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
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
I canali di analisi upper funnel sono 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
Nell’analisi lower funnel, 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”.
In questo caso, 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
Supponiamo che l’ipotesi sia: “nel nostro settore (ad es., viaggi), la finestra di attribuzione è 60 o 90 giorni, non 30 giorni, perché i clienti fanno molte ricerche prima di acquistare un prodotto”.
In questo caso, è necessario cambiare l’intervallo di lookback impostandolo su 90 giorni.
Passaggio 3: utilizzare l’attribuzione algoritmica
Se non disponi ancora di un modello di attribuzione che fornisca risposte soddisfacenti a tutte le domande, puoi utilizzare l’attribuzione algoritmica. Poiché è molto difficile convalidare un numero elevato di ipotesi e combinazioni possibili, l’attribuzione algoritmica utilizza algoritmi incorporati per allocare credito tra gli elementi dimensionali.
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.