Best practice di attribuzione

La scelta del modello di attribuzione corretto per l’organizzazione dipende da una serie di considerazioni. Questo articolo esplora una metodologia e alcune best practice generali.

Passaggio 1: analisi esplorativa

NOTA

Questa analisi deve essere eseguita prima di scegliere un modello di attribuzione.

Questa fase consiste inizialmente nel comprendere il comportamento del cliente e definire le metriche di conversione. In base alle metriche di conversione, strumenti come Feed dati (per dati non elaborati) o Analysis Workspace facilitano la comprensione di

  • Quanti clienti toccano diversi canali di marketing prima della conversione?
  • La proporzione/distribuzione di questi comportamenti.

Ad esempio, se il 50% dei clienti tocca 3 canali prima della conversione, esiste un’interazione tra questi 3 canali?
Per comprendere meglio la situazione, puoi quindi eseguire un’analisi upper funnel o lower funnel.

Analisi upper funnel

L’analisi upper funnel esamina i canali utilizzati per creare awareness del brand o del prodotto. Ad esempio, la maggior parte degli annunci TV hanno come obiettivo la brand awareness. Con il passare del tempo, le persone si dimenticheranno del tuo annuncio TV, e potresti quindi usare il modello di attribuzione Time decay (Decadimento temporale).

Analisi lower funnel

In questa analisi, il presupposto è che le persone conoscano già il tuo marchio e che il tuo obiettivo sia la conversione. Utilizza notifiche e-mail o push o annunci Facebook.

Passaggio 2: attribuzione basata su regole

Lo scopo di questo passaggio è quello di convalidare le tue ipotesi.

Esempio 1

Supponiamo che l’ipotesi sia “il primo canale di contatto ha un impatto maggiore sulla conversione rispetto all’ultimo”. Per testare questa ipotesi, utilizza il modello di attribuzione “a J inversa”. Questo modello attribuisce il 60% del credito al primo punto di contatto.

Esempio 2

L’ipotesi potrebbe essere: “nel nostro settore (ad es., viaggi), la finestra di attribuzione è 60 o 90 giorni, non 30 giorni, perché i clienti fanno molta ricerca prima di acquistare un prodotto”. Potresti quindi cambiare l’intervallo di lookback impostandolo su 90 giorni.

Passaggio 3: utilizzare l’attribuzione algoritmica

Poiché è molto difficile convalidare un numerose ipotesi e combinazioni possibili, puoi utilizzare l’attribuzione algoritmica e lasciare che siano gli algoritmi incorporati a fare i calcoli necessari. Se hai già trovato il modello di attribuzione perfetto che risponde e si adatta a tutte le domande, allora ovviamente non devi fare questo passaggio.

Altre considerazioni

  • Potrebbe essere necessario avvalersi anche di un data scientist, invece di affidarsi solo ad Analysis Workspace.
  • Puoi fare affidamento sui dati non elaborati, come nei feed di dati di Adobe.
  • Customer Journey Analytics potrebbe essere utile, ad esempio, se desideri considerare i dati relativi alle impression.

In questa pagina