การวัดผลทางการตลาดและการระบุแหล่งที่มาในปี 2023

ในบรรดาการเปลี่ยนแปลงของการโฆษณาที่เกิดขึ้นในช่วงไม่กี่ปีที่ผ่านมา รวมถึงทั่วทั้งโซเชียลและการตลาดบนการค้นหาและดิสเพลย์ การเปลี่ยนแปลงที่เข้าถึงได้ไกลที่สุดอาจเป็นผลมาจากการเปลี่ยนแปลงในการระบุแหล่งที่มาและการวัดผล และเนื่องจากขนาดสื่อแบบชำระเงินที่ยั่งยืนนั้นยากขึ้นในบางช่องทาง แบรนด์จึงต้องปรับปรุงความสามารถในการระบุสื่อโฆษณาที่ขับเคลื่อนการมีส่วนร่วม ไม่ใช่แค่การระบุแหล่งที่มา ซึ่งหมายความว่าพวกเขาต้องการการมองเห็นที่เพิ่มขึ้นเกี่ยวกับตัวขับเคลื่อนรายได้ที่ไม่เพียงเพิ่มขึ้น แต่ยังรักษาอัตรากำไรด้วย แต่สิ่งนี้น่าจะเกิดขึ้นโดยรวม แทนที่จะเป็นระดับผู้ใช้รายบุคคล

“ด้วยการมองเห็นน้อยลงใน Conversion ที่มาจากแบรนด์ต่างๆ แบรนด์ต่างๆ จึงเลิกมองว่าการระบุแหล่งที่มาของแพลตฟอร์มเป็นทิศเหนือที่แท้จริง และแทนที่จะมุ่งเน้นไปที่ตัวชี้วัดแบบองค์รวมมากกว่า เช่น ต้นทุนการได้มาซึ่งลูกค้า (CAC) และส่วนเพิ่ม” กล่าวโดย Megan Conahan รองประธานบริษัท Direct Agents ซึ่งเป็นที่รู้จักในเรื่อง งานด้านการตลาดดิจิทัลกับลูกค้าเช่น Sony และ Walmart
WMT
. นี่เป็นการดำเนินการที่ซับซ้อนเนื่องจากจำนวนแพลตฟอร์มที่เพิ่มขึ้นเรื่อย ๆ ซึ่งผู้บริโภคและแบรนด์ใช้เวลาและเงินของพวกเขา แต่การก้าวข้ามความคาดหมายว่าเงินทุกดอลลาร์จะมาจากการสร้างแบบจำลองประสิทธิภาพแบบองค์รวมมากขึ้นนั้นมีความสำคัญต่อความเป็นไปได้และความแม่นยำ เธอกล่าวเสริม

Ben Dutter รองประธานอาวุโสฝ่ายกลยุทธ์ของ Power Digital ซึ่งทำงานร่วมกับลูกค้าตั้งแต่ Uniqlo ไปจนถึง Dropbox พูดถึงกลไกทั้งสี่ที่พิสูจน์แล้วว่าสามารถกระตุ้นผู้ซื้อครั้งแรกได้ ไม่ใช่แค่รายได้ที่มาจากความคิดสร้างสรรค์ ความถี่ การเจาะกลุ่มผู้ชม และระยะเวลา . แบรนด์จะพบการสนับสนุนที่เพิ่มขึ้นประเภทนี้ได้อย่างไร “อุปสรรคในการเข้าสู่ Media Mix Modeling (MMM) ได้ลดลงมากพอที่จะทำให้การวัดรูปแบบนี้เป็นเรื่องปกติและจำเป็น… MMM เป็นตัวเลือกที่ดีที่สุดเมื่อคุณสูญเสียการวัดที่ใช้เทคโนโลยี เช่น คุกกี้” MMM มีประโยชน์อย่างยิ่งสำหรับการโฆษณาดิจิทัลนอกบ้าน (DOOH) และโทรทัศน์ เนื่องจากการตลาดบนช่องทางนี้อาจติดตามได้ยาก แต่ Dutter ยังยกตัวอย่างของแบรนด์เล็กๆ ที่อาจทำงานร่วมกับผู้มีอิทธิพลหรือบน TikTok และขาดการเปิดเผยข้อมูลการคลิกของผู้ใช้โดยละเอียด: ด้วยการใช้แบบจำลองทางสถิติเพื่อดูว่ารายได้ครั้งแรกที่มาจากโฆษณานั้นมากน้อยเพียงใด ผู้มีอำนาจตัดสินใจสามารถทำได้ดีกว่า จัดสรรงบประมาณเพื่อให้แน่ใจว่าความสัมพันธ์ระหว่างต้นทุนการได้มาซึ่งลูกค้าและมูลค่าระยะยาวของลูกค้าเหล่านั้นเป็นไปในเชิงบวกบนพื้นฐานโดยรวม

การใช้ MMM เพื่อคาดการณ์ผลกระทบด้านประสิทธิภาพจากการเปลี่ยนแปลงงบประมาณหรือแพลตฟอร์ม และการปรับใช้แมชชีนเลิร์นนิงเพื่อใช้ผลลัพธ์แบบจำลองเหล่านั้นกับกลยุทธ์สื่อเพื่อให้บรรลุและรักษาการกระจายการใช้จ่ายที่เหมาะสม เป็นกลยุทธ์ที่ Conahan เห็นว่าได้รับความสนใจจากแบรนด์ต่างๆ “โดยรวมแล้ว เมื่อคุณดูที่การระบุแหล่งที่มาและการกำหนดเป้าหมายโฆษณา เรากำลังหลีกหนีจากวิธีการที่กำหนดเป้าหมายมากเกินไปซึ่งทุกอย่างสามารถติดตามและระบุแหล่งที่มาได้ แบรนด์ไม่สามารถคาดหวังที่จะกำหนดเป้าหมายเฉพาะภายใน Meta ที่แปลงภายในหน้าต่างการระบุแหล่งที่มาที่กำหนดไว้ก่อนหน้านี้ได้อีกต่อไป” เธอกล่าว Conahan อธิบายต่อไปว่า แม้ว่าสื่อบางประเภทอาจให้การรับรู้ การแปลง และการระบุแหล่งที่มาในอดีต แต่แบรนด์ต่างๆ ไม่ควรคาดหวังเช่นนั้นอีกต่อไป และต้องมองหาที่อื่นเพื่อให้ได้ทุกสิ่งที่ต้องการ

ในแต่ละแพลตฟอร์ม การสูญเสียข้อมูลการส่งสัญญาณเนื่องจากการเปลี่ยนแปลงในกฎหมายความเป็นส่วนตัวและของ Apple
AAPL
นโยบายความเป็นส่วนตัวของตนเองได้ช่วยกระตุ้นให้นักการตลาดดิจิทัลเปลี่ยนไปใช้ MMM เมื่อพวกเขาต้องการวัดผลลัพธ์ ส่วนหนึ่งของมูลค่าของ MMM คือความสามารถในการขยายนอกเหนือจากสื่อดิจิทัลไปยังสื่อแบบชำระเงินทั้งหมด รวมถึงการส่งเสริมการค้าและข้อตกลงการค้าปลีก แต่ในขณะที่ทั้งกูเกิล
GOOG
และ Meta ได้เพิ่มความสามารถของ MMM แบรนด์อาจไม่ต้องการแบ่งปันข้อมูลการใช้จ่ายสื่อภายนอกทั้งหมดกับแพลตฟอร์มเหล่านี้เพื่อพยายามเพิ่มประสิทธิภาพผลลัพธ์

เครือข่ายพันธมิตรยังได้ปรับปรุงความสามารถในการติดตามและการรายงาน รวมถึงการตรวจสอบและการวิเคราะห์ตามเวลาจริง เพื่อให้ข้อมูลเชิงลึกที่ดีขึ้นเกี่ยวกับประสิทธิภาพของแคมเปญการตลาดในเครือ Ricci Massero ผู้จัดการฝ่ายการตลาดของ Intellek กล่าวว่าสิ่งนี้ช่วยให้แบรนด์ต่างๆ ทำการปรับเปลี่ยนตามเวลาจริงได้ และเทคโนโลยีใหม่ๆ เช่น การติดตามข้ามอุปกรณ์และการติดตามแบบไม่ใช้คุกกี้ ได้ปรับปรุงความแม่นยำในการติดตาม ในขณะเดียวกันก็ลดเหตุการณ์การฉ้อโกง

โดยรวมแล้ว Paul DeJarnatt รองประธานด้านดิจิทัลของ NOVUS ซึ่งเป็นหน่วยงานวางแผนและซื้อสื่อที่ทำงานร่วมกับ Dollar Tree
DLTR
และ LIDL เชื่อว่าข้อมูลเชิงลึกและความเข้าใจของผู้ชมจะแซงหน้าการกำหนดเป้าหมายและเทคโนโลยี เนื่องจากคุกกี้ของบุคคลที่สาม (3P) ลดค่าลง และกลายเป็นเรื่องท้าทายมากขึ้นในการดำเนินการกำหนดเป้าหมายที่มีลักษณะเหมือนกันของ 3P โดยอิงตามข้อมูลลูกค้าของบุคคลที่หนึ่ง (1P) แม้ว่าเขาจะรับทราบว่าระบบการซื้อสื่อนั้นถูกสร้างขึ้นเพื่อให้นักการตลาดสามารถใช้ประโยชน์จากข้อมูลเพื่อขับเคลื่อนการกำหนดเป้าหมายและการปรับเปลี่ยนในแบบของคุณ เขาแนะนำว่าการใช้ข้อมูลอย่างเดียวไม่ได้ผลอีกต่อไป และการวิเคราะห์และประเมินคุณค่า ข้อมูลเชิงลึกของลูกค้าเชิงคุณภาพเพื่อสร้างกลยุทธ์โฆษณาก็มีความสำคัญ DeJarnatt ให้เหตุผลเพิ่มเติมว่าวิธีใหม่ในการค้นหาผู้ชมจะผ่านอุปกรณ์และกราฟผู้ชมของบริษัทต่างๆ ซึ่งเป็นเหตุผลหนึ่งที่ทำให้บริษัทสำนักพิมพ์ต่างแข่งกันสร้างข้อมูลที่สอดคล้องกับความเป็นส่วนตัวและไม่ขึ้นอยู่กับคุกกี้ ซึ่งสามารถจับคู่กับข้อมูล 1P ของผู้โฆษณาได้ เพื่อทำซ้ำสเกล 3P และความสามารถที่คล้ายคลึงกัน ทั่วโลกและในประเทศ — แต่ในลักษณะที่ผู้บริโภคอนุญาตให้ใช้ข้อมูลของตนได้

พยากรณ์สิ่งที่ฉันได้เรียนรู้จากการดู 7 ชั่วโมงของการประชุมสุดยอดการสร้างแบบจำลองส่วนประสมการตลาดของ Meta
คิดกับ Googleการปรับปรุงรูปแบบส่วนประสมทางการตลาดของคุณให้ทันสมัย ​​– Think with Google