Scopri la potenza del pannello Attribuzione e degli intervalli di lookback in Adobe Analytics per comprendere meglio il percorso dei tuoi clienti.

La prima volta che ho visto il pannello Attribuzione e l’intervallo di lookback, ho pensato subito al concetto di “viaggio nel tempo”; poi, ovviamente, ho pensato alla tipica reazione quando ci troviamo di fronte a molti nuovi strumenti come questi, ossia evitare di usarli perché sembrano così complicati.

Davvero: quante opzioni, switch, pannelli, dati e manopole. E poi, vogliamo parlare di tutti quelle cose complicate, luci lampeggianti, tubi, strumenti... Ma no! Non è il momento di distrarsi parlando di macchine del tempo, perché semplicemente non be abbiamo il... tempo, o no?

Ammetto che il  pannello Attribuzione è uno strumento abbastanza complesso; tuttavia, nel nostro lavoro di analisti, giorno dopo giorno, utilizziamo un altro dei nostri strumenti preferiti e altamente complessi per dare un’occhiata anche a ciò che è successo nel passato. Questo strumento si chiama Adobe Analytics! Quindi sì, per rispondere alla nostra domanda altamente pertinente, credo che abbiamo molto tempo.

Perché lasciarci intimorire dal provare strumenti così incredibili, sofisticati e potenti come questi, che ci permettono letteralmente di guardare  indietro  (o “look back”, come si dice appunto in inglese) nel tempo, ogni singolo giorno?

Dopotutto... Si tratta di VIAGGIARE NEL TEMPO!! E noi ci occupiamo proprio di questo tipo di cose. Giusto?

Quindi, cosa aspettiamo? Di trovarci sotto casa un’auto futuristica o una cabina telefonica vintage con un vecchio ombrello che fa da antenna?

Certo che no! Abbiamo qualcosa di ancora migliore, quindi allacciati la cintura e reggiti forte!

Vabbeh... hai capito cosa intento.

Ora che siamo carichi all’idea di un viaggio nel tempo, facciamo un respiro profondo e un passo indietro e vediamo cos’è davvero il  pannello Attribuzione e di cosa è composto:

Figura 1 - Numeri visualizzati in linea con il testo riportato di seguito

Nell’attribuzione, considera semplicemente il modo in cui eventi o azioni possano essere causati da una o più persone o da particolari eventi nel tempo.

Secondo Adobe, l’attribuzione  consente agli analisti di personalizzare il modo in cui a diversi elementi Dimensione  vengano attribuiti specifici eventi di successo.

Di fatto, raramente un dato percorso clienti è realmente lineare e tanto meno prevedibile. Ogni cliente procede secondo il proprio ritmo: spesso torna indietro, si ferma, inizia di nuovo o mostra altri comportamenti non lineari. Queste azioni organiche rendono difficile conoscere l’impatto effettivo delle attività di marketing lungo il percorso del cliente. Inoltre, ostacolano il ogni tentativo di collegare più canali di dati tra loro.

Esatto. Lasciamo da parte le analogie con il “domino” e apriamo la mente a concetti più simili all’effetto farfalla e alla teoria delle stringhe. Ma, come sempre, iniziamo dalle basi.

Modelli di attribuzione

Quando si utilizza il pannello Attribuzione, possiamo iniziare a osservare alcune cose. Ad esempio, i  modelli di attribuzione  ci dimostrano in che modo le conversioni  (ad esempio, ❶  metriche di successo) possono essere distribuite tra diversi  hit  in un dato gruppo.

In pratica, se  10 persone  premono un  GRANDE PULSANTE ROSSO  per varcare una porta, i modelli di attribuzione  ci diranno a quali di queste  10 persone  vogliamo attribuire il merito di aver premuto detto pulsante, o meglio quanto merito vogliamo attribuire loro,

Tenendo presente questo aspetto, ecco alcuni esempi di come i ❸  modelli di attribuzione  potrebbero influire su quelle  10 persone:

• Primo contatto: questo modello funziona esattamente come sembra, assegnando il 100% del merito  alla  prima  persona che ha varcato la porta. In genere, i marketer usano questo approccio per tattiche come social media o  display; tuttavia, è anche un’ottima tattica da utilizzare per l’efficacia dei prodotti consigliati nel sito.

• Ultimo contatto: questa tattica funziona esattamente come sembra, assegnando il 100% del merito all’ULTIMA persona che ha varcato la porta. Questo modello viene solitamente usato per analizzare elementi come  ricerca naturale (organica)  e altre campagne marketing con ciclo  a breve termine.

• Lineare: questo modello assegna lo stesso merito a OGNI SINGOLA PERSONA che ha varcato la porta.

• A forma di U: questo approccio assegna il  40%  del merito alla  prima persona  che varca la porta, poi distribuisce il 20%  del merito a  tutte altre eccetto l’ultima, e quindi dà il 40%  all’ultima  persona. Questo modello viene utilizzato soprattutto in situazioni con un lungo ciclo di conversione/vendita  contenente  diversi punti di contatto. In questo caso, l’obiettivo è principalmente quello di evidenziare la prima  e l’ultima  tattica di marketing che ha contribuito alla conversione del cliente.

• A forma di J  e  J inversa:

  • Rispetto al modello A forma di U, questo modello assegna il  60% del merito all’ultima persona  che varca la porta, il  20% alla prima, e quindi divide il rimanente 20% tra tutte le altre.  J inversa  fa esattamente l’opposto.

    L’obiettivo è quello di mettere in evidenza la fase iniziale o  finale della campagna, pur assegnando una certa quantità di merito all’elemento contribuente all’estremità opposta, e riconoscendo anche il contributo dei “piccoletti” nel mezzo.

• Decadimento nel tempo: anche questo merita di essere citato. Questo modello si basa letteralmente su un tempo di dimezzamento con decadimento esponenziale, nel tempo! In questo caso, il parametro predefinito  di questo modello è  7 giorni. Applica un certo  peso  a ciascun  canale di marketing,  in base al tempo  che passa tra il  punto di contatto iniziale  e il momento in cui si verifica la conversione.

  In genere, i modelli di attribuzione Decadimento nel tempo  e  A forma di U  vengono utilizzati per misurare le campagne a più lungo termine, ma come puoi vedere, hanno obiettivi leggermente diversi, in base a come viene pesato  il valore del risultato.

• Personalizzato: puoi scegliere tu chi attribuire il merito. È la tua campagna!

Per ulteriori informazioni su questi e altri modelli di attribuzione, fai clic qui.

Per rendere tutto questo ancora più interessante, parliamo di tornare indietro nel tempo!

Intervalli di lookback

Ora saliamo di livello. E aggiungiamo letteralmente l’elemento del viaggio nel tempo alla nostra analisi, sempre iniziando dalle basi.

Per Adobe, un ❹  intervallo di lookback indica “quanto tempo nel passato si deve considerare per includere i punti di contatto di una conversione. I modelli di attribuzione che assegnano più merito (o credito) alle prime interazioni presentano differenze più importanti quando si considerano diversi intervalli di lookback”.

In altre parole, gli  intervalli di lookback  determinano il periodo di tempo durante il quale le  conversioni vengono considerate e forniscono  contesto  all’analisi di attribuzione.  Adobe Analytics  offre tre tipi di  intervalli di lookback:

• Intervallo di lookback per visita:  viene considerato l’inizio di una visita in cui si verifica una conversione, fornendo insight sulle interazioni immediate che portano alle conversioni.

  In genere questo è l’intervallo di lookback  più breve da utilizzare.

• Intervallo di lookback per visitatore:  vengono considerate tutte le  visite  dal primo del mese entro l’intervallo date selezionato, per una visione molto più ampia delle interazioni del cliente. È utile per riconoscere specifici pattern nel tempo.

• Intervallo di lookback personalizzato: consente di estendere la finestra di attribuzione oltre l’intervallo di date del rapporto, fino a un massimo di 90 giorni. Fornisce flessibilità nell’acquisizione dei punti di contatto che si verificano oltre l’intervallo date selezionato, per un’analisi completa.

Regolando un dato  intervallo di lookback, gli analisti possono quindi esaminare l’impatto di uno o più punti di contatto entro un arco temporale specifico e ottenere informazioni più approfondite su come le diverse durate influiscono sui risultati di attribuzione.

Cosa significa tutto questo

Cosa significa tutto questo per noi analisti?

Il  pannello Attribuzione  e l’intervallo di lookback  ci consentono di guardare oltre i semplici dati e di esaminare il percorso dei clienti. La capacità di capire quali punti di contatto hanno avuto il maggiore impatto sulle  conversioni ci permette di prendere decisioni informate in merito alle strategie di marketing e di allocare le risorse in modo più efficace.

Una volta selezionati i modelli di attribuzione  e gli intervalli di lookback, puoi comunque manipolare ulteriormente i dati filtrandoli con un ❺  segmento o con qualsiasi altro componente. Inoltre, una volta riprodotto il pannello, hai a disposizione tutte le funzionalità di un’area di lavoro tradizionale.

Infine: mettere tutto in pratica

Ora che abbiamo trattato i vari concetti, immagina di eseguire una campagna di marketing e di voler capire quale canale sia il  più efficace  per conseguire più conversioni. Con l’aiuto del  pannello Attribuzione, non solo è possibile visualizzare l’ultimo contatto, ma anche il primo contatto, lo stesso contatto e qualsiasi altro  modello  per determinare quali  canali  sono  più efficaci  nel promuovere le  conversioni. Potrai quindi utilizzare queste informazioni per  ottimizzare  le tue campagne e migliorarne le prestazioni complessive, semplicemente tornando indietro nel tempo con l’intervallo di lookback  più adatto alle tue esigenze.

Ora che hai visto cosa può fare, non farti ingannare né intimidire dall’apparente complessità del pannello Attribuzione.  Affrontalo.  Abbraccialo.  Comprendilo.
MA SOPRATTUTTO -  Usalo a tuo vantaggio.  Il  pannello Attribuzione  e l’intervallo di lookback  ti aiuteranno a comprendere meglio i tuoi clienti e il loro percorso con il tuo marchio.

Ora possiamo viaggiare “indietro nel tempo” senza timore e sfruttare la potenza della nostra fidata macchina del tempo (alias  Adobe Analytics) per prendere decisioni basate sui dati.