Поскольку рекламная среда продолжает развиваться в сторону конфиденциальности пользователей, методы, которые мы использовали до сих пор для измерения эффективности и ценности наших рекламных кампаний, также необходимо переосмыслить и адаптировать.
На протяжении самого длительного периода детерминированные модели атрибуции были решением вопроса измерения. Но традиционные модели атрибуции последнего клика больше не дают точной картины результатов кампании во всех сценариях. С появлением Apple SKAN (SKAdNetwork) атрибуция по последнему клику распространяется на аудиторию LAT, но гибкость и полнота методов, используемых для оценки кампании и атрибуции общих результатов, меняются.
Измерение Uplift долгое время полностью зависело от последнего клика и/или идентификаторов устройств. В этой статье обсуждаются плюсы и минусы различных способов измерения программных рекламных кампаний в сценариях с идентификаторами пользователей и без них.
Модели атрибуции
Рекламодатели могут выбирать из разных моделей, например, first-/last-click или multi-touch с линейным/W-/U-образным/временным-распадным распределением. Все они пытаются решить вопрос: какому каналу и в какой пропорции приписывать успех кампании? Однако традиционные модели атрибуции, естественно, не на 100% надежны, когда дело доходит до доказательства инкрементальности.
В среде LAT без доступности идентификаторов пользователей детерминированные методы не работают. Единственная доступная модель атрибуции для этого сценария — SKAN (SKAdNetwork), которая является единственной реальной MMP последнего клика, доступной для iOS. SKAN отправляет постбэки без IDFA или любого рекламного идентификатора, и ее интеграция необходима для получения атрибуции последнего клика и аналитики производительности для кампаний без IDFA.
Атрибуция представляет некоторые проблемы и дает нам искаженную точку зрения на прибыльность кампаний. Измерение инкрементальности или воздействия позволяет рекламодателям иметь точную перспективу вклада кампаний, не полагаясь на детерминированные методы. Таким образом, это лучший, хотя и более трудоемкий вариант для рекламодателей, желающих иметь пульс инкрементальной ценности, которую генерируют их рекламные стратегии.
Причины использования моделей атрибуции
Простой расчет
Модели атрибуции следуют предопределенному и упрощенному расчету кредита для каждого канала. Предположим, вы проводите кампанию по привлечению пользователей или ретаргетингу с ограниченными ресурсами для обработки и глубокого изучения данных, модель атрибуции может быть хорошим выбором, если вы знаете о ее ограничениях.
Простота в использовании
Независимо от размера, продолжительности и бюджета кампании рекламодатели могут положиться на MMP, которые будут следовать выбранному ими методу атрибуции и получать результаты своевременно.
Равенство по всем каналам
Несмотря на многочисленные дискуссии о преимуществах и недостатках каждого метода атрибуции, детерминированная атрибуция в целом стала стандартной практикой среди игроков рекламного рынка.
Почему вам нужно смотреть дальше моделей атрибуции
Зависимость от предположения
Детерминированные модели атрибуции опираются на определенные предположения о ценности точек соприкосновения. Некоторые отдают максимальную долю последней точке соприкосновения, некоторые распределяют долю между различными точками соприкосновения. Поскольку маркетинговая аналитика движется к стандарту, где решения принимаются на основе данных и требуют более высокого уровня точности, подход, основанный на предположениях, влечет за собой ненужную предвзятость.
Больше внимания уделяется щелчкам, меньше внимания уделяется намерениям
Количество кликов остается фундаментальным блоком моделей атрибуции, игнорируя при этом конверсионное намерение пользователя. Это ограничивает подход маркетолога к целостному пониманию поведения пользователя и его связыванию с усилиями и воздействием кампании.
Невежество по отношению к неизмеримым вкладчикам
При проведении рекламной кампании существуют различные косвенные факторы, включая существующую ценность вашего бренда, «сарафанное радио», телевидение, офлайн-кампании и т. д. Большинство моделей атрибуции часто закрывают глаза на вклад медиамикса в успех отдельной цифровой кампании.
Традиционные модели атрибуции не учитывают конфиденциальность пользователей
Как упоминалось ранее, модели атрибуции, основанные на отслеживании идентификаторов пользователей, не будут применяться к трафику LAT. SKAN — это последний вариант выбора по-прежнему доступен для iOS, но имеет некоторые ограничения.
Измерение приращения
Измерение прироста, возможно, не является практичной ежедневной заменой атрибуции, но это предпочтительный метод оценки реального прироста вклада рекламных кампаний.
Измерение приращения обеспечивает более глубокое понимание и лучшую стратегическую ориентацию для точной оптимизации и распределения бюджета. Измерение подъема также позволяет рекламодателям измерять свой органический базовый уровень по сравнению с платными результатами, чтобы избежать каннибализации.
Различные методы расчета приращения
Для расчета подъема используются различные методологии: ITT (Intent-to-Treat), PSA (Public Service Advertisements или Placebo Advertisements), Ghost Ads и Ghost Bids. Методологии инкрементации развивались, чтобы обеспечить надежное измерение, минимально возможный шум и минимальное смещение выбора, чтобы рекламодатели получали наивысший уровень точности.
Методологии различаются, но все они основаны на одном и том же принципе. Подобно тому, как измеряется телевизионная реклама, подъем основан на запуске рекламных кампаний, которые можно измерить с использованием идентифицируемых субрынков (группа воздействия), оставляя другие субрынки нетронутыми (контрольная группа).
Проще говоря, это управляемый данными подход полагается только на то, чтобы показывать рекламу рекламодателя тестовой группе, оставляя пользователей контрольной группы нетронутыми. Разница в результатах между тестовой и контрольной группами — это инкрементальный подъем.
Измерение прироста в период после IDFA
Измерение прироста также представляет собой методологию, которая помогает рекламодателям более комплексно оценивать свои рекламные усилия в мире без идентификаторов пользователей.
Поскольку SKAdNetwork — единственный MMP для кампаний LAT на iOS. Он обеспечивает частично детерминированную атрибуцию только для установок. Измерение инкрементальности становится критически важным для получения реальной картины результатов кампаний.
методы измерения подъема вышеупомянутые полагаются на IDFA и информацию на уровне пользователя. Для аудиторий LAT традиционные тесты подъема невозможны, поскольку они полагаются на идентификаторы устройств для различения тестовых и контрольных групп. Однако методологию можно адаптировать, основываясь на синтетических контрольных группах.
Анализ временных рядов и синтетические контрольные группы могут предоставить ценную информацию о рентабельности инвестиций в ваши рекламные кампании и общей производительности модели смешанных медиа. Они должны быть реализованы на стороне рекламодателя, поскольку они опираются на внутренние данные. И они дают рекламодателям контроль над измерениями и обеспечивают относительно быструю обратную связь в зависимости от продукта приложения, стимулов кампании и обычного времени выполнения конверсии.
Полностью готовый к SKAN, RevX охватывает эпоху конфиденциальности пользователей и готов консультировать любые компании, занимающиеся приложениями, по вопросам настройки, проведения и анализа измерения прироста. Таким образом, рекламодатели всегда могут быть уверены в том, что у них есть реальные данные для разработки лучших стратегий и оптимизации своих кампаний для получения дополнительных результатов.
Почему постепенный подъем — это путь вперед
Инкрементальность — надежный инструмент для вашего маркетингового арсенала приложений. Одним из факторов сопротивления измерению подъема является его воспринимаемый уровень сложности, но с помощью рекламного партнера его вполне можно проводить в качестве стандартной практики.
Поскольку рекламная индустрия требует и поддерживает «золотые стандарты» аналитики, сбор этих подробных сведений о кампании имеет важное значение. Инкрементность можно отслеживать рост по каналам и, кроме того, учитывать побочные эффекты медиамикса.
Измерение инкрементального подъема против атрибуции: краткий обзор
Измерение атрибуции против инкрементальности — это не традиционная «битва Android против iOS», где нужно выбирать в сторону. Оба эти подхода доступны для поддержки потребностей в измерении и анализе вашей кампании. Решение о том, какой из них использовать, зависит от того, что рекламодателю нужно отслеживать, чтобы понять обоснованность и релевантность его маркетинговых инвестиций.
Атрибуция — полезная методология отслеживать эффективность различных каналов в вашей кампании, в то время как инкрементальность приближает вас к точности в отслеживании рентабельности инвестиций.
Когда вы проводите более широкий спектр кампаний по различным каналам, которые включают более глубокое понимание аудитории и множественные точки соприкосновения, измерение подъема берет верх. Как маркетолог приложений с четкой фокусировкой на ROI, инкрементность — явный победитель. Когда дело доходит до реального воздействия ваших кампаний, то, как вы измеряете этот подъем, имеет огромное значение для успеха вашей стратегии. В конце концов, никто не хочет тратить свои бюджеты вслепую.
Мобильным маркетологам нужна определенность, а измерение инкрементальности дает необходимые сведения для поиска связи между вашими программными рекламными усилиями и повышением рентабельности инвестиций. Используйте измерение инкрементальности в своих интересах и проложите путь к будущему и устойчивому росту приложений.
Лорен Хайнек
