущих ограничениях и недостатках многих моделей атрибуции.

Эти модели часто страдают от следующих проблем:

• Отсутствие ориентированности на данные о людях
• Недостаточность методологий
• Проблемы с отсутствием сигналов о сообщениях
• Смещение цифрового сигнала
• Пробелы в данных о местоположении
• Распад куки

Такие неточности могут серьезно повлиять на восприятие ROI маркетинговых усилий и привести к решениям, которые могут навредить долгосрочному росту бренда и стратегиям взаимодействия с клиентами.

Крайне важно, чтобы маркетологи осознавали эти подводные камни и стремились реализовать более точные и целостные подходы к атрибуции, которые учитывают широкий спектр переменных и обеспечивают более ясное представление об эффективности маркетинга.

Давайте подробнее рассмотрим, что может быть не так в методах атрибуции:

Отсутствие ориентированности на данные о людях

Большинство моделей, включая, возможно, особенно модель маркетингового микса («MMM»), не выполняются на уровне отдельных людей, что приводит к нечетким выводам низкой точности, которые упускают «почему» из «что работает» и не позволяют провести детальный анализ ниже уровня канала. MTA позволяют измерять маркетинговую эффективность на основе данных о людях для цифровых медиа, но не для традиционных.

Недостаточность методологий

Алгоритмы, основанные на корреляции, содержат предвзятость в выборе активного рынка и предвзятость дешевого инвентаря («бомбардировка куками»), что часто приводит к неправильным выводам, что работает. MTA имеют преимущество измерения на уровне отдельного человека, но, поскольку целевые группы содержат людей, которые и так уже будут покупать наши продукты, активация пикселя и присвоение себе заслуг за эти конверсии вознаграждается большинством MTA. Как и вы, мы были удивлены, узнав, что большинство MTA не могут различить реальную рекламу вашего бренда и плацебо-рекламу, которая не имеет ничего общего с вашим брендом! Мы представили доклад в Фонд исследований рекламы («ARF»), который подробно рассматривает эту тему.

Проблемы с отсутствием сигналов о сообщениях

Легко сделать неправильные выводы о креативах, если не учитывать его эффективность на уровне отдельного человека. Мы считаем, что медиа — это лишь контейнер, который содержит сообщение для конкретного человека. При оценке креативов в совокупности вы можете прийти к выводу, что данный креатив был наименее эффективным, тогда как на самом деле он мог быть самым воздействующим сообщением для очень конкретной, меньшей целевой аудитории. Это не гипотетические ситуации — мы видим это почти в каждой кампании, которую проводим. Многие показатели говорят, что креатив, по крайней мере, так же важен, как и медиа, так что этот недостаток детальных измерений может вызвать серьезные неточности в вашей стратегии и оптимизациях.

Читайте также: “Как настроить автотаргетинг в Яндекс Директе и в чем особенности
его работы”

Читать статью

Смещение цифрового сигнала

Клики и другие метрики онлайн-покупок не всегда отражают полную картину покупательской активности, особенно для компаний, которые в основном продают свою продукцию офлайн. Компании, которые торгуют офлайн или сочетают традиционные магазины с интернет-продажами, могут видеть неполную и иногда вводящую в заблуждение картину.

Возьмем, к примеру, компанию по производству потребительской электроники, которая продает более 90% своих товаров в магазинах, но основывает свои оптимизации цифровых медиа на активности на веб-сайте. Удивительно, сколько компаний никогда не тестируют связь между онлайн-активностью и офлайн-продажами, и еще более удивительно, когда они обнаруживают эту связь!

Пробелы в данных о местоположении

Большинство моделей не учитывают такие факторы, как погода или расстояние потребителя до магазина. Для ритейлера, такого как X5 Group, крайне важно понимать, что сообщения, которые работают для людей, живущих рядом с магазином, отличаются от тех, что живут далеко. Для развлекательной компании, такой как Синема Парк, это может изменить правила игры, зная, что люди реагируют по-разному в дождливые дни по сравнению с солнечными.

В зависимости от вертикали отрасли и продукта, данные о местоположении и другие окружающие данные могут значительно улучшить понимание того, что стимулирует продажи.

Распад куки

20%-40% пользователей интернета регулярно удаляют свои трекинговые куки. В результате недавние воздействия рекламы будут казаться более значимыми, чем воздействия, которые могли оказать влияние, но больше не могут быть отслежены с помощью куки.

Читайте также: “Метод отслеживания без куки — как ваш бизнес может процветать с технологией cookiless tracking”

Читать статью

Коротко о главном

Итак, мы провели анализ традиционных и новых методов атрибуции в маркетинге, с акцентом на проблемы неточностей моделей, которые могут приводить к неэффективным решениям. В частности, мы рассмотрели ограничения таких методов, как атрибуция первого и последнего касания, и предложили альтернативу в виде Multi-touch атрибуции (MTA). Этот подход позволяет оценить вклад каждого взаимодействия в конверсию, что позволяет более точно определить эффективность каждого маркетингового канала.

Платформа Андата – это современная система атрибуции, основанная на данных, которая использует машинное обучение и интеграцию различных данных для более глубокого анализа и оптимизации маркетинговых усилий.

Андата улучшает точность атрибуции, связывая действия пользователей с рекламными кампаниями с помощью «цифрового паспорта», который учитывает множество параметров, таких как время, местоположение, устройство и браузер. Это позволяет провести комплексный анализ влияния каждого канала на решение о покупке.

Читайте также