Individual ConversioN Attribution dicembre / 2012
Incremento dell’efficienza per le campagne online
1
1. Introduzione Sia nella ricerca advertising che nella pratica si è arrivati alla conclusione che nel marketing online i singoli canali pubblicitari non devono essere valutati separatamente. L’utente spinto da un comportamento sempre più multimediale - interagisce con marchi e prodotti attraverso svariati canali, dando così origine a numerosi punti di contatto con gli strumenti pubblicitari degli advertiser. Per questo motivo, sarebbe miope valutare separatamente l’efficacia dei singoli canali mentre è molto più utile valutarli complessivamente analizzando come e quando i consumatori utilizzano ogni canale durante il processo di acquisto. Durante quest’analisi si prendono come base di partenza i dati relativi alle conversioni. I modelli di attribuzione aiutano a definire il contributo di ciascun canale alla conversione. Mentre le campagne display ad ampio reach sono adatte a richiamare l’attenzione su nuovi prodotti, query di ricerca specifiche arrivano spesso alla fine di un processo decisionale. Il modello di attribuzione last-cookie-wins, molto diffuso, attribuisce alle query di ricerca finali più conversioni di quante in realtà ne determinino. Questo principio non è quindi adeguato per valutare in modo valido l’efficacia e l’efficienza delle attività di marketing.
La scelta più corretta è rappresentata dagli approcci alternativi, egualmente importanti sia per gli advertiser, che per i publisher e le agenzie. Tuttavia, visto che diversi modelli di attribuzione danno anche diversi CPO, ogni advertiser deve chiedersi: qual è il modello di attribuzione più adatto a me?
2
2. Modelli di attribuzione più diffusi I modelli di attribuzione più usati assegnano le conversioni ai singoli canali solo in base all’ordine dei touch point tra l’utente e il messaggio pubblicitario: Modello last-cookie-wins
100%
100%
75%
Il modello last-cookie-wins assegna tutte le conversioni all’ultimo touch point tra utente e messaggio all’interno del customer journey.
50% 25% 0%
Modello first-cookie-wins
100% 75%
Il modello first-cookie-wins assegna tutte le conversioni al primo touch point all’interno del customer journey.
100%
50% 25% 0%
3
Modello di distribuzione uniforme
50% 25%
25%
25%
25%
25%
0%
Questo modello distribuisce uniformemente le quote di ogni conversione a tutti i touch point. Se per esempio un utente viene in contatto con la pubblicità in quattro touch point diversi, ad ognuno di essi viene assegnato il 25 percento del successo della conversione.
Modello decrescente
50% 25%
35%
30%
20%
15%
0%
In base a questo modello il peso dei touch point si riduce con il passare del tempo. Più un touch point è vicino a una conversione, minore sarà il peso che gli verrà attribuito.
Modello crescente
50% 25%
15%
20%
35%
30%
0%
4
Il peso aumenta nel corso del tempo. Più un punto di contatto è vicino a una conversione, maggiore sarà il peso che gli verrà attribuito.
Modello a U
50%
40%
25%
40% 40%
10% 10%
10% 10%
40%
0%
Il modello a U attribuisce maggior peso al primo e all’ultimo punto di contatto rispetto a quelli all’interno del customer journey. Il primo per la sua capacità di attirare l’attenzione, l’ultimo perchè consente di concludere la transazione. A tutti glialtri punti di contatto viene attribuito uniformemente un pesominore. Anche in questo caso il peso è assegnato individualmente.
I diversi scenari di attribuzione possono avere vari effetti sulla valutazione dell’efficienza dei singoli canali:
Touch point 1:
Touch point 2:
Touch point 3:
Touch point 4:
Click sul Display Banner
Click sul partner affiliato with click
SEA con click sul prodotto
Inserimento dell’ URL con vendita
Secondo il modello last-cookie-wins i canali Display-Advertising e Affiliate-Marketing non otterrebbero risultati, mentre in base al first-cookie-wins al canale Display-Advertising verrebbe attribuita l’intera conversione. D’altro canto il modello di attribuzione uniforme avrebbe assegnato il 33,3 percento della conversione ad ogni touch point.
5
3. Quale modello di attribuzione si dovrebbe utilizzare? Se il processo decisionale dell’utente è molto breve, i modelli di attribuzione hanno un ruolo secondario. Per esempio i customer journey degli acquirenti di libri sono composti per oltre il 95% da solo un touch point. In questi casi i risultati dei diversi modelli di attribuzione differiscono poco gli uni dagli altri. Nel settore dei viaggi invece il quadro è completamente diverso. In questo caso il processo decisionale degli utenti può durare diverse settimane. Durante la ricerca infatti consultano diversi servizi online come blog, portali, siti che confrontano le tariffe, ecc. L’utente entra quindi in contatto con una grande varietà di strumenti e formati pubblicitari. In questi casi il modello di attribuzione ha un impatto decisivo sul budget e quindi sulle prestazioni generali. Tuttavia il punto debole dei modelli standard finora illustrati sta nel fatto che partono da determinate supposizioni e sono di natura statica. Nei modelli che attribuiscono un peso maggiore ai touch point finali (lastcookie-wins, modello crescente) si parte dal presupposto che la pubblicità alla fine del processo decisionale abbia la massima influenza sulle prestazioni. Al contrario i modelli che attribuiscono maggiore peso ai touch point iniziali (first-cookie-wins, modello decrescente) ritengono determinante per la decisione dell’utente l’effetto del branding all’inizio del processo. Il modello a U e il modello uniformemente distribuito sono invece un mix degli altri. Inoltre, l’uso di questi modelli presuppone che si utilizzino sempre determinati canali in alcuni punti del processo decisionale - per esempio che una ricerca del marchio avvenga sempre alla fine del processo. Questo presupposto non è sbagliato, ma non è completo, perché nella valutazione dell’efficacia dei canali di marketing entrano in gioco altri fattori come per esempio il tipo di interazione (click/visualizzazione), il tipo, le dimensioni, la posizione del messaggio pubblicitario e altri fattori.
Una soluzione a questo problema è rappresentata dai modelli di attribuzione individuale adattati ad ogni advertiser. Si tratta di modelli dinamici che non si limitano a considerare la sequenza dei touch point, ma consentono anche di avere una visione più ampia di tutti i fattori.
6
4. Il modello di attribuzione individuale Il modello di attribuzione individuale di QUISMA è uno schema di valutazione che, a differenza dei modelli generali di allocazione, indica per ogni journey di successo(cioè per ogni conversione) il preciso contributo dei singoli canali di marketing online. Su questa base le conversioni vengono distribuite proporzionalmente su ciascun touch point. Per valutare il contributo di ciascun canale utilizziamo diversi fattori:
Fattore principale
• Efficienza del canale
Individuazione del contributo di ciascun canale alle conversioni generate
L’efficienza dei canali viene individuata creando un modelling che tiene conto di tutti i percorsi utente, anche quelli che non hanno condotto ad una transazione. Il risultato è composto quindi sia da path-to-conversion sia da pathto-nonconversion.
Altri fattori
• Tipo di interazione: Peso diverso al tipo di interazione che si tratti di una visualizzazione o di un click
• Touch point: Peso diverso dei touch point sia che siano i primi,
gli ultimi, o i più influenti (cosiddetti introducer,closer e influencer)
• Qualità della pubblicità: Peso diverso della pubblicità. Nel
Display-Advertising, ad esempio, i banner hanno un peso diverso a seconda che siano mostrati da soli, che siano immagini in movimento, wallpaper ecc. Nella pubblicità sui motori di ricerca il peso viene dato invece alla qualità delle parole chiave, alla posizione del banner, ecc.
• Tempo tra i touch point: Se, per esempio, la stessa
interazione si presenta più volte entro un certo periodo, questa viene contata una sola volta.
• Tipo di journey: Peso diverso sia che si tratti di una vendita che di un journey di contatto o che siano entrambi presenti. 7
Se queste informazioni sono disponibili viene creato un modello di scoring per valutare i journey. L’esempio seguente mostra il funzionamento di questo modello di scoring. Per farlo si tiene conto di cinque Journey che includono solo i canali Display e SEA. Per semplificare il processo si presume che solo l’efficienza dei canali abbia un impatto sul modello. Figura 1
In questo esempio, adottando il metodo last-cookie-wins tre conversioni vengono assegnate al SEA e due conversioni al Display (vedere fig. 1, ultimi punti di contatto prima della conversione). Quindi l’analisi dell’efficienza dei canali mostra che al canale SEA viene assegnato un contributo del 70% e al canale banner-advertising un contributo del 30%. Per ogni singolo customer journey si ha quindi il seguente scenario:
8
Scenario esemplificativo per il rilevamento delle percentuali di conversione dei singoli canali .
Per il primo Journey nella figura 2 la conversione è stata suddivisa tra pubblicità via banner e pubblicità tramite motori di ricerca. Alla pubblicità via banner è stato attribuito il 56,25%, mentre alla pubblicità tramite motori di ricerca il 43,75% della conversione. Nel secondo journey la pubblicità via banner ha ricevuto il 17,65% mentre quella tramite motori di ricerca l’82,35% della conversione. Figura 2
Se si aggiungono ora i contributi di ogni singolo canale per tutti i journey si ottiene la loro percentuale rispetto al numero complessivo delle conversioni. Ciò significa che SEA ha ottenuto una percentuale del 3,261% e il banner advertising l’1,739% delle cinque conversioni raggiunte (nota bene: in base al “last-cookie-wins” la distribuzione sarebbe di 3:2). I CPO risultanti, molto diversi dall’attribuzione last-cookie-wins, vengono utilizzati ancora una volta per l’allocazione ottimale del budget.
9
Assegnazione del modello ai journey attuali e rilevamento del contributo di valore dei canali all’interno dei journey.
Il modello di attribuzione di QUISMA fornisce un modello di valutazione individuale che mostra l’efficacia e l’efficienza dei singoli canali per ogni journey, per ogni touch point e dell’intero processo.
Questo modello può essere ampliato anche con fattori specifici del business dell’advertiser in modo da integrare l’allocazione del budget con parametri supplementari. In questo modo non si considera la situazione solo fino a conversione avvenuta, ma si rileva quali conversioni sono più vantaggiose per l’azienda. Si dovrebbe tenere conto dei seguenti fattori:
Fattori di business
• Obiettivo di vendita
Ampliamento del modello sulla base delle vendite generate dai journey.
• Scoring dei clienti
Ulteriore raffinamento del modello in base alla valutazione dell’advertiser da parte dei clienti. Ottimizzazione dei journey in base a Customer Lifetime Value e Customer Equity
Molti advertiser hanno in assortimento prodotti con diversi margini di contributo e diversi livelli di vendita. Così Amazon, ad esempio, vende sia calzini che lavatrici. Naturalmente, i margini generati da questi prodotti sono molto diversi. Informazioni come queste possono essere integrate nella valutazione dei journey. Nel modello di attribuzione è possibile assegnare un maggior peso a canali o combinazioni di canali che portano a vendite maggiori. In questo caso l’obiettivo primario non è più la conversione bensì il margine di contributo generato per journey.
10
5. Retail Case Study Il modello di attribuzione individuale è stato usato, ad esempio, per creare un modello di valutazione per il settore retail, che ha incluso i dati di customer journey di cinque aziende retail. Il modello è stato calcolato in base all’efficienza di ogni singolo canale, al tipo di interazione (visualizzazione o click) e alla posizione del touch point (introducer, influencer e closer). Le percentuali di vendite dei singoli canali sono state rilevate su questi parametri e confrontate con quelle del metodo last-cookie-wins: Figura 3
Distribuzione delle vendite in base all’attribuzione lastcookie-wins
Figura 4
Distribuzione delle vendite in base all’attribuzione lastcookie-wins
11
Nel confronto diretto si hanno cambiamenti sostanziali delle percentuali di vendita dei diversi canali. Con la nuova attribuzione, a SEA brand, Retargeting, Affiliate-Marketing e motori di ricerca di prodotto e prezzo vengono assegnate meno vendite rispetto allo scenario di last-cookie-wins.La percentuale invece aumenta nei canali SEO generico, Display-Advertising e SEA generico. Questo comporta anche un cambiamento nei CPO: Performance complessive dei canali
Canale
Costi complessivi
SEA Brand
Vendite (Last Cookie)
CPO (Last Cookie)
Vendite (individuale)
CPO (individuale)
CPO Cambiamento
1.020.000 €
699.682
1,46 €
611.224
1,67 €
14,47%
SEO generico
610.000 €
140.748
4,33 €
185.787
3,28 €
-24,24%
Retargeting
756.000 €
178.524
4,23 €
147.466
5,13 €
21,06%
1.629.000 €
236.794
6,88 €
195.592
8,33 €
21,07%
Display Advertising
1.076.000 €
44.892
23,97 €
95.887
11,22 €
-53,18%
SEA Generic
3.603.000 €
199.965
18,02 €
279.951
12,87 €
-28,57%
2.470.00 €
173.249
14,26 €
157.947
15,64€
9,69%
11.164.000 €
1.673.854
6,67€
1.673.854
Affiliate Marketing
Motori di ricerca di prodotto e prezzo
Totale
6,67 €
Per migliorare l’efficienza del budget marketing lo si può ora redistribuire sulla base dei CPO. Tuttavia bisogna sempre tenere conto delle caratteristiche specifiche di ogni canale. Alcuni canali non possono essere ampliati all’infinito o mostrano una curva dei costi marginali in crescita (per es. SEA Brand, Retargeting).
Per il nostro scenario retail la strategia per la redistribuzione del budget sarebbe la seguente: Riduzione del budget
Aumento del budget
SEA generico, motori di ricerca di prodotto e prezzo
SEA Brand, SEO generico, Retargeting, Affiliate-Marketing e Display-Advertising
12
Occorre ricordare che la redistribuzione del budget è un processo olistico nel quale ci si avvicina gradualmente all’allocazione ottimale del budget. Grazie a piccole modifiche nella sua assegnazione si ottimizza costantemente l’output complessivo delle conversioni.
6. Conclusione
Per essere certi del ROI (Return on Investment) di tutti i canali di marketing online adottati è indispensabile sviluppare singoli modelli di attribuzione. Solo così è possibile integrare nella valutazione delle prestazioni l’efficienza del canale, il tipo di interazione e la qualità del messaggio pubblicitario. Un modello non focalizzato sull’ordine dei touch point permette un’adeguata valutazione dei canali del marketing online in termini di efficacia ed efficienza e permette di distribuire meglio i budget, con la conseguenza di aumentare significativamente le vendite (anche a doppia cifra) e il fatturato.
13
Milano Monaco Dusseldorf Francoforte Vienna Zurigo Londra Madrid Amsterdam
Varsavia Parigi Istanbul Mosca Bruxelles Dubai Praga Bratislava
Creating Value & Performance in Digital QUISMA Via del Mulino, 4, Milanofiori Nord IT-20090 Assago (MI) +39 02 321637-1 +39 02 321637-99 infoit@quisma.com
BLOG