Моделирование атрибуции: определение, типы, преимущества и ограничения
22 марта 2022 г.
Если ваша компания хочет улучшить показатели конверсии, вы можете рассмотреть возможность включения моделирования атрибуции в свои маркетинговые стратегии. Моделирование атрибуции может помочь компаниям отточить свои маркетинговые стратегии, персонализировать рекламные кампании для различных потенциальных клиентов и повысить окупаемость инвестиций. В этой статье мы обсудим определение моделирования атрибуции, предложим восемь типов моделей атрибуции и перечислим преимущества и ограничения моделирования атрибуции.
Что такое моделирование атрибуции?
Моделирование атрибуции — это рекламная стратегия, которая анализирует, какие точки соприкосновения — взаимодействия с маркетинговыми каналами — превращают онлайн-пользователя в платного клиента. В продажах и маркетинге точки соприкосновения относятся к местам и типам взаимодействия с потенциальными клиентами. Добавление элемента в цифровой список желаний, комментирование публикации в социальных сетях или клик по цифровому объявлению — все это примеры точек соприкосновения.
Модели атрибуции помогают компаниям определить, на каком этапе потребительского пути их аудитория стала клиентом. А путешествие потребителя описывает различные взаимодействия между брендом и конкретным человеком. Конверсия, или процесс превращения пользователей в платящих клиентов, является одним из ключевых этапов потребительского пути.
Почему важно моделирование атрибуции?
Моделирование атрибуции помогает компаниям анализировать, какие из их маркетинговых каналов наиболее ценны, чтобы убедить аудиторию стать платными клиентами. Это одна из многих стратегий, помогающих вашему бренду, продукту или услуге найти новую аудиторию, связаться с потенциальными клиентами и удержать существующих клиентов.
Модели атрибуции бывают однотактными и мультисенсорными. В моделях с одним касанием учитывается только одна точка взаимодействия во время пути потребителя. Мультисенсорные модели отдают должное двум или более точкам касания. Каждая модель оценивает точки соприкосновения по-разному, а это означает, что различные точки соприкосновения учитываются в уравнениях конверсии по-разному.
8 типов моделей атрибуции
Вот восемь распространенных типов моделей атрибуции:
1. Атрибуция первого касания
Атрибуция по первому касанию, также называемая атрибуцией по первому клику и первому взаимодействию, присваивает полную конверсию первому взаимодействию пользователя с вашим бизнесом, прежде чем он станет платным клиентом. Это модель с одним касанием, которая фокусируется на одном конкретном взаимодействии пользователя с вашим бизнесом на пути к покупателю. Например, если пользователь посещает вашу страницу в социальной сети, а затем ваш веб-сайт, прежде чем совершить покупку, странице присваивается значение за то, что она вызвала конверсию.
Эта модель атрибуции предлагает простой сбор и анализ данных. Это может быть хорошим выбором для компаний с коротким циклом покупки или быстрой конверсией клиентов. Модели атрибуции первого контакта также могут помочь компаниям увеличить число потенциальных клиентов, заинтересованных в бренде или предложении.
2. Атрибуция последнего касания
Атрибуция по последнему касанию, также называемая атрибуцией по последнему клику или последнему взаимодействию, является еще одной моделью с одним касанием. Он присваивает ценность конверсии последнему взаимодействию пользователя с компанией перед конверсией. Например, если клиент видит ваши платные результаты поиска, подписывается на бесплатную пробную версию на вашем веб-сайте, а затем совершает конверсию, бесплатная пробная версия получает полную оценку конверсии клиента. Поскольку эту модель легко анализировать, последнее взаимодействие является моделью атрибуции по умолчанию на большинстве маркетинговых платформ.
Атрибуция по последнему касанию часто более точна, чем модели с несколькими касаниями. Пользователи могут получить доступ к нескольким устройствам, очистить файлы cookie или использовать несколько браузеров, что затрудняет отслеживание всего их пути. Например, если пользователь использует расширенные настройки онлайн-безопасности, у вас могут возникнуть проблемы со сбором информации обо всем его потребительском пути. Однако обычно вы можете определить их конечную точку взаимодействия до их конверсии.
Атрибуция последнего касания часто является хорошим выбором для предприятий с коротким циклом покупки или потенциальных клиентов, близких к совершению покупки.
3. Линейная атрибуция
Линейная атрибуция – это модель с несколькими касаниями, которая равномерно распределяет ценность конверсии между всеми взаимодействиями на пути потребителя. Например, пользователь просматривает ваш блог, подписывается на вашу рассылку и проходит тест на вашем веб-сайте, прежде чем совершить покупку на 90 долларов. Поскольку у клиента было три взаимодействия с вашей компанией, каждое из них получает 33 % ценности конверсии пользователя. Это означает, что блог, информационный бюллетень и викторина получают конверсию в размере 30 долларов США.
Эта модель учитывает все аспекты маркетинговой стратегии вашей компании. Линейную атрибуцию может быть проще объяснить клиентам или заинтересованным сторонам, чем другие модели, поскольку она показывает, что все маркетинговые каналы равны. Однако это также затрудняет точное определение того, работает ли один канал лучше, чем другие в процессе преобразования. Некоторые каналы обычно более ценны, чем другие, и линейная атрибуция может привести к переоценке одних и недооценке других.
4. Атрибуция временного распада
Как и линейная атрибуция, атрибуция с временным затуханием представляет собой модель с несколькими касаниями, которая определяет ценность конверсии для различных взаимодействий пользователей до конверсии. Однако в этой модели взаимодействиям присваиваются разные значения, а не придается каждому из них равный вес. Атрибуция временного затухания увеличивает ценность конверсии для точек соприкосновения, которые происходят ближе к первой покупке пользователя в вашей компании. Например, если потенциальный клиент видит рекламу в социальных сетях, ждет несколько недель, а затем посещает ваш веб-сайт, веб-сайт получает больше ценности конверсии, чем реклама в социальных сетях.
Если у вашего бизнеса длинные циклы покупок, модель атрибуции с временным спадом может помочь оценить весь путь пользователя к покупателю. Это также может помочь вашей компании проанализировать наиболее эффективные стратегии для построения прочных и активных отношений с вашими лидами.
5. Атрибуция последнего непрямого касания
Последняя непрямая атрибуция, также известная как атрибуция последнего непрямого клика, представляет собой модель с одним касанием, которая игнорирует все прямые взаимодействия, которые происходят до конверсии. Прямое взаимодействие происходит, когда пользователь вводит адрес вашего веб-сайта в строке браузера или щелкает ссылку на ваш сайт в закладках своего браузера. Напротив, косвенные взаимодействия происходят, когда пользователь щелкает ссылку с другого сайта, чтобы перейти на ваш.
Эта модель помогает компаниям выяснить, как клиенты узнали об их бренде или взаимодействовали с ним, прежде чем принять решение о покупке. Например, пользователь может найти ваш сайт в результатах поиска, добавить его в закладки, а затем использовать эту закладку для повторного посещения вашего сайта и совершения покупки. С атрибуцией последнего непрямого касания модель исключает данные, такие как трафик веб-сайта, связанные с нажатием на закладку на вашем веб-сайте. Вместо этого конверсия пользователя приписывается результатам поисковой системы.
Атрибуция последнего непрямого контакта может быть хорошим выбором для компаний с коротким циклом покупки.
6. Атрибуция на основе позиции
Позиционная атрибуция, также называемая U-образной атрибуцией, — еще одна мультисенсорная модель атрибуции. В то время как все взаимодействия пользователя с вашим брендом получают ценность конверсии, первое и последнее получают больше всего.
Многие специалисты по маркетинговой аналитике присваивают 40 % ценности конверсии каждому первому и последнему взаимодействию, а оставшиеся 20 % равномерно распределяются между другими точками взаимодействия на пути потребителя. Например, зритель может взаимодействовать с вашей компанией в следующем порядке:
Посмотреть цифровую рекламу
Посетите свой веб-сайт
Нажмите на ретаргетинговое цифровое объявление
Посетите свой блог
Поделитесь своим сообщением в блоге на их странице в социальной сети
Скачать статью с вашего сайта
В этом примере 40% ценности конверсии будут связаны с первой цифровой рекламой и загруженной статьей. Остальные взаимодействия делят оставшиеся 20%, при этом посещение веб-сайта, ретаргетинговая реклама, посещение блога и взаимодействие с социальными сетями составляют каждые 5%.
Модель атрибуции на основе позиции может быть хорошим выбором для компаний с несколькими взаимодействиями. Это может помочь оценить как конкретные точки взаимодействия, так и их порядок перед конверсией.
7. Алгоритмическая атрибуция
Алгоритмическая атрибуция, также называемая атрибуцией на основе данных, относится к моделям атрибуции, которые не раскрывают, как они собирают или вычисляют данные. Эти платформы обычно используют тактику машинного обучения, чтобы распределять баллы по частям во многих взаимодействиях. Платформы часто предпочитают не сообщать, какие взаимодействия они учитывают в своем алгоритме или какую конверсию они им присваивают.
Алгоритмы атрибуции стороннего поставщика могут не дать вашему бизнесу полного понимания того, когда, как и почему пользователи превращаются в платных клиентов. Однако использование алгоритмических моделей атрибуции поставщиков может упростить ваши бизнес-процессы, поскольку вам не нужно самостоятельно собирать или оценивать данные.
8. Пользовательская атрибуция
Пользовательская атрибуция позволяет создать персонализированную модель атрибуции, которая лучше всего подходит для вашего бизнеса. Это означает, что вы определяете, какие взаимодействия будут включены в алгоритмы атрибуции и какую ценность конверсии имеет каждое из них.
Пользовательская модель атрибуции может предоставить вашей компании наиболее полную информацию о том, какие точки взаимодействия приводят к наибольшему количеству конверсий. Однако для создания успешной пользовательской модели атрибуции вашему бизнесу требуется много данных о точках взаимодействия и понимание алгоритмов машинного обучения.
Преимущества моделирования атрибуции
Модели атрибуции могут предложить маркетинговым командам и всему бизнесу множество преимуществ, в том числе:
Улучшенные маркетинговые стратегии и кампании: модели атрибуции оценивают, какие маркетинговые каналы, стили сообщений, элементы дизайна и связанные с ними факторы с наибольшей вероятностью превратят пользователей в платящих клиентов. Это может помочь вашему бизнесу сосредоточиться на оттачивании и улучшении маркетинговой тактики с самыми высокими коэффициентами конверсии.
Увеличение рентабельности инвестиций (ROI): модели атрибуции могут помочь вашему бизнесу понять наиболее эффективные маркетинговые каналы или стратегии для превращения лидов в клиентов. Охват вашей целевой аудитории с помощью оптимизированного обмена сообщениями, времени и т. д. может повысить вашу отдачу от инвестиции (ROI) ставки.
Персонализированные сообщения и каналы для различных потенциальных клиентов: у большинства компаний есть несколько типов пользователей, которые различаются по предпочитаемому методу взаимодействия, маркетинговому каналу и другим факторам. Модели атрибуции могут помочь вашей компании создавать индивидуальные рекламные кампании для определенных групп вашей целевой аудитории.
Повышение экономической эффективности ваших маркетинговых усилий: модель атрибуции может помочь определить, какие маркетинговые каналы или кампании наиболее эффективны для конверсии. Маркетинговые команды затем могут пересмотреть или изменить свои бюджеты, чтобы сосредоточиться на наиболее эффективных маркетинговых усилиях, что может помочь сократить операционные расходы.
Ограничения моделирования атрибуции
Моделирование атрибуции может создавать потенциальные проблемы, такие как:
Сбор данных по каналам. Основная задача моделирования атрибуции — выяснить, какие взаимодействия следует учитывать и какую ценность каждое из них должно иметь. Это становится особенно сложной задачей, когда большинство компаний используют различные платформы, каналы и поставщиков для своих маркетинговых усилий.
Предположение о причинно-следственной связи: некоторые модели атрибуции предполагают, что конкретное взаимодействие непосредственно приводит к тому, что клиент совершает покупку. Однако могут быть внешние факторы или факторы, не включенные в модель, которые побуждают или влияют на покупку клиента, например, рекомендация друга.
Интеграция офлайн-данных. Офлайн-данные, относящиеся к конверсиям, такие как личные сетевые события или взаимодействия с витринами, может быть сложно включить в модели атрибуции. Процессы сбора и анализа данных в автономном режиме часто отличаются от алгоритмов, используемых для цифровых данных.