AdTech, Reconeixement i Com causar / Correlar els esdeveniments al creixement

Els darrers dos dies, vaig fer alguna lectura sobre AdTech, el problema de la atribució i com es poden relacionar els esdeveniments (en el viatge d’un usuari); i aquest és el meu humil esforç per escriure el que he entès.

Aleshores, què és AdTech?

AdTech és bàsicament entre els escenaris d’allò que manté en funcionament l’espai de màrqueting digital. Segons la meva opinió, aquesta tecnologia té un immens potencial per evolucionar, sobretot pel que pot ser innovador i personalitzat. Penseu en això com la ciència de trobar maneres rentables de fer publicitat digital. És a dir, esbrinar cap lloc on posar més anuncis, a qui dirigir, quin anunci ha donat el màxim de conversions, etc.

Ara, què és una conversió?

La conversió a l'espai del mercat digital pot ser una venda, algú que se subscrigui al registre de l'usuari de SaaS. Penseu en aquesta acció, si el client us repeteix les vegades prou vegades, us proporciona un benefici.

El nostre objectiu és comprendre quin anunci ha creat el màxim de conversions perquè pugueu gastar més diners i menys (o cap) en allò que no ho feia.

Parlem d’atribució

L'atribució és el valor de la ciència (un nombre) a cada punt de contacte del viatge d'un usuari que finalment condueix a la conversió. Això és bàsicament necessari per quantificar el procés per a una millor anàlisi, com

  1. Cerqueu el pas de l’embut de conversió més crític per a la conversió
  2. Cerqueu el pas següent de la majoria dels usuaris (i no tornen mai més, ni feu conversions mitjançant un altre mitjà)
  3. Experimenta amb esdeveniments i entén com afecten les conversions.

Però, què pregunta, és un embut de conversió? Molt bona pregunta. Un embut de conversió és el procés pas a pas que fa l’usuari abans de realitzar la conversió final.

El problema de l’atribució

Fem un estudi de casos (d’escenaris dels quals n’estic conscient) a un munt d’usuaris. Creu que la descripció d’aquests usuaris pot resultar força avorrida:

L’usuari A ha estat desitjant una sabata esportiva. Ve un anunci per a la mateixa sabata esportiva que desitgi (tot i que no ha fet ni una sola menció a això enlloc i tot el que feia era pensar-hi: /), fa clic a l'anunci i, ja que li agradava així molt, els ingressos per a la compra. Producte increïble; és feliç, feliç del venedor.

L’usuari B també ha desitjat una sabata esportiva. Fa clic a l'anunci i el comprova, però no està segur de si tindrà un aspecte bo. Així que l’endemà va a la botiga de la mateixa empresa i ho prova. Li encanta, així que el compra.

Ja sabem que tothom vol una sabata esportiva i compra després de veure un anunci bé?

L’usuari C va estar a punt de comprar la sabata quan, de sobte, el telèfon mor per càrrec, de manera que la posa a càrrec i va a comprar-la des del portàtil.

L’usuari D envia la marca i la identificació del producte als seus pares i els demana que la comprin com a regal d’aniversari per a ell.

L’Usuari E adora el producte però està trencat, de manera que el manté a la seva llista de desitjos per sempre i el compra més endavant. Sí, sóc usuari E. L'usuari és jo.

Analitzem com podem fer que un ordinador (o com a mínim un comercialitzador digital / hacker de creixement) trobi l’enllaç entre una conversió i l’anunci que la va provocar.

El cas A és bastant senzill. L’anunci porta directament a una conversió i aquestes dades es retornen a l’anunciant.

En el cas B, l’anunci és el que eventualment porta a l’usuari a comprar el producte. Si no fos per l’anunci, l’usuari hauria comprat la sabata d’una altra empresa. Per tant, volem enllaçar aquesta conversió a l’anunci. Però, com fem això?

Tadaaaaa! Benvingut al problema d’atribució

Imagineu que un anunci sigui l’arrel d’un arbre, les branques són diferents desplaçaments d’usuaris i la fulla al final d’una branca és la conversió. El problema que hi ha al davant és lligar les fulles a la seva arrel.

Tornem al cas B: això s’anomena atribució en línia a fora de línia. El mètode més comú que s’utilitza per enllaçar aquests dos és proporcionar un codi promocional que l’usuari utilitza idealment quan fa una compra a la botiga. Google inclou mètriques de visites a la botiga que, per als anunciants elegibles, mostren com les visites al lloc web de l’anunciant influeixen en les visites a les seves botigues. Tanmateix, això no soluciona el problema del tot; i el problema continua essent.

Els casos C i D són gairebé similars. El dispositiu des del qual els usuaris han vist l’anunci no és des d’on han comprat l’article. Aquest és comunament conegut com a problema d’atribució entre dispositius. A mesura que el nombre de pantalles augmenta i a mesura que la cerca evoluciona lluny dels quadres de cerca a AR / VR o Personal Digital Assistants, la tasca de fer el seguiment dels usuaris a través de dispositius es fa cada cop més complicada. A partir d’ara, una manera de resoldre aquest problema és utilitzar els estats registrats dels seus comptes de google / facebook, etc.

I pel que fa al cas E, la solució és que els llocs web proporcionin llistes de desitjos perquè l’usuari pugui afegir l’article als seus després de fer clic a l’anunci. La llista de desitjos seria només un altre pas de l’embut i es pot localitzar a l’anunci quan es produeixi la conversió.

Suposo que això (potser, un tipus de) us explica per què és important fer un seguiment de cada pas en el viatge del client. Una única atribució de tacte (donant tot el valor al primer o darrer punt de contacte del viatge de l’usuari) no fa un bon treball per resoldre (o intentar solucionar) aquests problemes d’atribució difícils. Cal solucionar molts d’aquests interessants algorismes (atribut, fins i tot, creats?) Diferents algoritmes d’atribució.

En aquests problemes d’atribució, com podem dir amb seguretat el que va provocar les conversions? De fet, com podem dir en general que l’esdeveniment A va provocar una conversió? Per fer un pas més, com podem dir mai que l’esdeveniment A va provocar l’esdeveniment B?

Com es relacionen els esdeveniments? Correlació vs causació

Ara que ja sabeu com quantificar les conversions, parlem de com decidiu què és el que va causar les conversions i com podeu demostrar-ho.

Les dues terminologies més comunes (i aparentment mal interpretades per ser les mateixes) són la correlació i la causació. Ara els anuncis poden ser el motiu d’algunes conversions. Els vostres anuncis es relacionen amb algunes de les conversions. Veus la diferència entre tots dos?

Ara la correlació i la causalitat són tan confuses perquè tendim a anomenar-la causalitat encara que sigui només una simple associació. Confós? Només heu de llegir més endavant.

Fem un estudi de cas (de nou):

La Sra X ensenya matemàtiques en una universitat. Aquest semestre obté la pitjor classe de resultats del grup (o potser fins i tot del segle). La Sra X té la tasca de millorar el rendiment d'aquesta classe ja que es diu que és la millor de tot el món. La Sra X va a la classe i anuncia: No hi ha més assistència obligatòria durant la meva classe. El dia abans de l'examen, fa una ràpida recuperació de les sessions. Això és.

El resultat: augmenta el% de nens que passen exàmens!

Sóc professor a la mateixa universitat i vull saber si hauria d’adoptar la mateixa rutina.

Ara hi ha un munt de variables en aquesta simulació. Sigui A el nombre d’estudiants que aprovi els exàmens. Sigui B la facilitat per estudiar aquest tema sol. Diguem que C és quants nens assisteixen a classe abans dels exàmens D és el bo de la professora la Sra. X i E és allò que tot ensenya a la classe final. F és quants dies hi ha en un semestre (de manera que podeu comptar els vostres dies amb llibertat)

Una hipòtesi (h1) és que un augment de C és la causa d’un augment d’A.

Sembla lògic, no? Hi ha una única classe per assistir-hi, massa abans de l'examen. Ensenya tot alhora, prou ràpid, coneixements i això fa que A.

Però també puc afirmar que (h2) un canvi en E és la causa d’un augment d’A.

Vull dir, Imagineu-vos que tot el que ensenya és exactament el que ve a la fitxa d’exàmens. Evidentment, passarien tots els assistents. Però, si és que és una professora terrible (el valor de D és baix)? Però no ho farien si els recursos estan fàcilment disponibles (B és elevat) i ella fa totes les preguntes, només que li fa por aprendre a resoldre-les?

Exactament. Ara sabem que B, C, D i E afecten A i, òbviament, F és irrellevant per a A. Però no sabem quina variable causa A. De vegades només veiem (o observem) un sol esdeveniment i procedim a creure que és la causa. Imagineu que només observem / teníem en compte les variables A i C, però la h2 és la veritat.

Aquest és el cas més sovint o no. No coneixem la imatge completa; i perjudicarà el fet de fer apostes pesades basades en aquesta creença sense proves.

Prova> Creença. Dades> prova teòrica Periodt.

En el nostre cas, ja sabem que B, C, D i E estan correlacionats amb A. I hem de trobar quina és la veritat real. Què causa A.

Com demostrar la causació

2 Els mètodes són proves A / B / n i proves d’hipòtesi.

A A / B / n, dividiria els estudiants de la classe (de la simulació, recordeu?) En subconjunts i, en cada subconjunt, mantindria constants tots menys un de B, C, D o E. Així, ara puc veure amb l’augment i la disminució d’una variable, com varia el resultat en cadascun d’aquests subconjunts i arribar a una conclusió lògica si el canvi de la variable va provocar o no el resultat. Com podeu veure, aquest és el tipus de proves que es realitzen en temps real. Aka experimentant en el present per obtenir el resultat més endavant en el futur.

A les proves d’hipòtesi, faig una hipòtesi primària. Prenguem h1. I ara ho nego. Això s’anomena hipòtesi nul·la (h0). Ara, l’h0 és A no es veu afectat per un canvi de C. El nombre de nens que assisteixen a les classes no afecta el nombre de nens que passen. Està bé, per què intentem provar h0 en comptes d’intentar provar h1? Vull dir, tenim dades de cadascuna d’aquestes variables, i què?

Heus aquí la cosa. h1 afirma que independentment del canvi en B, D i E, un augment de C significa un augment de A. Però el que significa h0 és que si B, D i E fossin constants i deixés que C variés, A no ho faria. canviar.

És més fàcil demostrar h0 que h1, ja que hi ha moltes menys variables!

Conclusió

Així que ara al final d’aquest llarg article elaborat el que heu après és el que he après amb els errors que he après també. Però espero que tant vosaltres com jo hem entès la base molt lògica que hi ha darrere del màrqueting digital i com afecta el creixement d’un producte; i com trobar la causa d’aquest creixement i demostrar-ho. Si ets un expert i llegeixes això, fes-me saber on m’equivoco i què puc llegir per entendre millor aquests conceptes.

No estic molt segur si aquests fets són correctes / no. Ets tu? Avisa'm en els comentaris que hi ha a continuació!