Χαίρετε! Σκεφτείτε το εξής σενάριο: Κάποιος πάει στο γραφείο με το αυτοκίνητο, άλλοι δύο παίρνουν το λεωφορείο και ένας τέταρτος πάει με τα πόδια, αλλά και οι τέσσερις όταν μπουν στο κτίριο, παίρνουν το ασανσέρ. Σας καλούν να αποφασίσετε ποιο ήταν το σημαντικότερο μέσο για τη μεταφορά τους από το σπίτι στο γραφείο. Και εσείς απαντάτε “το ασανσέρ, φυσικά!”. Πώς σας ακούγεται; Παράλογο; Ίσως εξωφρενικό; Και όμως…! Αυτός είναι ο τρόπος με τον οποίο οι περισσότεροι από εμάς μετράμε αυτήν τη στιγμή την αξία των διαφημιστικών μας καναλιών (κάποιοι περίεργοι τύποι το ονομάζουν Last Click Attribution).

Το παράδειγμα με βάση, το οποίο ο πελάτης σας αγοράζει από εσάς, αμέσως μετά την πρώτη, παρθενική του επίσκεψη στο website σας, είναι απλά σενάριο επιστημονικής φαντασίας στις μέρες μας. Ένα μέσο session αναζήτησης για ένα προϊόν, ξέρουμε πλέον ότι περιλαμβάνει έξι έως οκτώ επισκέψεις σε διαφορετικούς δικτυακούς τόπους. Μετά από αυτές τις επισκέψεις, συνήθως, αποφασίζει ο πελάτης σας από πού θα αγοράσει και αναμφίβολα, οι περισσότερες αγορές είναι αποτέλεσμα πολλαπλών αλληλεπιδράσεων. Κάπως έτσι, εισάγεται στη ζωή μας η έννοια του Attribution Modeling. Νομίζατε ότι μπορείτε να ξεφύγετε από αυτό; Όπως συνηθίζουμε να λέμε σε άπταιστα ελληνικά… Think again!

(Εικ.1: Say hello to Attribution Modeling)

 

Προβλήματα που βρίσκουν λύση με το Attribution Modeling

Είναι γεγονός ότι όσοι ασχολούμαστε με το χώρο του digital marketing, βρισκόμαστε συχνά αντιμέτωποι με πολλά αναπάντητα ερωτήματα, που μέχρι τώρα έμοιαζαν να οδηγούν σε αδιέξοδο:

  • Θαυμάσια! Έχω στρατηγική marketing… Τι αποδίδει και τι όχι;
  • Ποιο είναι το πιο αποτελεσματικό κανάλι προβολής;
  • Ποιες από τις διαφημιστικές καμπάνιες μου έχουν το μεγαλύτερο ROI;
  • To AdWords είναι μαγικό. Το αγαπώ! Αρκεί όμως μόνο το AdWords;
  • Παρατηρώ ότι οι e-mail marketing καμπάνιες φέρνουν μεγάλο όγκο επισκεπτών στο website μου, αυτοί όμως τελικά δεν αγοράζουν. Έχουν όφελος για εμένα αυτές οι επισκέψεις;
  • …

Ο κατάλογος είναι συχνά ατελείωτος. Τα ερωτήματα αυτά, δε, έχει γίνει πιο δύσκολο από ποτέ να απαντηθούν, αφού από τότε που οι marketers ξεκίνησαν να κάνουν cross channel campaigns (display ads, video, search, social media, websites, apps) και οι χρήστες να αλληλεπιδρούν ταυτόχρονα μέσω διαφορετικών συσκευών: mobile, desktop, tablet, αυξήθηκε έντονα η πολυπλοκότητα και ο βαθμός δυσκολίας στη μέτρηση και αξιολόγηση της απόδοσης των ενεργειών σε κάθε διαφορετικό στάδιο.

 

(Εικ.2: Cross Device & Multi Touch Attribution)

 

Όλα αυτά, επιτέλους, βρίσκουν απάντηση μέσω των εντυπωσιακών δυνατοτήτων του Attribution Modeling. Το κλειδί που έρχεται να γεφυρώσει όλο το φάσμα του media mix και των multi-channels με πολύτιμα και ακριβή insights. Το εντυπωσιακό, και αυτό που κάνει ξεχωριστό το Attribution Modeling, είναι ότι καλύπτει όλα τα στάδια της “decision making” διαδικασίας του χρήστη, από τη γνωριμία του με το προϊόν ή την υπηρεσία μας, μέχρι να μετατραπεί σε πελάτη, γεγονός που οδηγεί στην πλήρη κατανόηση, αφενός του intent του και του τρόπου που αλληλεπιδρά με εμάς, και αφετέρου, του τρόπου που αλληλεπιδρούν μεταξύ τους τα διαφορετικά προωθητικά κανάλια που χρησιμοποιούμε  (ένας έρωτας γεννήθηκε… ). Πάμε να δούμε πώς!

Στην iNous Marketing Labs αποφασίσαμε να ετοιμάσουμε για εσάς κάποια χρήσιμα tips, έτσι ώστε να εφαρμόσετε το Attribution Modeling αποτελεσματικά και να απογειώσετε την απόδοση των ενεργειών σας. Σας διαβεβαιώνουμε ότι πολύ σύντομα η μέθοδος αυτή θα μετατραπεί στην πιο “γλυκιά” καθημερινή σας πρόκληση!

 

Το Attribution Modeling σήμερα

Το Attribution Modeling, κερδίζει όλο και μεγαλύτερο έδαφος στο χώρο του digital marketing με τους πιστούς ακόλουθούς του να αυξάνονται ραγδαία. Ωστόσο, ενδεικτικό είναι πως ενώ η τεχνολογία εξελίσσεται, τα Attribution Models (μοντέλα απόδοσης) πρώτου ή τελευταίου κλικ που χρησιμοποιούν οι περισσότεροι marketers παγκοσμίως, δεν δίνουν την πλήρη εικόνα. Άλλοι, μόλις που έχουν αρχίσει να ασχολούνται με την επιφάνεια των multi-channels και cross-device attribution. Παρ’ όλα αυτά η μονομερής προσέγγιση των δύο σεναρίων δεν θα αυξήσει τα έσοδα του πελάτη μας και ο λόγος, βέβαια, κρύβεται πίσω από την σύνθετη πραγματικότητα του customer journey που επιβεβαιωμένα έχει αλλάξει εντελώς τα τελευταία χρόνια!

 

(Eικ.3: Customer journey)

 

Σύμφωνα με την Salesforce, πλέον ένας υποψήφιος αγοραστής, χρειάζεται να εκτεθεί στο μήνυμά μας έξι έως οκτώ φορές μέχρι να φτάσει στο “decision making” στάδιο και να ολοκληρώσει την παραγγελία. Ένα ταξίδι, στο οποίο συμπλέκονται διαφορετικά κανάλια, ενέργειες offline και online αλλά και διαφορετικές συσκευές. Συνεπώς, είναι κρίσιμο να εξετάσουμε τι γίνεται και στα οκτώ αυτά στάδια, για κάθε ξεχωριστή ενέργεια και όχι μόνο κατά τη διάρκεια του Last Click, δηλαδή της αμέσως προηγούμενης ενέργειας του πελάτη μας, πριν την αγορά. Στην πραγματικότητα, η σωστή ανάλυση των δεδομένων από όλα τα touchpoints (όλα τα κανάλια μέσω των οποίων έχει αλληλεπιδράσει ο πελάτης μαζί μας σε έναν κύκλο πώλησης) και όχι μόνο από το τελευταίο, μπορεί να αποδειχθεί πραγματικό χρυσωρυχείο.

Το μόνο βέβαιο όμως, είναι ότι εάν δεν παρακολουθήσουμε όλο το media mix, το αποτέλεσμα θα είναι άγνοια και ανακρίβειες. Να θυμάστε: Εάν δεν το μετρήσουμε, δεν θα μπορέσουμε να το διαχειριστούμε!

 

(Εικ.4: John Wanamaker)

 

Τι είναι το Attribution Modeling και ποια Attribution Models υπάρχουν

(Εικ.5: Attribution Modeling)

 

Attribution Μodeling είναι η διαδικασία, μέσω της οποίας πιστώνεται αξία στα διάφορα σημεία επαφής ενός conversion path, τα οποία συντελούν στην ολοκλήρωση μίας μετατροπής. Με αυτόν τον τρόπο μας δίνεται η δυνατότητα να αξιολογήσουμε το σύνολο των marketing ενεργειών μας και να εντοπίσουμε αυτές που θα αποφέρουν το μεγαλύτερο δυνατό ROI, αφού θα γνωρίζουμε πλέον με ακρίβεια ποια κανάλια και συσκευές αλλά και σε τι βαθμό, οδηγούν τους χρήστες σε conversions (micro-conversions, leads, acquisitions, transactions) και ποια όχι.

(Φωνές, χειροκροτήματα, καρδούλες στα μάτια και άλλα τέτοια!)

Στη συνέχεια, εάν με τη μελέτη του Attribution Model που έχουμε επιλέξει, αποδειχθεί ότι ένα συγκεκριμένο κανάλι είναι εκείνο που αποδίδει καλύτερα συγκρινόμενο με τα υπόλοιπα, κατευθύνουμε αντίστοιχα τη στρατηγική μας (και τη δαπάνη μας) προς αυτό. Ταυτόχρονα, μπορεί να αποφασίσουμε να επενδύσουμε σε άλλες συμπληρωματικές ενέργειες που ενισχύουν το εν λόγω κανάλι (π.χ. στοχευμένα newsletter, targeted search ads).

Παρακάτω, θα αναλύσουμε και ποια Attribution Models (μοντέλα απόδοσης) υπάρχουν διαθέσιμα και το πώς αυτά λειτουργούν.

Αξιοσημείωτο όμως, είναι ότι μέχρι πρότινος, στον ψηφιακό κόσμο, το Last Click Attribution Model κυριαρχούσε, αφού ήταν εξ ορισμού επιλεγμένο και στο Google AdWords και στο Google Analytics. Αυτό, βέβαια, είναι λογικό αφού ως μοντέλο είναι εύκολο και κατανοητό και είναι πολύ κοντά στη “γραμμή τερματισμού”… την ολοκλήρωση της αγοράς. Ταυτόχρονα, όμως, είναι επικίνδυνα απλοϊκό, αφού δεν είναι ικανό να περιγράψει με ακρίβεια το σύνολο του customer journey. Μετά τη μετάβαση από το σταθερό κόσμο των desktops, στη χρήση των mobile συσκευών, η μελέτη όλων των touchpoints είναι επιτακτική και όχι μόνο του Last Click.

Άλλωστε, ανακοινώθηκε και επίσημα από την Google στην ετήσια εκδήλωση Google Marketing Next 2017 ότι καλωσορίζουμε το Google Attribution και αποχαιρετάμε οριστικά την αποκλειστική χρήση του Last Click.

 

Τι κάνει το κάθε μοντέλο και πότε να το να επιλέξω;

(Εικ.6: Attribution Models)

Δείτε εδώ πως τα παρουσιάζει η Google.

 

Ήρθε η ώρα (επιτέλους!) να μπούμε στην ουσία των Attribution Models και να μελετήσουμε, όχι μόνο τις ιδιαιτερότητές τους, αλλά και τις περιπτώσεις στις οποίες το κάθε ένα από αυτά είναι κατάλληλο.

Ας πάρουμε σαν βάση το εξής σενάριο:

Υποψήφιος πελάτης βρίσκει το Website σας κάνοντας κλικ σε μία από τις διαφημίσεις σας στο AdWords. Επιστρέφει μία εβδομάδα αργότερα, κάνοντας κλικ σε ένα post στο Facebook και ύστερα σε μία διαφήμιση Display. Την επόμενη ημέρα, επιστρέφει για τέταρτη φορά, μέσω του Newsletter που έχει λάβει από εσάς και λίγες ώρες αργότερα επιστρέφει ξανά με απευθείας επίσκεψη στο Website και κάνει μία αγορά αξίας $100.

 

Τώρα, ας δούμε πως αυτά αποτυπώνονται κάτω από το μικροσκόπιο του κάθε Attribution Model!

 

Last Click (Single-touch attribution model): 

(Eικ.7: Last Click Attribution Model)

 

Πώς λειτουργεί: To Last Click είναι το πιο συνηθισμένο μοντέλο και παράλληλα το πιο ανακριβές. Αποδίδει 100% της αξίας στο τελευταίο touchpoint που γίνεται αμέσως πριν ολοκληρωθεί το conversion, το οποίο στο παράδειγμα της παραπάνω εικόνας είναι το Direct. Πρακτικά, αυτό το μοντέλο αποδίδει όλο το ποσό των $100 στο Direct κανάλι.

Πότε να το χρησιμοποιήσω: Αυτό το μοντέλο είναι χρήσιμο όταν θέλετε να εντoπίσετε τα κανάλια που είναι “closers”.

Παράδειγμα: Όταν χρησιμοποιείτε πολλά κανάλια ταυτόχρονα για την προβολή σας και δεν είσαστε σίγουροι για το κανάλι ή την ενέργεια που οδηγεί τον πελάτη σας στο conversion.

 

First Click (Single-touch attribution model): 

(Eικ.8: First Click Attribution Model)

 

Πώς λειτουργεί: Είναι το ακριβώς αντίθετο από το Last Click μοντέλο. Τώρα, αποδίδεται το 100% των credits στο πρώτο touchpoint του πελάτη, δηλαδή με βάση την παραπάνω εικόνα, στην Search διαφήμιση. Πρακτικά, αυτό το μοντέλο αποδίδει όλο το ποσό των $100 στην Search διαφήμιση.

Πότε να το χρησιμοποιήσω: Είναι χρήσιμο όταν θέλετε να εντοπίσετε τις ενέργειες και τα κανάλια “openers” που δημιουργούν καινούργιους πελάτες.

Παράδειγμα: Εάν έπρεπε να διευρύνεται τη στόχευσή σας, θα μπορέσετε να χρησιμοποιήσετε αυτό το μοντέλο για να προσδιορίσετε τα κανάλια που είναι πιθανότερο να παράγουν νέους δυνητικούς πελάτες / πωλήσεις και να αυξήσετε τις δαπάνες σας σε αυτά.

Πότε να το αποφύγω: Όπως ίσχυε και στην περίπτωση του Last Click, σε όλες τις περιπτώσεις όπου ο κύκλος αγοράς είναι μεγάλος και οι ενέργειες μάρκετινγκ είναι multi-channel, αυτό το μοντέλο είναι αναποτελεσματικό και δεν θα σας δώσει τις λεπτομερείς πληροφορίες που χρειάζεστε για τη σωστή κατανομή του marketing budget. Κοινώς, μείνετε μακριά του!

 

Linear (Multi-touch attribution model): 

(Eικ.9: Linear Attribution Model)

 

Πώς λειτουργεί: Αυτό το μοντέλο είναι πιο εξειδικευμένο και αποτελεσματικό από τα First Click και Last Click μοντέλα. Δίνει την ίδια βαρύτητα σε κάθε touchpoint, ανεξάρτητα από το ρόλο που έπαιξαν αυτά στο customer journey. Στη συγκεκριμένη περίπτωση αποδίδει $20 σε κάθε ένα από τα στάδια.

Πότε να το χρησιμοποιήσω: Όταν ο κύριος στόχος σας είναι να διατηρείτε την επαφή με τους πελάτες σας σε βάθος χρόνου ανεξάρτητα με το στάδιο το οποίο βρίσκονται στον κύκλο πώλησης. Κατά συνέπεια, κάθε ένα από τα touchpoints έχει την ίδια αξία. Τι ουτοπία κι αυτή;

Πότε να το αποφύγω: Το Linear σας προτείνουμε να το χρησιμοποιήσετε μόνο όταν απειλείται η ζωή σας. Σε κάθε άλλη περίπτωση είναι τελείως άχρηστο, αφού είναι ανεδαφική η προσέγγιση ότι όλα τα touchpoints έχουν ακριβώς την ίδια αξία ως προς το τελικό αποτέλεσμα.

 

Position Based (Multi-touch attribution model): 

(Eικ.10: Position Based Attribution Model)

 

Πώς λειτουργεί: Είναι γνωστό και ως μοντέλο “σκάλα”. Αποδίδει υψηλότερη τιμή στο πρώτο και το τελευταίο touchpoint (συνήθως 40%) και μοιράζει το υπόλοιπο της αξίας μεταξύ των ενδιάμεσων touchpoints που απομένουν. Αυτό σημαίνει, με βάση το παράδειγμα της παραπάνω εικόνας, ότι στην Search διαφήμιση και στην Direct επαφή, αντιστοιχούν από $40 και στα υπόλοιπα τρία κανάλια από $6,60.

Πότε να το χρησιμοποιήσω: Χρησιμοποιείται κυρίως για βραχυπρόθεσμες ενέργειες και προωθήσεις, στις οποίες ο σκοπός είναι να γίνουν conversions στο συντομότερο δυνατό χρόνο.

Παράδειγμα: Εάν αξιολογείτε ως πολυτιμότερο για εσάς το πρώτο βήμα στο οποίο σας γνώρισαν οι καταναλωτές και ταυτόχρονα το βήμα στο οποίο έγινε τελικά το conversion.

Πότε το αποφεύγω:  Όταν γνωρίζετε ότι οι πελάτες σας, για το συγκεκριμένο προϊόν ή την υπηρεσία που προωθείτε, συνήθως αποφασίζουν πάρα πολύ γρήγορα να ολοκληρώσουν την αγορά. Μπορεί να προκαλέσει αυθαίρετη, δύσκολα κατανοητή κατανομή της αξίας στα κανάλια.

 

Time Decay (Multi-touch attribution model): 

(Eικ.11: Time Decay Attribution Model)

 

Πώς λειτουργεί: Ένα πιο ακριβές μοντέλο, στο οποίο αποδίδεται αξία σε όλα τα κανάλια, θεωρώντας όμως πολυτιμότερα αυτά που είναι πιο κοντά στην αγορά (Ενδιαφέρον ακούγεται!). Ο Avinash Kaushik συνηγορεί υποστηρίζοντας ότι τα προηγούμενα touchpoints  έχουν λιγότερη αξία, αφού όπως λέει χαρακτηριστικά “αν τα πρώτα κανάλια στην πορεία του καταναλωτή προς την παραγγελία ήταν υπέροχα, γιατί δεν έγινε τότε το conversion;”. Στο παράδειγμα της παραπάνω εικόνας, αναλογούν $5 στην Search διαφήμιση, $10 δολάρια στην Facebook διαφήμιση, $15 στην Display, $30 στο Newsletter και, τέλος, $40 στο Direct.

Πότε να το χρησιμοποιήσω: Αποτελεί την πιο ασφαλή και αποδοτική μέθοδο για κάποιον με μεγάλο κύκλο πώλησης, ειδικά για το πρώτο διάστημα χρήσης του Attribution Modeling αφού είναι ταυτόχρονα το πιο ακριβές και το πιο εύκολα κατανοητό. Αγαπάμε το Time Decay Attribution Model!

Παράδειγμα: Δίνει αξία ακόμα και στις “υποβοηθούμενες ενέργειες”. Με αυτήν τη μέθοδο μπορείτε να αξιολογήσετε την αποδοτικότητα καναλιών συνδυαστικά και να δείτε ποια από αυτά έχουν τη μεγαλύτερη αξία.

Πότε να το αποφύγω: Να μην το αποφεύγετε!

 

Custom Attribution Modeling:

Υπάρχει και ένα έκτο μοντέλο, απόλυτα εξατομικευμένο, το οποίο χρησιμοποιείται από ελάχιστους marketers ανά τον κόσμο (εμείς βέβαια συμπεριλαμβανόμαστε σε αυτούς και σας έχουμε νέα…). Με το Custom Attribution Model, μπορείτε να εκμεταλλευτείτε ως σημείο εκκίνησης τα Linear, First, Last, Time Decay και Position Based μοντέλα και, στη συνέχεια, να προσθέσετε και άλλους παράγοντες που θεωρείτε σημαντικούς για την επιχείρησή σας, δημιουργώντας έτσι το δικό σας καταπληκτικό μοντέλο απόδοσης. Αποφύγετε να επιλέξετε αυτό το μοντέλο εάν πρώτα δεν έχετε πειραματιστεί με τα υπόλοιπα.

Στην παρακάτω εικόνα (Εικ.12) βλέπετε ένα ολοκληρωμένο Custom Attribution Model:

(Eικ.12: Custom Attribution Model)

 

Προσοχή, γιατί προσπαθώντας να δημιουργήσετε το δικό σας μοντέλο μπορεί να οδηγηθείτε σε πρόσθετη, περιττή πολυπλοκότητα, με μεγάλο κίνδυνο για τον πελάτη σας. Γι’ αυτό επιτρέψτε μας να επαναλάβουμε την πρόταση μας: Χρησιμοποιείστε εκτενώς τα παραπάνω διαθέσιμα μοντέλα και όταν αισθανθείτε απόλυτα εξοικειωμένοι με αυτά, τότε να αρχίσετε να πειραματίζεστε δημιουργώντας Custom Attribution Models.

 

Προκλήσεις του Attribution Modeling

Σε αυτό το σημείο, θα σας επιτρέψω να πάρετε μια βαθιά ανάσα.

Σας δίνω λίγο χρόνο ακόμη…

Ας υποθέσουμε λοιπόν, ότι αποφασίζετε να εντοπίσετε το πραγματικό ROI των επενδύσεων του πελάτη σας στο σύνολο του media mix. Στην παρακάτω εικόνα (Εικ. 13) βλέπετε κάποιες από τις προκλήσεις που αντιμετωπίζουν οι περισσότεροι marketers, λίγο πριν αποφασίσουν να εισάγουν στην πρακτική τους το εκπληκτικό Attribution Modeling και οι ενέργειές τους μετατραπούν σε αποτελεσματική πηγή εσόδων.

 

(Eικ.13: Προκλήσεις και δυσκολίες του Attribution Modeling)

 

Αρχίζει να περιπλέκεται; Μην αποθαρρύνεστε! Να θυμάστε ότι όταν ξεπεράσετε αυτά τα εμπόδια, θα καταφέρετε να πάρετε τα περισσότερα αποτελέσματα από τις ενέργειές σας. Πέρα από κάθε αμφιβολία αξίζει τον κόπο!

 

Actionable Insights στο Google Analytics:

Πριν προχωρήσετε σε οποιαδήποτε ενέργεια, πρέπει πρώτα να ορίσετε goals ή e-commerce tracking στο Google Analytics. Μην παραλείψετε να διαβάσετε το  άρθρο της Google με τις σχετικές οδηγίες για το πώς θα στήσετε τα goals και το αντίστοιχο σχετικό άρθρο για το στήσιμο του e-commerse tracking.

Στη συνέχεια, θα δείτε ότι το Google Analytics αρκεί για να ανοίξει ένας τεράστιος δίαυλος πληροφοριών, ικανός να σας αποκαλύψει ποια διαφημιστικά κανάλια είναι τα σημαντικότερα για εσάς. Δείτε παρακάτω κάποια reports, πέραν του Attribution Modeling, που θα σας φανούν χρήσιμα:

 

Top Conversion Paths report

(Eικ.14: Top Conversion path report)

 

Η ανάλυση του report “Top Conversion Paths” είναι ένας πολύ καλός τρόπος για να εντοπίσετε τις πιο δημοφιλείς διαδρομές των πελατών σας προς την παραγγελία και πόσες φορές οι χρήστες αλληλεπιδρούν με κάθε κανάλι πριν ολοκληρώσουν το conversion.

 

Conversions > Multi-Channel Funnels > Overview

(Eικ.15: Multi-Channel Funnels Overview report)

 

Μέσω αυτού του report, μπορείτε να καταλάβετε με μια ματιά πόσο τα διαφορετικά κανάλια μάρκετινγκ συνεργάζονται για να αυξήσουν τις μετατροπές και σε τι ποσοστό συντελεί το καθένα. Στα διαφορετικά σημεία τομής των κύκλων εμφανίζεται το ποσοστό κατά το οποίο αυτά τα κανάλια λειτουργούν συνδυαστικά. Θυμηθείτε να κάνετε κλικ επάνω στους κύκλους!

 

Model Comparison Tool

(Eικ.16: Model Comparison Tool report)

 

To Model Comparison tool σας επιτρέπει να επιλέξετε ταυτόχρονα δύο ή και τρία μοντέλα απόδοσης και να αξιολογήσετε την απόδοση των διαφημιστικών καναλιών που συμμετέχουν για την επίτευξη των conversions (macro και micro conversions).

Με αυτόν τον τρόπο μπορείτε να επιβεβαιώσετε αν τα κανάλια σας λειτουργούν σωστά σε βάθος χρόνου. Για παράδειγμα, εάν επιλέξετε στο Model Comparison tool ταυτόχρονα τα First Interaction, Linear και Last Interaction (προσοχή, να τα βάλετε με αυτήν τη σειρά ακριβώς), μπορείτε να δείτε ποια από τα κανάλια λειτουργούν ως “openers” και ποια ως “closers”.

  • Εάν παρατηρήσετε σε ένα decision maker κανάλι ότι δεν αυξάνονται τα conversions όσο πλησιάζει το τέλος του customer journey, τότε χρειάζεται να ενισχύσετε τις ενέργειές σας για το στάδιο αυτό.
  • Τέλος, βλέπετε ανά κανάλι, ανάλογα το μοντέλο απόδοσης που έχετε επιλέξει, σε ποια περίπτωση το CPA (Cost Per Acquisition) είναι χαμηλότερο.

 

Assisted Conversions report

(Eικ.17: Assisted Conversion report)

 

  • Assisted Conversions ή υποβοηθούμενες μετατροπές: Είναι ο αριθμός των conversions στα οποία τα διαφορετικά κανάλια εμφανίστηκαν σε οποιοδήποτε στάδιο του customer journey, εκτός του Last Click (δηλαδή, της ακριβώς προηγούμενης ενέργειας πριν την μετατροπή).
  • Assisted Conversion Value ή υποβοηθούμενη τιμή μετατροπής: Είναι η συνολική οικονομική αξία των Assisted Conversions.
  • Last Click or Direct Conversions: Είναι ο αριθμός των conversions στα οποία τα κανάλια ήταν “closers”, εμφανίστηκαν δηλαδή στο ακριβώς προηγούμενο στάδιο πριν ολοκληρωθεί η μετατροπή.
  • Last Click or Direct Conversions Value: Είναι η συνολική οικονομική αξία των Last Click or Direct Conversions.
  • Assisted/Last Click or Direct Conversions: Ο αριθμός αυτός αντιπροσωπεύει το ρόλο του κάθε καναλιού στο σύνολο του customer journey. Όσο υψηλότερη είναι η τιμή του λόγου Assisted / Last Click or Direct Conversion, τόσο πιο σημαντικό είναι ένα κανάλι μάρκετινγκ, για την ολοκλήρωση των conversions και αντίστροφα. Τι σημαίνει αυτό;
    • Εάν η τιμή είναι μικρότερη από το 1 και κοντά στο 0, τότε ο ρόλος του καναλιού αυτού είναι σημαντικότερος κατά την ολοκλήρωση της διαδικασίας του conversion. Έχει δηλαδή, μεγαλύτερη τάση να οδηγεί conversions τελευταίου κλικ (“closer”).
    • Εάν υπάρχει τιμή μεγαλύτερη από το 1, τότε το κανάλι αυτό έχει μια τάση να εμφανίζεται νωρίτερα στον κύκλο πώλησης. Αυτά τα κανάλια λαμβάνουν μηδενική αξία στα μοντέλα απόδοσης τελευταίου κλικ και έχουν υποβοηθούμενη αξία (“opener”).

 

 

Τελικά, αξίζει να εφαρμόσω κάποιο Attribution Model;

Εάν έχετε καταφέρει να φτάσετε την ανάγνωσή σας έως εδώ (κερδίζοντας τον αιώνιο σεβασμό μου), ίσως έχετε ξεχάσει το παράδειγμα με το ασανσέρ. Εάν όχι, τότε γνωρίζετε ήδη την απάντηση. Ταυτόχρονα, σε ότι αφορά την αξία του Attribution Modeling, ακόμη και τα καλύτερα αλγοριθμικά μοντέλα ενδέχεται να μη λάβουν υπόψη κάποιον παράγοντα-αιτία φτωχών αποτελεσμάτων. Δεν πρέπει να ξεχνάτε ότι ο κάθε πελάτης είναι μοναδικός και ενδεχομένως κανένα από τα παραπάνω μοντέλα να μην περιγράφει τη συμπεριφορά του 100%. Ωστόσο, ενώ το ιδανικό σενάριο είναι η δημιουργία ενός Custom Attribution Model, ακόμη και η εφαρμογή κάποιου από τα προαναφερθέντα μοντέλα, θα σας δώσει αναμφίβολα μια πιο ολοκληρωμένη εικόνα από αυτήν που ενδεχομένως θα είχατε συνεχίζοντας να βασίζεστε αποκλειστικά στο Last Click (#not), για την αξιολόγηση των αποτελεσμάτων σας.

Συμπερασματικά, το Attribution Modeling μπορεί να σας βοηθήσει να βρείτε ανεξερεύνητες περιοχές ευκαιριών, αρκεί να δοκιμάσετε να συγκρίνετε τα αποτελέσματα, να προβλέψετε, και έτσι να κατανοήσετε τον πραγματικό αντίκτυπο της κάθε ενέργειας μάρκετινγκ, στα αποτελέσματά σας.

 

Μη διστάσετε να μοιραστείτε τις σκέψεις σας:

Εδώ, αυτή η σύντομη (!!) αφήγηση της ιστορίας αγάπης μου με το Attribution Modeling έφτασε στο τέλος της. Ελπίζω να την απολαύσατε όσο εγώ. Σε κάθε περίπτωση, εσάς, τους εναπομείναντες αναγνώστες μου, σας έχω ήδη στην καρδιά μου. Mη διστάσετε να μοιραστείτε τις απόψεις σας για το Attribution Modeling στα σχόλια παρακάτω.

Εσύ που είδες το πόσο μικρό είναι το elevator (ναι, αυτό το μικρό μαραφέτι στα δεξιά του παραθύρου που ανεβοκατεβάζει τη σελίδα), τρόμαξες και διαβάζεις από σπόντα την τελευταία μου παράγραφο… να το ξέρεις, έχεις όλη μου την κατανόηση. Ωστόσο ένα share ως ένδειξη μετάνοιας, είναι πέραν κάθε αμφιβολίας αυτό που πρέπει να κάνεις!