SlideShare a Scribd company logo
1 of 18
Download to read offline
Attribúciós modellek
Ihász Ingrid, Head of Digital
Evolution, 2015. március 3.
2
3
Ki rúgta a
gólt?
4
De ki(k)nek
köszönhető?
1
2
3
5
Az attribúciós modellek arra a kérdésre keresik a választ, hogy a
különböző forrásoknak vagy lépéseknek mekkora értéket
tulajdonítsunk egy folyamat, jelen esetben egy vásárlással végződő
fogyasztói döntés során.
6
Mit értünk
alatta?
1
2
3
7
1
2
3
klubkártyák, hűségprogramok
+36-30-EGYEDI-SZÁM, kuponok
eladáshelyi kérdőívek
8
1
2
3
4
9
Mikor nem
kell?
1
2
3
4
Ha (szinte) csak offline költesz
Ha csak 1-2 digitális csatornát használsz
Ha a forgalom nagy része egy forrásból jön
Ha már az első látogatáskor konvertálnak
Milyen modellek vannak?
10
szabály vs. algoritmus
átkattintás vs. megtekintés
MÉRÉSCÉL
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
11
Utolsó
interakció
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
12
Első
interakció
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
13
Lineáris
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
14
Idő eloszlásos
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
15
Pozíció alapú
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5
16
Egyedi
17
Mire való? 2
3
1 Segít megérteni a fogyasztót
Támogatja vagy igazolja a büdzsé
megosztását
Segít a kampány optimalizálásában
ingrid.ihasz@mecglobal.com

More Related Content

More from Ingrid Ihasz

The Future Advertising Ecosystem. Defining a Priority list.
The Future Advertising Ecosystem. Defining a Priority list.The Future Advertising Ecosystem. Defining a Priority list.
The Future Advertising Ecosystem. Defining a Priority list.Ingrid Ihasz
 
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...Ingrid Ihasz
 
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.Ingrid Ihasz
 
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.Ingrid Ihasz
 
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.Ingrid Ihasz
 
Pokemon Go Photo Project - Capturing the Phenomenon
Pokemon Go Photo Project - Capturing the PhenomenonPokemon Go Photo Project - Capturing the Phenomenon
Pokemon Go Photo Project - Capturing the PhenomenonIngrid Ihasz
 
Ihász Ingrid: Programmatic a márkakampányokban
Ihász Ingrid: Programmatic a márkakampányokbanIhász Ingrid: Programmatic a márkakampányokban
Ihász Ingrid: Programmatic a márkakampányokbanIngrid Ihasz
 
Ihász Ingrid: Programmatic… Tegyük tisztába!
Ihász Ingrid: Programmatic…Tegyük tisztába!Ihász Ingrid: Programmatic…Tegyük tisztába!
Ihász Ingrid: Programmatic… Tegyük tisztába!Ingrid Ihasz
 
Ihász Ingrid: Itt a szemgolyó, hol a pénz?
Ihász Ingrid: Itt a szemgolyó, hol a pénz?Ihász Ingrid: Itt a szemgolyó, hol a pénz?
Ihász Ingrid: Itt a szemgolyó, hol a pénz?Ingrid Ihasz
 
Emberek vs. robotok - Ihász Ingrid
Emberek vs. robotok - Ihász IngridEmberek vs. robotok - Ihász Ingrid
Emberek vs. robotok - Ihász IngridIngrid Ihasz
 
Hogyan legyél sikeres luxusmárka a közösségi médiában? - Mercedes-Benz
Hogyan legyél sikeresluxusmárka a közösségi médiában? - Mercedes-BenzHogyan legyél sikeresluxusmárka a közösségi médiában? - Mercedes-Benz
Hogyan legyél sikeres luxusmárka a közösségi médiában? - Mercedes-BenzIngrid Ihasz
 
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkal
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkalSomodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkal
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkalIngrid Ihasz
 
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)Ihász Ingrid: Natív hirdetések (2013. 09. 27.)
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)Ingrid Ihasz
 
Big Data @ CEMP: Ident projekt
Big Data @ CEMP: Ident projektBig Data @ CEMP: Ident projekt
Big Data @ CEMP: Ident projektIngrid Ihasz
 
Ihász Ingrid: Építsünk saját médiát?
Ihász Ingrid: Építsünk saját médiát?Ihász Ingrid: Építsünk saját médiát?
Ihász Ingrid: Építsünk saját médiát?Ingrid Ihasz
 
Ihász Ingrid: Az online médiaértékesítés jövője
Ihász Ingrid: Az online médiaértékesítés jövőjeIhász Ingrid: Az online médiaértékesítés jövője
Ihász Ingrid: Az online médiaértékesítés jövőjeIngrid Ihasz
 
Online márkaépítés
Online márkaépítésOnline márkaépítés
Online márkaépítésIngrid Ihasz
 
Mi a helyzet a blogokkal?
Mi a helyzet a blogokkal?Mi a helyzet a blogokkal?
Mi a helyzet a blogokkal?Ingrid Ihasz
 
Behálózva. Közösségi média tények és trendek
Behálózva. Közösségi média tények és trendekBehálózva. Közösségi média tények és trendek
Behálózva. Közösségi média tények és trendekIngrid Ihasz
 

More from Ingrid Ihasz (20)

The Future Advertising Ecosystem. Defining a Priority list.
The Future Advertising Ecosystem. Defining a Priority list.The Future Advertising Ecosystem. Defining a Priority list.
The Future Advertising Ecosystem. Defining a Priority list.
 
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...
Ingrid IHASZ: Hungarian digital & programmatic advertising market overview / ...
 
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.
Ihász Ingrid: Adatalapú médiatervezés és automatizált vásárlás. 2020.06.
 
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.
Ihász Ingrid: A hazai programmatic piac trendjei. Evolution, 2020.03.
 
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.
Ihász Ingrid: A programmatic kiadói oldala. PPC Pro Meetup, 2020.02.
 
Pokemon Go Photo Project - Capturing the Phenomenon
Pokemon Go Photo Project - Capturing the PhenomenonPokemon Go Photo Project - Capturing the Phenomenon
Pokemon Go Photo Project - Capturing the Phenomenon
 
Ihász Ingrid: Programmatic a márkakampányokban
Ihász Ingrid: Programmatic a márkakampányokbanIhász Ingrid: Programmatic a márkakampányokban
Ihász Ingrid: Programmatic a márkakampányokban
 
Ihász Ingrid: Programmatic… Tegyük tisztába!
Ihász Ingrid: Programmatic…Tegyük tisztába!Ihász Ingrid: Programmatic…Tegyük tisztába!
Ihász Ingrid: Programmatic… Tegyük tisztába!
 
Ihász Ingrid: Itt a szemgolyó, hol a pénz?
Ihász Ingrid: Itt a szemgolyó, hol a pénz?Ihász Ingrid: Itt a szemgolyó, hol a pénz?
Ihász Ingrid: Itt a szemgolyó, hol a pénz?
 
Emberek vs. robotok - Ihász Ingrid
Emberek vs. robotok - Ihász IngridEmberek vs. robotok - Ihász Ingrid
Emberek vs. robotok - Ihász Ingrid
 
Hogyan legyél sikeres luxusmárka a közösségi médiában? - Mercedes-Benz
Hogyan legyél sikeresluxusmárka a közösségi médiában? - Mercedes-BenzHogyan legyél sikeresluxusmárka a közösségi médiában? - Mercedes-Benz
Hogyan legyél sikeres luxusmárka a közösségi médiában? - Mercedes-Benz
 
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkal
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkalSomodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkal
Somodi Viktória - Ihász Ingrid: Egy Fordot kérnék extrákkal
 
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)Ihász Ingrid: Natív hirdetések (2013. 09. 27.)
Ihász Ingrid: Natív hirdetések (2013. 09. 27.)
 
Netező nők
Netező nőkNetező nők
Netező nők
 
Big Data @ CEMP: Ident projekt
Big Data @ CEMP: Ident projektBig Data @ CEMP: Ident projekt
Big Data @ CEMP: Ident projekt
 
Ihász Ingrid: Építsünk saját médiát?
Ihász Ingrid: Építsünk saját médiát?Ihász Ingrid: Építsünk saját médiát?
Ihász Ingrid: Építsünk saját médiát?
 
Ihász Ingrid: Az online médiaértékesítés jövője
Ihász Ingrid: Az online médiaértékesítés jövőjeIhász Ingrid: Az online médiaértékesítés jövője
Ihász Ingrid: Az online médiaértékesítés jövője
 
Online márkaépítés
Online márkaépítésOnline márkaépítés
Online márkaépítés
 
Mi a helyzet a blogokkal?
Mi a helyzet a blogokkal?Mi a helyzet a blogokkal?
Mi a helyzet a blogokkal?
 
Behálózva. Közösségi média tények és trendek
Behálózva. Közösségi média tények és trendekBehálózva. Közösségi média tények és trendek
Behálózva. Közösségi média tények és trendek
 

Ihász Ingrid - Attribúciós modellek (Evolution konferencia)

Editor's Notes

  1. Az attribúciós modellezést legegyszerűbben talán egy focis példával lehet szemléltetni.
  2. Ha csak az a kérdésünk, hogy ki lőtte a gólt, egészen egyszerű a válasz.
  3. Ha azonban azt keressük, hogy kiknek köszönhető, akkor még legalább két másik, passzt adó játékosnak is kell adnunk valamennyi kreditet.
  4. Azaz azzal kecsegtetnek, hogy végre megtudjuk, a hirdetésre költött összeg melyik fele volt a kidobott pénz. A megfelelő büdzsé megosztás kialakítása mellett az attribúciós modellezés legfontosabb célja a fogyasztó útjának feltérképezése. Ennek fényében nem csoda, hogy az attribúció felkapott témává vált az elmúlt években.
  5. 1. Lehet szó az online hirdetések offline hatásáról, azaz arról, hogy az online aktivitások nyomán mennyi telefonhívás, offline bolti bevétel stb. keletkezett. 2. Vizsgálhatjuk a képernyők - tévé, asztali gép, laptop, mobil - közötti megoszlást. 3. Illetve az egyes digitális csatornák - display, kereső, social, email stb. - közötti megoszlást is. Legegyszerűbben az utóbbit lehet mérni, de ma már egyre több szó esik az offline adatok visszacsatornázásáról, illetve a képernyők közötti mérésről is. Az 1-2. mérés egyrészt modellezés, másrészt a felhasználó tényleges azonosítása révén történhet. Ajánlott olvasmány: http://www.kaushik.net/avinash/multi-channel-attribution-definitions-models/
  6. Az online hirdetések offline hatását jó pár, mára már hagyományosnak számító eszközzel mérhetjük. 1. A különböző klubkártyák és hűségprogramok mindig is remek lehetőséget adtak az azonosításra. 3. Szintén régi bevált eszköznek számítanak az online felületen használt egyedi telefonszámok, kuponok. 3. Illetve akár az eladáshelyi gyors kérdőívek is. Ma már nincsen arra szükség, hogy ezeket az adatokat utólag rögzítsük, a fejlettebb analitikai rendszereket közvetlenül is össze lehet kötni különböző eladáshelyi eszközökkel, de akár beérkező hívásokat is tudnak mérni. Ha van egy egyedi azonosítónk, akkor minden az adott felhasználóhoz tartozó aktivitást tudunk rögzíteni, függetlenül attól, hogy milyen eszközön vagy akár offline történt a tranzakció. Ajánlott olvasmányok: http://www.kaushik.net/avinash/tracking-offline-conversions-hope-seven-best-practices-bonus-tips/ http://www.kaushik.net/avinash/multichannel-analytics-tracking-online-impact-offline-campaigns/
  7. Példa a digitális csatornák közötti megoszlásra: Láttam egy Galaxy S5 hirdetést a HVG online-on, de nem kattintottam rá. Találkoztam Galaxy S5 ajánlattal az Index mobil verzióján, rákattintottam, megnéztem a landing oldalon az ajánlatot. Majd találkoztam a hirdetéssel a Facebookon is. Végül rákerestem a Google-ben és egy fizetett hirdetésről érkeztem a termékoldalra és vásároltam. Ha csak az utolsó AdWords hirdetésnek tulajdonítok minden értéket, elég nagy baklövést követek el, hiszen az előző touch pointok is szerepet játszhattak a végső konverzióban.
  8. Akkor tudunk attribúciós modellt használni, hogy minden forrást mérünk, pontosan felparaméterezünk. Szükség van valamilyen célra (pl. konverzió), ami alapján az attribúciót vizsgáljuk. Meg kell határozni, hogy milyen időszakot nézünk (átlagos sales ciklus). Alapvetően kétféle modell van, a szabály alapú és az algoritmikus. Szabályok: attól függően adnak kreditet egy csatornának, hogy hol helyzkednek el a fogyasztó útja során. Ajánlott olvasmányok: https://econsultancy.com/blog/63690-three-ways-to-approach-advanced-attribution http://www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models
  9. Az utolsó interakció csak az utolsó lépésnek ad értéket, nem foglalkozik a korábbi touch pointokkal. Ebben a modellben könnyen túlértékelődnek azok a csatornák, amelyek jellemzően közel szoktak lenni a konverzióhoz, pl. a direkt forgalom, ill. a keresőhirdetések, míg más elemek alulértékelődnek.
  10. Az utolsó interakció ellentéte, itt minden értéket az a csatorna kap, ahol először találkozott az ajánlattal a felhasználó. Ez azoknak a csatornáknak kedvez, melyek jellemzően a folyamat elején hatnak, pl. a display hirdetéseknek.
  11. Ebben a modellben minden lépés azonos értéket kap. Nem nehéz belátni, hogy ez a modell alul- vagy túlértékel bizonyos touchpointokat.
  12. Ebben a modellben az a touchpoint kapja a legnagyobb értéket, amely a legközelebb volt a konverzióhoz. Ez a modell rövid idő alatt lezajló kampányokhoz, promóciókhoz egészen jól használható. Nem tökéletes, de a szabály alapú modellek közül ez a leginkább használható.
  13. A pozíció alapú modellnél az első és az utolsó lépés egyforma, magas értéket kap, a fennmaradó részt pedig egyenlő arányban osztja el a közbeeső lépések között. Az arányokkal lehetnek problémák, és eleve nem túl sok kredit juthat a közbeeső részeknek.
  14. Ezeket egyelőre csak egy elenyésző kisebbség - még az USA-ban is csupán az attribúciós modelleket alkalmazók 5%-a – használja (forrás: http://www.emarketer.com/Article.aspx?R=1011766). Egyedi modellek: Jellemzően az utolsó touch point nagyon értékes. Az első is értékes, de nem akkora súlyú, mint egyes közbeeső csatornák. A vizsgált időszakot a sales ciklus felső határához közel érdemes meghatározni, lenyesve az extremitásokat. Több kreditet kaphat egy olyan touchpoint, ami nagyobb bevonódású felhasználókat hozott. Kevesebb kreditet az olyan forgalom, ami jellemzően visszafordulással végződött. Szintén több kreditet kaphat az olyan hirdetés, amire kattintottak, mint amire nem. Szintén kaphatnak kevesebb vagy több kreditet az általános brand kulcsszavak. Algoritmikus: matematikai modellek alapján történik az értékek meghatározása. Ajánlott olvasmány: http://www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models/
  15. Adatok: http://totalaccess.emarketer.com/Chart.aspx?R=164439 Szolgáltatók: Abakus, AOL/Convertro, eBay Enterprise, Google/Adometry, Marketing Evolution, MarketShare, Rakuten DC Storm, Visual IQ http://adexchanger.com/platforms/forrester-wave-platforms-commerce-companies-vie-for-top-attribution-vendor-title/