Atribusi Multi-Sentuh (MTA): Definisi & Model

Atribusi multi-sentuh (MTA) adalah model pengukuran yang membagi kredit untuk konversi ke setiap titik sentuh pemasaran yang berinteraksi dengan pelanggan sebelum pembelian, alih-alih memberikan semua kredit kepada satu iklan atau klik saja. Jika seorang pembeli melihat iklan native, kemudian mengklik iklan retargeting, dan akhirnya melakukan konversi setelah pencarian bermerek, MTA menugaskan bagian fraksional dari konversi tersebut ke masing‑masing tiga sentuhan alih‑alih memberikan semuanya ke yang terakhir.

Model MTA Umum#

Model linier memberikan setiap titik sentuh kredit yang sama. Model peluruhan waktu memberikan titik sentuh yang lebih dekat dengan konversi bobot lebih tinggi dibandingkan yang lebih awal. Model berbasis posisi (berbentuk U) memberikan sentuhan pertama dan terakhir bagian yang lebih besar, sementara sisanya dibagi di tengah. Model berbasis data atau algoritmik, sering dibangun di atas nilai Shapley atau pendekatan teori permainan serupa, memperkirakan kontribusi marginal tiap sentuhan langsung dari data historis alih‑alih menerapkan aturan tetap.

Bagaimana perbedaannya dengan model satu-sentuh#

Alternatif paling sederhana adalah memberi kredit kepada titik sentuh yang terakhir terjadi dalam jendela atribusi yang telah ditentukan, melalui pixel konversi pada saat pembelian. Itu mudah dihitung tetapi secara sistematis meremehkan saluran atas-funnel seperti penempatan penemuan native, yang cenderung memperkenalkan produk daripada menutup penjualan. MTA berusaha memperbaiki hal ini dengan menyebarkan kredit sepanjang jalur, yang biasanya membuat iklan native dan iklan display tampak lebih berharga dalam model MTA dibandingkan dalam model klik terakhir.

Mengapa menjadi lebih sulit untuk dijalankan#

MTA bergantung pada penyambungan titik sentuh satu pengguna lintas perangkat dan sesi, yang memerlukan pengidentifikasi yang persisten: cookie, ID iklan seluler, atau pencocokan pengguna yang masuk. Pembatasan cookie pada browser dan batas pelacakan tingkat platform telah membuat penyambungan tersebut menjadi lebih bocor seiring waktu, sehingga model MTA semakin mengandalkan pencocokan berbasis model atau probabilistik untuk mengisi kekosongan alih‑alih pelacakan klik yang deterministik. Itulah mengapa lebih banyak pengiklan kini berinvestasi dalam pengumpulan data pihak pertama, karena catatan pengguna yang Anda miliki secara langsung lebih tahan terhadap perubahan pelacakan platform dibandingkan catatan yang Anda sewa.

Di mana posisinya dibandingkan pengukuran lain#

MTA paling efektif sebagai diagnostik mid‑funnel, menunjukkan titik sentuh mana yang cenderung muncul bersama pada jalur kemenangan, alih‑alih menjadi kata akhir tentang nilai saluran. Tim pembelian media yang serius secara berkala memeriksa apakah nilai saluran yang diimplikasikan model tetap bertahan dalam percobaan holdout nyata, karena saluran yang MTA katakan menyumbang sepertiga konversi masih dapat menunjukkan efek mendekati nol ketika benar‑benar dimatikan untuk grup uji.

Memahami saluran mana yang mendorong kesadaran atas-funnel dimulai dengan mengetahui apa yang sebenarnya berjalan. Alat spion iklan native OpenAdLibrary menunjukkan pengiklan mana yang aktif menayangkan kreatif native di vertikal Anda, sebuah masukan berguna sebelum Anda memutuskan berapa banyak kredit atribusi yang pantas diberikan kepada sebuah saluran dalam model Anda sendiri.

Catatan penyiapan praktis#

Mendapatkan MTA yang tepat memerlukan pengidentifikasi pelacakan yang konsisten di setiap jaringan sehingga titik sentuh dari pengguna yang sama dapat benar‑benar dipasangkan, ditambah panjang jendela atribusi yang diterapkan secara konsisten di semua saluran. Jendela yang tidak cocok antar platform, misalnya jendela 7 hari di satu dasbor dan 30 hari di dasbor lain, akan membuat perbandingan MTA lintas‑saluran menjadi tidak valid sebelum model dijalankan. Membersihkan pengeluaran iklan dan data konversi dasar Anda layak dilakukan sebelum berinvestasi pada model berbasis data yang lebih canggih di atasnya.