Jak poprawiać efektywność biznesu dzięki atrybucji opartej na danych?

Rzadko kiedy podejmujemy ważne decyzje na podstawie chwili. Coś co wydaje się oczywiste w życiu codziennym, często nie znajduje swojego zrozumienia w życiu marketingowym. Nadal bardzo duża część marketerów w Polsce ocenia działania marketingowe na podstawie modelu ostatniego kliknięcia. Model ten opiera się na założeniu, że wpływ na decyzję zakupową użytkownika/klienta ma tylko ostatni kontakt tego klienta z określoną marką przed finalnym zakupem. Nawet w sytuacjach, kiedy faktyczna ścieżka użytkownika zawierała wiele kontaktów użytkownika z tą marką.

Temat atrybucji staje się coraz bardziej istotny ze względu na fakt, że użytkownicy korzystają z coraz większej ilości urządzeń. Jak widać z danych dla Polski w 2017 już dwie trzecie Polaków, korzysta przynajmniej z dwóch urządzeń podłączonych do internetu.

Źródło: Consumer Barometer, Polska 2017

Mam wrażenie, że o ile o tematach atrybucji mówiło się dużo w Polsce jeszcze 1-2 lata temu, o tyle teraz uznaje się to za temat mało “efektowny” i mało związany z przyszłością. W tym samym czasie w świeżym badaniu z Wielkiej Brytanii, najbardziej zaawansowanego rynku internetowego w Europie, uznano atrybucję za najbardziej istotną taktykę w reklamie na 2018 rok. W tym badaniu w atrybucji potencjał widziały szczególnie marki, w mniejszym stopniu dotyczyło to agencji.

Źródło: Integral Ad Science, “Look ahead UK: Transparency will shape 2018”, 23 marca 2018

Szczególnie ciekawą i ważną częścią atrybucji jest atrybucja oparta o dane. W obrębie atrybucji opartej na danych analizujemy wszystkie dostępne dane o ścieżkach użytkownika, a następnie określamy jaki wpływ na ostateczny rezultat biznesowy mają poszczególne punkty styku klienta z marką. W praktyce sprowadza się to do porównywania podobnych do siebie ścieżek użytkowników, a następnie określenia, jak różnice w tych ścieżkach wpłynęły na końcową sprzedaż.

Przykład

W poniższym przykładzie widzimy dwie podobne do siebie ścieżki użytkownika. Różnią się one jedynie jednym punktem styku klienta z marką. Jednocześnie zauważamy znaczną różnicę w efektywności obu ścieżek. W tym przypadku możemy tę różnicę w efektywności ścieżek przypisać właśnie temu punktowi styku marki z klientami, który występuje w jednej ścieżce, a nie występuje w drugiej.

O ile temat atrybucji nie jest tematem łatwym, o tyle sama praktyka pokazuje, że to nie brak wiedzy jest największym wyzwaniem w rozwoju takich działań w firmie. Jeżeli zaczniemy porównywać ze sobą firmy, które w znaczącym stopniu zaangażowały się w działania atrybucyjne z tymi firmami, które zatrzymały się w tych działaniach na etapie dyskusji, możemy wskazać na następujące elementy:

1. Kultura firmy
2. Cierpliwość i zdolność do nauki
3. Stosunek do ryzyka
4. Wykorzystanie technologii

Kultura firmy

W badaniu AdRoll poświęconym tematowi atrybucji za największe wyzwanie związane z wdrażaniem atrybucji uznano: “tworzeniu kultury pomiaru i dokładności w firmie”. Dyscyplina i procesowe podejście do tematu danych to rzecz, którą nie da się załatwić jednym mailem czy dyrektywą “z góry”.

Źródło: The state of Marketing Attribution 2017, AdRoll

W dobie niezwykle szybkiego rozwoju technologii, wiedzy, danych, zasoby te nadal są wykorzystywane w niewielkim stopniu. Jedno z badań pokazało, że decydenci w firmach nadal w podejmowaniu decyzji kierują się nie tylko analizą i wykorzystaniem danych, ale również intuicją czy zewnętrznym doradztwem.

Źródło: PwC’s Global Data and Analytics Survey, “Big Decisions™,” Global, base: 2,106 senior executives, May 2016.

Cierpliwość i zdolność do nauki

Duża ilość projektów nie kończy się sukcesem z powodu tworzenie zbyt szerokich i ambitnych założeń, niewiele mających wspólnego z realnymi możliwościami firmy. Atrybucja nie jest tutaj wyjątkiem. Zbyt często firmy planując działania atrybucyjne, chciałyby ująć w nich wszystkie możliwe zagadnienia (model atrybucyjny obejmujący wszystkie kanały, wszystkie urządzenia, wszystkie przejścia pomiędzy urządzeniami). Praktyka firm, które odniosły sukces we wdrażaniu atrybucji pokazuje, że procesowe i stopniowe podejście do tematu przynosi lepsze efekty. Pozwala to uniknąć sytuacji, gdzie mamy olbrzymi projekt atrybucyjny z wykorzystaniem bardzo wysublimowanych narzędzi, który przez 2 lata jest ukończony w 90%.

Case study #1

GÖSAS z Turcji rozpoczęła pracę z atrybucją od pełnej optymalizacji płatnego wyszukiwania, ze zwróceniem szczególnej uwagi na użytkowników mobilnych. Działania te zwiększyły sprzedaż o 10%, współczynnik konwersji o 17% i obniżyły koszt konwersji o 13%. Później GÖSAS na bazie zdobytych doświadczeń, przeszła do bardziej kompleksowych działań atrybucyjnych (optymalizacja wszystkich kanałów).

Stosunek do ryzyka

Procesowe podejście do tematu atrybucji ważne jest ze względu na fakt, że jednym z najtrudniejszych aspektów atrybucji jest ryzyko z nim związane. Atrybucja opiera się na zmianach w media mix, co zawsze pociąga za sobą ryzyko. Stopniowe rozwijanie kompetencji atrybucyjnych pozwala na coraz lepsze zarządzanie tym ryzykiem. Nierzadko impulsem do działań w tym zakresie staje się konieczność zmian, związana z trudną sytuacją rynkową, konkurencją.

Case study #2

Dla rynku AGD w Rosji rok 2017 był ciężkim okresem. Konsumenci skierowali swoją uwagę na tańsze modele i marki. Dla marki Holodilnik.ru oznaczało to spadek średniej wartości zamówienia, problemy z rozwojem. W obliczu tych wyzwań firma, poszukując obszarów wzrostu efektywności, rozpoczęła pracę nad działaniami atrybucyjnymi. Wykorzystując atrybycjne i programatyczne narzędzia Google, firma w krótkim czasie zwiększyła swoją sprzedaż o 50%.

Wykorzystanie technologii

Atrybucja dostarcza prawdziwą wartość dopiero wtedy, kiedy połączona jest z faktycznymi zmianami w media mix, faktyczną akcją. Ze względu na skomplikowanie tych operacji (trzeba zmieniać stawki, budżety dla wielu kanałów w krótkich odstępach czasu), coraz częściej łączy się ona z wykorzystaniem technologii, szczególnie automatyzacji. Widać to dobrze na przykładzie działań klientów Google w Polsce. Lwia część z nich wykorzystując bardziej zaawansowane formy atrybucji (szczególnie atrybucję na podstawie danych), integruje je z automatycznymi strategiami  określania stawek w AdWords i Doubleclick.

Autor

Mariusz Gąsiewski, Google – Head of Mobile Poland & CEE