Attribution ในการตลาดดิจิทัลเป็นหนึ่งในประเด็นที่ถูกหยิบยกขึ้นมาพูดถึงบ่อยๆ ไม่ว่าในแง่ของสื่อโฆษณาแต่ละตัว อุปกรณ์การสื่อสารแต่ละเครื่องที่ลูกค้ามา หรือประเภทของเว็บเพจที่ธุรกิจมี ล้วนมีความสำคัญแตกต่างกัน Attribution พูดง่ายๆคือการให้เครดิตว่าสื่อ (อุปกรณ์ หรือเว็บเพจ) แต่ละตัวมีความสำคัญกับการสร้าง Conversion Value มากน้อยแค่ไหน (ถ้าไม่เข้าใจ Conversion Value ลองนึกถึงรายได้ที่ทำได้ก็ได้)
เข้าใจแนวคิดของ Attribution Model ก่อน
ลองนึกถึงการแข่งเตะฟุตบอลก็ได้ หนึ่งทีมมี 12 คน แต่ละคนส่งลูกให้อีกคนไปถึงคนสุดท้ายที่เตะบอลเข้าประตูของอีกฝ่ายแล้วได้แต้ม คำถามคือใครควรได้รับเคตดิตจากแต้มที่ยิงได้?
คำตอบแว้บแรกที่เราอาจจะนึกได้อาจจะเป็นคนสุดท้าย ซึ่งแน่นอนว่าถ้าคนสุดท้ายไม่ยิงเข้าประตู ก็ไม่ได้แต้ม แต่คำตอบนั้นคิดง่ายเกินไป เพราะคนที่สมควรได้เครดิตจากแต้มประตูนั้น ก็ไม่ควรเป็นของคนสุดท้ายเพียงคนเดียว บางคนเห็นว่าถ้าคนก่อนหน้าคนสุดท้ายไม่ส่งบอลให้คนสุดท้าย คนสุดท้ายก็ไม่สามารถทำแต้มได้ ฉะนั้นคนที่ส่งบอลให้ก็ควรได้เครดิดด้วย
ฉะนั้น Attribution ในสื่อโฆษณาก็เช่นกัน เราจะฟันธงว่าสื่อสุดท้ายที่ลูกค้าเข้าไปแล้วตัดสินใจซ้อสินค้า เป็นสื่อที่สมควรได้รับเครดิตจากการซ้อขายครั้งนั้นเพียงสื่อเดียวไม่ได้ มันยังมีสื่ออื่นที่ทำใหลูกค้าเห็นตัวสินค้า พิจารณาตัวสินค้า จนกระทั้งตัดสินใจซื่อ
ดังนั้นเราจะเห็นโมเดลของ Attribution ต่างๆ ไม่ว่าจะเป็น Last Click Model (สื่อสุดท้ายได้เครดิต), First Click Model (สื่อแรกที่ได้เครดิต), Time Decay Model (ทุกสื่อได้เครดิตไต่ลำดับและสื่อสุดท้ายได้เครดิตสูงสุด), Positional Model (สื่อแรกและสื่อสุดท้ายที่ได้รับเครดิตสูงสุดเท่ากัน สื่ออื่นๆจะได้น้อยกว่าและได้เท่าๆกัน) และ Linear Model (ทุกสื่อได้เครดิตเท่ากัน)
ทำไมต้องมี Data-Driven Attribution Model
โมเดลที่พูดไปนั้น เราต้องมานั่งหาว่าโมเดลไหนที่ดีที่สุดสำหรับสินค้าที่เรากำลังขายอยู่ เพราะมันไม่มีโมเดลไหนที่ใช้ได้กับทุกสินค้า บางสินค้าตัดสินใจซื้อไม่นาน บางสินค้าต้องคิดแล้วคิดอีกก่อนซื้อ
ฉะนั้นการมี Data Driven Attribution Model จึงเป็นอีกทางเลือกที่ตัดปัญหาในการเลือกโมเดลที่ผ่านๆมา ขึ้นชื่อด้วย Data-Driven แน่นอนว่าจะต้องเอา “ข้อมูล” มาใช้ในการให้เครดิตความสำคัญของสื่อแต่ละตัวอย่างแม่นยำที่สุด
แนวคิดที่ต้องรู้ก่อนทำความรู้จักกับ Data-Driven Attribution Model
- Conversion Probability: โอกาสที่การการเกิด Conversion (การซื้อขาย การลงทะเบียน ฯลฯ) จะเกิดขึ้น
- Incremental Impact: ผลกระทบที่เพิ่มขึ้น ซึ่งในกรณีนี้คือเปอร์เซนต์ของ Conversion Probability ที่เพิ่มขึ้น
สมมติว่ามีลูกค้าอยู่กลุ่มหนึ่งเห็นโฆษณาผ่านสื่ออยู่สองตัว โฆษณาตัวแรกเป็น Best Tech Gifts อีกตัวเป็น Top Rated Phones เมื่อลูกค้าสองกลุ่มเห็นโฆษณาสองตัวตามลำดับ ความเป็นไปได้ที่ลูกค้าจะซื้อของจะอยู่ที่ 2% เท่านั้น
แต่ถ้าเกิดมีโฆษณาตัวที่สามต่อมาล่ะ จะเป็นอย่างไร? สมมติว่าถ้ามีตัวที่สามจริงๆ แล้วทำให้โอกาสความเป็นไปได้ที่ลูกค้าจะซื้อของเพื่มเป็น 3% (Conversion Probability ที่ 3%) ดังนั้น Incremental Impact ของสื่อตัวที่สาม จะอยู่ที่ 50% (เพราะ Conversion Probability เพิ่มขึ้น 1% จาก 2% ที่มีอยู่เดิม)
สิ่งที่สมมติขึ้นมาทั้งหมดนั้น ตัว Data-Driven Attribution Model (ใน Google Analytics) จะทำการ “ทดลอง” ให้เราทั้งหมดเลย เราเรียกการทดลองนี้ว่า Randomized Controlled Trials เทียบเหตุการณ์ที่มีสื่อตัวที่สามกับเคสที่ไม่มีสื่อตัวที่สามนั่นเอง
ผลลัพธ์การทดลองที่เกิดขึ้นนั้น Data-Driven Attribution Model จะใช้เป็นน้ำหนักในการให้เครดิตความสำคัญกับสื่อที่เพิ่มขึ้นมาเอง ตัวโมเดลจะมีอัลกอริธึ่มจะใช้เกณฑ์ต่างๆอย่าง ระยะเวลาระหว่างการเห็นโฆษณาแต่ละตัว รูปแบบสื่อ อุปกรณ์ที่ลูกค้าใช้เห็นโฆษณา และสัญญาณต่างๆ
อธิบายกันแค่นี้ก็พอเข้าใจว่า Data-Driven Attribution Model มีความแม่นยำในการให้เครดิตความสำคัญของสื่อโฆษณาต่างๆมากกว่า Attribution Model แบบอื่นๆ เพราะนั่นสำคัญต่อการกระจายสัดส่วนงบประมาณให้กับแต่ละสื่อ แต่การใช้ Data Driven Attribution Model ก็ต้องมีเงื่อนไข ต้องมั่นใจว่าสื่อทุกตัวมีจำนวน Ad Interaction อย่างน้อย 3,000 ครั้ง มี Conversion อย่างน้อย 300 ครั้งใน 30 วันล่าสุดเพื่อความแม่นยำของโมเดลครับ
แหล่งที่มาส่วนหนึ่งจาก Data-Driven Attribution Methodology: Google Ads
