Una guía práctica para la asignación multitáctil

El viaje del cliente supone múltiples relaciones entre el cliente y el mercader o distribuidor de servicios.

Llamamos a cada interacción en el viaje del cliente un punto de contacto.

Según Salesforce.com, toma, en promedio, seis a ocho toques para producir una virtud en el espacio B2B.

El número de puntos de contacto es aún mayor para la adquisición de clientes del servicio.

La atribución multitoque es el mecanismo para valorar la contribución de cada punto de contacto a la conversión y asigna los créditos apropiados a cada punto de contacto implicado en el paseo del cliente.

Efectuar un análisis de atribución multitáctil puede contribuir a los expertos en marketing a entender el viaje del cliente y también detectar chances para mejorar aún mucho más las sendas de conversión.

En el artículo, va a aprender los conceptos básicos de la atribución multitáctil y los pasos para efectuar un análisis de atribución multitáctil con herramientas de simple ingreso.

Qué estimar antes de efectuar un análisis de atribución multitáctil

Determinar el propósito comercial

¿Qué desea conseguir del análisis de atribución multitáctil?

¿Desea valorar el roi (ROI) de un canal de marketing concreto, entender el viaje de su cliente o detectar páginas críticas en su página web para pruebas A/B?

Distintas objetivos comerciales tienen la posibilidad de necesitar distintas enfoques para el análisis de atribución.

Determinar lo que desea poder desde el comienzo lo contribuye a poder desenlaces mucho más veloz.

Determinar la conversión

La conversión es la acción deseada que quiere que efectúen sus clientes del servicio.

Para los sitios de comercio on-line, esto tiende a ser una compra, definida por el acontecimiento de pago.

Para otras industrias, esto podría ser un registro de cuenta o una suscripción.

Probablemente diversos tipos de conversión tengan distintas sendas de conversión.

Si quiere efectuar una asignación multitáctil en múltiples acciones deseadas, le sugiero dividirlas en distintas análisis para eludir confusiones.

Determinar el punto de contacto

El punto de contacto podría ser cualquier interacción entre su marca y sus clientes del servicio.

Si es la primera oportunidad que efectúa un análisis de atribución multitáctil, le sugiero explicarlo como una visita a su cibersitio desde un canal de marketing concreto. La atribución fundamentada en el canal es simple de llevar a cabo y puede brindarle información sobre el viaje del cliente.

Si quiere entender de qué forma interaccionan los clientes del servicio con su página web, le sugiero determinar puntos de contacto en función de las vistas de página en su cibersitio.

Si quiere integrar relaciones fuera del lugar, como instalaciones de apps móviles inteligentes, aperturas de mail o interacción popular, puede integrar esos acontecimientos en su definición de punto de contacto, siempre y cuando tenga los datos.

Con independencia de la definición del punto de contacto, el mecanismo de asignación es exactamente el mismo. Cuanto mucho más granulares se definan los puntos de contacto, mucho más detallado va a ser el análisis de atribución.

En esta guía, nos vamos a centrar en la atribución fundamentada en el canal y la visualización de la página.

Va a aprender a emplear Google plus Analytics y otra herramienta de código abierto para efectuar estos análisis de atribución.

Una introducción a los modelos de atribución multitáctil

Las maneras de acreditar puntos de contacto por sus contribuciones a la conversión se nombran modelos de atribución.

El modelo de atribución mucho más fácil es dar todo el crédito al primer punto de contacto, por atraer en un inicio al cliente, o al último punto de contacto, por impulsar la conversión.

Estos 2 modelos se nombran modelo de atribución de primer contacto y modelo de atribución de último contacto, respectivamente.

Naturalmente, ni el primer toque ni el último modelo de asignación de toque es «preciso» con el resto de los puntos de contacto.

Entonces, ¿qué tal ofrecer exactamente el mismo crédito a todos y cada uno de los puntos de contacto comprometidos en la conversión de un cliente? Suena razonable, y de esta forma es precisamente como marcha el modelo de atribución lineal.

No obstante, ofrecer exactamente el mismo crédito a todos y cada uno de los puntos de contacto piensa que los puntos de contacto son del mismo modo esenciales, lo que tampoco semeja «justo».

Ciertos sostienen que los puntos de contacto cerca del final de las sendas de conversión son mucho más esenciales, al tiempo que otros sostienen lo opuesto. Entonces poseemos el modelo de atribución apoyado en la situación, que deja a los expertos en marketing conceder distintas pesos a los puntos de contacto en función de su situación en las sendas de conversión.

Todos y cada uno de los modelos nombrados previamente caen en la categoría de modelos de atribución heurísticos o basados ​​en reglas.

Aparte de los modelos heurísticos, disponemos otra categoría de modelos llamada atribución fundamentada en datos, que en este momento es el modelo ya establecido que se emplea en Google plus Analytics.

¿Qué es la atribución fundamentada en datos?

¿Exactamente en qué se distingue la atribución fundamentada en datos de los modelos de atribución heurística?

Aquí existen algunos puntos esenciales de diferencia:

• En un modelo heurístico, la regla de asignación está ya establecida. Así sea el primer contacto, el último contacto, lineal o apoyado en la localización, las reglas de atribución se establecen por adelantado y después se aplican a los datos. En un modelo de atribución apoyado en datos, la regla de atribución se crea en función de los datos históricos y, por ende, es única para cada ámbito.
• Un modelo heurístico examina solo las sendas que conducen a una conversión y también ignora las sendas que no lo hacen. Un modelo apoyado en datos usa datos de sendas de conversión y de no conversión.
• Un modelo heurístico asigna conversiones a un canal en función de cuántos contactos tiene un punto de contacto según las reglas de atribución. En un modelo apoyado en datos, la atribución se efectúa dependiendo del efecto de los toques en todos y cada punto de contacto.

De qué manera valorar el efecto de un punto de contacto

Un algoritmo común empleado por la atribución fundamentada en datos se llama cadena de Markov. En el corazón del algoritmo de la cadena de Markov está un término llamado efecto de movimiento.

El efecto de supresión, como recomienda el nombre, es el encontronazo en la tasa de conversión en el momento en que se suprime un punto de contacto de los datos del viaje.

Este producto no va a entrar en los datos matemáticos del algoritmo de la Cadena de Markov.

Ahora se expone un caso de muestra que ilustra de qué manera el algoritmo asigna la conversión a cada punto de contacto.

El efecto de supresión

Afirmemos que tienes un ámbito en el que hay 100 conversiones de 1000 visitantes que llegan a un portal de internet mediante 3 canales, Canal A, B y C. En un caso así, la tasa de conversión es del 10%.

De manera intuitiva, si se suprime un canal particularmente de las sendas de conversión, las sendas que implican a ese canal particularmente se «truncarán» y acabarán con menos conversiones por norma general.

Si la tasa de conversión se disminuye al 5 %, 2 % y 1 % en el momento en que los canales A, B y C se suprimen respectivamente de los datos, tenemos la posibilidad de calcular el efecto de supresión como el porcentaje de disminución en la tasa de conversión en el momento en que se suprime un canal particularmente usando la elabora:

Entonces, el paso final es conceder conversiones a cada canal dependiendo de la participación de cada canal en el efecto de supresión. Este es el resultado de la labor:

Para resumir, la atribución fundamentada en datos no se apoya en el número o la localización de los puntos de contacto, sino más bien en el encontronazo de esos puntos de contacto en la conversión como base de la atribución.

Atribución multitáctil con Google plus Analytics

Basta de teorías, observemos de qué forma tenemos la posibilidad de utilizar el omnipresente Google plus Analytics para efectuar análisis de atribución multitáctil.

Tal como Google plus deja de respaldar Universal Analytics (AU) desde julio de 2023, este tutorial va a estar apoyado en Google plus Analytics 4 (GA4) y vamos a usar Google plus Analytics Cuenta demo de tienda de merchandising Por poner un ejemplo.

En GA4, los reportes de asignación son sub Instantánea promocional como se expone ahora en el menú de navegación izquierdo.

En el momento en que llegue a la página Instantáneas de su aviso, el paso inicial es elegir un acontecimiento de conversión conveniente.

GA4 incluye de manera ya establecida todos y cada uno de los acontecimientos de conversión para sus reportes de atribución.

Para eludir confusiones, sugiero escoger solo un acontecimiento de conversión («compra» en el ejemplo ahora) para su análisis.

Entender las sendas de conversión en GA4

En la sección Asignación en la barra de navegación izquierda, puede abrir Informe de sendas de conversión.

Desplácese hacia abajo hasta la tabla de sendas de conversión, que exhibe todas y cada una de las sendas de conversión.

En la parte de arriba de esta tabla, puede localizar la cantidad promedio de días y la proporción de puntos de contacto que produjeron conversiones.

En este caso de ejemplo, puedes observar que los clientes del servicio de Google plus tardan, en promedio, prácticamente 9 días y 6 visitas antes de efectuar una compra en su Tienda de modelos.

Halla la contribución de cada canal en GA4

Entonces realice click Reportar todos y cada uno de los canales en la sección Desempeño en la barra de navegación izquierda.

En este informe puede localizar las conversiones atribuidas a cada canal del acontecimiento de conversión elegido, «compra» en un caso así.

En este momento sabe que la búsqueda orgánica, adjuntado con Direct y Dirección de correo electrónico, impulsó la mayor parte de las compras en Google plus Product Store.

Revise los desenlaces de distintas modelos de asignación en GA4

De manera ya establecida, GA4 usa el modelo de asignación apoyado en datos para saber cuántos créditos recibe cada canal. No obstante, puede investigar de qué forma los distintos modelos de atribución dan créditos a cada canal.

Clickear Comparación de modelos en la sección Asignación de la barra de navegación izquierda.

Por poner un ejemplo, al equiparar el modelo de atribución fundamentada en datos con el modelo de atribución de primer toque (llamado «modelo de primer click» en la figura ahora), puede ver que se atribuyen mucho más conversiones a la búsqueda orgánica bajo el modelo de primer click ( 735) en comparación con el modelo apoyado en datos (646,80).

Por otra parte, el e-mail tiene mucho más conversiones atribuidas al modelo de atribución fundamentada en datos (727,82) que al modelo de primer click (552).

Los datos nos aseguran que la búsqueda orgánica juega un papel esencial en la atracción de clientes del servicio potenciales a su tienda, pero precisa asistencia de otros canales para transformar a los visitantes (por servirnos de un ejemplo, a fin de que los clientes del servicio verdaderamente efectúen compras).

Por otra parte, el e-mail, por su naturaleza, interacciona con los visitantes que han visitado el lugar y contribuye a transformar a los visitantes que vuelven y que inicialmente llegaron al lugar desde otros canales.

¿Qué modelo de atribución es preferible?

Una pregunta común tratándose de cotejar modelos de atribución es qué modelo de atribución es preferible. Diría que esta es el interrogante equivocada que tienen la posibilidad de llevar a cabo los expertos en marketing.

Lo cierto es que ningún modelo es completamente mejor que otro pues cada modelo ilustra un aspecto del paseo del cliente. Los expertos en marketing tienen que adoptar muchos modelos como crean favorable.

De la atribución fundamentada en canales a la atribución fundamentada en páginas vistas

Google plus Analytics es simple de emplear pero marcha bien para la atribución de canales.

Si quiere entender mejor de qué manera los clientes del servicio navegan por su lugar antes de efectuar una conversión y qué páginas influyen en sus resoluciones, debe efectuar un análisis de atribución de vistas de página.

Más allá de que Google plus Analytics no acepta la atribución fundamentada en visitas a la página, hay otras herramientas que puede emplear.

Últimamente efectué un análisis de atribución de esta clase apoyado en las visitas a la página en el sitio de AdRoll y me complacería comunicar los pasos que tomé y lo que aprendí con usted.

Catalogar datos de secuencia de vista de página

El paso inicial y el mucho más desafiante es catalogar datos de la secuencia de visitas a la página para cada visitante de su cibersitio.

La mayor parte de los sistemas de análisis web registran estos datos de alguna manera. Si su sistema de análisis no da una manera de obtener datos de el diseño de usuario, posiblemente deba obtener datos de la banco de información de su sistema.

Afín a los pasos que efectuamos en GA4, el paso inicial es determinar la conversión. Con el análisis de atribución apoyado en las visitas a la página, asimismo debe detectar qué páginas forman una parte del desarrollo de conversión.

Por servirnos de un ejemplo, para un ubicación de comercio online con una compra on-line como acontecimiento de conversión, la página del carro de compras, la página de facturación y la página de confirmación del pedido son una parte del desarrollo de conversión por el hecho de que cada conversión pasa por esas páginas.

Debe excluir esas páginas de los datos de visualización de su página pues no requiere un análisis de atribución para mencionarle que esas páginas importan para transformar a sus clientes del servicio.

El propósito de este análisis es entender qué páginas visitaron sus clientes del servicio potenciales antes del acontecimiento de conversión y de qué manera influyeron en las resoluciones de los clientes del servicio.

Prepare sus datos para el análisis de atribución

En el momento en que los datos están preparados, el próximo paso es sintetizar y manejar los datos en el próximo formato de 4 columnas. Aquí hay un caso de muestra.

La columna Ruta exhibe todas y cada una de las secuencias de vista de página. Puede emplear cualquier identificador de página único, pero le sugiero emplear la dirección de Internet o la ruta de la página pues le deja investigar el resultado por género de página empleando la composición de la dirección de Internet. «>» es un separador usado entre páginas.

La columna Total_Conversions exhibe el total de conversiones que generó una ruta de vista de página dada.

La columna Total_Conversion_Value exhibe el valor capital total de las conversiones de una ruta de vista de página cierta. Esta columna es opcional y se aplica eminentemente a sitios de comercio on line.

La columna Total_Null exhibe cuántas ocasiones una ruta de vista de página cierta no se pudo transformar.

Cree sus modelos de atribución a nivel de página

Para crear los modelos de asignación, empleamos la biblioteca de código abierto llamada Asignación de canales.

Más allá de que esta biblioteca se creó inicialmente para su empleo en los idiomas de programación R y Python, los autores en este momento brindan una App web para ello a fin de que tengamos la posibilidad emplear esta biblioteca sin redactar ningún código.

En el momento en que se haya conectado a la app web, puede cargar sus datos y empezar a crear los modelos.

Para los clientes nuevos, aconsejaría clickear en Subir datos de demostración botón para una prueba de desempeño. Asegúrese de comprobar la configuración de factores con los datos de demostración.

En el momento en que esté listo, lleve a cabo click en el botón Realizar para hacer las plantillas.

En el momento en que se crean los modelos, se le dirigirá a la pestañita Salida, que exhibe los desenlaces de atribución de 4 modelos de atribución distintas: primer toque, último toque, lineal y unidad de datos (Cadena de Markov).

No olvides bajar los datos de los desenlaces para un análisis mucho más detallado.

Como referencia, si bien esta herramienta lleva por nombre ChannelAttribution, no se restringe a datos concretos del canal.

Gracias a que el motor de modelos de atribución es sin dependencia del género de datos que dé, asigna las conversiones a los canales si se dan datos concretos del canal y a las páginas si se dan datos de visitas a la página.

Analice sus datos de atribución

Ordenar páginas en conjuntos de páginas

En dependencia de la proporción de páginas de su portal web, podría tener mucho más sentido investigar primero los datos de atribución para conjuntos de páginas en vez de páginas particulares.

Un conjunto de páginas puede contener desde solo una página hasta tantas páginas como quiera, siempre y cuando tenga sentido para usted.

Tomando el lugar de AdRoll como un ejemplo, contamos un conjunto de página de comienzo que tiene dentro solo la página de comienzo y un conjunto de blog que tiene dentro todas y cada una de las publicaciones de nuestro blog.

Para los sitios de comercio on line, puede estimar agrupar sus páginas por categoría de producto.

Empezar con conjuntos de páginas en vez de páginas particulares deja a los expertos en marketing conseguir una descripción general de los desenlaces de atribución en distintas unas partes del ubicación. Siempre y en todo momento puede reforzar desde el conjunto de páginas a páginas particulares en el momento en que sea preciso.

Detectar las entradas y salidas de las sendas de conversión

Tras toda la preparación de datos y la construcción de modelos, pasemos a la parte entretenida: el análisis.

Le sugiero que primero identifique las páginas que conducen a su ubicación y las páginas que conducen a su conversión examinando los patrones de atribución de primer y último toque.

Las páginas con valores de atribución de primer toque y último toque especialmente altos son los puntos de partida y finalización, respectivamente, de los viajes de conversión. Estas son lo que yo llamo páginas de puerta de link.

Asegúrese de que estas páginas estén optimizadas para la conversión.

Tenga presente que esta clase de página de puerta de link puede no tener un volumen de tráfico altísimo.

Por poner un ejemplo, como interfaz SaaS, la página de costes de AdRoll no posee un prominente volumen de tráfico en comparación con otras páginas del ubicación, pero es la página que varios visitantes visitaron antes de efectuar la conversión.

Halla otras páginas con una fuerte predominación en las resoluciones de los clientes del servicio.

Tras sus páginas de entrada, el próximo paso es saber qué otras páginas tienen una enorme predominación en las resoluciones de sus clientes del servicio.

Para este análisis, procuramos páginas que no sean de puerta de link con un prominente valor de asignación en los modelos de la Cadena de Markov.

Tomando como un ejemplo el conjunto de páginas de funcionalidades de modelos de AdRoll.com, el patrón de su valor de atribución en los 4 modelos (que se expone ahora) exhibe que tienen el valor de atribución mucho más prominente en el modelo de cadena de Markov, seguido por el modelo lineal.

Esta es una indicación de que son visitados en la mitad de las sendas de conversión y han jugado un papel esencial para influir en las resoluciones de los clientes del servicio.

Estos géneros de páginas asimismo son aspirantes primordiales para la optimización de la tasa de conversión (CRO).

Lograr que sean mucho más simples de conocer para los visitantes de su portal web y que su contenido sea mucho más atrayente asistiría a acrecentar la tasa de conversión.

Para comprobar

La atribución multitáctil deja que una compañía entienda la contribución de los distintos canales de marketing y también identifique chances para mejorar aún mucho más las sendas de conversión.

Sencillamente empieze con Google plus Analytics para la atribución de canales. Ahora, profundice en el paseo de conversión de un cliente con la atribución fundamentada en las visitas a la página.

No se preocupe por seleccionar el más destacable modelo de atribución.

Utilice múltiples modelos de atribución por el hecho de que cada modelo de atribución exhibe distintas puntos del paseo del cliente.

Otros elementos:

---

Imagen señalada: salmón negro/Shutterstock