Atribuční modelování pro idioty (a marketéry)

Foto: Pixabay

Atribuce, tedy vyhodnocování zásluh, ve výkonnostním marketingu postupně získává svou zaslouženou pozornost. Měření efektivity jednotlivých kampaní (jestli vůbec přinášejí nějaké obraty) je pro mnohé marketéry na prášky, proto jednoduše zásluhy připisují poslednímu kanálu, který dovedl zákazníka před nákupem na web. Což je špatně!

Aby bylo jasno, sám se mezi idioty a marketéry řadím. Protože jsem dlouho nebyl schopný pochopit atribuční modely přes matematické rovnice, vymyslel jsem pro ně jednoduchá porovnání, která stačí k pochopení a zapamatování principů všech obvykle používaných atribučních modelů používaných v digitálním marketingu.

Heuristické (= úplně na prd) atribuční modely

Modely s jedním zdrojem atribuce

• Last click: Všechnu slávu bere útočník, i když je úplná lama, všechno oddřel zbytek týmu a on jen nastavil nohu do střely.
• First click: Za všechno zlé i dobré, co jsem kdy udělal, může moje matka, protože stála na počátku existence. Tyhle modely mají k realitě asi takový vztah, jako je každý Čech lepší fotbalový trenér než ten, co zrovna sedí na lavičce nároďáku.

Data-driven (statistické) atribuční modely

Statistické atribuční modely se na rozdíl od heuristických snaží spočítat pravděpodobnost, se kterou daný kanál přispěl ke konverzi.

Shapley

Každý máme takového kamaráda. Když se ukáže na party, je to vždycky legendary. Pak jednou nepřijde a je hrozná nuda. Pravděpodobnost, že za dobrou party může právě on, je dost velká. Taky je ale možné, že to umí roztočit jenom v páru se svým wing-manem. Kdo ví?

Kdybychom mohli zanalyzovat tisíce party, z nichž na některých kamarád byl a na některých nebyl, dokázali bychom poměrně přesně říct, jaká je pravděpodobnost, že on je rozhodujícím prvkem pořádné kalby. To samé bychom mohli udělat pro libovolného hosta (= kanál) kterékoliv party (= konverzní cesty). Průser Shapleyho je, že nebere do úvahy pořadí. Někdo je skvělý rozjížděč, co v jedenáct upadne do kómatu. Držet se ve čtyři ráno ještě na nohou je zase jiná disciplína.

Markov

Jak se šíří drby ve firmě? Někdy se k vám dostanou přímo od zdroje, jinde k vám doputují přes šest lidí a někdy se zacyklí a nedoputují k vám vůbec. Mirek to ví jako první a řekne to na obědě Monice, Monika na toaletě Jarce a Jarka v kanclu zase Mirkovi. Pak až jde Mirek za vámi. Když z řetězce odstraníte Mirka, máte asi smůlu a nic nového se nedozvíte. Monika a Jarka jsou ale v tomto případě zbytečné, protože když je z řetězce vypustíte, Mirek vám to stejně řekne. Mirek je proto nejhodnotnější informátor.

Jak zjistit, kdo je největší drbna (= nejpřínosnější kanál) dlouhodobě? Posílejte zaměstnance na tři měsíce na zahraniční cestu a sledujte, o kolik méně drbů k vám připutuje. Pokud pořád stejně, tak ten, co byl odejit, nepřispíval ke konverzím vůbec.

• Markov 1. řádu: Zkoumá se vliv posunu informace (= přispění ke konverzi) na bezprostředně následující osobu (kanál).
• Markov 2. řádu: Zkoumá se vliv posunu informace na dvě následující osoby, protože kdybyste třeba často interagovali jen s Bohoušem, který je němý a nic by nikam dál neposunul, Markov 1. řádu by to mohl dávat za vinu vám. Pak byste byli za největšího tajnůstkáře ve firmě, a to by jako nebylo fér! 

Který atribuční model je nejlepší?

Ze zde prezentovaných asi Markov. Shoduje se na tom většina datových analytiků i našich klientů.

A co imprese?

Pravda je, že samotným výběrem modelu ještě nemáme vyhráno. Ty totiž většinou pracují jen s kliky. Přestože na 99,9 % reklam nikdo neklikne, ovlivňují imprese naše nákupní chování. Konverzní cesty je proto nutné o imprese obohatit. A to je teprve téma pro idioty (a marketéry)!