Как использовать алгоритмическую атрибуцию для геймификации конверсии и стимулирования роста во всей последовательности

Как добиться прибыльного роста, если вы не знаете, куда направить маркетинговые средства? В сегодняшнем все более фрагментированном мире, где путь покупателя проходит через несколько устройств, каналов и точек взаимодействия, прежде чем он приведет к конверсии, этот вопрос остается как никогда важным.

Ответ — алгоритмическая атрибуция.

С ускоренным ростом новых цифровых каналов и технологий потребители стали более сообразительными (с все более и более коротким периодом внимания). Согласно исследованию Cisco, покупателю требуется в среднем 56 точек соприкосновения, чтобы совершить покупку. Для маркетологов, стремящихся получить полную картину эффективности, сейчас самое время перейти к более комплексным формам маркетинговых измерений.

Что такое модель алгоритмической мультисенсорной атрибуции (MTA)?

Атрибуция в одно касание была основной моделью в течение нескольких лет; его простота использования и популярность проистекают из его связей с Google Analytics. Однако модель атрибуции с одним касанием дает 100% ценности конверсии только одной точке взаимодействия, не имея возможности оценить влияние каждой отдельной точки взаимодействия (и действий, предпринятых пользователем во время этого сеанса), ведущих к конверсии. Ниже приведены несколько примеров моделей атрибуции в одно касание:

• Последнее касание: присваивает 100 % ценности последней маркетинговой точке взаимодействия перед конверсией.
• Последний клик: присваивает 100 % ценности «последнему клику» перед конверсией.
• Первое касание: дает 100% кредита первой маркетинговой точке контакта (каналу или действию, которое привлекло клиента).
• Первый клик: дает 100% кредита «первому клику».

Короче говоря, просто не имеет смысла слепо присваивать ценность одной точке взаимодействия с конверсией без рифмы или причины. Скорее всего, вы уже инвестируете свои рекламные доллары в различные каналы и кампании, так почему бы не стать дальновидным маркетологом и не начать на основе данных присваивать ценность каждому действию пользователя на основе его реального вклада в конверсию?

Алгоритмические модели MTA — это новая передовая практика для присвоения максимально точной и релевантной ценности точкам контакта с клиентом за счет расширения понимания маркетологами того, как взаимодействие различных каналов напрямую влияет на эффективность маркетинга. Вот пример того, как может выглядеть типичный путь клиента:

Благодаря оптимальному измерению производительности каждой точки взаимодействия (и действий пользователя во время этих точек взаимодействия) алгоритмический MTA оказался намного более эффективным по сравнению с моделями первого и последнего касания.

Углубляясь глубже, алгоритмическая атрибуция ищет различия в том, как клиенты, которые совершают конверсию, взаимодействуют с маркетингом, по сравнению с теми, кто не совершает конверсию, позволяя маркетологам объективно геймифицировать кредит на эти взаимодействия с более высокой конверсией. По сути, он ищет закономерности между прибыльной аудиторией и убыточной аудиторией. Когда он находит устойчивые шаблоны в последовательности людей, которые конвертируются, он больше фокусируется на этих шаблонах.

Ключевые факторы при выборе модели атрибуции, подходящей для вашего основного бизнеса

Google Ads и Google Analytics в настоящее время используют подход, управляемый данными (DDA), для мультисенсорной атрибуции, при котором учитываются конверсии в зависимости от того, как люди взаимодействуют с вашими различными объявлениями и решают стать вашими клиентами. Но вам следует не только рассмотреть возможность использования DDA или сторонней модели MTA, вы должны сделать еще один шаг и добавить «мягкие конверсии» в качестве точек взаимодействия, которые подключаются к вашим платформам. Обычная мягкая конверсия — это добавление покупателя в корзину, демонстрирующее очевидный интерес к вашему продукту или услугам. Хотя многие маркетологи уже отслеживают это событие в Google Analytics, чтобы помочь с ремаркетингом, можно копнуть глубже, назначив отказ от корзины в качестве цели на платформе, чтобы отслеживать, где они теряют клиентов. Вот пример взаимодействия посетителя с несколькими мягкими конверсиями, прежде чем он в конечном итоге совершит покупку:

Провел 30 секунд на сайте→ посетил более 3 страниц с описанием продукта→ просмотрел обзоры продуктов на странице→ добавил в корзину→ начал оформление заказа→ покупка

Вместо того, чтобы приписывать 100% ценности последней точке взаимодействия (покупке), маркетологи должны перейти к алгоритмической модели MTA, которая учитывает другие мягкие конверсии, существовавшие на этом пути конверсии. Некоторые метрики и характеристики, которые важны для ядра алгоритма, включают:

• Учет всех активных маркетинговых каналов
• Характер точки взаимодействия (например, клик, загрузка, регистрация)
• Уровень вовлеченности пользователей на сайте (например, время, проведенное на странице)
• Адаптация по мере развития медиа-микса

Принимая это более целостное представление о своих клиентах, вы можете использовать эти данные как для автоматических, так и для ручных методов назначения ставок и соответствующим образом оптимизировать кампании. Сочетание совместного использования кредита через MTA, а также присвоения ценности мягким конверсиям посредством алгоритмической атрибуции может привести к окончательной геймификации маркетинга производительности.

Использование алгоритмической модели MTA для максимизации возврата инвестиций в маркетинг

В то время как ярлык состоит в том, чтобы просто использовать Google Analytics бесплатно и работать с их моделью последнего клика, чтобы определить, откуда приходят конверсии, это просто не является истинным отражением сегодняшнего пути клиента.

Алгоритмическая модель MTA позволяет вам идентифицировать больше, чем просто каналы, которые хорошо работают в любой заданной точке взаимодействия. Истинная сила этого подхода заключается в его способности помочь маркетологам понять, как их каналы работают рука об руку, чтобы продвигать клиентов по воронке к возможной конверсии. Другие преимущества включают в себя:

• Унифицированное измерение: лучшее понимание маркетинговых усилий для целостного интегрированного представления о взаимодействиях с клиентами.
• Оптимизация в режиме реального времени: детальное понимание того, что работает для охвата нужной аудитории в нужное время с правильным сообщением.
• Разумные инвестиции: мощная маркетинговая информация для принятия более разумных решений о расходах и получения более высокой отдачи от инвестиций (ROI).

Проще говоря: это помогает маркетологам понять, что работает, а что нет, и направить средства на каналы, обеспечивающие максимальную рентабельность инвестиций. Если что-либо из перечисленного ниже относится к вашему бизнесу, вам следует использовать квалифицированный алгоритмический MTA:

1. Вы занимаетесь маркетингом через несколько каналов и сетей. Алгоритмическая атрибуция не принесет особой пользы, если вы не используете несколько рекламных платформ. На данный момент путь ваших клиентов к покупке не так прост, а это означает, что вам нужен более сложный способ информирования о распределении бюджета на рекламных платформах.
2. Вы рассматриваете или активно покупаете офлайн-каналы. В тот момент, когда вы занимаетесь оффлайн-маркетингом, таким как печатные СМИ, торговые выставки и т. д., Google Analytics становится неадекватным для предоставления соответствующих данных. Если вы не можете измерить свой офлайн-маркетинг, у вас нет возможности узнать, где увеличить или сократить расходы.
3. Ваша команда поставила перед собой реалистичные цели и ожидания: преимущества алгоритмической модели редко реализуются за одну ночь. Все задействованные команды должны понимать, что вы строите необходимую маркетинговую основу на ближайшие пару лет, а не на завтра. Вполне вероятно, что в течение первых нескольких месяцев ваши кампании будут работать без какой-либо алгоритмической оптимизации, чтобы установить базовый контрольный показатель эффективности.
4. Вам нужно показать, как ваш маркетинг дает результаты: в идеальном мире было бы неплохо направлять маркетинговые доллары во все возможные каналы. Но на самом деле у маркетологов ограниченный бюджет, и им нужно максимизировать рентабельность инвестиций по всем направлениям. Решение: стратегия алгоритмической атрибуции позволяет маркетинговым командам оптимизировать свои кампании, чтобы получать больше дохода на каждый потраченный доллар и отсекать любые тактики, которые неэффективны.

Как выбрать правильное программное обеспечение для атрибуции, которое соответствует вашим потребностям

Следующим шагом является поиск программного обеспечения для маркетинговой атрибуции, которое позволит вам измерять больше, чем просто клики, собирать конверсии с отдельных платформ и интегрировать их для получения точных общих данных о конверсиях. Вот несколько советов для начала:

• Рассмотрите программные инструменты, которые управляют и отслеживают сложные модели MTA, такие как панель аналитики или механизм отчетности, который предлагает как высокоуровневую, так и детализированную информацию о производительности каждого канала и точки взаимодействия.
• Ищите решения, которые предлагают возможность увидеть, как клиенты ведут себя и взаимодействуют с вашим брендом по нескольким каналам. Наличие централизованной информационной панели обеспечивает точную информацию, необходимую для межканального анализа.
• Самое главное, убедитесь, что система передает данные обратно на платформы. Хотя сложная модель MTA может помочь людям лучше понять, что работает, а что нет, нам также необходимо информировать автоматические ставки, которые происходят во время аукциона, чтобы по-настоящему раскрыть преимущества MTA.

Помните, что данные сами по себе бесполезны; получение практических идей — конечная цель любого бизнеса.

Применяйте и углубляйте понимание клиентов за счет непрерывной оптимизации

Алгоритмический MTA — это не событие типа «установил и забыл». Чтобы полностью раскрыть свой потенциал, очень важно постоянно тестировать, анализировать и оптимизировать модель, чтобы информировать о ваших маркетинговых усилиях и гарантировать, что вы достигаете нужных клиентов в нужное время.

Например, выявление и отслеживание мягких конверсий, таких как отказ от корзины, может привести к важной информации и стать первым шагом к непрерывной оптимизации.

Настоящая цель стратегии алгоритмической атрибуции — помочь маркетологам инвестировать в опыт, который, как доказано, способствует росту. Хотя реальность такова, что большинство маркетологов, как правило, имеют неполное (или даже ложное) представление о том, что мотивирует их потребителей, этот подход может помочь им понять с гораздо большей степенью уверенности, какую роль определенные маркетинговые тактики играют в их более широких сегментах аудитории.

Успешные маркетологи постоянно углубляют свои знания и используют данные для проверки эффективности. Структура перфоманс-маркетинга, построенная на прочном фундаменте ключевых знаний и подпитываемая непрерывным взаимодействием данных и стратегии, будет творить чудеса с вашим маркетингом, взаимоотношениями с клиентами и прибылью.

Если вы готовы к более гибкому, преднамеренному и комплексному подходу к маркетингу, основанному на данных, в 2022 году, загрузите полный отчет об опросе руководителей Wpromote прямо сейчас.