Atribuirea Multi-Touch (MTA): Definiție și Modele

Atribuirea multi-touch (MTA) este un model de măsurare care împarte creditul pentru o conversie pe fiecare punct de contact de marketing cu care un client a interacționat înainte de a cumpăra, în loc să acorde tot creditul unui singur anunț sau click. Dacă un cumpărător a văzut un anunț nativ, a dat click mai târziu pe un anunț de retargeting și apoi a convertit după o căutare cu brand, MTA atribuie o cotă fracționară din acea conversie fiecăruia dintre cele trei contacte, în loc să acorde totul ultimului.

Modele MTA comune#

Modelele liniare acordă fiecărui punct de contact credit egal. Modelele cu decădere în timp acordă punctelor de contact mai apropiate de conversie o pondere mai mare decât celor anterioare. Modelele bazate pe poziție (în formă de U) acordă primului și ultimului contact o cotă mai mare, împărțind restul pe cele din mijloc. Modelele bazate pe date sau algoritmice, adesea construite pe valori Shapley sau o abordare similară din teoria jocurilor, estimează contribuția marginală a fiecărui contact direct din datele istorice, în loc să aplice o regulă fixă.

Cum diferă de modelele single-touch#

Alternativa cea mai simplă este acordarea creditului punctului de contact care a avut loc ultimul într-un interval de atribuire definit, printr-un pixel de conversie în momentul achiziției. Este simplu de calculat, dar subevaluează în mod sistematic canalele din partea superioară a funnel-ului, cum ar fi plasamentele native de descoperire, care tind să introducă un produs mai degrabă decât să închidă vânzarea. MTA încearcă să corecteze acest lucru prin distribuirea creditului pe întreaga cale, ceea ce înseamnă de obicei că publicitatea nativă și publicitatea display din partea superioară a funnel-ului par mai valoroase sub un model MTA decât sub unul pe ultimul contact.

De ce a devenit mai greu de implementat#

MTA depinde de conectarea punctelor de contact ale unui singur utilizator pe dispozitive și sesiuni, ceea ce necesită identificatori persistenți: cookie-uri, ID-uri de publicitate mobile sau o potrivire cu un utilizator autentificat. Restricțiile browserelor privind cookie-urile și limitele de urmărire la nivel de platformă au făcut această conectare mai puțin precisă în timp, așa că modelele MTA se bazează din ce în ce mai mult pe potrivire modelată sau probabilistică pentru a umple golurile, mai degrabă decât pe urmărirea deterministă a click-urilor. Aceasta este o parte din motivul pentru care mai mulți advertiseri investesc acum în colectarea de date de primă parte, deoarece o înregistrare de utilizator pe care o deții direct supraviețuiește mai bine schimbărilor de urmărire ale platformelor decât una pe care o închiriezi.

Cum se potrivește alături de alte metode de măsurare#

MTA funcționează cel mai bine ca instrument de diagnostic la mijlocul funnel-ului, arătând care puncte de contact tind să apară împreună pe o cale câștigătoare, mai degrabă decât ca verdictul final asupra valorii canalului. Echipele serioase de achiziție media verifică periodic dacă valoarea canalului implicată de model rezistă unui test real de excludere experimentală, deoarece un canal pe care MTA spune că contribuie cu o treime din conversii poate totuși să arate un efect aproape zero odată ce îl oprești efectiv pentru un grup de test.

Înțelegerea canalelor care creează notorietate în partea superioară a funnel-ului începe cu a ști ce rulează efectiv. Instrumentul de spionaj a anunțurilor native al OpenAdLibrary arată care advertiseri rulează activ creativitate nativă în nisa ta, o informație utilă înainte de a decide cât credit de atribuire merită un canal în propriul tău model.

Note practice de configurare#

Implementarea corectă a MTA necesită un identificator de urmărire consistent pe fiecare rețea, astfel încât punctele de contact ale aceluiași utilizator să poată fi potrivite, plus o lungime a intervalului de atribuire aplicată în mod consistent pe toate canalele. Intervale nepotrivite între platforme, un interval de 7 zile pe un tablou de bord și unul de 30 de zile pe altul, vor face orice comparație MTA cross-channel invalidă înainte ca modelul să ruleze. Curățarea datelor de bază privind cheltuielile cu publicitatea și conversiile merită făcută înainte de a investi într-un model mai sofisticat bazat pe date peste ele.