SwitasLiên hệ

Mô hình phân bổ (Attribution Modeling)

Mô hình phân bổ (attribution modeling) là thực hành phân tích gán công trạng cho một lượt chuyển đổi, như mua hàng, gửi thông tin khách hàng tiềm năng hay đăng ký, cho các điểm chạm marketing mà khách hàng đã tương tác trước khi hoàn tất hành động đó. Vì khách hàng hiện đại thường tiếp cận một thương hiệu qua nhiều kênh, chẳng hạn kết quả tìm kiếm tự nhiên, quảng cáo tái tiếp thị, bài đăng mạng xã hội và lượt truy cập trực tiếp, trước khi chuyển đổi, các mô hình phân bổ cung cấp cách thức có hệ thống để trả lời điểm chạm nào xứng đáng nhận bao nhiêu công trạng, và từ đó, ngân sách marketing nên được phân bổ ở đâu. Các loại mô hình phổ biến gồm phân bổ theo lượt nhấp cuối (last-click), gán 100 phần trăm công trạng cho điểm chạm cuối cùng trước chuyển đổi; phân bổ theo lượt nhấp đầu (first-click); phân bổ tuyến tính, chia đều công trạng cho mọi điểm chạm; mô hình suy giảm theo thời gian, đặt trọng số lớn hơn cho các điểm chạm gần thời điểm chuyển đổi; và phân bổ dựa trên dữ liệu, sử dụng phương pháp thống kê hoặc học máy để gán công trạng dựa trên các mẫu quan sát được trên nhiều lộ trình chuyển đổi. Phân bổ quan trọng vì việc chọn mô hình có thể thay đổi đáng kể cách doanh nghiệp nhìn nhận hiệu quả của từng kênh và chiến dịch, từ đó chi phối các quyết định ngân sách với số tiền rất lớn. Mô hình last-click, vẫn là mặc định trong nhiều thiết lập phân tích cơ bản, có xu hướng đánh giá quá cao một cách có hệ thống các kênh cuối phễu như tìm kiếm thương hiệu và tái tiếp thị, vốn thường là điểm chạm cuối chỉ vì chúng xuất hiện muộn trong hành trình, đồng thời đánh giá thấp các kênh đầu phễu như content marketing, mạng xã hội và quảng cáo hiển thị, những kênh xây dựng nhận thức và cân nhắc từ sớm. Các nghiên cứu về hành trình khách hàng đa điểm chạm cho thấy một lộ trình mua B2B điển hình có thể gồm sáu hoặc nhiều hơn các tương tác riêng biệt qua nhiều kênh trong nhiều tuần hoặc nhiều tháng, điều mà phân bổ last-click hoàn toàn không thể thể hiện. Triển khai mô hình phân bổ đòi hỏi hạ tầng theo dõi đáng tin cậy, thường kết hợp các tham số UTM, cookie hoặc định danh bên thứ nhất, và một nền tảng dữ liệu khách hàng hoặc công cụ phân tích có khả năng ghép nối các điểm chạm qua các phiên và, lý tưởng nhất, qua các thiết bị. Các nền tảng như Google Analytics 4 và HubSpot cung cấp sẵn một số tùy chọn mô hình, trong khi các tổ chức tinh vi hơn xây dựng mô hình dựa trên dữ liệu tùy chỉnh bằng kho dữ liệu kết hợp các kỹ thuật thống kê như mô hình chuỗi Markov hoặc tính toán giá trị Shapley, vốn ước tính đóng góp biên của từng điểm chạm vào chuyển đổi bằng cách mô phỏng tác động của việc loại bỏ nó khỏi các lộ trình quan sát được. Một hạn chế quan trọng thường bị bỏ qua là không mô hình phân bổ nào, dù tinh vi đến đâu, có thể nắm bắt đầy đủ các kênh hoạt động chủ yếu ngoài các điểm chạm số có thể theo dõi, như truyền miệng, quảng cáo ngoại tuyến hoặc nhận thức thương hiệu được xây dựng qua nhiều năm, vì vậy phân bổ nói chung nên được xem là bằng chứng mang tính định hướng chứ không phải bản kê đầy đủ về quan hệ nhân quả. Việc ngày càng dựa vào các biện pháp bảo vệ quyền riêng tư, gồm việc loại bỏ dần cookie bên thứ ba, các hạn chế do iOS App Tracking Transparency đưa ra và giới hạn theo dõi ở cấp trình duyệt, cũng làm suy giảm độ chính xác của việc theo dõi đa thiết bị và đa phiên, thúc đẩy nhiều tổ chức hướng tới thử nghiệm gia tăng (incrementality testing), như thử nghiệm đối chứng theo địa lý, như một phương pháp bổ sung hoặc thay thế để đo lường tác động thực sự của kênh. Đối với một đơn vị tư vấn tăng trưởng hoặc CRO, mô hình phân bổ cung cấp cơ sở bằng chứng để ưu tiên nơi đầu tư cho hoạt động thử nghiệm và tối ưu hóa, vì một kênh có vẻ tạo ra lượng chuyển đổi mạnh theo mô hình này có thể kém giá trị hơn nhiều theo mô hình khác. Các chuyên gia thường khuyến nghị so sánh kết quả giữa ít nhất hai loại mô hình, chẳng hạn last-click với mô hình dựa trên dữ liệu hoặc tuyến tính, để xác định những kênh có giá trị cảm nhận dao động mạnh tùy phương pháp, vì đó là những kênh dễ bị quản lý sai nhất khi chỉ dựa vào một góc nhìn đơn giản hóa quá mức. Kết quả thực tiễn của công việc này thường là phương án phân bổ ngân sách được điều chỉnh và một bản đồ rõ ràng hơn về những điểm chạm nào trong phễu xứng đáng nhận sự chú ý tối ưu chuyển đổi chuyên biệt.

Thêm thuật ngữ bắt đầu bằng A

Hãy cùng xây dựng sản phẩm tiếp theo.

Liên hệ