Baptiste Amar, vezető adatelemző, egy tört attribúciós modellt tervezett, hogy pontosabban tudja jóváírni a marketingcsatornák bevételtermelésre gyakorolt hatását. Ez a cikk egy 3 részes sorozat 1. része arról, hogyan tervezte meg és hajtotta végre a modellt. Az első részben Baptiste megteremti az alapokat az attribúciós modellek alapjainak és kihívásainak bemutatásával.
A második részben Baptiste a modelltervezési folyamatot, az adatok összegyűjtését és formázását, valamint a Markov-láncok modell módosítását követi. A 3. részben mélyen belemerül az adatvezérelt modell rendszerekben való telepítésének kihívásába, valamint a modell valós marketingkampányokon történő nyomástesztelésébe, hogy biztosítsa annak relevanciáját. Ha még nem tetted meg, kövess minket a LinkedIn-en, hogy naprakész maradj a 2. és 3. részhez.
Miért van szükségünk adatvezérelt attribúciós modellekre?
A marketingben a hit- vagy szakértelem-alapú költségvetési allokációk ideje már régen lejárt. Az adatok és az analitika üzleti stratégiákba való fokozott behatolásával a marketingvezetők még több kihívással szembesülnek: Mostantól folyamatosan bizonyítaniuk kell intézkedéseik értékét.
De nem csak a marketingesek szembesülnek ezzel az új kihívással. A hozzám hasonló, marketingre szakosodott adatelemzők feladata, hogy értékes és hasznosítható tartalmat nyújtsanak a marketingesek számára, legyen szó akár gyors meglátásokról, akár nehéz modellezésről. Végső soron ez segít az operatív marketingcsapatoknak jobb döntések meghozatalában, például az optimális médiamix kialakításában, a hatékonyabb kampányok indításában vagy a vonzóbb tartalom létrehozásában.
Az üzleti probléma ilyen alapvető megértése nélkül gyakorlatilag lehetetlen releváns frakcionális attribúciós modellt tervezni és alkalmazni.
A GetYourGuide-hoz hasonló érett marketingszervezetekben az analitika alapvető fontosságú, amikor az erőforrások elosztásáról van szó: A médiamenedzsereknek anyagra van szükségük ahhoz, hogy a pénzügyi érdekeltek beleegyezzenek, és végül felszabadítsák a működési költségvetést.
Ebben az összefüggésben az egyik legnagyobb kihívás a médiabefektetések megtérülésének mérése: Mennyi bevételt hozott az egyes csatornákra vagy kampányokra fordított befektetés? Ezt a strukturális kérdést többféle megközelítés keretében lehet megválaszolni, amelyek mindegyike megbízható adatokat és kifinomult modellezést igényel.
A kérdés megoldásának egyik szokásos módja, hogy a bevételt a marketingcsatornák között aszerint osztjuk fel, hogy azok milyen hatást gyakoroltak annak előteremtésére. Erről szól az attribúciós modellezés.
Ez is érdekelheti:
Marketing és konverzió
A termék online megvásárlása előtt a vásárlók sokféle marketingeszközzel találkozhatnak. A konverzióhoz vezető útra példa lehet:
1. Egy vásárló lát egy bannert egy weboldalon, amely a GetYourGuide-on történő Tour Eiffel jegyfoglalásra hivatkozik (display hirdetés), és rákattint. Konvertálás nélkül böngészik a készletünket.
2. Néhány nappal később lekérdezi a Google keresőmotorban a Tour Eiffel jegyeket, és rákattint a GetYouGuide hirdetésre (fizetett keresés), hogy ismét elérje platformunkat, és felfrissítse emlékezetét az általunk kínált tevékenységekről. Böngészés közben feliratkoznak hírlevelünkre.
3. Egy héttel az ügyfél utolsó látogatása után egy akcióalapú e-mailt kap, amely emlékeztet a Tour Eiffel jegyre, rákattint az e-mailre, rákeres weboldalunkon a túrára, amelyre szemet vetett, és lefoglalja a látnivalót.
A konverzióhoz vezető úton három marketingcsatorna vett részt: a display, a fizetett keresés és az e-mail.
Ha ennek a három csatornának szeretnénk jóváírni a bevétel megfelelő részét – attól függően, hogy milyen hatással voltak a konverzióra -, melyik csatornának tulajdonítanánk a legtöbbet?
a. A display hirdetésnek, mert ez vezette ügyfelünket először a weboldalra és késztette arra, hogy fontolóra vegye a márkánkat?
b. A fizetett keresésre való kattintás, mert valószínűleg sokkal továbblökte az ügyfelet a vásárlási szándékban?
c. Az e-mail érintkezési pont, mert az ügyfelet konvertálásra késztette?