На правах рекламы

Атрибуция на основе машинного обучения. Как продвинутый алгоритм решает проблемы маркетинговой аналитики

122545

Одна из главных задач интернет-маркетолога сегодня состоит в том, чтобы среди всего доступного разнообразия выбрать источники рекламы, которые точно принесут прибыль от рекламных вложений. О том, как с этой задачей помогает справиться атрибуция, рассказывают создатели сервиса AMIHUB

ФОТО: архив пресс-службы

Атрибуция в маркетинге — это модель присвоения ценности событиям, которые совершил пользователь на пути к полезному действию (конверсии). Такими событиями считаются клики по объявлениям в соцсетях, переходы по ссылкам в письмах и контекстной рекламе и т.д. Взаимодействие пользователя с источниками рекламы способствуют продвижению к конверсии, и задача атрибуции определить, какое касание было самым ценным.

Существует несколько классических моделей атрибуции, которые до сих пор востребованы, несмотря на один общий серьезный недостаток — они не всегда справедливо распределяют ценность между источниками рекламы. Например, атрибуция по первому или последнему клику присвоит все заслуги первому или последнему объявлению, через которое пользователь перешел на сайт перед покупкой. Встречи пользователя с рекламой в других источниках учтены не будут, хотя они тоже значительно способствовали его продвижению к конверсии.

Проблема здесь в том, что эти модели атрибуции используются для распределения маркетингового бюджета между источниками рекламы. Если атрибуция не отражает реальную картину, есть шанс направить слишком много средств на переоцененные источники и отключить те, которые реально приносят прибыль, но не попадают в отчет.

Решение этой проблемы было найдено благодаря технологии машинного обучения. Многоканальная атрибуция на основе машинного обучения учитывает все источники рекламы, с которым сталкивался пользователь, и равномерно распределяет вклады между ними. Если пользователь часто видел рекламу в Instagram, а потом сделал покупку, перейдя через объявление в Facebook, значительная доля ценности вклада в конверсию будет справедливо присвоена Instagram. Если бы маркетолог ориентировался на атрибуцию по последнему клику, он бы уже давно отключил рекламу в Instagram как бесполезную.

Еще одно преимущество многоканальной атрибуции — ее универсальность. Она одинаково хорошо подходит для оценки рекламных кампаний с любыми поставленными целями, будь то повышение узнаваемости бренда, увеличение количества посетителей контент-сайтов или улучшение продаж на сайтах e-commerce.

Машинное обучение можно использовать и для решения еще более сложных задач. Например, сервис AMIHUB, помимо многоканальной атрибуции, предлагает клиентам инструмент предиктивной аналитики. Он способен с высокой точностью предсказывать исход рекламных кампаний уже в момент запуска, основываясь на исторических данных о поведении пользователей.

В AMIHUB также позаботились об удобстве клиентов, добавив функцию объединенных отчетов. Теперь можно объединять данные о расходах и доходах из всех рекламных кабинетов и CRM-систем, что сильно помогает при расчете рентабельности рекламных кампаний.  

И многоканальная атрибуция, и другие инструменты аналитики на основе машинного обучения направлены на то, чтобы помочь маркетологам правильно распределять рекламный бюджет, повышать эффективность и доходность кампаний. Эта технология с нами надолго, и научиться ею пользоваться стоит уже сейчас. Тем более что сделать это можно бесплатно на сайте. AMIHUB предоставляет всем желающим доступ к полной версии сервиса на 30 дней.  

   Если вы обнаружили ошибку или опечатку, выделите фрагмент текста с ошибкой и нажмите CTRL+Enter

Орфографическая ошибка в тексте:

Отмена Отправить