วิธีการและโมเดล: คู่มือการกำหนดคุณลักษณะแบบมัลติทัช

การระบุแหล่งที่มาแบบมัลติทัชเป็นศาสตร์ที่กว้างขวาง ครอบคลุมวิธีการและรูปแบบที่หลากหลาย การรู้ว่ารูปแบบใดเหมาะสมกับความต้องการทางธุรกิจของคุณนั้นขึ้นอยู่กับสิ่งที่คุณต้องการทำกับผลลัพธ์

บทความนี้จะอธิบายหลักพื้นฐานของ การกำหนดคุณลักษณะแบบมัลติทัช เน้นย้ำถึงความแตกต่างระหว่างวิธีการและโมเดลที่มีอยู่ และช่วยให้คุณเลือกโมเดลที่เหมาะสมกับธุรกิจของคุณได้

Multi-Touch Attribution คืออะไร?

การกำหนดคุณค่าแบบมัลติทัชเป็นเทคนิคการวัดประสิทธิผลทางการตลาดที่นำจุดสัมผัสทั้งหมดในการเดินทางของผู้บริโภคมาพิจารณา และกำหนดเครดิตเศษส่วนให้กับแต่ละจุดเพื่อให้นักการตลาดสามารถดูได้ว่าช่องทางแต่ละช่องทางมีอิทธิพลต่อการขายมากเพียงใด

การระบุคุณค่าแบบมัลติทัชนำเสนอทางเลือกที่ซับซ้อนยิ่งขึ้นสำหรับแนวทางการระบุคุณค่าแบบดั้งเดิมที่อิงตามกฎเกณฑ์ เช่น การสัมผัสครั้งแรกและครั้งสุดท้าย ซึ่งจะให้เครดิตทั้งหมดแก่จุดสัมผัสทางการตลาดครั้งแรกหรือครั้งสุดท้ายก่อนที่ผู้บริโภคจะตัดสินใจซื้อ ดาวน์โหลด หรือเหตุการณ์อื่นๆ

การใช้กฎเกณฑ์ตามอำเภอใจทำให้วิธีการเหล่านี้ล้มเหลวในการวัดผลการมีส่วนร่วมของทุกจุดสัมผัสในการเดินทางของผู้บริโภคอย่างแม่นยำ ส่งผลให้ผู้ทำการตลาดต้องตัดสินใจโดยอิงจากข้อมูลที่เบี่ยงเบน

การระบุคุณค่าแบบมัลติทัชช่วยขจัดอคติด้วยการจัดสรรเครดิตตามอัลกอริทึมให้กับทุกองค์ประกอบในทุกจุดสัมผัสในการเดินทางของผู้บริโภค ผ่านช่องทางและกลวิธีทางการตลาดและการโฆษณา ตามอิทธิพลที่มีต่อการขับเคลื่อนเหตุการณ์การแปลง

โดยการใช้ประโยชน์จากข้อมูลในระดับผู้ใช้แต่ละรายผ่านช่องทางที่ระบุได้ เช่น การส่งจดหมายโดยตรง การแสดงออนไลน์ และการค้นหาแบบชำระเงิน การกำหนดคุณค่าแบบมัลติทัชจะคำนวณและกำหนดเครดิตสำหรับเหตุการณ์ตัวชี้วัดประสิทธิภาพหลัก (KPI) ให้กับจุดสัมผัสทางการตลาดที่ส่งผลต่อผลลัพธ์ทางธุรกิจที่ต้องการ

ข้อมูลเชิงลึกเกี่ยวกับประสิทธิภาพในอดีตเหล่านี้ยังสามารถใช้เพื่อแจ้งการตัดสินใจในการวางแผนและเพิ่มประสิทธิภาพสำหรับแคมเปญในอนาคต รวมถึงแคมเปญที่กำลังดำเนินการอยู่ได้อีกด้วย

การเลือกโมเดลการกำหนดคุณลักษณะแบบมัลติทัช

มีโมเดลการกำหนดคุณค่าแบบมัลติทัชหลายประเภท และระดับความซับซ้อนของแต่ละโมเดลอาจแตกต่างกันอย่างมาก

วิธีการตามกฎเกณฑ์นั้นขึ้นอยู่กับความชอบส่วนบุคคล เนื่องจากต้องอาศัยนักการตลาดในการกำหนดกฎเกณฑ์ในการจัดสรรเครดิตให้กับจุดต่างๆ หนึ่งจุดหรือมากกว่านั้นในการเดินทางของผู้บริโภค

เมื่อเปรียบเทียบกันแล้ว ระเบียบวิธีเชิงอัลกอริทึมใช้เทคนิคการสร้างแบบจำลองเชิงวัตถุประสงค์เชิงสถิติและการเรียนรู้ของเครื่องจักร ผลลัพธ์ที่ได้จากแบบจำลองเชิงอัลกอริทึมสามารถนำไปใช้คาดการณ์ผลลัพธ์ เพื่อช่วยให้นักการตลาดวางแผนหรือเพิ่มประสิทธิภาพความพยายามทางการตลาดในอนาคต

แต่แม้แต่โมเดลอัลกอริทึมก็ยังแตกต่างกันในแง่ของความซับซ้อนและความละเอียดของการทำนาย

ไม่ว่าจะใช้วิธีใด โมเดลการกำหนดค่าแบบมัลติทัชทั้งหมดช่วยให้ผู้ทำการตลาดกำหนดผลกระทบของการลงทุนทางการตลาดได้ในระดับละเอียด โดยกำหนดเครดิตสำหรับเหตุการณ์ KPI (เช่น การแปลง ลูกค้าเป้าหมาย ฯลฯ) ให้กับจุดสัมผัสหนึ่งจุดหรือมากกว่าหนึ่งจุด

ต่อไปนี้เป็นภาพรวมของโมเดลการกำหนดคุณลักษณะทั่วไปหลายแบบ:

การกำหนดคุณลักษณะแบบสัมผัสเดียวตามกฎ:

การสัมผัสครั้งสุดท้าย: ในโมเดลการสัมผัสครั้งสุดท้าย จุดสัมผัสสุดท้ายในการเดินทางของผู้บริโภคจะได้รับเครดิต 100% สำหรับกิจกรรม KPI เนื่องจากโมเดลนี้เคยถูกใช้เป็นวิธีการวัดผลทางการตลาดแบบมาตรฐาน นักการตลาดจึงมักใช้โมเดลนี้เป็นพื้นฐานในการเปรียบเทียบโมเดลการระบุแหล่งที่มาแบบมัลติทัชอื่นๆ

การสัมผัสครั้งแรก: ในโมเดลการสัมผัสครั้งแรก จุดสัมผัสแรกในการเดินทางของผู้บริโภคจะได้รับเครดิต 100% สำหรับกิจกรรม KPI นักการตลาดมักใช้โมเดลนี้เพื่อวัดผลความพยายามทางการตลาดที่มุ่งสร้างการรับรู้โดยการเข้าถึงผู้บริโภครายใหม่เป็นครั้งแรก

การระบุคุณลักษณะแบบมัลติทัชตามกฎ

การถ่วงน้ำหนักแบบสม่ำเสมอ: ในแบบจำลองการถ่วงน้ำหนักแบบสม่ำเสมอ หรือที่รู้จักกันในชื่อแบบจำลองเชิงเส้น ทุกจุดสัมผัสในเส้นทางของผู้บริโภคจะได้รับคะแนน KPI เท่ากัน นักการตลาดมักใช้แบบจำลองนี้เพื่อวัดผลความพยายามทางการตลาดที่มีวงจรการพิจารณาที่ยาวนาน ดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องย้ำข้อความซ้ำๆ ตลอดเส้นทางของผู้บริโภค นอกจากนี้ยังเป็นจุดเริ่มต้นที่ดีสำหรับนักการตลาดที่เพิ่งเริ่มต้นใช้การระบุแหล่งที่มาแบบมัลติทัช และยังไม่มีความเข้าใจเกี่ยวกับเส้นทางของผู้บริโภคทั่วไปในช่องทางต่างๆ

อิงตามตำแหน่ง: ในโมเดลอิงตามตำแหน่ง หรือที่รู้จักกันในชื่อโมเดลอ่างอาบน้ำหรือรูปตัว U จุดสัมผัสแรกและจุดสัมผัสสุดท้ายในเส้นทางของผู้บริโภคจะได้รับคะแนนเครดิตในเปอร์เซ็นต์ที่สูงกว่าจุดสัมผัสระหว่างนั้น นักการตลาดมักใช้โมเดลนี้เมื่อต้องการเน้นจุดสัมผัสที่ “เปิด” และ “ปิด” มากกว่าจุดสัมผัสที่ “สนับสนุน” ในช่วงกลางของเส้นทางของผู้บริโภค

การเสื่อมสลายตามเวลา: ในแบบจำลองการเสื่อมสลายตามเวลา เปอร์เซ็นต์เครดิตจะค่อยๆ เพิ่มขึ้นเรื่อยๆ จนกระทั่งถึงจุดสัมผัสสุดท้ายในการเดินทางของผู้บริโภค นักการตลาดมักใช้แบบจำลองนี้เพื่อวัดความพยายามทางการตลาดที่มีวงจรการพิจารณาระยะสั้น เช่น แคมเปญส่งเสริมการขาย

การระบุคุณลักษณะแบบมัลติทัชแบบอัลกอริทึม

การระบุคุณค่าแบบเศษส่วน: การระบุคุณค่าแบบเศษส่วนใช้การเรียนรู้ของเครื่องจักรในการคำนวณและกำหนดเครดิตแบบเศษส่วนสำหรับตัวชี้วัดความสำเร็จที่กำหนดให้กับจุดสัมผัสและมิติทางการตลาดที่มีอิทธิพล (แคมเปญ ตำแหน่ง ผู้เผยแพร่ งานสร้างสรรค์ ข้อเสนอ ฯลฯ) ตลอดการเดินทางของผู้บริโภค และเพื่อแจ้งให้ทราบถึงการจัดสรรค่าใช้จ่ายทางการตลาดในอนาคต

นักการตลาดไม่เพียงแต่สามารถเข้าใจการจัดสรรงบประมาณที่เหมาะสมที่สุดในระดับช่องทางและช่องทางย่อยเท่านั้น แต่ยังเข้าใจในระดับที่ละเอียดที่สุด เช่น คีย์เวิร์ด ตำแหน่งการจัดวาง และครีเอทีฟโฆษณา แบบจำลองต่างๆ จะถูกสร้างใหม่บ่อยครั้งถึงวันละครั้ง เพื่อให้นักการตลาดสามารถตัดสินใจเพิ่มประสิทธิภาพได้ในขณะที่แคมเปญยังอยู่ระหว่างดำเนินการ

การระบุแหล่งที่มาแบบเพิ่ม: การระบุแหล่งที่มาแบบเพิ่มคือการวัดการเพิ่มขึ้นของค่าใช้จ่ายโฆษณาต่ออัตราการแปลง การระบุแหล่งที่มาแบบเพิ่มนี้เหมาะที่สุดสำหรับการกำหนดว่าควรจัดสรรงบประมาณอย่างไร และควรจัดสรรงบประมาณเท่าใด

นักการตลาดสามารถกำหนดได้ว่าแคมเปญ ครีเอทีฟ และตำแหน่งการจัดวางใดมีประสิทธิภาพสูงสุด และควรลงทุนในสิ่งเหล่านี้หรือไม่ ส่วนที่เพิ่มขึ้นยังคำนึงถึงปัจจัยอื่นๆ เช่น การรับรู้แบรนด์ที่มีอยู่ก่อนและปัจจัยด้านประชากรศาสตร์ ในขณะที่การระบุแหล่งที่มาแบบเศษส่วนไม่ได้คำนึงถึง

รุ่นไหนเหมาะกับคุณที่สุด?

ในยุคที่นักการตลาดต้องรับผิดชอบต่อผลลัพธ์มากขึ้นเรื่อยๆ รูปแบบใดๆ เหล่านี้ย่อมดีกว่าการวัดผลแบบแยกช่องทางหรือไม่มีการวัดผลเลย วิธีการเหล่านี้จะช่วยให้คุณเข้าใจเส้นทางของผู้บริโภคอย่างลึกซึ้งในแบบที่คุณไม่เคยรู้มาก่อน

ท้ายที่สุดแล้ว การตัดสินใจว่าโซลูชันการกำหนดคุณลักษณะแบบมัลติทัชใดเหมาะสมกับคุณนั้นขึ้นอยู่กับเป้าหมาย ความต้องการทางธุรกิจ และวิธีที่คุณต้องการใช้เอาต์พุตเพื่อปรับปรุงประสิทธิภาพการตลาดของคุณ

ดาวน์โหลด e-book นี้ เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการระบุแหล่งที่มา