Markedsføringsmåling og attribusjon i 2023

Blant annonseskiftene som er sett de siste årene, inkludert på tvers av sosial markedsføring og søke- og visningsmarkedsføring, kan de mest vidtgående være de som skyldes endringer i attribusjon og måling. Og ettersom bærekraftig betalt medieskala har blitt vanskeligere å oppnå i visse kanaler, må merkevarer forbedre sin evne til å identifisere reklamekjøretøyene som driver bidrag, ikke bare attribusjon. Dette betyr at de trenger økt innsyn i driverne av inntektene deres, som ikke bare er inkrementelle, men også opprettholder fortjenestemarginer. Men dette vil sannsynligvis skje på en aggregert basis, snarere på individ-brukernivå.

"Med mindre innsyn i konverteringer som kan tilskrives, beveger merkevarer seg bort fra å se på plattformattribusjon som deres sanne nord og i stedet fokusere på mer helhetlige beregninger som kundeanskaffelseskostnader (CAC) og inkrementalitet," sier Megan Conahan, EVP hos Direct Agents, kjent for dets digitale markedsføringsarbeid med kunder som Sony og Walmart
WMT
. Dette er en kompleks oppgave gitt det stadig økende antallet plattformer der forbrukere og merkevarer bruker sin tid og penger, men å gå utover en forventning om at hver krone vil kunne tilskrives mer helhetlig ytelsesmodellering er viktig for dens gjennomførbarhet og nøyaktighet, legger hun til.

Ben Dutter, SVP of Strategy hos Power Digital, som har jobbet med kunder fra Uniqlo til Dropbox, snakker om de fire spakene som har vist seg å drive førstegangskjøpere – ikke bare tilskrevet inntekt – som kreativitet, frekvens, publikumspenetrasjon og varighet . Hvordan kan en merkevare finne denne typen inkrementelle bidrag? "Barrieren for inngang for mediemiksmodellering (MMM) har senket seg nok til å gjøre denne formen for måling vanlig og nødvendig ... MMM er det beste alternativet du har når du mister teknologidrevet måling, for eksempel informasjonskapsler." MMM er spesielt nyttig for digital reklame utenfor hjemmet (DOOH) og TV, siden denne markedsføringen i trakten kan være utfordrende å spore. Men Dutter gir også et eksempel på et mindre merke som kan jobbe med influencere eller på TikTok og mangler detaljert synlighet i brukerklikkdata: Ved å bruke statistisk modellering for å se hvor mye førstegangsinntekter som kom fra den annonsen, kan beslutningstakere bedre allokere budsjett for å sikre at forholdet mellom kundeanskaffelseskostnader og den langsiktige verdien av disse kundene er positiv på en samlet basis.

Bruken av MMM for å forutsi ytelseseffekten av budsjett- eller plattformendringer, og utrullingen av maskinlæring for å bruke disse modellutdataene til mediestrategier for å oppnå og opprettholde optimal utgiftsfordeling, er en taktikk som Conahan ser får interesse fra merkevarer. "Samlet sett, når du ser på attribusjon og annonsemålretting, kommer vi vekk fra den hypermålrettede tilnærmingen der alt er sporbart og tilskrivbart. Merkevarer kan ikke lenger forvente å målrette mot en nisje i Meta som konverterer innenfor det tidligere definerte attribusjonsvinduet, sier hun. Conahan fortsetter med å forklare at selv om spesifikke medier kan ha gitt bevissthet, konvertering og attribusjon tidligere, bør merkevarer ikke lenger forvente det og må lete andre steder for å få alt de trenger.

På plattform-for-plattform-basis, tap av signaldata på grunn av endringer i personvernlovgivningen og Apples
AAPL
egne retningslinjer for personvern har bidratt til å katalysere et skifte blant digitale markedsførere til MMM når de trenger å måle resultater. En del av verdien av MMM er dens evne til å utvide utover digital til alle betalte medier, inkludert handelskampanjer og detaljhandelsavtaler. Men mens både Google
GOOG
og Meta har økt MMM-evnen sin, merker vil kanskje ikke dele alle eksterne medieforbruksdata med disse plattformene i et forsøk på å optimalisere resultatene.

Tilknyttede nettverk har også forbedret sine sporings- og rapporteringsmuligheter, inkludert sanntidsovervåking og analyser, for å gi bedre innsikt i ytelsen til tilknyttede markedsføringskampanjer. Ricci Massero, markedssjef i Intellek, sier at dette lar merkevarer foreta sanntidsjusteringer og at nye teknologier, som sporing på tvers av enheter og sporing uten informasjonskapsler, har forbedret nøyaktigheten av sporing samtidig som forekomsten av uredelig aktivitet reduseres.

Totalt sett, Paul DeJarnatt, Digital Vice President for NOVUS, et medieplanleggings- og kjøpsbyrå som har jobbet med Dollar Tree
LTRD
og LIDL, mener publikumsinnsikt og -forståelse vil overta målretting og teknologi ettersom tredjeparts (3P) informasjonskapsler forringes, og det blir mer utfordrende å utføre 3P lookalike målretting basert på førsteparts (1P) kundedata. Selv om han erkjenner at mediekjøpssystemer er bygget for å gjøre det mulig for markedsførere å utnytte data for å drive målretting og personalisering, anbefaler han at det ikke lenger er effektivt å bruke data utelukkende, og at det er avgjørende å analysere og verdsette kvalitativ kundeinnsikt for å bygge annonsestrategi. DeJarnatt argumenterer videre for at den nye måten å finne publikum på vil være gjennom ulike selskapers enhets- og publikumsgrafer, noe som er en av grunnene til at publiseringsselskaper prøver å bygge personvernkompatible, ikke-informasjonskapselavhengige data som deretter kan matches med annonsørenes 1P-data for å gjenskape den 3P-skalaen og lookalike-evnen, globalt og lokalt – men på en måte der forbrukeren har autorisert bruken av dataene deres.

PrognoseHva jeg lærte Å se 7 timer med Meta's Marketing Mix Modeling Summits
Tenk med GoogleModernisering av markedsføringsmiksmodelleringen din – Tenk med Google