Mengapa Kebanyakan Analisis Atribusi Apakah cacat fatal

A+ A-

“-Klik terakhir atribusi sudah mati!

“Modeling Media-mix adalah kunci keberhasilan pemasaran!”

“Tanpa model atribusi akurat Anda membuang dolar pemasaran Anda !!”

Pada SMX Barat pekan lalu lorong-lorong yang bergema dengan teriakan bersemangat tentang analisis atribusi. Tampaknya seolah-olah semua topik (selain menangani pencarian Yahoo-Microsoft) telah mengambil kursi belakang sejenak, dan tiba-tiba hal yang paling penting untuk dipertimbangkan adalah analisis atribusi, khususnya apakah atau tidak Anda memberikan terlalu banyak kredit untuk SEM dan tidak cukup untuk media lain.

Percayalah, saya berbagi antusiasme masyarakat pada topik. Ini jelas salah satu masalah pemasaran besar berikutnya secara online untuk memecahkan. Dan meskipun fakta bahwa bergerak menjauh dari-klik terakhir atribusi menuju model atribusi lebih elegan dan akurat dapat benar-benar hanya berfungsi untuk mengalihkan anggaran jauh dari SEM dan menuju saluran lain, saya pikir itu hal yang benar untuk dilakukan. Tapi setelah berbicara dengan orang sebanyak mungkin, mengumpulkan data saya sendiri dan meminta pendapat, saya yakin bahwa kita masih jauh dari menjadi salah pandai dalam hal ini sama sekali.

Saat ini tampaknya ada dua tipe dasar pendekatan, baik yang tampaknya saya untuk menjadi cacat fatal.

Salah satu pendekatan yang saya lihat di pasar, yang ditawarkan oleh berbagai layanan jika tidak kredibel, memiliki pengiklan memasuki persentase ke dalam kotak pada layar, menetapkan bagian-bagian dari nilai konversi ke saluran-25 yang berbeda pemasaran% untuk SEM, 35% untuk tampilan, 15% untuk email, dan sebagainya. Sebagai pengiklan besar sendiri, saya bisa mengatakan bahwa pendekatan ini memberikan seseorang seperti saya sepenuhnya terlalu banyak kredit sebagai pemasar canggih. Saya tidak tahu siapa saja yang memiliki pemahaman yang cukup baik pada bisnis mereka dan implikasi dari analisis atribusi untuk membuat keputusan cerdas dalam jenis situasi. Tidak ada ketukan di sesama pengiklan saya, tapi serius, ini adalah jalan keluar dari liga kami. Meski begitu, perwakilan Google menyatakan selama panel saya moderasi, bahwa mereka berniat hanya untuk menyediakan data yang berhubungan dengan atribusi, menempatkan beban analisis pengiklan.

Pendekatan lain yang saya lihat muncul adalah pendekatan kotak hitam berbasis matematika. Hal ini lebih mungkin dilakukan di rumah oleh pengiklan besar, menggunakan pemodelan statistik dan prediksi untuk mensimulasikan model atribusi yang berbeda, dan pemetaan hasil mereka untuk metrik bisnis seperti keuntungan, pendapatan atau ROI. Sementara saya pikir ada nilai yang signifikan dalam melakukan matematika keras dan memahami masalah ini dari sudut pandang statistik, metodologi ini cenderung picik. Saya tidak percaya ada satu ukuran cocok untuk semua pendekatan analisis atribusi mana Anda hanya membuang data pemasaran Anda, dan keluar ajaib muncul model atribusi yang memaksimalkan keuntungan, misalnya. Hanya saja tidak generik masalah.

Sangat mudah bagi saya untuk duduk kembali dan mengkritik status quo-jadi mengapa tidak menawarkan beberapa solusi, Anda katakan? Nah, di sini berjalan: Saya membayangkan suatu pendekatan tiga tahap yang mengambil beberapa elemen dari praktek-praktek yang ada, kemudian menggabungkan dan memperluas mereka untuk memberikan yang lebih lengkap, solusi yang tepat untuk setiap pengiklan.

Tahap pertama melibatkan orang pintar berbicara satu sama lain. Revolusioner, tidak ada? Kita perlu seorang spesialis atribusi untuk memimpin off upaya ini dengan melakukan analisis yang cukup lengkap bisnis dan pemasaran online program pengiklan. Dimulai dengan tujuan bisnis dan siklus adopsi produk, analisis jendela konversi, pada audit saluran-by-channel dari kedua pemasaran online dan offline. Tujuan dari konsultasi ini dan analisis adalah untuk memberikan masukan yang tepat ke dalam fase dua.

Tahap dua adalah model super-matematika saya jelaskan di atas. Dengan input yang tepat yang berkaitan dengan bisnis pengiklan dan metrik yang, pemodelan statistik yang dibutuhkan untuk memprediksi semua hasil yang mungkin dan memahami model yang terbaik akan mendukung tujuan bisnis pengiklan.

Akhirnya, fase tiga membuat semua ditindaklanjuti ini. Kita perlu cara untuk mencabut kebijaksanaan keluar dari fase dua dan menerapkannya langsung ke saluran media yang sebenarnya pengiklan berjalan. Idealnya kita akan menemukan cara untuk mengotomatisasi ini atau setidaknya mengotomatisasi rekomendasi, yang kemudian oleh mudah diimplementasikan ke media membeli sendiri.

Tapi sebelum salah satu dari kami berlari ke dalam dunia analisis atribusi dan pemodelan campuran media, mari kita melangkah mundur dan melihat panjang di cermin: Saya tidak tahu cara untuk realistis menarik semua ini off jika pengiklan tidak memiliki sistem pelacakan / analisis umum untuk semua saluran pemasaran. Jadi sebelum kita mulai mempekerjakan analis mahal, konsultan dan ahli statistik, mari kita pastikan untuk membersihkan rumah kita sendiri dan mendapatkan data kita sendiri dalam rangka. Standarisasi analisis dan pengukuran pada platform tunggal sehingga Anda dapat membandingkan “apel dengan apel.” Kemudian Anda dapat mulai untuk fokus pada hal-hal menyenangkan.


Pendapat yang dikemukakan dalam artikel ini adalah dari penulis tamu dan belum tentu Search Engine Land. Penulis staf tercantum di sini.


Ads

Bagikan