Modelli di attribuzione – Introduzione

 

Il processo di acquisto del consumatore si è evoluto e il suo percorso spazia tra diversi punti di contatto, sia online che offline, rendendo sempre più complicato capire il reale impatto dei canali di comunicazione e promozione. Questo implica l’utilizzo di strumenti di misurazione più̀ precisi e basati su dati oggettivi per ottimizzare gli investimenti futuri in funzione del reale contributo dei canali per massimizzare il Convertion Rate.

 

Customer Journey e Customer Experience

 

I modelli di analisi odierni devono superare quelli lineari da sempre utilizzati come il “Last Clic“, ovvero un modello che attribuisce tutta la conversione all’ultima fonte di traffico.

 

Ma è una valutazione corretta dell’effettivo contributo del canale in un panorama in cui il Customer Journey è omnicanale ?

 

Vediamo un esempio di customer journey:

 

  • Un utente clicca un annuncio AdWords, entra sul sito ma non acquista nulla
  • Successivamente l’utente è esposto ad un banner di remarketing su un altro sito, entra di nuovo ma anche questa volta decide di non acquistare
  • L’utente entra su Facebook e vede un post sponsorizzato che lo porta al blog. Clicca e decide di iscriversi alla newsletter settimanale
  • L’utente riceve la newsletter, va al sito e mette qualche prodotto nel carrello ma non acquista
  • L’utente dopo qualche giorno entra direttamente al sito e completa l’acquisto dei prodotti che aveva messo nel carrello.

 

Il conversion path di questo cliente è quindi:  AdWords | Remarketing | Facebook Ads | Newsletter | Direct

 

Se venisse utilizzato il modello Last Clic, l’attribuzione (il contributo alla conversione) verrebbe interamente dato al canale diretto a discapito di tutti gli altri canali e processi che hanno contribuito nel processo di acquisto del cliente.

Una valutazione di questo tipo è deviante e rischiosa quando si passa dalla misurazione dei risultati alle azioni di business in cui gli investimenti futuri sui canali possono dipendere da questi risultati.

 

Modelli di attribuzione classici per misurare il contributo dei canali

 

Modelli di Attribuzione sono strumenti che misurano, con modalità differenti, il contributo dei canali con l’obiettivo di calcolare il ROI degli investimenti. Questi modelli attribuiscono valori ai punti di contatto a cui è esposto l’utente, sia online che offline (es. iscrizione ad una loyalty card in negozio).

I modelli di attribuzione classici da sempre utilizzati (come il “Last Clic” nell’esempio di prima) si basano su parametri come frequenza di utilizzo e sequenzialità dei touchpoint:

 

  • Ultimo click: il modello attribuisce il 100% del valore all’ultimo canale utilizzato prima della conversione. Come detto sopra è un modello molto “debole” poiché non considera minimamente gli altri canali con cui il cliente ha interagito
  • Primo click: in questo caso il 100% del valore viene attribuito al primo canale. Nonostante possa sembrare debole e rischioso come quello precedente, questo modello di attribuzione può essere utile quando l’obiettivo è l’Awareness del prodotto o del brand e si vuole valutare l’impatto delle campagne di acquisizione
  • Ultimo click non Diretta: il modello attribuisce il 100% del valore all’ultimo canale utilizzato prima della conversione ma senza considerare il canale Direct. E’ una metodologia anche questa che presenta numerosi punti di debolezza
  • Ultimo click Adwords: questo modello attribuisce il 100% del valore della conversione all’annuncio Adwords senza considerare quante volte il cliente ha cliccato l’annuncio. Questo modello è utile nel momento in cui si vuole misurare solo l’investimento in Adwords per rilevare gli annunci che hanno portato o meno benefici in termini di conversioni
  • Attribuzione lineare: questi modelli assegnano lo stesso peso a tutti i canali. Questo modello esprime la sua utilità quando l’obiettivo è quello di avere una visione generale di tutti i canali poiché le campagne sono create per mantenere una interazione continua con gli utenti e lo stesso livello di pressione. L’altra faccia della medaglia è che non è possibile conoscere quali canali sono stati più o meno efficaci
  • Time decay (o decadimento temporale): questo modello tiene conto di tutti i canali utilizzati con una distribuzione dei pesi a favore dei canali di contatto più prossimi temporalmente alla conversione. Può essere utile per le campagne promozionali o brevi
  • Position Based (in base alla posizione): è ibrido tra tutti i modelli precedenti e viene data maggiore importanza al primo e all’ultimo canale considerando però anche gli altri canali utilizzati. Normalmente primo e l’ultimo canale ricevono un peso del 40% mentre gli altri si dividono il restante 20%. Questo modello è utile per gestire le pianificazioni di campagne volte a creare Awareness e quelle che mirano alla conversione finale in acquisto

 

Advanced Analytics & Machine Learning per migliorare la pianificazione delle campagne

 

Nel panorama attuale questi modelli, ancorché validi per alcuni obiettivi, possono essere affiancati da tecniche e metodologie che utilizzano Advanced Analytics per sviluppare una modellazione appropriata del fenomeno di attribuzione in cui i valori sono assegnati sulla base della reale influenza sulla conversione in acquisto del cliente.

Se con i modelli di attribuzione si cerca di misurare l’impatto dei canali, con gli Advanced Analytics è possibile approfondire ed entrare nel dettaglio del fenomeno della conversione analizzando pattern e tratti comuni dei clienti che rispondono (o non rispondono) alle sollecitazioni delle campagne oppure comprenderne il diverso comportamento a fronte di differenti esposizioni e/o interazioni.

Le metodologie di Machine Learning permettono infine, soprattutto in real time, di modulare e ottimizzare gli investimenti e la pianificazione delle campagne in base al comportamento dei clienti e dei risultati che si stanno ottenendo per tendere sempre di più alla massimizzazione della conversione finale.

 

 

 

Se sei interessato a soluzioni di Advanced Analytics & Machine Learning per migliorare i tuoi modelli di attribuzione contattaci saremo lieti di fornirti tutte le informazioni e rispondere alla tue domande.

All’interno della nostra Accademia del dato eroghiamo corsi di formazione in ambito Machine Learning & Data Intelligence.

Rimani sempre aggiornato con la nostra newsletter. Se non sei ancora iscritto clicca qui