การกำหนดคุณลักษณะแบบมัลติทัชเป็นศาสตร์ที่กว้างขวางซึ่งรวมวิธีการและรูปแบบต่างๆ ไว้มากมาย การทราบว่ารูปแบบใดเหมาะสมกับความต้องการทางธุรกิจของคุณนั้นขึ้นอยู่กับสิ่งที่คุณต้องการทำกับผลลัพธ์
This article explains the fundamentals of multi-touch attribution, highlights the differences in available methods and models, and helps you choose the right model for your business.
Multi-Touch Attribution คืออะไร?
Multi-touch attribution is a marketing effectiveness measurement technique that takes all of the touchpoints on the consumer journey into consideration and assigns fractional credit to each so that a marketer can see how much influence each channel has on a sale.
การกำหนดคุณค่าแบบมัลติทัชเสนอทางเลือกที่ซับซ้อนกว่าแนวทางการกำหนดคุณค่าแบบดั้งเดิมที่ใช้กฎเกณฑ์ เช่น การสัมผัสครั้งแรกและครั้งสุดท้าย ซึ่งจะให้เครดิตทั้งหมดแก่จุดสัมผัสทางการตลาดครั้งแรกหรือครั้งสุดท้ายก่อนที่ผู้บริโภคจะทำการแปลงผ่านการซื้อ ดาวน์โหลด หรือเหตุการณ์อื่นๆ
การใช้กฎเกณฑ์ที่ไม่แน่นอนทำให้วิธีการเหล่านี้ล้มเหลวในการวัดผลการมีส่วนร่วมของทุกจุดสัมผัสในการเดินทางของผู้บริโภคอย่างแม่นยำ ส่งผลให้ผู้ทำการตลาดต้องตัดสินใจโดยอิงจากข้อมูลที่เบี่ยงเบน
Multi-touch attribution eliminates biases by algorithmically allocating credit to every element of every touchpoint in the consumer journey, across marketing and advertising channels and tactics, according to its influence on driving a conversion event.
By leveraging individual, user-level data across addressable channels, such as direct mail, online display and paid search, multi-touch attribution calculates and assigns credit for a key performance indicator (KPI) event to the marketing touchpoints that influenced a desired business outcome.
ข้อมูลเชิงลึกเกี่ยวกับประสิทธิภาพในอดีตเหล่านี้ยังสามารถใช้เพื่อแจ้งการตัดสินใจในการวางแผนและเพิ่มประสิทธิภาพสำหรับแคมเปญในอนาคตและแคมเปญที่กำลังดำเนินการอยู่ได้อย่างมีประสิทธิภาพและประสิทธิผลยิ่งขึ้น
การเลือกโมเดลการกำหนดคุณลักษณะแบบมัลติทัช
มีโมเดลการกำหนดคุณลักษณะแบบมัลติทัชหลายประเภท และระดับความซับซ้อนของแต่ละโมเดลอาจแตกต่างกันอย่างมาก
วิธีการที่ใช้กฎเกณฑ์เป็นหลักนั้นมีความแตกต่างกันไป เนื่องจากอาศัยนักการตลาดในการกำหนดกฎเกณฑ์ในการจัดสรรเครดิตให้กับจุดต่างๆ หนึ่งจุดหรือหลายจุดในการเดินทางของผู้บริโภค
เมื่อเปรียบเทียบกันแล้ว วิธีการเชิงอัลกอริทึมจะใช้เทคนิคการสร้างแบบจำลองเชิงสถิติและการเรียนรู้ของเครื่องจักร ผลลัพธ์ของแบบจำลองเชิงอัลกอริทึมสามารถใช้คาดการณ์ผลลัพธ์เพื่อช่วยให้นักการตลาดวางแผนหรือปรับให้ความพยายามทางการตลาดในอนาคตเหมาะสมที่สุด
แต่แม้แต่โมเดลอัลกอริทึมก็ยังแตกต่างกันในแง่ของความซับซ้อนและความละเอียดของการคาดการณ์
No matter the method, all multi-touch attribution models help marketers determine the impact of their marketing investments at granular levels by assigning credit for a KPI event (e.g., conversion, lead, etc.) to one or more touchpoints.
ต่อไปนี้เป็นภาพรวมของโมเดลการกำหนดคุณลักษณะทั่วไปหลายแบบ:
การกำหนดคุณลักษณะแบบสัมผัสเดียวตามกฎ:
การสัมผัสครั้งสุดท้าย: ในโมเดลการสัมผัสครั้งสุดท้าย จุดสัมผัสครั้งสุดท้ายในการเดินทางของผู้บริโภคจะได้รับเครดิต 100% สำหรับกิจกรรม KPI เนื่องจากโมเดลนี้เคยเป็นวิธีการวัดผลการตลาดแบบเริ่มต้น นักการตลาดจึงมักใช้โมเดลนี้เป็นพื้นฐานในการเปรียบเทียบโมเดลการกำหนดคุณลักษณะแบบมัลติทัชอื่นๆ
การสัมผัสครั้งแรก: ในโมเดลการสัมผัสครั้งแรก จุดสัมผัสครั้งแรกในการเดินทางของผู้บริโภคจะได้รับเครดิต 100% สำหรับกิจกรรม KPI นักการตลาดมักใช้โมเดลนี้เพื่อวัดความพยายามทางการตลาดที่มุ่งหมายเพื่อกระตุ้นการรับรู้โดยเข้าถึงผู้บริโภครายใหม่เป็นครั้งแรก
การกำหนดคุณลักษณะแบบมัลติทัชตามกฎ
การถ่วงน้ำหนักแบบเท่ากัน: ในโมเดลการถ่วงน้ำหนักแบบเท่ากัน ซึ่งเรียกอีกอย่างว่าโมเดลเชิงเส้น จุดสัมผัสทั้งหมดในการเดินทางของผู้บริโภคจะได้รับเครดิตเท่ากันสำหรับเหตุการณ์ KPI นักการตลาดมักใช้โมเดลนี้เพื่อวัดความพยายามทางการตลาดที่มีวงจรการพิจารณาที่ยาวนาน ดังนั้นจึงมีความสำคัญที่จะต้องย้ำข้อความซ้ำหลายครั้งตลอดการเดินทางของผู้บริโภค นอกจากนี้ยังเป็นจุดเริ่มต้นที่ดีสำหรับนักการตลาดที่เพิ่งเริ่มต้นใช้การกำหนดคุณลักษณะแบบมัลติทัชและยังไม่มีความเข้าใจเกี่ยวกับการเดินทางของผู้บริโภคทั่วไปในช่องทางต่างๆ
ตามตำแหน่ง: ในโมเดลตามตำแหน่ง ซึ่งเรียกอีกอย่างว่าโมเดลอ่างอาบน้ำหรือรูปตัว U จุดสัมผัสแรกและจุดสุดท้ายในการเดินทางของผู้บริโภคจะได้รับเครดิตเป็นเปอร์เซ็นต์ที่สูงกว่าจุดสัมผัสระหว่างนั้น นักการตลาดมักใช้โมเดลนี้เมื่อต้องการให้ความสำคัญกับจุดสัมผัสที่ “เปิด” และ “ปิด” มากกว่าจุดสัมผัสที่ “สนับสนุน” ในช่วงกลางของการเดินทางของผู้บริโภค
การเสื่อมลงตามเวลา: ในโมเดลการเสื่อมลงตามเวลา เปอร์เซ็นต์ของเครดิตจะค่อยๆ เพิ่มขึ้นในขณะที่นำไปสู่จุดสัมผัสสุดท้ายในการเดินทางของผู้บริโภค นักการตลาดมักใช้โมเดลนี้เพื่อวัดความพยายามทางการตลาดที่มีวงจรการพิจารณาระยะสั้น เช่น แคมเปญส่งเสริมการขาย
การระบุคุณลักษณะแบบมัลติทัชแบบอัลกอริธึม
การระบุคุณค่าแบบเศษส่วน: การระบุคุณค่าแบบเศษส่วนใช้การเรียนรู้ของเครื่องจักรในการคำนวณและกำหนดเครดิตแบบเศษส่วนสำหรับตัวชี้วัดความสำเร็จที่กำหนดให้กับจุดสัมผัสและมิติทางการตลาดที่มีอิทธิพล (แคมเปญ ตำแหน่ง ผู้เผยแพร่ งานสร้างสรรค์ ข้อเสนอ ฯลฯ) ตลอดการเดินทางของผู้บริโภค และเพื่อแจ้งให้ทราบถึงการจัดสรรค่าใช้จ่ายทางการตลาดในอนาคต
นักการตลาดไม่เพียงแต่สามารถเข้าใจการจัดสรรงบประมาณที่เหมาะสมที่สุดในระดับช่องทางและช่องทางย่อยเท่านั้น แต่ยังเข้าใจในระดับที่ละเอียดที่สุด เช่น คำหลัก ตำแหน่ง และความคิดสร้างสรรค์อีกด้วย โดยแบบจำลองจะถูกสร้างขึ้นใหม่บ่อยถึงวันละครั้ง ดังนั้นนักการตลาดจึงสามารถตัดสินใจเพิ่มประสิทธิภาพได้ในขณะที่แคมเปญยังอยู่ระหว่างดำเนินการ
การกำหนดคุณลักษณะแบบเพิ่มขึ้น: การเพิ่มขึ้นคือการวัดการเพิ่มขึ้นของค่าใช้จ่ายโฆษณาต่ออัตราการแปลง การเพิ่มขึ้นนั้นเหมาะที่สุดที่จะใช้ในการกำหนดไม่เพียงแค่ว่าจะจัดสรรงบประมาณที่ไหนเท่านั้น แต่ยังรวมถึงว่าจะจัดสรรงบประมาณเท่าใดด้วย
นักการตลาดสามารถกำหนดได้ว่าแคมเปญ งานสร้างสรรค์ และการจัดวางใดมีประสิทธิภาพดีที่สุด และควรลงทุนในสิ่งเหล่านั้นหรือไม่ การเพิ่มขึ้นยังคำนึงถึงปัจจัยอื่นๆ เช่น การรับรู้แบรนด์ที่มีอยู่ก่อนและปัจจัยด้านประชากรศาสตร์ ในขณะที่การจัดสรรแบบเศษส่วนไม่ได้คำนึงถึงปัจจัยเหล่านี้
รุ่นไหนเหมาะกับคุณที่สุด?
ในยุคที่นักการตลาดต้องรับผิดชอบต่อผลลัพธ์มากขึ้นเรื่อยๆ แนวทางใดๆ เหล่านี้ก็ดีกว่าการวัดผลแบบแยกส่วนหรือไม่มีการวัดผลเลย วิธีการเหล่านี้จะช่วยให้คุณเข้าใจเส้นทางของผู้บริโภคที่คุณไม่เคยรู้มาก่อน
ท้ายที่สุด การตัดสินใจว่าโซลูชันการกำหนดคุณลักษณะแบบมัลติทัชใดเหมาะสมกับคุณขึ้นอยู่กับเป้าหมาย ความต้องการทางธุรกิจ และวิธีที่คุณต้องการใช้เอาต์พุตเพื่อปรับปรุงประสิทธิภาพการตลาดของคุณ
Learn more about Nielsen helps you continuously track, measure and optimize your marketing tactics.
ดาวน์โหลด this ebook to learn more about attribution.
