Marketing mérés és hozzárendelés 2023-ban

Az elmúlt néhány évben – többek között a közösségi, keresési és vizuális marketingben – tapasztalt hirdetési elmozdulások közül a legmesszebbmenőkig azok lehetnek, amelyek a hozzárendelésben és a mérésben bekövetkezett változások miatt következtek be. És mivel bizonyos csatornákon egyre nehezebb elérni a fenntartható fizetős médiaskálát, a márkáknak javítaniuk kell azon hirdetési eszközök azonosítását, amelyek hozzájárulnak a hozzájáruláshoz, nem csak a hozzárendeléshez. Ez azt jelenti, hogy nagyobb rálátásra van szükségük bevételeik mozgatórugóiról, ami nem csak növekmény, hanem a haszonkulcs fenntartása is. De ez valószínűleg összesített alapon fog megtörténni, inkább egyéni-felhasználói szinten.

„Mivel a tulajdonítható konverziók kevésbé láthatók, a márkák eltávolodnak attól, hogy a platform-hozzárendelést tekintsék igazi északjuknak, és ehelyett holisztikusabb mérőszámokra, például az ügyfélszerzési költségre (CAC) és a növekményre összpontosítanak” – mondja Megan Conahan, a Direct Agents alelnöke. digitális marketinggel dolgozik olyan ügyfelekkel, mint a Sony és a Walmart
WMT
. Ez egy összetett vállalkozás, tekintettel arra, hogy a fogyasztók és a márkák egyre több platformon töltik idejüket és pénzüket, de a megvalósíthatóság és a pontosság szempontjából fontos, hogy túllépjünk azon a várakozáson, hogy minden dollárt a holisztikusabb teljesítménymodellezésnek tulajdonítanak majd.

Ben Dutter, a Power Digital stratégiai alelnöke, amely az Uniqlótól a Dropboxig terjedő ügyfelekkel dolgozott, arról a négy eszközről beszél, amelyek bizonyítottan ösztönzik az első vásárlókat – nem csak a tulajdonított bevételt –, mint kreatív, gyakoriság, közönséghatalom és időtartam. . Hogyan találhatja meg egy márka ezt a fajta inkrementális hozzájárulást? „A médiamix modellezés (MMM) belépési korlátja eléggé lecsökkent ahhoz, hogy ez a mérési forma általánossá és szükségessé váljon… Az MMM a legjobb megoldás, ha elveszíti a technológia által vezérelt mérést, például a cookie-kat.” Az MMM különösen hasznos a digitális otthonon kívüli (DOOH) reklámokhoz és a televíziózáshoz, mivel ezt a csatorna tetején lévő marketinget nehéz követni. A Dutter azonban példát mutat egy kisebb márkára is, amely befolyásolókkal vagy TikTokon dolgozik, és nem látja részletesen a felhasználói kattintási adatokat: Statisztikai modellezéssel annak megállapítására, hogy az adott hirdetésből mennyi volt az első bevétel, a döntéshozók jobban tudják költségvetést kell felosztani annak biztosítására, hogy az ügyfélszerzési költségek és az ügyfelek hosszú távú értéke közötti kapcsolat összességében pozitív legyen.

Az MMM használata a költségvetés- vagy platformváltozások teljesítményhatásának előrejelzésére, valamint a gépi tanulás alkalmazása a modell kimeneteinek médiastratégiákban való alkalmazására az optimális költéselosztás elérése és fenntartása érdekében, olyan taktika, amely Conahan szerint megnő a márkák érdeklődése. „Összességében, ha a hozzárendelést és a hirdetéscélzást nézzük, akkor távolodunk a hipercélzott megközelítéstől, ahol minden nyomon követhető és tulajdonítható. A márkák már nem számíthatnak arra, hogy olyan rést céloznak meg a Metán belül, amely a korábban meghatározott hozzárendelési ablakon belül konvertál” – mondja. Conahan kifejti, hogy bár a múltban bizonyos médiák felkeltették a figyelmet, a konverziót és az attribútumot, a márkáknak már nem kell erre számítaniuk, és máshol kell keresniük, hogy mindent megkapjanak, amire szükségük van.

Platformonkénti alapon a jelzési adatok elvesztése az adatvédelmi jogszabályok és az Apple jogszabályainak változásai miatt
AAPL
A saját adatvédelmi szabályzatok segítettek katalizálni a digitális marketingszakemberek körében az MMM felé való elmozdulást, amikor az eredményeket kell mérniük. Az MMM értékéhez hozzátartozik, hogy a digitálison túl minden fizetős médiára kiterjedhet, beleértve a kereskedelmi promóciókat és a kiskereskedelmi ügyleteket is. De miközben mind a Google
GOOG
és a Meta növelte MMM-képességét, ezért előfordulhat, hogy a márkák nem akarják megosztani az összes külső médiaköltési adatukat ezekkel a platformokkal az eredmények optimalizálása érdekében.

Az affiliate hálózatok is továbbfejlesztették nyomon követési és jelentési képességeiket, beleértve a valós idejű megfigyelést és elemzést, hogy jobb betekintést nyújtsanak a társult marketingkampányok teljesítményébe. Ricci Massero, az Intellek marketingmenedzsere szerint ez lehetővé teszi a márkák számára, hogy valós idejű módosításokat hajtsanak végre, és hogy az új technológiák, mint például az eszközök közötti nyomon követés és a cookie-k nélküli követés, javították a nyomon követés pontosságát, miközben csökkentik a csaló tevékenységek előfordulását.

Összességében Paul DeJarnatt, a NOVUS digitális alelnöke, a Dollar Tree-vel együttműködő médiatervező és -vásárlási ügynökség
LTRD
és a LIDL úgy véli, hogy a közönség meglátása és megértése felülmúlja a célzást és a technológiát, ahogy a harmadik féltől származó (3P) cookie-k leértékelődnek, és egyre nagyobb kihívást jelent a 3P-hez hasonló célzás végrehajtása a belső (1P) ügyféladatok alapján. Bár elismeri, hogy a médiavásárlási rendszereket úgy alakították ki, hogy lehetővé tegyék a marketingesek számára az adatok felhasználását a célzás és a személyre szabás érdekében, azt tanácsolja, hogy az adatok kizárólagos felhasználása már nem hatékony, és kulcsfontosságú a minőségi vásárlói betekintések elemzése és értékelése a hirdetési stratégia kialakításához. DeJarnatt továbbá azzal érvel, hogy a közönségkeresés új módja a különböző cégek eszköz- és közönséggrafikonja lesz, ami az egyik oka annak, hogy a kiadócégek azon versenyeznek, hogy az adatvédelemnek megfelelő, nem cookie-függő adatokat hozzanak létre, amelyeket aztán a hirdetők 1P-adataival lehet párosítani. annak érdekében, hogy megismételjék ezt a 3P-s léptéket és hasonló képességet globálisan és lokálisan – de oly módon, hogy a fogyasztó engedélyezze adatainak felhasználását.

ElőrejelzésMit tanultam a 7 órás Meta marketingmix modellezési csúcstalálkozóján
Gondolj a Google-lalA marketingmix modellezésének modernizálása – Gondolkozz a Google-lal