Blogi

Attribuutiomallinnus osana markkinointistrategiaa

Share Button
Attribuutiomallinnus

SMX London 2017 -messujen tärkeimpiä puheenaiheita olivat attribuutiomallinnus ja miten siitä saa parhaan hyödyn irti. Seuraavassa esittelemme pääkohtia Russel McAthyn ja Rebekah Schelfhoutin asiantuntijapuheenvuoroista.

Mitä attribuutiomallinnus tarkoittaa

Nykyajan monikanavaisessa maailmassa on vaikea sanoa, mikä viestin altistuminen on oikeasti vaikuttanut ihmisen ostopäätökseen. Tätä varten on kehitetty attribuutiomalleja, joiden avulla pystytään paremmin hahmottamaan eri vaiheiden vaikutusta ostopolulla.

Yleisin ja käytetyin on niin sanottu last-click-malli, joka antaa kunnian viimeiselle kanavalle tai mainokselle, joka on johtanut ostotapahtumaan. Tässä mallissa ei siis oteta huomioon muita myyntiä edeltäneitä kosketuspisteitä. Tämän vuoksi last-click-malli vähättelee ostopolun alkupään kosketuspisteitä ja korostaa ostopolun loppupäätä.

Nykyään on kuitenkin mahdollista yhdistää eri lähteiden datapisteitä analytiikkajärjestelmiin, joista tunnetuimpia ovat DoubleClick ja Google Analytics. Koneoppimisen myötä analytiikkajärjestelmät ymmärtävät nykyään paremmin ostopolun kosketuspisteiden tärkeyden, minkä ansiosta voimme siirtyä last-click-mallista kehittyneempiin tapoihin.

Nykypäivän attribuutiomallinnukset

Hyviä malleja, jotka kertovat paremmin aidosta ostopolusta, ovat muun muassa Time Decay-, Linear- ja Position Based -mallit.

  • Time-Decaymalli antaa eniten kunniaa viimeiselle klikille, mutta myös kumulatiivisesti ostopolun muille pisteille riippuen siitä, kuinka alkupäässä ostopolkua nämä pisteet ovat. Mitä pidemmälle ostopolun loppupäätä päästään, sen enemmän arvoa pisteet saavat. Vähiten kunniaa saa ensimmäinen kosketuspiste.
  • Linear-malli antaa tasaisesti kunniaa jokaiselle pisteelle. Tässä mallissa jokainen ostopolun kosketuspiste on yhtä tärkeä myynnin kannalta.
  • Position based -mallissa tärkeimpinä pisteinä ovat ostopolun ensimmäinen ja viimeinen kosketupiste. Välissä olevat pisteet ovat myös edistäneet myyntiä ja saavat arvoa, mutta tässä mallissa korostuu ostopolun alku- ja loppupää.

Näiden mallien lisäksi on olemassa Googlen suosima Data-driven-malli. Se ei ole yleinen Suomessa, sillä vaatimukset tämän mallin hyödyntämiseen ovat melko korkeat. Data-driven-mallia voi käyttää vain, jos 15 000 klikkiä ja 600 konversiota toteutuu 30 päivän sisällä.

Data driven -mallissa algoritmi katsoo konversiodataa laskeakseen jokaisen pisteen aitoa kontribuutiota ostopolun eri vaiheissa ja päättelee datan perusteella, mitkä olivat sen kaikista tärkeimpiä vaiheita osto-polulla ja mitkä panostukset eivät vaikuttaneet myynnin etenemiseen. Dataa tarkastellessa nähdään kaikista lähimpänä totuutta olevat konversioluvut.

 

Mikrokonversiot – mittaa kaikkea mahdollista sivuilla

On tärkeää hahmottaa, mitä kaikkea sivuilla on tehty ennen kuin kävijä on päätynyt kiitos-sivulle. Kävijät voivat tilata uutiskirjeitä, katsoa videoita tai vaikkapa lisätä ostoskoriin tuotteen, vaikkei ostaneetkaan sitä. Nämä kaikki ovat mikrokonversioita ja auttavat hahmottamaan, mitkä asiat edistävät myyntiä. Mikrokonversioista syntyneille yleisöille voi tehdä myös uudelleenmarkkinointilistoja ja kohdistaa heille mainontaa erilaisilla viesteillä.

Mikrokonversiot voivat korostua ostopolun aikana tietyissä kanavissa, joissa haetaan informaatiota tuotteesta ennen ostopäätöstä. Nämä kaikki pisteet kertovat ja auttavat ymmärtämään kuluttajien koko ostopolkua sivustolla ja siten kertomaan markkinoijille, mihin panostukset kannattaa laittaa tai mikä puolestaan ei toimi ollenkaan.

Mittaamisen ja teknologian kehittyessä attribuutiomallinnuksesta tulee vuosi vuodelta yhä tärkeämpää.

Palveluiden ja transaktioiden siirtyessä verkkoon tarvitsemme entistä enemmän tietoa siitä, miten kehittää verkkosivuja ja markkinointiviestintää tehokkaammaksi. Attribuutiomallinnukset ovat tässä tavoitteessa merkittävänä apuana.

Share Button
Category: Analytiikka, Attribuutio, Google