Attribution

Đa số khách hàng tương tác với một thương hiệu vài lần trước khi chuyển đổi: một quảng cáo, một kết quả tìm kiếm, một email, một lượt quay lại. Attribution là cách một doanh nghiệp quyết định điểm chạm nào được ghi công, điều này lại chi phối cách phân bổ ngân sách. Các mô hình attribution khác nhau có thể khiến cùng một kênh trông thiết yếu hoặc vô dụng.

Các mô hình attribution chính là gì?

• Last-click: toàn bộ công thuộc về điểm chạm cuối trước chuyển đổi. Đơn giản, nhưng bỏ qua mọi thứ đã tạo ra nhu cầu.
• First-click: toàn bộ công thuộc về điểm chạm đầu tiên. Hữu ích để hiểu khâu khám phá, nhưng mù với thứ đã chốt được đơn.
• Linear: công được chia đều cho mọi điểm chạm trong hành trình.
• Time-decay: các điểm chạm gần chuyển đổi hơn được ghi công nhiều hơn các điểm chạm sớm.
• Position-based: điểm chạm đầu và cuối được ghi công nhiều nhất, phần còn lại chia cho các điểm ở giữa.
• Data-driven: công được phân bổ bằng một mô hình huấn luyện trên các mẫu chuyển đổi thực tế thay vì một quy tắc cố định.

Vì sao attribution ngày càng khó?

Thay đổi về quyền riêng tư đã bào mòn khả năng theo dõi mà attribution từng dựa vào. Mất cookie bên thứ ba, các hạn chế của trình duyệt và tính năng riêng tư trên di động khiến nhiều điểm chạm không còn được nối về một người dùng duy nhất qua các site và thiết bị. Kết quả là attribution mà nền tảng báo cáo trở nên kém đầy đủ hơn và dễ khiến mỗi nền tảng nhận công quá mức những chuyển đổi nó nhìn thấy. Đây là một lý do lớn khiến các thước đo blended như MER và marketing mix modeling được ưa dùng hơn.

Nên dùng mô hình attribution nào?

Không mô hình đơn lẻ nào là đúng; mỗi cái trả lời một câu hỏi khác nhau. Last-click ổn để đo hiệu quả cuối phễu nhưng luôn định giá thấp hoạt động tạo nhận biết. First-click định giá quá cao khâu khám phá. Các mô hình data-driven cân bằng hơn nhưng cần đủ khối lượng chuyển đổi và dữ liệu sạch để đáng tin. Nhiều team dùng nhiều hơn một mô hình một cách có chủ đích, đọc last-click cùng một góc multi-touch hoặc data-driven song song, và đối chiếu với một thước đo blended hoàn toàn không phụ thuộc vào việc theo dõi ở cấp người dùng.

Bài học thực tế là gì?

Hãy coi attribution như một chỉ dẫn định hướng, không phải sự thật tuyệt đối. Bất kỳ mô hình đơn lẻ nào cũng mã hóa một giả định về cách công nên được chia, nên con số nó tạo ra là một lăng kính, không phải một dữ kiện. Cách đọc đáng tin nhất đến từ việc kết hợp một góc attribution với một bài kiểm tra hiệu quả top-line mà attribution không thể làm méo.