Marketingmeting en attributie in 2023

Van de advertentieverschuivingen die de afgelopen jaren zijn waargenomen, onder meer op het gebied van sociale en zoek- en displaymarketing, zijn de meest verstrekkende veranderingen mogelijk het gevolg van veranderingen in attributie en meting. En aangezien duurzame schaal van betaalde media in bepaalde kanalen moeilijker te bereiken is geworden, moeten merken hun vermogen verbeteren om de advertentievehikels te identificeren die bijdragen leveren, niet alleen attributie. Dit betekent dat ze meer inzicht nodig hebben in de aanjagers van hun omzet, niet alleen incrementeel, maar ook met behoud van winstmarges. Maar dit zal waarschijnlijk op geaggregeerde basis gebeuren, eerder op individueel gebruikersniveau.

"Met minder inzicht in toerekenbare conversies, kijken merken niet langer naar platformattributie als hun ware noorden, maar richten ze zich in plaats daarvan op meer holistische statistieken zoals klantacquisitiekosten (CAC) en incrementaliteit", zegt Megan Conahan, EVP bij Direct Agents, bekend van zijn digitale marketing werkt samen met klanten zoals Sony en Walmart
WMT
. Dit is een complexe onderneming gezien het steeds toenemende aantal platforms waar consumenten en merken hun tijd en geld aan besteden, maar verder gaan dan de verwachting dat elke dollar zal worden toegeschreven aan meer holistische prestatiemodellering is belangrijk vanwege de haalbaarheid en nauwkeurigheid ervan, voegt ze eraan toe.

Ben Dutter, SVP of Strategy bij Power Digital, die heeft gewerkt met klanten variërend van Uniqlo tot Dropbox, vertelt over de vier hefbomen waarvan bewezen is dat ze nieuwe kopers stimuleren - niet alleen toegeschreven inkomsten - zoals creativiteit, frequentie, publiekspenetratie en duur . Hoe kan een merk dit soort incrementele bijdragen vinden? "De toetredingsdrempel voor mediamixmodellering (MMM) is voldoende verlaagd om deze vorm van meten gebruikelijk en noodzakelijk te maken... MMM is de beste optie die je hebt als je technologiegestuurde metingen, zoals cookies, kwijtraakt." MMM is vooral handig voor digitale out-of-home (DOOH)-reclame en televisie, omdat het lastig kan zijn om deze top-of-funnel-marketing bij te houden. Maar Dutter geeft ook een voorbeeld van een kleiner merk dat mogelijk met influencers of op TikTok werkt en geen gedetailleerd inzicht heeft in de klikgegevens van gebruikers: door statistische modellen te gebruiken om te zien hoeveel eerste inkomsten uit die advertentie kwamen, kunnen besluitvormers beter wijs budget toe om ervoor te zorgen dat de relatie tussen de acquisitiekosten van klanten en de langetermijnwaarde van die klanten op geaggregeerde basis positief is.

Het gebruik van MMM om de prestatie-impact van budget- of platformveranderingen te voorspellen, en de inzet van machine learning om die modeloutputs toe te passen op mediastrategieën om een ​​optimale distributie van uitgaven te bereiken en te behouden, is een tactiek die volgens Conahan steeds meer in de belangstelling van merken komt. “Al met al, als je kijkt naar attributie en advertentietargeting, stappen we af van de hypergerichte aanpak waarbij alles traceerbaar en toerekenbaar is. Merken kunnen niet langer verwachten dat ze zich richten op een niche binnen Meta die converteert binnen het eerder gedefinieerde attributievenster”, zegt ze. Conahan legt verder uit dat, hoewel specifieke media in het verleden voor bekendheid, conversie en attributie hebben gezorgd, merken dat niet langer mogen verwachten en ergens anders moeten zoeken om alles te krijgen wat ze nodig hebben.

Per platform gezien het verlies van signaleringsdata door veranderingen in de privacywetgeving en die van Apple
AAPL
eigen privacybeleid heeft geholpen om een ​​verschuiving onder digitale marketeers naar MMM te katalyseren wanneer ze resultaten moeten meten. Een deel van de waarde van MMM is het vermogen om verder te gaan dan digitaal naar alle betaalde media, inclusief handelspromoties en retaildeals. Maar terwijl zowel Google
GOOG
en Meta hun MMM-mogelijkheden hebben vergroot, willen merken misschien niet al hun externe media-uitgavengegevens met deze platforms delen in een poging om de resultaten te optimaliseren.

Ook affiliate-netwerken hebben hun tracking- en rapportagemogelijkheden verbeterd, inclusief real-time monitoring en analyse, om beter inzicht te bieden in de prestaties van affiliate marketingcampagnes. Ricci Massero, Marketing Manager bij Intellek, zegt dat merken hierdoor realtime aanpassingen kunnen maken en dat nieuwe technologieën, zoals cross-device tracking en cookieless tracking, de nauwkeurigheid van tracking hebben verbeterd en tegelijkertijd de incidentie van frauduleuze activiteiten hebben verminderd.

Paul DeJarnatt, Digital Vice President van NOVUS, een bureau voor mediaplanning en -inkoop dat samenwerkt met Dollar Tree
DLTR
en LIDL, zijn van mening dat doelgroepinzichten en -begrip targeting en technologie zullen inhalen naarmate cookies van derden (3P) minder waard worden en het een grotere uitdaging wordt om 3P-lookalike-targeting uit te voeren op basis van first-party (1P) klantgegevens. Hoewel hij erkent dat media-inkoopsystemen zijn gebouwd om marketeers in staat te stellen gegevens te gebruiken om targeting en personalisatie te stimuleren, adviseert hij dat het uitsluitend gebruiken van gegevens niet langer efficiënt is en dat het cruciaal is om kwalitatieve klantinzichten te analyseren en te waarderen om een ​​advertentiestrategie op te bouwen. DeJarnatt stelt verder dat de nieuwe manier om doelgroepen te vinden zal zijn via de apparaat- en doelgroepgrafieken van verschillende bedrijven, wat een van de redenen is waarom uitgeverijen racen om privacyconforme, niet-cookie-afhankelijke gegevens te bouwen die vervolgens kunnen worden gekoppeld aan de 1P-gegevens van adverteerders. om die 3P-schaal en lookalike-capaciteit te repliceren, wereldwijd en lokaal - maar op een manier waarop de consument toestemming heeft gegeven voor het gebruik van zijn gegevens.

VoorspellingWat ik heb geleerd 7 uur kijken naar Meta's Marketing Mix Modeling Summits
Denk met GoogleModernisering van uw marketingmixmodellering – Think with Google