Tento problém nám pomůže vyřešit multikanálová atribuce založená na data-driven modelování. Na rozdíl od last-click atribuce (defaultní model Google Analytics) totiž přiřazuje jednotlivým kanálům v rámci spotřebitelské cesty zásluhu za konverzi dle jejich skutečného přínosu. To je pro awareness kanály naprosto kritické, protože tak nedochází ke značnému podreportovávání jejich významu pro dosahování konverzí.
Využití multikanálové atribuce v praxi
Správně vyhodnotit přínos awareness kampaní a podle toho optimalizovat marketingové rozpočty není výzvou jen pro menší či střední eshopy, ale i pro ty opravdu veliké. Podívejme se, jak tento oříšek rozlouskl Datart, jeden z nejúspěšnějších česko-slovenských eshopů poslední doby.
Když last-click nestačí
Eshop Datartu se po letech růstu dostal do situace, kdy stávající marketingová analytika narazila na své limity. Vyhodnocování kampaní last-click modelem neumožňovalo analyticky zachytit komplexitu multikanálových spotřebitelských cest a efektivně vynakládat rozpočet s ohledem na maximalizaci celkových prodejů.
Výkonnostní marketéři řešili zejména otázku display kanálů, které v důsledku last-klicku vykazovaly velmi málo konverzí a ROI bylo ve srovnání s ostatními kanály silně podprůměrné.
Co nám display vlastně přináší?
Marketingový tým stál před zásadním rozhodnutím. Přesunout investice z display do kanálů, které vykazují vyšší ROI? Nebo nadále do těchto kanálů investovat s vírou, že display kampaně přece jen přispívají k celkovým výsledkům?
Datart se rozhodl postupovat na základě tvrdých dat a display kanály nejprve objektivně změřit. Hledal tak nástroj, který umí objektivně vyhodnotit přínos každého kanálu v rámci spotřebitelské cesty. Vybral si analytické řešení od české firmy ROIVENUE, která má mnohaletou praxi v data-driven atribučním modelování a zároveň má konektory na všechny lokální marketingové platformy.
Objektivní vyhodnocení přínosu display kanálů
Atribuční analýza ROIVENUE založená na statistickém modelu Markov 2 potvrdila předpoklad, že display hraje z pohledu dosahování celkových konverzí daleko větší roli, než mu přisuzuje last-click.
Velkým překvapením však bylo ROI. Skutečné ROI totiž mělo hodnotu 3,61 místo 0,54 reportovaných last-clickem.
Kdyby se performance tým Datartu rozhodoval na základě last-clickových čísel, přiškrtil by tak velmi profitabilní kanál, čímž by negativně ovlivnil celkovou výkonnost kampaní.
Maximalizace výkonu display kanálu pomocí Budget Optimizeru
Po zjištění skutečné profitability display kanálů vyvstala nová otázka. Jak maximalizovat jejich přínos pro celkové konverze? Tady nám pomohl Budget Optimizer, který na základě minulého výkonu kampaní simuluje optimální výši rozpočtu pro konkrétní kanál vzhledem ke stanoveným marketingovým cílům (růst obratu či profit).
Podle Budget Optimizeru se display jevil jako podinvestovaný. V kanále tedy existoval prostor k získání inkrementálních konverzí.
Identifikace přeinvestovaných kanálů
Aby marketéři Datartu mohli navýšit investice do display, musí prostředky nejprve vzít z jiných kanálů. Ideálně z takových, které jsou přeinvestované a rozpočet v nich není efektivně využíván. Jedním z takových kanálů se ukázal být Google PLA (product listing ads).
Budget Optimizer spočítal, že pokud snížíme investice v Google PLA o 31 200 Kč, obrat klesne o pouhých 6 400 Kč. Vzroste tedy ROAS i marketingové ROI kanálu a ušetřené prostředky můžeme přesunout do těch kanálů, kde bude investice generovat daleko větší přínos.
Testování hypotézy
Na základě skutečností zjištěných Budget Optimizerem provedl marketingový tým detailní analýzu jednotlivých PLA kampaní a zjistil, že CPC se v některých produktových kategoriích jeví jako zbytečně vysoké. Tuto hypotézu se rozhodl otestovat.
Ve vybrané kategorii snížil CPC o několik desítek procent a pečlivě monitoroval dopad na Impression Share.
Hypotéza byla testem potvrzena. I přes snížení CPC se Impression Share nezměnil. Díky tomu bylo dosaženo výrazného snížení PNO (Cost/revenue ratio).
Optimalizace display rozpočtu
Tento postup byl zopakován u všech kanálů, které Budget Optimizer identifikoval jako přeinvestované. Uvolněné prostředky byly realokovány do display kanálu, který byl podinvestován a skýtal tak příležitost k získání inkrementálních konverzí. V číselném vyjádření dosáhlo navýšení rozpočtů na display o více než 300 %.
Takovýto masivní přesun investic do awareness kanálu by nebyl možný bez tvrdých dat založených na multikanálové atribuci a následného ověření pomocí testování.
Shrnutí
Multikanálový atribuční model ROIVENUE odkryl skutečné ROI display kanálů, které bylo násobně větší než ukazoval last-click. Místo zvažované redukce investic tak Datart objevil v displayi příležitost k získávání inkrementálních konverzí.
Budget Optimizer identifikoval přeinvestované kanály a uvolněné prostředky mohly být využity pro maximalizování příležitosti v displayi. Díky efektivnějšímu přerozdělení investic mezi kanály tak Datart dosáhl se stejným rozpočtem vyšších prodejů.