Я всегда был немного атимация Циник. Не потому, что измерение не имеет значения … это происходит. Но потому что так много обнаженных, которые совершают покупку, никогда не будут взяты в журнале. Вы замечаете, что сосед запускает точную модель и модель, которую вы контролировали. Вы ловите 15 -секундную рекламу в гостиничном номере в деловой поездке. Беззаботный комментарий коллеги меняет эту функцию как обязательную.

Ни один из этих моментов не появился в вашей аналитике, но они меняют готовность, выбор и чувствительность к цене. Поэтому я призвал клиентов относиться к поддержке принятия решений, а не доказательством зала суда. Хорошей новостью является то, что обучение машины (ML) теперь может разделять кредиты между контактными точками и оценивать растущее влияние событий, даже если играют несколько факторов.

Что означает атрибуция

Изображение является практикой предоставления конверсии кредита или дохода для контактной точки маркетинга, которая затронула его. Цель не в том, чтобы внести никаких победителей; Это необходимо понять, как каналы, сообщения и моменты работают вместе, чтобы вы могли более мудро инвестировать в следующий доллар.

• Последний щелчок: Заслужить последнее прикосновение перед конвертацией. Это просто и оперативно, но он преувеличивает с более низким воздействием воронков и оценивает понимание и соображения.
• Первый щелчок: Кредит самый первый штрих. Это помогает вам увидеть, кто знакомит людей с вашим брендом, но часто игнорирует тяжелую помощь и закрытие работы.
• Линейный атрибут: Разделите кредит одинаково на все наблюдаемые штрихи. Он поддерживает политический мир, но редко отражает, как нарастает влияние.
• Атрибут времени, чтобы остановиться: Дает больше кредитных штрихов ближе к конверсии. Он признает обзор, хотя это может быть ранний вес веса, необходимого для начала поездки.
• К позиционированию (U-/W-форме) атрибуция: Зарезервируйте большие акции для первого и последнего штриха (а иногда и средние повороты), распространяя остальную часть другого взаимодействия. Это отражает обычные закономерности, но все еще существует правило, которое вы надеваете, а не модель, которую вы открываете.
• Атрибут на основе данных: Используйте машинное обучение, чтобы учиться на фактических поездках и предоставить дробные кредиты на основе инвестиционного преобразования каждой контактной точки. Это требует достаточных данных, но лучше отражает реальность, чем фиксированные правила.

Почему приписывание одного прикосновения — это миф

Реальные решения о покупке — это сумма многих небольших ню. Социальные новости заставляют продукт чувствовать себя человеком. Страница продукта подтверждает основы. Пользовательское видео показывает неожиданный вариант использования. Какая -то одна звезда рассматривает парадоксально формирует уверенность в компромиссах поверхности. Когда время и цена, наконец, выровняются, появляется повторная реклама. Правила, которые принуждают первый или последний Чтобы взять всех, не соответствуют этому танцу, поэтому бюджеты движутся к тому, что легко измерить, а не то, что действительно движет поведением.

Скрытые слои атрибуции, которые вы не можете отслеживать

Даже лучшим наборам данных не хватает влияния сетки: автомобиля соседа на обочине дороги, быстрый разговор в коридоре конференции или демонстрацию магазина, на который вы наткнулись, покупая что -то еще. Эти невыполненные моменты могут привлекать интерес к интересам, восприятие или ускорение решений — однако они никогда не показываются в группе вашей аналитической информации.

Внешние события также имеют значение. Дни оплаты, возврат налогов, школьные календари, праздники и даже погода могут побудить всех покупать или в гостях. Семейные поворотные моменты, такие как переезд, взятие или отправку нового ребенка в колледж, могут внезапно сделать продукт подходящим. Конкуренты, такие как падение цен или запуск продукта, могут привести к спросу или падениям, которые ваши средства массовой информации, возможно, не вызвали напрямую.

Хорошая ссылка признает эти силы и косвенно отражается. Вы можете принести прокси -серверы, такие как тенденции поиска бренда, продажи геолевея, данные о погоде, календари событий или короткие опросы клиентов, чтобы взять сигналы из автономного мира. Хотя вы никогда не будете измерять все воздействия, включение этих показателей в анализ помогает вам отделить истинное влияние маркетинга от более широкого контекста жизни, который формирует поведение клиентов.

Что меняет ИИ с атрибуцией

Машинное обучение улучшает атрибуцию двумя дополнительными способами. Прежде всего, он поддерживает общий кредит, оценивая, как каждая точка контакта меняет вероятность конверсии, когда он присутствует по сравнению с отсутствием. С идеями из теории кооперативных игр, вы можете честно распространять кредиты через штрихи, которые действительно имеют значение. Во -вторых, он поддерживает причинно -следственную оценку количественного определения постепенного подъема — разницы между тем, что произошло, и тем, что могло произойти без кампании, канала или последовательности.

Два практических примера делают это реальным. Моделирование увеличения предсказывает, кто покупает, потому что они видели сообщение, а не только тот, кто покупает; Это позволяет вам нацелиться на уверенную аудиторию и перестать тратить на людей, которые все равно трансформировались. Методы очереди с надлежащим временем оцениваются путем запуска, изменений цен или общего воздействия новых расходов, если рандомизированные тесты невозможно. Облоится современным мультимедийным моделированием, которое формирует расходы на бренд, рекламные акции, сезонность и распространение-вы получаете систему планирования, которая уважает полную воронку, а не просто щелчок.

От кредитного перерыва до оценки воздействия

Общие кредитные модели работают, анализируя модели во многих поездках с клиентами, а не одной покупкой. Они проверяют наличие или отсутствие каждой контактной точки (посещение, история покупки, E -пасти, социальные новости, поисковые рекламные объявления, впечатления) тысячи или миллионы поездок, а затем рассчитаны на то, как каждый из них влияет на возможность преобразования, когда она появляется. Это создает частичное распределение кредита, показывая степень, в которой каждый канал или взаимодействие вносит вклад в другие. Вместо того, чтобы объявить один ПобедительМодель признает работу команды, связанную с переходом от понимания к действию.

Методы причинно -следственной связи идут еще дальше, оценивая степень — разницу между тем, что произошло, и тем, что могло произойти без определенной точки контакта или кампаний. Сравнивая аналогичные поездки с событием и без него, а также контролируя другие факторы, эти модели могут изолировать подъем для этих специальных действий. Они также могут имитировать гипотетические факты: что произойдет, если контактная точка была введена в заказе, нацеленная в другом сегменте или получила больший бюджет? Результатом является не просто обычный кредит, но количественно определяет, насколько этот срез действительно переместил иглу.

Используя вместе, общие кредиты и причинно -следственные связи превращают ссылку из таблицы статических результатов в динамический инструмент принятия решений. Вы можете увидеть не только то точки контакта, которые появляются в поездках на победу, но и кто, когда он появляется, создает победы. Эта комбинация помогает уменьшить внутренние дебаты на Какой канал получает продажиВместо этого он фокусируется на разговоре, в котором порядок касания, в котором инвестиционный уровень обусловлен наиболее важными изменениями в поведении. Это изменение позволяет предоставлять бюджет на основе доказанного воздействия, а не только видимости посредством преобразования.

Практический рабочий процесс, который уважает грязное путешествие

Начните с выразительных конвертирующих определений и стабильного канала и таксономии контактных точек. Используйте модель на основе данных в качестве вашей эксплуатационной линии для обучения вашего ежедневного кредита, а не догадается. Уровень для причинно -следственных исследований в решениях, которые являются важными: провести эксперименты, когда вы можете, используйте моделирование высоты для целевых вопросов выбора аудитории и применяйте гипотетические временные строки, когда эксперименты нецелесообразны. Добавьте моделирование Media-Mix, чтобы контролировать распределение бюджета по всей воронке и принять во внимание автономный и невидимый.

Продолжайте обогащение ваших предполагаемых сигналов, таких как завершение видео, глубина пересмотра и локатор, чтобы использовать ваши модели вид Больше, чем клики. И продолжайте напоминать заинтересованным сторонам, что некоторые эффекты всегда будут невидимыми; Смирение — это функция, а не ошибка.

Как сообщить об атрибуте

Водителям не нужен алгебра час; Им нужны решения. Сообщите о совместном кредите, чтобы помочь группам понять сотрудничество между прикосновениями, увеличение подъема с неопределенностью и финансовым воздействием на корреляцию. Он также предоставляет конкретные рекомендации по перераспределению для действий. Свяжите каждую рекомендацию для предстоящих результатов бизнеса и плана проверки.

Вещи, чтобы увеличить интеллект атрибута

• Чтобы стандартизировать результаты и окна: Определите первичные и вторичные преобразования, правила соответствия и окна, которые вы ищете впереди. Четкие стандарты устраняют шумные дебаты и делают модели сопоставимыми с течением времени.
• Инструмент, означающий поведение средней воронки: Отслеживание сигналов, таких как завершение видео, чтения обзора, использование локатора магазина и глубина контента. Дальнейшие поведенческие данные создают более надежные общие кредиты и причинно -следственные связи.
• Принять общую кредитную базовую линию: Создать справочный представление на основе данных. Он отражает наблюдаемые инвестиции, а не фиксированные правила и поддерживает ежедневную оптимизацию справедливой.
• Измерить целевую степень: Если возможно, используйте эксперименты, моделирование для подъемников для выбора целевой аудитории и гипотетических временных линий, если тесты невозможны. Решения должны быть закреплены на лифте, а не в корреляции.
• Треугольник с мультимедийным моделированием: Вставьте модель, которая отражает расходы на бренда, сезонность, рекламные акции и распределение, чтобы вы могли планировать бюджеты в разных каналах, в том числе с ограниченной видимостью уровня пользователя.
• Модель гетерогенности и последовательности: Определите, кто получает выгоду, от которых отчеты и в каком порядке. Расходы должны наблюдаться в моделях причинно -следственной связи аудиторией и фазой путешествий, а не в среднем.
• Воспринимать невидимый прокси -сервер: Включите географический подъем, импульс поиска бренда и прост Как вы узнали о нас? данные. Эти сигналы помогают отображать автономные и неисследованные эффекты.
• Конфиденциальность и долговечность: Благоприятные методы, которые работают с составленными или согласованными данными и избегают хрупких зависимостей на идентификаторах, которые могут исчезнуть. Измерение должно быть устойчивым к изменению политики.
• Имитировать перед потраченными: Используйте свои модели, чтобы проверить изменение бюджета, ограничения частоты и изменения последовательности в Silico. Приходите на планирование встреч с смоделированными результатами, компромиссами и рисками.
• Сообщите о неопределенности и управляйте системой: Поделитесь диапазоном надежности и чувствительности, версии ваших моделей, допущений документов и регулярно планируйте… надежность, когда измерение дисциплинировано.

Картинка никогда не подразумевалась как однократная карта. С приобретением машин вы можете справедливо поделиться кредитом, оценить то, что действительно растет, и с большей уверенностью планировать свой следующий доллар — даже когда несколько событий, в том числе те, которые вы никогда не отслеживали, приняли окончательное решение.