SwitasBize Ulaşın

Atıf Modelleme (Attribution Modeling)

Atıf modelleme, bir dönüşümün (satın alma, potansiyel müşteri formu gönderimi veya kayıt gibi) kredisini, müşterinin o eylemi tamamlamadan önce etkileşime girdiği çeşitli pazarlama temas noktalarına atama yönündeki analitik uygulamadır. Modern müşteriler bir markayla dönüşüm yapmadan önce çoğunlukla birden fazla kanalda, örneğin organik bir arama sonucunda, bir yeniden hedefleme reklamında, bir sosyal medya gönderisinde ve doğrudan bir ziyarette karşılaştığından, atıf modelleri bu temas noktalarından hangisinin ne kadar krediyi hak ettiği ve dolayısıyla pazarlama bütçesinin nereye ayrılması gerektiği sorusunu yanıtlamak için sistematik bir yol sunar. Yaygın model türleri arasında kredinin yüzde 100'ünü dönüşümden önceki son temas noktasına veren son tıklama atfı, ilk tıklama atfı, krediyi tüm temas noktalarına eşit dağıtan doğrusal atıf, dönüşüme yakın temas noktalarına daha fazla ağırlık veren zaman aşımı (time-decay) modelleri ve birçok dönüşüm yolunda gözlenen kalıplara dayanarak krediyi istatistiksel veya makine öğrenmesi yöntemleriyle atayan veri odaklı atıf yer alır. Atıf önemlidir, çünkü model seçimi bir işletmenin tekil kanalların ve kampanyaların etkinliğini nasıl algıladığını, bu da önemli tutarlar taşıyan bütçe kararlarını dramatik biçimde değiştirebilir. Birçok temel analitik kurulumunda hâlâ varsayılan olan son tıklama modeli, yolculuğun geç aşamasında yer aldıkları için çoğu zaman son temas noktası olan markalı arama ve yeniden hedefleme gibi huni altı kanalların değerini sistematik biçimde olduğundan yüksek, farkındalık ve değerlendirmeyi çok daha erken aşamada oluşturan içerik pazarlaması, sosyal medya ve görüntülü reklamcılık gibi huni üstü kanalların değerini ise olduğundan düşük gösterme eğilimindedir. Çok temaslı müşteri yolculukları üzerine yapılan çalışmalar, tipik bir B2B satın alma yolunun haftalar veya aylar boyunca birden fazla kanalda altı veya daha fazla ayrı etkileşim içerebildiğini ortaya koymuştur; son tıklama atfı bunu temsil edemez. Atıf modellemesini uygulamak güvenilir bir takip altyapısı gerektirir; bu altyapı genellikle UTM parametrelerinin, birinci taraf çerezlerinin veya tanımlayıcılarının ve temas noktalarını oturumlar arasında, ideal olarak cihazlar arasında birleştirebilen bir müşteri veri platformunun ya da analitik aracının birleşimini içerir. Google Analytics 4 ve HubSpot gibi platformlar kutudan çıktığı haliyle çeşitli model seçenekleri sunarken, daha gelişmiş kuruluşlar veri ambarlarını Markov zinciri modellemesi veya Shapley değeri hesapları gibi istatistiksel tekniklerle birleştirerek özel veri odaklı modeller kurar; bu teknikler, bir temas noktasını gözlenen yollardan çıkarmanın etkisini simüle ederek her temas noktasının dönüşüme marjinal katkısını tahmin eder. Sıklıkla göz ardı edilen önemli bir sınırlama, ne kadar gelişmiş olursa olsun hiçbir atıf modelinin, ağızdan ağıza yayılma, çevrimdışı reklamcılık veya yıllar içinde oluşan marka bilinirliği gibi büyük ölçüde izlenebilir dijital temas noktalarının dışında işleyen kanalları tam olarak yakalayamamasıdır; bu nedenle atıf, genel olarak nedenselliğin eksiksiz bir muhasebesi değil, yön gösteren bir kanıt olarak ele alınmalıdır. Üçüncü taraf çerezlerinin aşamalı olarak kaldırılması, iOS Uygulama İzleme Şeffaflığı'nın getirdiği kısıtlamalar ve tarayıcı düzeyindeki takip sınırlamaları dahil olmak üzere gizlilik korumalarına artan bağımlılık, cihazlar ve oturumlar arası takibin doğruluğunu da düşürmüş; bu da birçok kuruluşu gerçek kanal etkisini ölçmek için tamamlayıcı veya alternatif bir yöntem olarak coğrafi dışlama (holdout) deneyleri gibi artımlılık (incrementality) testlerine yöneltmiştir. Bir büyüme veya CRO danışmanlığı için atıf modelleme, deney ve optimizasyon çalışmalarına nerede yatırım yapılacağını önceliklendirmenin kanıt temelini sağlar; çünkü bir modelde güçlü dönüşüm hacmi yaratıyor gibi görünen bir kanal, bir başka modelde çok daha az değerli görünebilir. Uygulayıcılar genellikle sonuçları en az iki model türü arasında, örneğin son tıklama ile veri odaklı veya doğrusal bir modelle karşılaştırmayı önerir; böylece algılanan değeri yönteme göre belirgin biçimde değişen kanallar tespit edilir, çünkü tek ve aşırı basitleştirilmiş bir bakış açısıyla en çok yanlış yönetilmesi muhtemel olanlar bu kanallardır. Bu çalışmanın pratik çıktısı genellikle gözden geçirilmiş bir bütçe dağılımı ve hunide hangi temas noktalarının özel dönüşüm optimizasyonu ilgisini en çok hak ettiğine dair daha net bir haritadır.

A ile başlayan diğer terimler

Bir sonrakini birlikte inşa edelim.

Bize Ulaşın