La atribución algorítmica o probabilística utiliza estadísticas y aprendizaje automático para determinar la probabilidad de conversión en los puntos de contacto de marketing. En otras palabras, la cantidad de conversión que se debe atribuir a cada canal. Para simplificar las cosas, elegí al azar algunas variables, entre docenas o más, que podrían incluirse en nuestro modelo. Repasemos las filas una a la vez.
Puntos de contacto: esta es una combinación que incluye puntos de contacto en línea y fuera de línea.
Plataformas: estas son algunas de las plataformas que se pueden utilizar para recopilar los datos de cada punto de contacto.
Costo: el costo es una de nuestras variables más importantes, ya que nos ayuda a determinar el ROI. El hecho de que algo sea eficaz no significa que sea eficaz.
Frecuencia: cuántas veces se mostró nuestro anuncio / contenido al cliente potencial.
Acción: el cliente potencial realizó alguna acción al ver nuestro contenido (es decir, hacer clic en él, etc.).
Duración: ¿Cuál es la duración de un compromiso? En este ejemplo, nuestro cliente potencial pasó 6 segundos en la página de destino después de hacer clic en un anuncio móvil. Además, usamos tecnología para determinar que el cliente potencial miró un anuncio de OHH durante 2 segundos.
Experiencia reciente: cuándo fue el último compromiso antes de la conversación. Cuanto más cerca esté la actualidad entre los puntos de contacto, mayor será el peso del precedente. Aquí vemos que el cliente potencial realizó una búsqueda de productos dentro de la hora posterior a la participación de un anuncio / contenido social. Por lo tanto, “Social” obtendría una atribución mayor.
Puntaje de calidad: esta es una variable que no ve a menudo y que es extremadamente importante. ¿Cuál es la calidad del anuncio / contenido? ¿El anuncio se colocó junto a contenido no deseado? ¿Fue probable la participación de un bot?
Halo – ¿Hubo un «efecto de halo»? Es decir, ¿el cliente potencial realizó una acción secundaria de valor para la marca? En este ejemplo, el cliente potencial hizo una búsqueda de un producto relacionado y terminó comprando ese producto además del anunciado.
Data Lake / BI: esta es la infraestructura necesaria para procesar los datos y ejecutar los modelos de aprendizaje automático.
Atribución: se explica por sí mismo.