Web Analytics · Pazarlama Ölçümleme

Pazarlama Attribution Modellemesi

Tek bir bütçe kararı, o karara göre kurulmuş bir kredi modeli ve rakamın yanında duran varsayımlar.

Last-click, talebin oluşmasına birden fazla kanal katkı sağlamış olsa da krediyi satışı kapatan kanala verir. Gözlemlenen dönüşümlerin kredisini daha uygun biçimde dağıtan bir model kurar, bu modelin nedensellik kanıtlamadığını açıkça belirtiriz.

Belirli bir bütçe kararında kullanılmak üzere hazırlanmış, varsayımları ve sınırları kredi rakamlarıyla birlikte sunulan bir model.

Attribution modellemesini planlaPazarlama Ölçümleme ve Attribution çalışmalarının tümü
Bir Zeo analistinin touchpoint jetonlarını çok kollu bir terazide tartması

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • Bayer
  • Arabam.com
  • Little Caesars
  • İstikbal
  • QNB Finansfaktoring
  • Jack Martin Menswear
  • Ajansspor

Nasıl yürütürüz?

Modeli bütçe kararından önce sınarız

Modelin kapsamını, karşılaştırmalarını ve hangi kararda kullanılabileceğini bütçe kararınıza göre belirleriz. Önce bütçe kararını tanımlarız. Ardından modeli kurar, last-click sonucuyla karşılaştırır ve varsayımlara duyarlılığını karar verici kişiyle değerlendiririz.

Çalışma ilkelerimiz

  • Dönüşüm ve touchpoint kapsamı — Hangi dönüşümün kredilendirileceğini ve hangi touchpoint'lerin hesaba katılacağını açıkça tanımlarız. Böylece sonuç, belirlenen kararın sınırları içinde yorumlanabilir.
  • Huniye uygun kredi kuralı — Reklam platformundaki varsayılanı doğrudan kullanmak yerine, huninize uygun data-driven attribution veya kural tabanlı yaklaşımı seçer ve seçimin gerekçesini belgeleriz.
  • Alternatif modellerle karşılaştırma — Kredi dağılımını last-click ve en az bir başka yaklaşımla birlikte hesaplarız. Böylece önerinin seçilen modele ne ölçüde bağlı olduğu görülür.
  • Nedensellik sınırı — Attribution, gözlemlenen dönüşümlerin kredisini belirli varsayımlarla dağıtır. Bir kanalın dönüşümü tetiklediğini tek başına kanıtlamaz.

  1. Kararı tanımlama

    Modelin hangi bütçe veya kanal kararını destekleyeceğini ve hangi bulgunun bu kararı değiştirebileceğini birlikte netleştiririz.

    Karar özeti

    Yapay zeka desteği
    Paydaş notlarından olası karar ifadeleri için taslak hazırlar.
    İnsan onayı
    Bütçe kararından sorumlu kişi, ele alınan kararın doğru tanımlandığını onaylar.
    Sorumlular
    Ölçümleme Analisti, Bütçe Kararından Sorumlu Kişi
    İmzalı bir anlaşma sayfasını gösteren çizim karakter

  2. Modeli kurma

    Touchpoint kapsamını, kimlik yönetimini ve kredi kuralını tanımlarız. Modeli aynı girdilerle yeniden çalıştırılabilecek biçimde kurarız.

    Attribution modeli

    Yapay zeka desteği
    Seçilen kredi kuralına göre touchpoint yollarını ağırlıklandırır.
    İnsan onayı
    Analist, touchpoint kapsamının huniyle uyumunu doğrular.
    Sorumlular
    Ölçümleme Analisti
    Çizim masasında plan çizen karakter

  3. Karşılaştırma ve duyarlılık analizi

    Alternatif modelleri çalıştırır, sonucun modelleme tercihlerine ne kadar duyarlı olduğunu inceleriz.

    Duyarlılık karşılaştırması

    Yapay zeka desteği
    Modeli last-click ve bir alternatif kuralla yeniden çalıştırır.
    İnsan onayı
    Paid-media lideri, modelin gereğinden fazla güven verdiği noktaları inceler.
    Sorumlular
    Ölçümleme Analisti, Paid-Media Lideri
    Devasa bir ölçüm kadranını okuyan çizim karakter

  4. Sonucu sunma

    Bulguyu varsayımları ve sınırlarıyla birlikte sunarız. Hangi bütçe kararına bilgi sağlayabildiğini, hangi sonucu gösteremediğini ve önerinin varsayımlarla nasıl değiştiğini açıklarız.

    Attribution sonucu

    Yapay zeka desteği
    Modelde kayıtlı sınırlara dayanarak sonuç metni için taslak hazırlar.
    İnsan onayı
    Bütçe kararından sorumlu kişi, harcama yeniden dağıtılmadan önce nihai kararı verir.
    Sorumlular
    Ölçümleme Analisti, Bütçe Kararından Sorumlu Kişi
    Şövale üzerindeki çubuk grafiği anlatan çizim karakter

Kredi kuralını platform varsayılanına değil, huninize göre seçeriz

Otomasyon hesabı yapar: touchpoint yollarını seçilen kurala göre ağırlıklandırır, modeli last-click ve bir alternatifle yeniden çalıştırır. Karar gerektiren noktalar insanda kalır: hangi bütçe kararının ele alındığı, touchpoint kapsamının huniyle uyuşup uyuşmadığı ve modelin olduğundan güvenli göründüğü yerler.

Ne teslim ederiz?

Yeniden çalıştırılabilen bir model ve karar notu teslim ederiz

Teslimat, kredi rakamlarının yanında modelin kapsamını, karşılaştırmasını ve sınırlarını da içerir.

  • Çalışma dokümanı

    Attribution modeli

    Kapsamı ve kredi kuralı belgelenmiş, aynı girdilerle yeniden çalıştırılabilen model.

    Kabul koşulu

    Belgelenmiş girdilerle yeniden çalıştırıldığında aynı kredi dağılımını üretir.

    Ritim: Her raporlama döneminde yeniden çalıştırılır

  • Karşılaştırma raporu

    Model karşılaştırması

    Kredi dağılımının last-click ve en az bir alternatif model arasında nasıl değiştiğini gösteren duyarlılık incelemesi.

    Kabul koşulu

    Karşılaştırmadaki her model aynı zaman aralığı ve aynı touchpoint kapsamıyla çalıştırılır.

    Ritim: Modelleme turu başına bir kez

  • Karar notu

    Sonuç ve sınırlar

    Belirlenen karar için hazırlanan öneri ile bu önerinin varsayımlarını ve kanıtlayamayacağı noktaları birlikte sunan not.

    Kabul koşulu

    Not, modelin destekleyemeyeceği en az bir iddiayı açıkça adlandırır.

    Ritim: Readout'ta

Şu olduğunda tamam sayarız: ikinci bir analist modeli belgelenmiş girdilerle yeniden çalıştırıp aynı dağılımı bulduğunda ve bütçe sorumlusu modelin neyi kanıtlamadığını söyleyebildiğinde.

Uyum ve hazırlık

Mevcut kredi dağılımı bütçe kararınız için yeterli mi?

Bu kapsam, belirli bir bütçe kararında kredi dağılımını yeniden değerlendirmek istediğiniz ve modelin varsayımlarını açıkça görmek istediğiniz durumlarda uygundur.

Şu durumlarda iyi bir seçim

  • Last-click'in bir kanala, çoğunlukla marka arama veya direct'e, üst hunideki katkılar pahasına fazla kredi verdiğinden şüpheleniyorsunuz.
  • Belirli bir bütçe dağılımı kararında last-click görünümünden daha kapsamlı bir değerlendirmeye ihtiyacınız var.
  • Tek ve kesin bir rakam yerine, belirsizliği ve varsayımları belirtilmiş bir modeli kullanmayı kabul ediyorsunuz.

Şu durumlarda başka bir çalışma daha doğru

  • Bir kanalın artımlı dönüşüm yarattığına dair nedensel kanıt arıyorsanız bu kapsam yeterli değildir. Bu ihtiyaç Incrementality ve Lift Ölçümleme çalışmasına girer.
  • Canlı kampanya bütçelerinin yönetilmesini veya yeniden dağıtılmasını bekliyorsanız bu görev uygun değildir. Kanıtı sunarız. Uygulama kararı ve sorumluluğu pazarlama ekibinizde kalır.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: Pazarlama Ölçümleme ve Attribution çalışmalarının tümü

Şu olduğunda tamam sayarız: modelin yanıtlayacağı bütçe kararı, touchpoint kapsamı ve kredi kuralı modelleme başlamadan önce yazılı olarak netleştiğinde.

Ölçümleme sisteminizi kuran ekip

Zeo, bir iş kararını kurallara bağlı veri toplamaya ve sizin kontrol edebileceğiniz raporlamaya bağlayan ölçümleme sistemleri kuruyor. Burada gördüğünüz kişiler, bu sistemin sayfanın kapsadığı bölümünde çalışıyor.

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Google Analytics

    önerilen her modelin karşısında iyileşme ölçüldüğü last-click tabanını sağlar

  • Jupyter

    girdiler tek tek değiştirilir, duyarlılık testi iddia değil gösterilen bir sonuç olur

  • Northbeam

    çoklu dokunuş modelini çalıştırır, last-click ve kural tabanlı alternatiflerle karşılaştırır

Sonraki adım

Bütçe kararınıza uygun attribution modelini planlayın

Yanıtlamak istediğiniz bütçe sorusunu paylaşın. Modelin kapsamını bu karara göre belirleyelim, kredi dağılımını ve varsayımlara bağlı sonuçlarını birlikte değerlendirelim.
Attribution modellemesini planla

Başlamadan önce

Görüşmeden önce sorulanlar

Bu model last-click'in tamamen yerini alabilir mi?

Belirlediğimiz karar kapsamında kullanılabilir. Ancak gerçek bir bütçe kararındaki etkisini görmeden bütün raporlama yapısını yeni modele geçirmenizi önermeyiz.

Neden her zaman data-driven attribution kullanmıyorsunuz?

Data-driven attribution modelinin istikrarlı çalışması için yeterli dönüşüm hacmi gerekir. Tracking boşlukları da yanıltıcı varsayımlara yol açabilir. Bu nedenle önce verinin modeli destekleyip desteklemediğini kontrol ederiz.

Bu çalışma incrementality testinden nasıl ayrılır?

Attribution, gerçekleşmiş dönüşümlerin kredisini touchpoint etkisine ilişkin varsayımlarla dağıtır. Incrementality testi ise bir kanalın ek dönüşüm yaratıp yaratmadığını kontrollü bir karşılaştırmayla ölçer. İki yöntem farklı soruları yanıtlar.

Model için hangi verilere ihtiyaç var?

GA4 ve reklam platformlarındaki touchpoint ve dönüşüm verilerine erişim ile modelin destekleyeceği bütçe kararının açık biçimde tanımlanması gerekir.