L'attribuzione multi-touch è morta? Creazione di una soluzione di misurazione delle prestazioni migliore
Pubblicato: 2023-05-04L'obiettivo secolare dell'attribuzione del marketing sembra semplice: scoprire quali punti di contatto, canali e/o campagne sono più efficaci nel portare i clienti alla conversione.
Nel mondo digitale, la nostra capacità di attribuire l'impatto si basa su identificatori deterministici che ci consentono di ricucire le interazioni di marketing. Quindi un modello, basato su regole o basato sui dati, viene applicato a queste interazioni per regolare il peso del credito assegnato a ciascuna interazione lungo il percorso del cliente.
Quindi l'attribuzione teoricamente offre ai professionisti del marketing il potere di comprendere e valutare il valore di diversi tipi di interazioni con il marchio sulla decisione di conversione di un consumatore. L'ideale platonico di un modello di attribuzione produrrebbe una visione olistica di ogni punto di contatto nel percorso dell'utente e ne valuterebbe accuratamente l'importanza nel guidare le persone verso l'obiettivo finale.
Alcuni modelli si sono avvicinati, come l'attribuzione multi-touch, mentre altri hanno punti ciechi ben noti, come l'ultimo tocco.
Ma semplicemente non è possibile tracciare con precisione ogni punto di contatto che potrebbe aver influenzato un evento di conversione. Probabilmente non lo sarà mai. E anche se lo fosse, l'attribuzione potrebbe non darci il quadro completo di cui abbiamo bisogno.
L'attribuzione da sola è un obiettivo intrinsecamente imperfetto
L'attribuzione perfetta è stata a lungo un sogno irrealizzabile del marketing; fin dai tempi di John Wanamaker, i professionisti del marketing sono stati ossessionati dall'idea di un quadro di misurazione universale che dimostrerà che stanno guidando il valore.
Ma anche se potessi vedere tutti i punti di contatto e ottenere una perfetta attribuzione olistica, questo ti darebbe tutte le informazioni necessarie per costruire la perfetta strategia di marketing? Dopotutto, l'attribuzione per sua stessa natura è sempre guardare nello specchietto retrovisore. Non guarda al futuro o fornisce un percorso in avanti. Inoltre, non tiene conto dei segnali critici di investimento nei media come i rendimenti decrescenti.
La misurazione delle prestazioni dovrebbe concentrarsi sull'utilizzo dei dati per capire dove dovrebbe andare il tuo prossimo miglior dollaro, non solo fino a che punto è andato l'ultimo dollaro. Devi essere in grado di esaminare i tuoi dati e rispondere a domande lungimiranti come:
- Dove possiamo aumentare i budget per scalare le nostre conversioni mantenendo il nostro ROAS attuale?
- Quali leve posso utilizzare per ottimizzare il rendimento della campagna?
Non puoi rispondere a questo tipo di domande se stai guardando solo un modello che assegna credito retroattivo su un set di dati incompleto. La fredda e dura verità è che l'attribuzione multi-touch deterministica non è una panacea; se questo è l'unico modello da cui dipendi per prendere decisioni, non può fornire quelle risposte.
La deprecazione dei dati sta rendendo più difficile l'attribuzione deterministica multi-touch
Indipendentemente dal fatto che tu sia d'accordo o meno sul fatto che l'idea stessa di attribuzione ci porti solo parzialmente alla nostra destinazione finale di misurazione, possiamo tutti concordare sul fatto che molti esperti di marketing sono ancora legati ai modelli di attribuzione. Come per tutti i modelli, non esiste una cosa perfetta. Sebbene ci siano stati progressi nel corso degli anni, con l'attribuzione basata sui dati basata sul valore di Google di particolare rilievo, ci sono ancora molte incognite in gioco quando si tratta del futuro dell'attribuzione.
Questo perché lo stato attuale dei dati di marketing sta solo rendendo le cose più difficili. Poiché piattaforme come Meta, Google e Snap faticano a far fronte all'App Tracking Transparency (ATT) di Apple, i CFO di quelle aziende sarebbero i primi ad ammettere che la deprecazione dei dati è la loro più grande sfida.
Almeno alcuni dei problemi pratici con l'attribuzione sono di natura umana: le persone sono ossessionate dal collegare i punti e trovare schemi, che esistano o meno. Spesso riceviamo domande dai professionisti del marketing su come funziona l'attribuzione all'interno di Google Analytics a causa di incoerenze con altri set di dati.
Probabilmente hai familiarità con questa sfida: l'interfaccia utente di Facebook Business Manager afferma che la piattaforma ha generato un numero di conversioni 10 volte superiore a quello che vedi riportato in Google Analytics. Quindi qual è quello giusto?
La risposta è che hanno entrambi torto, solo in modi diversi. Nessuna quantità di matematica divertente (ad esempio calcoli proxy che esaminano il delta tra i due punti dati nel tempo) ti aiuterà a risolvere l'equazione e calcolare perfettamente esattamente quanto credito dovrebbe ottenere Facebook Ads.
Alla fine della giornata, questo è un problema di osservabilità dei dati; i dati sono incompleti, ma cerchiamo comunque una risposta.
Fonte: eMarketer
Se questo crea confusione, pensaci in questo modo: diciamo che stai facendo una telefonata con una ricezione irregolare. Per ogni 10 parole, ne perdi una. È probabile che tu riesca ancora a capire il succo della conversazione perché hai così tanto altro contesto.
Ma quando inizi a perdere intere frasi o ogni altra parola, ti ritroverai nei guai. Questo perché gli input sono troppo limitati e frammentati per trarre conclusioni accurate. Questo è esattamente ciò che sta accadendo attualmente con l'attribuzione deterministica su tutte le piattaforme pubblicitarie, ed è qualcosa che nessuna quantità di modellazione può risolvere completamente.
Ricordi quella pubblicità del Super Bowl T-Mobile in cui Rob Gronkowski invita Tom Brady a ritirarsi in Florida, ma Brady può solo sentire ogni altra parola e pensa che Gronk gli stia dicendo di andare a giocare a Tampa Bay? Questa è l'attribuzione oggi. Questa è la realtà che i marchi devono affrontare con la perdita di dati.
Questo è paragonabile al modo in cui ChatGPT prevede la parola successiva più probabile mentre compila le risposte. Spesso ha senso, ma a volte ha allucinazioni e ti dice che Elon Musk sarà il prossimo presidente degli Stati Uniti.
Naturalmente, c'è sempre una serie di errori nella modellazione, ma se la perdita di dati è abbastanza grave, non è possibile creare un modello accurato. Quindi la vera domanda inizia a prendere forma: quanto ci si può fidare delle piattaforme pubblicitarie per fare bene?
Ecco perché è necessario espandere il proprio kit di strumenti di misurazione.
La modellazione del mix multimediale e i test di incrementalità possono avvicinarti alla comprensione dell'impatto
L'attribuzione è ancora un costrutto potente, ma la metodologia sottostante deve cambiare in modo che possa evolversi nell'era moderna. Devi porre alcune domande difficili per capire quale tipo di toolkit e framework di misurazione funzionerà per la tua organizzazione, come:
- Di quali misurazioni hai bisogno per prendere decisioni intelligenti sulla pianificazione degli investimenti attraverso canali e piattaforme?
- Quali sono le migliori opportunità per ridimensionare il tuo media mix esistente nel modo più efficiente possibile?
Come industria, ci siamo abituati a pensare a una versione immaginaria dell'attribuzione perfetta come alla fine di tutto, ma è stata pensata solo per essere utilizzata come guida.
Ciò non significa che non sia utile. Ma devi spostare la tua attenzione sul futuro e lasciare che l'attribuzione sia una componente del tuo processo decisionale, non l'unico arbitro.
E sebbene non esista una soluzione perfetta, ce n'è una imperfetta che ci avvicina molto all'obiettivo: l'attribuzione unificata combinata con il media mix modeling (MMM), in cui si utilizzano alcuni dati e modelli deterministici per il resto. L'obiettivo è sfruttare i dati passati per prevedere gli investimenti futuri. È radicato nella crescita, non tenuto in ostaggio delle performance passate.
Per farlo bene, devi investire in robusti test di incrementalità, che ti aiuteranno sia a convalidare i dati sulle prestazioni modellati sia a ottenere un quadro più chiaro di come le tue campagne stanno influenzando l'intero percorso del cliente.
I test di incrementalità basati sulla geografia sono fondamentali per la calibrazione della modellazione del mix multimediale. È anche la singola soluzione di misurazione più potente per determinare dove sei sovra o sotto investito in un dato momento.
La maggior parte dei marchi non è molto a suo agio con i test di incrementalità. Alcuni lo hanno già fatto, ma storicamente la maggioranza non è brava. Se è lì che si trova il tuo marchio, hai bisogno di partner affidabili con una metodologia prevedibile personalizzata in base alle esigenze e alle stranezze delle tue sfide aziendali uniche.
È giunto il momento di una soluzione orientata al futuro che integri più strumenti: il framework di misurazione delle prestazioni
Una delle grandi sfide con i tradizionali modelli di media mix è la velocità di azione. In Wpromote, abbiamo creato un modello di media mix ad alta velocità e uno strumento di pianificazione dello scenario di investimento chiamato Growth Planner come parte della nostra piattaforma di marketing Polaris per affrontare sia le sfide di deprecazione dei dati che l'azionabilità.
Il Pianificatore della crescita costituisce il fulcro del nostro quadro di misurazione delle prestazioni. In sostanza, prevede l'intero anno di un cliente per trovare l'investimento ottimale di dollari disponibili per raggiungere gli obiettivi di fatturato. Può anche essere utilizzato per ottimizzazioni su base settimanale in modo che il tuo marchio possa rimanere agile e adattarsi ai nuovi sviluppi.
Growth Planner esamina tutti i tuoi canali di marketing e l'intero imbuto per massimizzare i margini perché la redditività è l'obiettivo finale. Ti dice come investire fino alla tattica specifica, fino al canale, fino al mese, alla settimana, al giorno.
Ci assicuriamo che il modello rimanga onesto e continui a migliorare attraverso continui test di incrementalità e possiamo fornire ulteriori input di dati avanzati come il lifetime value predittivo nel modello per informare ulteriormente le decisioni di investimento. Quindi inseriamo i dati da Growth Planner nell'analisi dei dati in camera bianca nelle aree chiave di investimento.
La misurazione continuerà a essere una sfida su piattaforme come Google e Facebook e canali multimediali come CTV. Se vuoi davvero sapere come sta effettivamente andando il tuo marketing, devi iniziare a esplorare la misurazione delle soluzioni di misurazione conformi alla privacy.