A multi-touch attribution marketing egy adatvezérelt megközelítés annak mérésére, hogy mely marketing érintkezési pontok (touchpoints) érdemlik az elismerést egy konverzióért. Ahelyett, hogy csak az ügyfél márkáddal való első vagy utolsó interakcióját jutalmazná, a multi-touch attribution a teljes ügyfélút során osztja szét a kreditet. Ez azt jelenti, hogy láthatod minden egyes csatorna — email, social media, paid search, organic content, ajánlások — valódi szerepét abban, ahogy valakit a vásárlás vagy feliratkozás felé tereltél. A költségkeretüket több csatornán kezelő marketingesek számára a váltás a single-touch modellről a multi-touch modellre elengedhetetlen, hogy ne pazarolják a pénzt olyan csatornákra, amelyek értékesnek tűnnek, de valójában nem hoznak eredményt.
A legtöbb analytics platform alapértelmezés szerint last-click attribution-t használ, mert egyszerű követni. Az ügyfél lát egy Facebook hirdetést, elolvassa a blogodat, kattint egy Google keresési találatra, és vásárol. A last-click 100%-ban a Google-nek tulajdonítja a konverziót. Emiatt a Google Ads zseniálisnak tűnik, minden más pedig feleslegesnek. De ez a blogbejegyzés vitte közelebb a vásárláshoz. A Facebook hirdetés ismertette meg vele a márkádat. A last-click figyelmen kívül hagyja a teljes ügyfélutat, és arra késztet, hogy túl sokat fektess a bottom-funnel csatornákba, miközben elhanyagolod az awareness-törekvéseket, amelyek valójában a keresletet építik.
A különböző modellek eltérően osztják szét a kreditet. A lineáris attribution minden interakciónak egyenlő súlyt ad. A time-decay modell a legutóbbi érintkezési pontokat értékeli nagyobbra. A position-based modellek az első és az utolsó interakcióra helyezik a hangsúlyt. Az adatvezérelt modellek machine learning segítségével rendelnek kreditet a konverziós minták alapján. A választott modell a vállalkozásodtól függ: a B2B cégek gyakran az early awareness-t értékelő modelleket részesítik előnyben, míg az e-commerce vállalkozások súlyozhatják jobban az utolsó kattintást. A kulcs az, hogy olyat válasszunk, amely tükrözi, hogyan viselkednek a valódi ügyfeleid az útjuk során.
Okosabb büdzsé-döntéseket hozol. Nem finanszírozod túl azokat a csatornákat, amelyek csak begyűjtik a keresletet, de nem hozzák létre azt. Felfedezed, mely csatornakombinációk működnek a legjobban — talán az email plusz paid search jobb konverziót hoz, mint a social plusz organic. Kiegyensúlyozott marketing mixet építesz a teljes tölcséredben ahelyett, hogy mindent a bottom-funnel taktikákra tennél fel. Azonosíthatod a hiányosságokat is a stratégiádban, ahol több csatorna hiányzik. Az ügyfélút ezen adatvezérelt nézete megelőzi a drága hibákat, és segít hatékonyabban elosztani a kampánykeretet.
Robusztus analytics infrastruktúrára van szükséged az összes csatorna minden interakciójának követéséhez, ami gyakran speciális attribution platformokat igényel. Az adatvédelmi szabályozások és az iOS-változások megnehezítették a cross-device követést. Ki kell választanod a vállalkozásod számára megfelelő modellt is, ami tesztelést igényel. A kis csapatok gyakran híján vannak az erőforrásoknak vagy a technikai szakértelemnek a megfelelő implementáláshoz, ezért sokan még mindig az egyszerűbb modellekre támaszkodnak. Reálisabb egy alapmodellel kezdeni és idővel fejleszteni, mint azonnal tökéletes rendszert építeni.
Vissza a szójegyzékhez