不要把归因与计量经济学,他们是苹果和橘子
前者方法是战术和中期,后者战略高度和长远,都有一个地方在你测量军械库。
营销归因及其相关性已经成为一个热门的话题,讨论比较输出的归因与计量经济学或营销组合模型(嗯),和提高的担忧“方差”和“正确”的营销方法测量。
是时候解决为什么这个比较锻炼既天真又无关紧要。测量技术的目的,不是为了竞争,他们是为了补充。不存在放之四海而皆准的解决方案。品牌所有者如何利用不同的能力和互补的整体营销效果套件将取决于他们的业务的个人需求。
基于规则与数据驱动的归因模式
混乱统治的“归因”一词,它描述了一个广泛的测量方法。诅咒,归因造型持久术语时过度使用谷歌推广last-click方法。这给所有信用销售采购之前客户做的最后一件事。
然后进化这个词来形容基于规则的模型,这同样将奖励立即生成之间的销售事件前,基于主观决定。虽然这些模型为营销人员提供有用的信息,但他们遭受缺乏客观性。他们还促进短期和孤立的思考。
归因造型,每个事件的野心在客户购买的旅程与它驱动的价值回报。这提供了强大的洞察市场营销的作用和影响。营销人员希望这一观点但需要一个公正,全面的方法,包括数字频道。
数据驱动的归因模型回答了这个需求。数据驱动模型提供一个公正的观点通过使用数学方法来确定每个营销行动的增量的影响。这些模型,也称为自定义属性模型,可以根据一个品牌的具体目标,段和见解。他们还可以提供更广泛的角度来看,覆盖旅途再购买。他们通常是更复杂的和复杂的,但提供更准确洞察营销性能。
解锁归因的全部潜力
在考虑数据驱动的归因模型时,重要的是要考虑将以下功能最大化的权力,准确性和实用性的见解:
- 一个基线测量是必要的以确保增量市场的影响,考虑所有的外部因素影响销售。
- 占所有接触营销通过测量印象以及点击和雇佣印象建模技术的实际数据并不容易。
- 连接所有的营销活动包括直接邮寄和电子邮件等非接触点、客户情况的完整视图。
- 包括经常项目媒体的直接影响电视和广播等数字活动归因模型,使用一个复杂的spot-matching方法。
营销人员应该意识到的好处一个数据驱动的定制属性模型,其中包括这些特性,更简单的归因技术相比,当进行比较的方法。
“金三”
比较归因模型和计量经济学就像比较苹果和桔子。归因的作用是理解个人客户行为和旅行,而计量经济学是关于理解市场和宏观因素的全面影响和一个聚合频道销售视图的司机。
适当时使用,数据驱动的归因模型有一个有益的和重要的作用在任何测量框架但不与计量经济学。他们不回答同样的问题或使用相同的技术。计量经济学是战略性的,长期和宏观;而归因是战术,中期和微观。
正确衡量有效性的最好方法是归因、试验和计量经济学一起评估性能。
在先前的文章中营销一yabo手机登入周,我们一直强调迫切需要营销人员采取更灵活和全面的测量方法,采用多个指标从不同的源周围形成一个合理的和连贯的故事营销的影响在整个漏斗,和营销组合的综合贡献。这需要一种更为复杂的方法,克服孤立的心态,培养了更简单的策略,使用多个数据源和各种测量技术获得一个全面的视图效果,和覆盖人类环境有意义的结果。
通过分级的一种方法是“错”和一个“正确”的,整体测量系统的好处是忽视。相反,首选的方法应该是使用最适合的解决方案的要求而被认知的这个选择的局限性。
谷歌最近的一篇论文支持这样的观点,正确衡量有效性的最好方法是归因、试验和计量经济学一起评估性能。实验可以验证,模拟结果不同,模型能够提高测试的结果纳入他们的假设。这允许使用适当的测量技术基于类型的你需要做出的决定。最近效率专家莱斯比奈这个描述为“综合ROI”,而另一些人将它称为“统一营销测量”或“金三”的方法。
这三种技术的组合创建一个持久的系统,可以适应任何不一致通过每个向其他人学习。这使得黄金三人更专注。
计量经济学提供了一个长期的战略销售前景驱动程序,并能预算和预测结果,但限制其功能进一步看活动——例如,创造性和关键字的水平。归因可以用于监控客户接触点和短期、细粒度的媒体渠道效率的预算。实验基于增量每种方法的观点来支持空中战术决策和克服任何差异。
工作室零售已经使用这种全面的测量方法的好处对性能,采用计量经济学和归因模型与试验花通过谷歌。
对未来的创新
需要敏捷的营销度量正在增长,传统方法是缓慢而昂贵的。数据差距——死亡造成的饼干和隐私法影响如何收集数据,除了围墙花园——也会限制测量功能,这可能迫使商家回少包容last-click方法。频道报道,独自坐在那儿以外的任何框架将变得越来越没有效果。
为了解决这个问题,营销人员之间寻求一个平衡电流方法和更快,成本更低的替代仍保留所需的输出。开源模式项目,如罗宾和元的LightweightMMM谷歌致力于自动化测量和快速构建模型,但仍需要一个造型技能和发展长期成为营销者需要功能丰富。那些选择使用这些方法不应低估长期验证所需的时间随着新功能的构建,错误是固定的和更新代码库的发行。但是,它是一个正确方向的一步的数据差异。
比较不同建模方法是徒劳的
计量经济学和归因方法有非常不同的角色来填补,他们互相补充而不是替代。整体测量框架应由通道混合和目标,结合多种输出达到一个通知视图。
数据变得越来越限制,测量模型方法克服这种差距将被整合。造型总是有一些模糊,但在今天的data-limited世界,现在比以往任何时候都更重要的是要适应不断变化的测量解决方案,使用人类的上下文,而不是单独的数据解释他们的输出。
汉娜韦德有效性主任Jaywing。
需要一种不同的机构吗?让我们谈谈。