解決方案加速器:多點觸摸歸因

所有麵向消費者的產品的增長的背後是對吸引和保留的用戶基礎。時客戶收購,目標是吸引高質量的用戶盡可能有效的成本。與營銷資金分散在各種不同的接觸點,活動渠道,創意人員,測量效率是一個挑戰。換句話說,很難知道如何最好地分配信貸。這就是多點觸控歸因。

介紹了多點觸控歸因的解決方案從磚加速器

基於最佳實踐從我們的工作與全球領先品牌在所有行業,我們已經開發了解決方案加速器為常見的分析和機器學習(ML)用例節省幾周或幾個月的開發時間為您的數據工程師和科學家。

營銷和廣告公司負責1)展示他們的營銷美元的投資回報和2)優化營銷渠道推動銷售。這個解決方案加速器補充了我們銷售預測與廣告歸因加速器的解決方案通過幫助優化營銷花費通過準確地分配信貸營銷渠道使用多點觸控歸因。

使用合成數據集,包括廣告和轉換,這個解決方案加速器:

• 引入了一種新的多點觸控歸因模型,收集的方法來優化廣告支出在多個客戶渠道。
• 比較和對比heuristic-based歸因方法,如第一次觸球和最後再體會歸因模型,以及數據驅動的方法,如馬爾可夫鏈。
• 實現第一次觸球,最後再體會和馬爾可夫鏈歸因模型。
• 走過productionalize所需的步驟多點觸控在你現有的磚Lakehouse歸因。
• 創建一個儀表板,營銷人員可以使用它來優化他們的花在各種渠道。

通過部署在磚這個用例,您可以輕鬆地將任何類型的數據——無論是批量或流,生的或策劃,然後表麵通過BI工具選擇的結果。

關於歸因建模

一個客戶可以有幾十個購買前與品牌的互動。在這種情況下,我們應該簡單的分配信貸購買的廣告客戶轉換,或者我們應該將一部分信貸分配給每一個交互作用?如果是後者,我們應該如何決定多少信貸分配每個交互?

這是歸因模型能夠幫助解決的問題。

歸因建模是一個方法將信貸分配給各個接觸點在轉換路徑。它可以幫助營銷人員可視化並了解客戶的旅程,趨勢,前景如何通過銷售周期。在高級別上,信貸分配通常使用兩種方法之一:啟發式或數據驅動。基於規則的啟發式方法,而使用概率和統計數據驅動的方法來分配信貸。

常用heuristic-based包括以下方法:

• 第一次觸球歸因模型是唯一的觸摸方法分配完整信用第一頻道,客戶之前與轉換。
• 最後再體會歸因是一個唯一的觸摸方法分配完全歸功於過去頻道,客戶之前與轉換。
• 線性歸因模型是一個多點觸控方法,統一分配信貸在所有頻道。
• 時間衰減模型是一種多點觸控方法,分配信貸渠道,越來越多的出現在時間上更接近於轉換事件。

啟發式方法相對容易實現,但比數據驅動方法不準確。與營銷美元股份,數據驅動的方法是強烈推薦。

常用的數據驅動方法包括以下:=

• 馬爾可夫鏈:這種方法生成一個概率圖所有營銷渠道之間的考慮到每個客戶的旅程,按順序排列的。一旦生成概率圖,信貸分配計算每個通道的去除效應”。
• 沙普利:這種方法考慮到每個客戶的旅程,但忽視了交互的序列。

在生產中使用多點觸控歸因

實現多點觸控歸因的全部價值,它是至關重要的,輸出是用於指導營銷如何花費分配在一個正在進行的基礎上。例如,假設您啟動一個活動分配你花同樣在五個數字營銷渠道。你的營銷活動已經生活一段時間後,你會發現你的子公司渠道非常有效,占總額39%的歸因隻有20%的消費。這一觀點,你可以調整你的花相應的分配和產量更高的廣告支出回報(羅阿斯)。

開始

這個解決方案加速器的目的是演示如何分配信貸營銷渠道使用多點觸控歸因轉換。今天開始導入此解決方案加速器到磚工作區中。

試著筆記本