مدلهای اسناد بازاریابی (تکلمسی، چندلمسی) چگونه به کانالها ارزش میدهند؟
مدلهای اسناد بازاریابی تعیین میکنند که کدام نقاط تماس (تاچپوینتها) سهمی از اعتبار یک تبدیل (Conversion) را دریافت کنند، و این امر نحوه تخصیص بودجههای تبلیغاتی شرکتها را شکل میدهد. در حالی که مدلهای تکلمسی سادگی را ارائه میدهند، چارچوبهای چندلمسی ارزش کسری را در کل مسیر مشتری توزیع میکنند تا رفتار پیچیده خرید را بهتر منعکس سازند.
به قلم مهلا پارسا
این خبر را به اشتراک بگذارید
- بازاریابان عملکردگرا
- طرفدار ردیابی قطعی و اندازهگیری فوری بازگشت سرمایه.
- تبلیغکنندگان برند
- حامی اندازهگیری تمام قیف و ارزش ویژه بلندمدت برند.
- حامیان حریم خصوصی داده
- طرفدار اندازهگیری تجمیعشده به جای ردیابی کاربر منفرد.
دیدگاههایی که این گزارش پوشش نداده
- صاحبان کسبوکارهای کوچک
- الگوریتمهای پلتفرمهای تبلیغاتی
در حسابداری مالی استاندارد، درآمد زمانی شناسایی میشود که تراکنش نهایی شده باشد و ۱۰۰ درصد اعتبار به نقطه فروش اختصاص مییابد. مدلهای اسناد بازاریابی بر اساس یک فرض کاملاً متفاوت عمل میکنند: آنها تلاش میکنند همان درآمد را در طول زمان به عقب توزیع کنند و ارزش کسری را به ایمیلها، تبلیغات و جستجوهایی اختصاص دهند که قبل از خرید انجام شدهاند. شرکتی که ۱۰ میلیون دلار فروش دیجیتال سالانه دارد، باید تصمیم بگیرد که آیا جستجوی گوگل که سفر مشتری را آغاز کرده یا تبلیغ هدفگیری مجدد (Retargeting) که آن را به پایان رسانده، سزاوار تخصیص بودجه است.[8]
اهمیت این تخصیص برای آینده شغلی مدیر بازاریابی و سود نهایی شرکت کاملاً عملی است. اگر سازمانی به یک چرخه فروش ۹۰ روزه متکی باشد اما از مدلی استفاده کند که فقط ۷ روز پایانی را در نظر میگیرد، به طور سیستماتیک بودجه کمپینهای آگاهیبخشی خود را کاهش میدهد. شرکت Adobe for Business اشاره میکند که اسناد بازاریابی چارچوبی را برای «ارزیابی ارزش یا بازگشت سرمایه (ROI) کانالهایی که آنها را به مشتریان بالقوه متصل میکنند» فراهم میکند و تأکید دارد که این قوانین تعیین میکنند که دلارهای تبلیغاتی آینده کجا هزینه شوند.[1]
سادهترین چارچوبها، مدلهای تکلمسی هستند که ۱۰۰ درصد اعتبار تبدیل را به یک تعامل واحد اختصاص میدهند. اسناد لمس اول (First-touch) تمام اعتبار را به کانال اولیهای میدهد که بازدیدکننده را به سایت هدایت کرده است، صرف نظر از تعداد تعاملات بعدی که قبل از خرید رخ دادهاند. این مدل به شدت مورد علاقه سازمانهایی است که صرفاً بر رشد مخاطبان بالای قیف تمرکز دارند، زیرا نشان میدهد کدام کانالها در جذب مشتریان جدید بهترین عملکرد را دارند.[2][3]
در مقابل، اسناد لمس آخر (Last-touch) ۱۰۰ درصد اعتبار را به آخرین تعامل قبل از تبدیل اختصاص میدهد. اگر مشتری برندی را از طریق یک تبلیغ فیسبوک کشف کند، سه پست وبلاگ بخواند، اما در نهایت پس از کلیک بر روی یک ایمیل تبلیغاتی تبدیل شود، کانال بازاریابی ایمیلی تمام اعتبار را دریافت میکند. این رویکرد یک پیوند واضح و قابل تأیید بین یک اقدام خاص و فروش فراهم میکند، اما فرآیند پرورش مشتری را که کلیک نهایی را ممکن ساخته، کاملاً نادیده میگیرد.[3]
محدودیتهای چارچوبهای تکلمسی در محیطهای پیچیده کسبوکار به کسبوکار (B2B) یا خریدهای مصرفکننده با قیمت بالا آشکار میشود، جایی که ممکن است مشتری ۱۵ تا ۲۰ بار قبل از خرید با یک برند تعامل داشته باشد. Quantum Metric توضیح میدهد که اتکا به این چارچوبهای ساده به این معنی است که شرکتها «بخش میانی داستان را از دست میدهند» و اشاره میکند که مدلهای تکلمسی دیدگاهی تحریف شده از مسیر مدرن مشتری ایجاد میکنند.[2]
برای رفع این تحریف، مدلهای اسناد چندلمسی (Multi-touch) اعتبار کسری را در چندین نقطه تماس توزیع میکنند. سادهترین آنها مدل خطی است که اعتبار را به طور مساوی بین هر تعامل تقسیم میکند. اگر یک مسیر شامل تبلیغ لینکدین، جستجوی ارگانیک، حضور در وبینار و بازدید مستقیم از وبسایت باشد، مدل خطی دقیقاً ۲۵ درصد از ارزش تبدیل را به هر کانال اختصاص میدهد. اگرچه این مدل عادلانه است، اما فرض میکند که همه تعاملات به یک اندازه متقاعدکننده هستند، که به ندرت با رفتار واقعی مصرفکننده مطابقت دارد.[4][5]
مدلهای مبتنی بر موقعیت، مانند مدل U شکل، سعی میکنند نقاط عطف حیاتیتر را وزن بیشتری بدهند. یک مدل استاندارد U شکل ۴۰ درصد اعتبار را به لمس اول و ۴۰ درصد را به لمس آخر اختصاص میدهد و ۲۰ درصد باقیمانده را به طور مساوی بین تمام نقاط تماس واسطه تقسیم میکند. این چارچوب اهمیت یافتن مشتری و نهایی کردن معامله را به رسمیت میشناسد، در حالی که مرحله پرورش را نیز در نظر میگیرد.[6]
مدلهای مبتنی بر موقعیت، مانند مدل U شکل، سعی میکنند نقاط عطف حیاتیتر را وزن بیشتری بدهند.
برای سازمانهایی که مرحله متمایزی برای تولید سرنخ (Lead Generation) دارند، مدل W شکل این مفهوم را گسترش میدهد. این مدل ۳۰ درصد به لمس اول، ۳۰ درصد به لمس ایجاد سرنخ و ۳۰ درصد به لمس ایجاد فرصت یا لمس آخر اختصاص میدهد و ۱۰ درصد نهایی را بین تعاملات باقیمانده توزیع میکند. این مدل به ویژه در شرکتهای نرمافزار به عنوان سرویس (SaaS) رایج است، جایی که انتقال یک مشتری بالقوه از یک بازدیدکننده عادی به یک سرنخ واجد شرایط، یک گام متمایز و بسیار ارزشمند است.[4]
اسناد مبتنی بر کاهش زمانی (Time-decay) رویکرد متفاوتی را در پیش میگیرد و اعتبار را بر اساس نزدیکی به تبدیل اختصاص میدهد. هرچه یک تعامل به فروش نهایی نزدیکتر باشد، وزن بیشتری دریافت میکند. یک نقطه تماس که دو روز قبل از خرید رخ داده، ممکن است دو برابر اعتباری را دریافت کند که به یک نقطه تماس هفت روز قبل اختصاص یافته است. این مدل برای کسبوکارهایی با چرخههای فروش کوتاه یا کمپینهای تبلیغاتی که در آنها تعاملات اخیر محرکهای اصلی اقدام فوری هستند، بسیار مؤثر است.[5]
پیشرفتهترین سطح اسناد چندلمسی متکی بر مدلهای الگوریتمی یا دادهمحور است. این مدلها به جای استفاده از قوانین ثابت، از یادگیری ماشین برای تجزیه و تحلیل دادههای تاریخی استفاده میکنند و احتمال آماری واقعی مشارکت یک نقطه تماس خاص در تبدیل را تعیین میکنند. راهنمای متدولوژی Nielsen اشاره میکند که اسناد چندلمسی پیشرفته نیازمند ردیابی دادههای سطح کاربر در کانالهای قابل آدرسدهی است تا این احتمالات به طور دقیق محاسبه شوند.[7]
پیادهسازی اسناد چندلمسی بدون موانع فنی قابل توجه نیست. این کار نیازمند یک معماری داده یکپارچه است که قادر به ردیابی یک کاربر واحد در چندین دستگاه، مرورگر و تعاملات آفلاین باشد. هنگامی که یک کاربر محصولی را در تلفن همراه خود جستجو میکند اما سه هفته بعد خرید را در رایانه رومیزی تکمیل میکند، نرمافزار اسناد باید بتواند آن جلسات را به یک مسیر واحد متصل کند.[3][5]
علاوه بر این، چشمانداز اسناد در سال ۲۰۲۶ به دلیل افزایش مقررات حفظ حریم خصوصی و منسوخ شدن کوکیهای شخص ثالث، دستخوش تغییرات عظیمی است. از آنجایی که شفافیت ردیابی برنامه (App Tracking Transparency) اپل و قوانین منطقهای مانند GDPR جمعآوری دادههای سطح کاربر را محدود میکنند، ردیابی قطعی (Deterministic Tracking) – که در آن یک کاربر خاص به طور قطعی به یک اقدام مرتبط میشود – دشوارتر شده است.[5][8]
در پاسخ به این چالش، بسیاری از سازمانها به سمت مدلسازی احتمالی و مدلسازی ترکیب بازاریابی (MMM) روی آوردهاند. برخلاف اسناد چندلمسی که متکی بر ردیابی کاربران منفرد است، مدلسازی ترکیب بازاریابی از دادههای تاریخی تجمیعشده و تکنیکهای اقتصادسنجی برای تخمین تأثیر کانالهای بازاریابی مختلف بر فروش استفاده میکند. این رویکرد از بالا به پایین، دیدگاهی کلان از عملکرد ارائه میدهد بدون اینکه نیازی به ردیابی دقیق کاربر داشته باشد.[7]
انتخاب مدل اسناد در نهایت کل استراتژی بازاریابی را شکل میدهد. شرکتی که از مدل لمس آخر به مدل U شکل تغییر میکند، بلافاصله شاهد کاهش بازگشت سرمایه (ROI) گزارش شده کمپینهای جستجوی پولی خود خواهد بود، در حالی که ارزش درک شده محتوای ارگانیک و تلاشهای رسانههای اجتماعی آن افزایش مییابد. این تغییر در دادهها اغلب مستلزم تخصیص مجدد بودجه است، به طوری که وجوه به سمت بالای قیف حرکت داده میشوند تا از کانالهایی که سفر مشتری را آغاز میکنند، حمایت شود.[8]
هیچ مدل اسناد کاملی که برای همه شرایط مناسب باشد، وجود ندارد. مؤثرترین رویکرد مستلزم همسوسازی چارچوب ریاضی با چرخه فروش خاص شرکت، مدل کسبوکار و قابلیتهای دادهای آن است. از آنجایی که اکوسیستم دیجیتال همچنان حفظ حریم خصوصی کاربر را در اولویت قرار میدهد، توانایی تخصیص دقیق ارزش به کانالهای بازاریابی به طور فزایندهای به ترکیبی از دادههای شخص اول، مدلسازی الگوریتمی و تجزیه و تحلیل آماری تجمیعشده متکی خواهد بود.[8]
نکات کلیدی
- مدلهای تکلمسی ۱۰۰٪ اعتبار تبدیل را به یک تعامل اختصاص میدهند، که ردیابی را ساده میکند اما مسیر گستردهتر مشتری را نادیده میگیرد.
- مدلهای چندلمسی اعتبار کسری را در چندین نقطه تماس توزیع میکنند و بازتاب دقیقتری از رفتار پیچیده خرید ارائه میدهند.
- مدلهای مبتنی بر موقعیت، مانند U شکل و W شکل، تعاملات اول و آخر را به شدت وزندهی میکنند، در حالی که پرورش میانی قیف را نیز به رسمیت میشناسند.
- افزایش مقررات حفظ حریم خصوصی، ردیابی دقیق کاربر را دشوار کرده و باعث روی آوردن به مدلسازی ترکیب بازاریابی تجمیعشده شده است.
بررسی عمیق دیدگاهها
بازاریابان عملکردگرا
طرفدار ردیابی قطعی و اندازهگیری فوری بازگشت سرمایه.
بازاریابان عملکردگرا عموماً مدلهایی را ترجیح میدهند که پیوندهای واضح و قابل تأییدی بین هزینه تبلیغات و درآمد فراهم میکنند، مانند اسناد لمس آخر یا کاهش زمانی. آنها استدلال میکنند که هدف اصلی بازاریابی، هدایت تبدیلهای فوری است و بودجه باید به کانالهایی اختصاص یابد که به طور اثبات شده معامله را نهایی میکنند. این گروه اغلب به معیارهای آگاهی از برند در بالای قیف با شک و تردید نگاه میکنند و ترجیح میدهند در کمپینهای جستجوی با قصد بالا و هدفگیری مجدد سرمایهگذاری کنند، جایی که بازگشت سرمایه تبلیغات میتواند به صورت ریاضی اثبات شود. برای این متخصصان، مدلهای چندلمسی گاهی اوقات میتوانند تاکتیکهای خاصی را که واقعاً باعث خرید میشوند، پنهان کنند.
تبلیغکنندگان برند
حامی اندازهگیری تمام قیف و ارزش ویژه بلندمدت برند.
تبلیغکنندگان برند استدلال میکنند که مدلهای تکلمسی با نادیده گرفتن ماهها پرورش مورد نیاز برای ایجاد اعتماد، روانشناسی مصرفکننده را اساساً اشتباه درک میکنند. آنها از مدلهای چندلمسی مبتنی بر موقعیت یا الگوریتمی حمایت میکنند که ارزش قابل توجهی به مرحله کشف اولیه اختصاص میدهند. از دیدگاه آنها، محروم کردن کانالهای بالای قیف به این دلیل که تبدیلهای فوری ناشی از کلیک آخر را تولید نمیکنند، یک استراتژی کوتهبینانه است که در نهایت ذخیره خریداران آینده شرکت را کاهش میدهد. آنها به مدلهای اسنادی متکی هستند که تأثیر آهسته و تجمعی بازاریابی محتوا، روابط عمومی و تعامل در رسانههای اجتماعی را تأیید میکنند.
حامیان حریم خصوصی داده
طرفدار اندازهگیری تجمیعشده به جای ردیابی کاربر منفرد.
با افزایش مقررات سختگیرانه حفظ حریم خصوصی، این گروه استدلال میکند که اسناد چندلمسی دقیق هم از نظر اخلاقی زیر سؤال است و هم از نظر فنی غیرقابل اجرا میشود. آنها اشاره میکنند که اتصال مسیرهای کاربر در دستگاههای مختلف اغلب متکی بر روشهای ردیابی تهاجمی است که مصرفکنندگان به طور فزایندهای آنها را رد میکنند. آنها به جای تلاش برای ردیابی کاربران منفرد در سراسر اینترنت، از بازگشت به مدلسازی ترکیب بازاریابی (MMM) حمایت میکنند. آنها استدلال میکنند که با استفاده از دادههای تجمیعشده و ناشناس و تحلیل اقتصادسنجی، شرکتها میتوانند اثربخشی کانال را تعیین کرده و بودجهها را به طور کارآمد تخصیص دهند، بدون اینکه حریم خصوصی مصرفکننده به خطر بیفتد یا قوانین نوظهور حفاظت از دادهها نقض شود.
چرا مهم است
مدلی که یک شرکت برای اسناد انتخاب میکند، مستقیماً تعیینکننده این است که کدام کانالهای بازاریابی بودجه دریافت کنند و کدام حذف شوند. عدم تطابق مدل با چرخه فروش واقعی میتواند منجر به سرمایهگذاری بیش از حد کسبوکارها در تاکتیکهای تبدیل (Conversion) پایین قیف و در عین حال محروم کردن کمپینهای آگاهیبخشی بالای قیف شود که تقاضای آینده را ایجاد میکنند.
منابع
[1]Adobe for BusinessWhat is marketing attribution? Models and examples explained
مطالعه در Adobe for Business →
[2]Quantum MetricUnderstanding Different Attribution Models in Marketing
مطالعه در Quantum Metric →
[3]Contentsquareبازاریابان عملکردگراMarketing Attribution Models: A Guide For Businesses
مطالعه در Contentsquare →
[4]HockeyStackتبلیغکنندگان برندUnderstanding Different Attribution Models and When to Use Them
مطالعه در HockeyStack →
[5]Amplitudeبازاریابان عملکردگراWhat Is Multi-Touch Attribution? The Models and Tools You Need
مطالعه در Amplitude →
[6]AdRollتبلیغکنندگان برندThe Different Types of Multi-Touch Attribution Modeling [INFOGRAPHIC]
مطالعه در AdRoll →
[7]Nielsenحامیان حریم خصوصی دادهMethods & Models: A Guide to Multi-Touch Attribution
مطالعه در Nielsen →
[8]تیم سردبیری کوهستانتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
نظرات
بیشتر در کسبوکار
مشاهده همه →استراتژی محصول
مدل کانو: چگونه ویژگیهای الزامی، تکبعدی و جذاب، استراتژی محصول را تعیین میکنند
6 منبع
تئوری محدودیتها
۵ گام متمرکز که گلوگاههای فرآیندی را بهطور سیستماتیک حذف میکنند
7 منبع
رباتیک انساننما
بررسی موشکافانه رگولاتورها بر عرضه اولیه سهام شرکتهای رباتیک انساننما: چرا چین سرعت را کم میکند؟
6 منبع
بدهی سافتبنک
برنامه سافتبنک برای فروش ۱۱ میلیارد دلار اوراق قرضه جهت تامین مالی سرمایهگذاریهای استراتژیک در OpenAI
5 منبع
هر زاویه. هر روز.
دریافت کسبوکار اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.





