알고리즘 어트리뷰션을 사용하여 전환을 게임화하고 전체 퍼널 성장을 유도하는 방법
게시 됨: 2022-07-06마케팅 비용을 어디에 할당해야 할지 확실하지 않은 경우 어떻게 수익성 있는 성장을 추진할 수 있습니까? 구매자 여정이 전환으로 이어지기 전에 여러 기기, 채널 및 터치포인트에 걸쳐 진행되는 오늘날과 같이 점점 파편화되는 세상에서 이 질문은 그 어느 때보다 중요합니다.
답은 알고리즘적 속성입니다.
새로운 디지털 채널과 기술의 성장이 가속화됨에 따라 소비자는 더 현명해졌습니다(주의 기간이 점점 더 짧아짐). Cisco 연구에 따르면 고객이 구매하려면 평균 56개의 터치포인트가 필요합니다. 성과에 대한 전체 그림을 보고자 하는 마케터에게는 지금이 보다 포괄적인 형태의 마케팅 측정으로 전환해야 할 때입니다.
MTA(알고리즘 멀티터치 어트리뷰션) 모델이란 무엇입니까?
싱글 터치 어트리뷰션은 몇 년 동안 주류 모델이었습니다. 사용 용이성과 인기는 Google Analytics와의 관계에서 비롯됩니다. 그러나 단일 터치 기여 모델은 전환으로 이어지는 각 개별 터치포인트(및 해당 세션 동안 사용자가 취한 행동)의 영향을 평가할 수 없이 단 하나의 터치포인트에 대해 100% 전환 기여도를 제공합니다. 다음은 원터치 기여 모델의 몇 가지 예입니다.
- 마지막 터치: 전환 전 마지막 마케팅 터치포인트에 100% 기여도를 부여합니다.
- 마지막 클릭: 전환 전 "마지막 클릭"에 100% 기여도를 부여합니다.
- 첫 번째 터치: 첫 번째 마케팅 접점(고객을 확보한 채널 또는 활동)에 100% 기여도를 부여합니다.
- 첫 번째 클릭: "첫 번째 클릭"에 100% 기여도를 부여합니다.
요컨대, 운이나 이유 없이 단일 전환 터치포인트에 맹목적으로 기여도를 할당하는 것은 이치에 맞지 않습니다. 이미 다양한 채널과 캠페인에 광고 비용을 투자하고 있을 것입니다. 따라서 미래 지향적인 마케터가 되어 데이터를 기반으로 전환에 대한 실제 기여도를 기반으로 모든 사용자 액션에 기여도를 할당하는 것이 어떻겠습니까?
알고리즘 MTA 모델은 다양한 채널 상호 작용이 마케팅 성과에 직접적인 영향을 미치는 방식에 대한 마케터의 이해를 넓힘으로써 고객 접점에 가장 정확하고 관련성 높은 크레딧을 할당하기 위한 새로운 모범 사례입니다. 다음은 일반적인 고객 여정의 예입니다.
모든 터치포인트(및 해당 터치포인트 동안의 사용자 작업)의 성능을 최적으로 측정함으로써 알고리즘 MTA는 첫 번째 터치 또는 마지막 터치 모델에 비해 훨씬 더 우수한 것으로 입증되었습니다.
더 깊이 들어가면, 알고리즘적 기여는 전환하는 고객과 전환하지 않는 고객의 마케팅 참여 방식의 차이를 찾아 마케터가 객관적으로 더 높은 전환 참여에 대한 크레딧을 게임화할 수 있도록 합니다. 기본적으로 수익성이 없는 청중이 아닌 수익성 있는 청중 간의 패턴을 찾습니다. 전환하는 사람들의 순서에서 일관된 패턴을 찾으면 해당 패턴에 더 중점을 둡니다.
핵심 비즈니스에 적합한 기여 모델 선택 시 주요 고려 사항
Google Ads와 Google 애널리틱스는 현재 데이터 기반 접근 방식(DDA)을 사용하여 사람들이 다양한 광고에 참여하고 고객이 되기로 결정한 방식에 따라 전환 기여도를 제공하는 멀티터치 기여를 사용합니다. 그러나 DDA 또는 타사 MTA 모델 사용을 고려할 뿐만 아니라 한 단계 더 나아가 "소프트 전환"을 플랫폼에 제공되는 터치포인트로 추가해야 합니다. 일반적인 소프트 전환은 고객이 장바구니에 추가하여 제품 또는 서비스에 대한 명백한 관심을 보이는 것입니다. 많은 마케터가 이미 리마케팅을 지원하기 위해 Google 애널리틱스에서 해당 이벤트를 추적하고 있지만, 플랫폼에서 장바구니 포기를 목표로 지정하여 고객을 잃는 위치를 추적함으로써 더 깊이 파고들 수 있습니다. 다음은 궁극적으로 구매하기 전에 방문자가 여러 소프트 전환과 상호 작용하는 예입니다.
사이트에서 30초 소요→ 3개 이상의 제품 상세 페이지 방문→ 페이지에서 제품 리뷰 보기→ 장바구니에 담기→ 체크아웃 시작→ 구매
마케터는 최종 터치포인트(구매)에 100% 가치를 할당하는 대신 해당 전환 경로에 존재하는 다른 소프트 전환을 고려하는 알고리즘 MTA 모델로 전환해야 합니다. 알고리즘의 핵심에 필수적인 특정 메트릭 및 특성은 다음과 같습니다.
- 모든 활성 마케팅 채널 고려
- 접점의 특성(예: 클릭, 다운로드, 가입)
- 사이트 사용자 참여 수준(예: 페이지에서 보낸 시간)
- 미디어 믹스가 발전할 때 적응하기
고객에 대한 보다 전체적인 관점을 취함으로써 이 데이터를 자동 및 수동 입찰 기술에 모두 입력하고 그에 따라 캠페인을 최적화할 수 있습니다. MTA를 통해 크레딧을 공유하고 알고리즘 귀인을 통해 소프트 전환에 가치를 할당하는 조합은 퍼포먼스 마케팅의 궁극적인 게임화로 이어질 수 있습니다.
알고리즘 MTA 모델을 사용하여 마케팅 투자 수익 극대화
지름길은 단순히 무료로 Google Analytics를 사용하고 마지막 클릭 모델을 바탕으로 전환이 발생하는 위치를 파악하는 것입니다. 이는 오늘날의 고객 여정을 제대로 반영한 것이 아닙니다.
알고리즘 MTA 모델을 사용하면 주어진 접점에서 잘 수행되는 채널 이상을 식별할 수 있습니다. 이 접근 방식의 진정한 힘은 마케팅 담당자가 채널이 함께 작동하여 유입경로를 따라 최종 전환으로 고객을 이동시키는 방법을 이해하도록 돕는 기능입니다. 다른 장점은 다음과 같습니다.
- 통합 측정: 고객 참여에 대한 총체적이고 통합된 보기를 위한 마케팅 활동에 대한 더 나은 통찰력
- 실시간 최적화: 적절한 메시지로 적시에 적절한 청중에게 도달하기 위해 작동하는 것이 무엇인지에 대한 세부적인 이해
- 더 스마트한 투자: 더 스마트한 지출 결정을 내리고 더 높은 투자 수익(ROI)을 거둘 수 있는 강력한 마케팅 인텔리전스
간단히 말해서 마케터가 효과가 있는 것과 그렇지 않은 것을 파악하고 가장 높은 ROI를 제공하는 채널에 자금을 투자하는 데 도움이 됩니다. 다음 중 하나라도 귀하의 비즈니스에 적용되는 경우 자격을 갖춘 알고리즘 MTA를 사용해야 합니다.
- 여러 채널과 네트워크를 통해 마케팅하고 있습니다. 여러 광고 플랫폼을 통해 마케팅하지 않는 한 알고리즘 기여는 큰 가치가 없습니다. 이 시점에서 고객의 구매 경로는 간단하지 않습니다. 즉, 광고 플랫폼 전반에 걸쳐 예산 할당을 알리는 보다 정교한 방법이 필요합니다.
- 오프라인 채널을 고려 중이거나 적극적으로 구매 중입니다. 인쇄 매체, 박람회 등 오프라인 마케팅에 참여하는 순간은 Google Analytics가 관련 데이터를 제공하기에 부적합해지는 순간입니다. 오프라인 마케팅을 측정할 수 없으면 지출을 늘리거나 줄일 수 있는 방법이 없습니다.
- 팀은 현실적인 목표와 기대치를 설정 했습니다. 알고리즘 모델의 이점은 하룻밤 사이에 실현되는 경우가 거의 없습니다. 관련된 모든 팀은 귀하가 내일이 아니라 향후 몇 년 동안 필요한 마케팅 기반을 구축하고 있음을 이해해야 합니다. 기본 성능 벤치마크를 설정하기 위해 처음 몇 달 동안 캠페인은 알고리즘 최적화 없이 실행될 것입니다.
- 마케팅이 어떻게 결과를 만들어 내고 있는지 보여줘야 합니다. 이상적인 세상에서는 가능한 모든 채널에 마케팅 비용을 쏟아 붓는 것이 좋습니다. 그러나 실제로 마케터는 예산이 제한되어 있으며 전반적으로 ROI를 극대화해야 합니다. 솔루션: 알고리즘 기여 전략을 사용하면 마케팅 팀이 캠페인을 최적화하여 지출한 금액당 더 많은 수익을 창출하고 실적이 저조한 전술을 차단할 수 있습니다.
귀하의 요구에 맞는 올바른 어트리뷰션 소프트웨어를 선택하는 방법
다음 단계는 단순한 클릭 이상을 측정하고 개별 플랫폼에서 전환을 수집하고 통합하여 정확한 전체 전환 데이터를 얻을 수 있는 마케팅 기여 소프트웨어를 검색하는 것입니다. 다음은 시작하기 위한 몇 가지 팁입니다.
- 분석 대시보드 또는 각 채널 및 접점의 성능에 대한 세부적인 세부 정보를 제공하는 보고 메커니즘과 같은 복잡한 MTA 모델을 관리하고 추적하는 소프트웨어 도구를 고려하십시오.
- 여러 채널에서 고객이 어떻게 행동하고 브랜드와 상호 작용하는지 볼 수 있는 기능을 제공하는 솔루션을 찾으십시오. 중앙 집중식 대시보드를 사용하면 교차 채널 분석에 필요한 정확한 통찰력을 얻을 수 있습니다.
- 가장 중요한 것은 시스템이 데이터를 플랫폼으로 다시 파이프하는지 확인하는 것입니다. 정교한 MTA 모델은 사람들이 무엇이 작동하고 무엇이 작동하지 않는지 더 잘 이해하는 데 도움이 될 수 있지만 MTA의 이점을 진정으로 활용하려면 경매 중에 발생하는 자동 입찰에 대해서도 알려야 합니다.
데이터 자체는 본질적으로 쓸모가 없다는 것을 기억하십시오. 실행 가능한 통찰력을 추구하는 것은 모든 비즈니스의 궁극적인 목표입니다.
지속적인 최적화를 통한 고객 통찰력 적용 및 심화
알고리즘 MTA는 설정하고 잊어버리는 이벤트가 아닙니다. 잠재력을 최대한 발휘하려면 모델을 지속적으로 테스트, 분석 및 최적화하여 마케팅 활동을 알리고 적시에 올바른 고객에게 도달할 수 있도록 하는 것이 중요합니다.
예를 들어 장바구니 포기와 같은 소프트 전환을 식별하고 추적하면 중요한 통찰력을 얻을 수 있으며 지속적인 최적화를 위한 첫 번째 단계가 될 수 있습니다.
알고리즘 기여 전략의 진정한 목적은 마케팅 담당자가 성장을 주도하는 것으로 입증된 경험에 투자할 수 있도록 돕는 것입니다. 현실은 대부분의 마케터가 소비자에게 동기를 부여하는 요소에 대해 불완전한(또는 잘못된) 이해를 하는 경향이 있지만, 이러한 접근 방식은 특정 마케팅 전략이 광범위한 잠재고객 세그먼트에서 어떤 역할을 하는지 훨씬 더 확실하게 이해하는 데 도움이 될 수 있습니다.
성공적인 마케터는 지속적으로 통찰력을 심화하고 데이터를 활용하여 성능을 테스트합니다. 핵심 학습을 기반으로 하고 데이터와 전략의 지속적인 상호 작용을 기반으로 구축된 성과 마케팅 프레임워크는 마케팅, 고객 관계 및 수익에 놀라운 결과를 가져올 것입니다.