Donedavno su marketinški stručnjaci, zahvaljujući ekstenzivnim metodama prikupljanja podataka, uspjevali kreirati detaljnije flow chartove kretanja korisnika – koje su onda koristili za bolje razumijevanje efikasnosti kampanja. Međutim, ove su metode često prelazile granice korisničke privatnosti.

Danas je okruženje drastično drugačije. Povećana očekivanja potrošača u pogledu privatnosti, u kombinaciji sa strogim propisima poput GDPR-a i DMA-a, prisiljavaju marketinške stručnjake da preispitaju svoje strategije. Ove promjene potiču industriju prema etičnim praksama koje daju prednost privatnosti potrošača bez ugrožavanja mogućnosti mjerenja i optimizacije marketinške učinkovitosti.

Inspiriran novim materijalima poput Googleovog vodiča “The Modern Measurement Playbook” (koji, po mom mišljenju, treba pročitati svatko tko radi u digitalnoj sferi), ovaj članak opisuje strateški okvir za usvajanje novih metodologija mjerenja, koje ne samo da su u skladu s ovim evoluirajućim standardima, već i povećavaju mogućnost dugoročnog planiranja i evaluiranja marketinških aktivnosti primarno kroz analizu i aplikaciju prikupljenih podataka.

Istražit ćemo kada i kako različite vrste poduzeća mogu primijeniti ove moderne pristupe kako bi stvorile bazu za buduće skaliranje poslovanja.

Vrijeme je za promjene u mjerenju marketinških aktivnosti

Kako digitalna privatnost postaje sve veći fokus u društvu, tvrtke su prisiljene prilagoditi svoje marketinške strategije. Ova prilagodba uključuje više stavki od poštivanja propisa; radi se o prelasku na first-party podatke zbog ograničenja koje donosi prikupljanje i dijeljenje podataka s trećim stranama.

First-party podaci postaju sve važniji ne samo zbog pridržavanja zakonskih standarda već i za održavanje učinkovitih marketinških strategija u svijetu usmjerenom na privatnost. Korištenje novih tehnika mjerenja kao što su Consent mode V2 i server-side tagging, koji je danas jednostavniji nego ikad, ključno je za navigaciju kroz ove izazove.

Ove metode pomažu osigurati da su marketinški napori i etički i učinkoviti, oslanjajući se na podatke prikupljene izravno iz interakcija s kupcima. Ovakav pristup prikupljanja podataka – transparentan i u skladu sa propisima – jača povjerenje potrošača i podržava održivu učinkovitost marketinških kampanja.

Implementacija “novih” metodologija

Budućnost uključuje povezivanje nekoliko naprednih metoda mjerenja koje pružaju vrijedne uvide uz poštivanje korisničke privatnosti. Ove metode ne samo da su u skladu s regulatornim zahtjevima već nude i strateške prednosti poboljšanjem kvalitete uvida dobivenih iz marketinških podataka.

Custom atribucijski model

Custom atribucijski modeli su dizajnirani da dodijele zaslugu različitim dodirnim točkama u putovanju kupca koje vodi do konverzije.

Za razliku od jednostavnih modela (tzv. rule based kao što su last click, first click, i sl.), custom (data-driven) atribucija omogućuje stvaranje boljeg razumijevanja kako različiti marketinški napori doprinose ciljanim ishodima (npr. prodaja, povećanje newsletter korisničke baze, ….).

Pojednostavljeno (koliko je to moguće ), umjesto da sami zaključimo koji je kanal/korak najbitniji, data-driven atribucijski model računa vjerojatnost konverzije gledajući koliko je pojedini korak bitan na putu do konverzije (npr. nekada se konverzija ne bi ni dogodila da korisnik nije prvi put kliknuo na YouTube oglas, kod data-driven atribucije ovaj korak bi bio označen kao bitan korak na putu do konverzije, dok kod rule based modela u većini slučajeva ne bi dobio nikakav kredit).

Za koga je bitno:

Poduzeća koja se bave ecommerceom ili bilo kojim oblikom online prodaje mogu imati koristi od vlastitog custom atribucijskog modela. Ovi modeli su ključni za tvrtke koje mogu ispratiti put korisnika do kupovine, primarno se oslanjajući na posjete na stranici (ili nekim drugim mikro eventovima koji su eventualno bitni za tvrtku).

Strateška važnost:

Custom atribucija pruža detaljan pregled koji marketinški alati izravno doprinose prodaji. Ova metoda omogućuje tvrtkama da učinkovitije planiraju svoj marketinški budžet te da bolje razumiju direktan povrat ulaganja. Ovo čini osnovu za razumijevanje izravnih povrata te preciznije budžetiranje i skaliranje poslovanja.

Zahtjevi:

• Podaci na razini korisnika: Osnova custom atribucijskog modela su detaljni podaci na razini korisnika koji prate cijelo putovanje kupca kroz više dodirnih točaka i kanala.
• Ispravno definirani source/medium (ili bilo koja druga dimenzija koju ćete koristiti pri kreiranju modela): Jasno označavanje i dosljedne definicije sourcea i mediuma su bitne za točno pripisivanje konverzija odgovarajućim kampanjama i kanalima.
• Sposobnost modeliranja: Tvrtke mogu koristiti različite modele ovisno o njihovoj složenosti i kvaliteti (dostupnosti) podataka. U praksi najviše promjena u poslovanju donosi oslanjanje na data-driven modele (poput Markovljevog lanca), zbog njihove sposobnosti da pravilinije raspodjele zaslugu među dodirnim točkama.

Na primjer, webshop bi mogao implementirati custom atribucijski model kako bi pratio učinkovitost svoje cross channel kampanje, koja bi mogla uključivati newsletter kampanje, PPC oglase i društvene mreže. Korištenjem data-driven attribution modela, trgovac može vidjeti da, iako PPC oglasi pokreću direktne kupnje, njihove email marketing kampanje učinkovito pretvaraju interes u prodaju tijekom vremena.

Marketing Mix Modeling (MMM)

MMM je vitalan za tvrtke koje upravljaju složenim ekosustavima oglašavanja koji uključuju više kanala i raznolike strategije. Posebno je važan za organizacije usredotočene na brending ili one čije oglašavanje je usmjereno na upper funnel (kanali gdje se ne očekuju izravne prodaje, poput brend oglasa na Google Display mreži, YouTube oglasima, Facebook oglasima za podizanje svijesti itd.).

MMM je prije svega koristan za razumijevanje učinka različitih marketinških aktivnosti na cjelokupno poslovanje/prodaju. Kako se marketinške strategije razvijaju i šire, povećava se broj varijabli koje mogu utjecati na korisnika. Efikasnost kampanja više se ne temelji samo na onim aktivnostima koje možemo direktno povezati s prodajom, nego se postavlja pitanje jesu li neke druge aktivnosti bile presudne kod odluke o kupovini (npr. MMM nam može pomoći da bolje razumijemo kako su branding aktivnosti koje smo provodili prije 6 mjeseci utjecale na povrate od ulaganja danas).

Strateška važnost:

MMM je ključan za pružanje sveobuhvatnog pregleda učinkovitosti svakog marketinškog kanala i taktike u marketinškom miksu tvrtke. Kako poduzeća šire svoju uporabu različitih marketinških kanala, potencijal za kanibalizaciju se povećava – gdje dobit jednog kanala u učinkovitosti dolazi na štetu drugog. MMM to rješava pružanjem uvida koji pomažu u razlikovanju inkrementalnog utjecaja pojedinih kanala i preklapanja između njih.

Ovo modeliranje je posebno vrijedno u scenarijima gdje više kanala doprinosi istim poslovnim ishodima, jer pomaže u točnom pripisivanju vrijednosti i sprječavanju pogrešne alokacije marketinških resursa.

Pružajući holistički pregled svih marketinških aktivnosti, MMM omogućuje poduzećima da razumiju ne samo izravne učinke pojedinih kampanja već i njihov kombinirani utjecaj na ukupnu prodaju i vrijednost brenda. Ovaj holistički pogled je vitalan za donošenje informiranih odluka koje pomažu u optimiziranju kratkoročnih rezultata, ali i pospješuju dugoročni razvoj branda/tvrtke. MMM nam pomaže da se marketinški budžeti ulažu na načine koji stvarno poboljšavaju vrijednost brenda i tržišnu poziciju (prateći inkrementalnost), uz smanjenje kanibalizacije.

Zahtjevi:

• Agregirani podaci: Za razliku od custom atribucijskog modela koji se oslanja na podatke na razini korisnika, MMM koristi agregirane podatke. Ovi podaci ne prate ponašanje pojedinih korisnika već analiziraju opće trendove i ishode, što ga čini prikladnim za strateške uvide. TL:DR nema podataka na razini korisnika, što znači da je usklađen s GDPR-om.
• Infrastruktura i stručnost: Učinkovita implementacija MMM-a zahtijeva robusnu infrastrukturu (koju je sada prilično lako i jednostavno izgraditi uz cloud-based rješenja, npr. sve se može posložiti na GCP-u) i nekoga s data engineering iskustvom (idealno onima s marketinškim iskustvom ili barem razumijevanjem kako različiti marketinški kanali funkcioniraju). Ovi stručnjaci pomažu u slaganju modela, poput Facebookovog Robyna ili Googleovog Meridiana, i ključni su za točno tumačenje rezultata.

Lift Testovi

Po mom skromnom mišljenju, lift testove bi trebale provoditi sve tvrtke jer njima mogu potvrditi učinkovitost specifičnih marketinških kampanja ili strategija. Međutim, u praksi učestalost i opseg ovih testova značajno variraju ovisno o veličini tvrtke i zrelosti marketinških aktivnosti.

Strateška važnost:

Lift testovi omogućuju poduzećima eksperimentiranje i mjerenje inkrementalnog utjecaja marketinških testova u kontroliranom okruženju. Za manje tvrtke ili one nove na tržištu, provođenje lift testova jednom godišnje može pružiti ključne uvide bez pretjeranog rastezanja budžeta. Veće tvrtke ili one na konkurentnijim tržištima mogu provoditi ove testove češće kako bi ostale u toku s promjenama na tržištu i mogle brže reagirati na iste.

Zahtjevi:

• Jednostavan pristup: Jednostavni lift testovi mogu se provoditi izravno unutar platformi kao što su Meta Ads i Google Ads, što ih čini dostupnim čak i malim oglašivačima. Postoje određeni limiti oko veličine budžeta koji je potrebno uložiti kod određenih platformi/tržišta.
• Napredno planiranje i implementacija: Sofisticiraniji lift testovi, prikladni za velike klijente, zahtijevaju pažljivo planiranje i izvršenje preko svih kanala, uključujući strategije poput “go dark” perioda ili dodatnu segmentaciju ciljane publike.

Integracija Custom atribucijskih modela, MMM i Lift Testova u jedinstvenu strategiju

Izvor: The modern measurement playbook: How to optimise your marketing effectiveness and fuel growth

1. Započnite s Custom atribucijskim modelom

Custom atribucijski model treba biti temelj za donošenje dnevnih marketinških odluka.

Pruža trenutne, detaljne uvide u to kako pojedine marketinške kampanje/aktivnosti doprinose krajnjim konverzijama. Ovi podaci se izravno koriste u taktičkim odlukama, kao što su prilagodba ulaganja na oglašavanje na pojedinim kanalima, mijenjanje kreativa kampanje ili realokacija budžeta između učinkovitih i manje učinkovitih aktivnosti.

Proces implementacije:

• Prikupljanje i analiza podataka: Prvi korak je utvrditi da su svi podaci prikupljeni ispravno i konzistentno, u većini slučajeva ovo se može riješiti strategijom taggiranja kampanja i potvrdom da se prati definirani naming.
• Primjena u real timeu: Koristite zaključke proizašle iz custom atribucijskog modela za donošenje stvarnih prilagodbi u upravljanju kampanjama. Ovaj dinamični pristup omogućuje brze reakcije na promjene u kampanjama i optimizaciju kampanja prema maksimiziranju ciljeva (npr. povećanju ROI-a).

2. Informirajte se Marketing Mix Modelingom

Dok custom atribucijski model adresira trenutnu alokaciju budžeta i optimizaciju kampanja, MMM treba koristiti za razumijevanje širih utjecaja marketinških aktivnosti kroz različite kanale, uključujući tradicionalne (offline) kanale. MMM pomaže u strateškom donošenju odluka pokazujući dugoročnu učinkovitost različitih marketinških strategija i njihovu ulogu u postizanju ukupnih poslovnih ciljeva poput svijesti o brandu i rasta tržišnog udjela.

Proces implementacije:

• Tromjesečni ili polugodišnji ciklusi:  Većini tvrtki sasvim je dovoljno ovakve modele “vrtiti” nekoliko puta godišnje. Primarno bi rezultate trebalo koristiti kod strateškog planiranja, poglavito godišnjeg budžetiranja. Ovo može uključivati prilagodbu marketinškog miksa na temelju kanala koji pokazuju najviši ukupni povrat ili usmjeravanje strategije na aktivnosti izgradnje brenda ako MMM pokaže dugoročne povrate i vrijednost.
• Povratna veza: Koristite zaključke iz MMM-a za postavljanje parametara za custom atribucijske modele i rafinirajte što i kako mjerite u kraćim ciklusima, osiguravajući da oba pristupa budu usklađena i međusobno informativna. Na primjer, MMM nam može ukazati da su određeni rezultati ostvareni zbog tržišnih prilika, a ne zbog naših marketinških kampanja. Ova saznanja možemo iskoristiti da reevaluiramo rezultate custom atribucijskog modela iz tog perioda.

3. Prilagodite i potvrdite sve kroz Lift Testove

Lift testovi su ključni za potvrđivanje pretpostavki i zaključaka dobivenih iz custom atribucijskog modela i MMM-a. Pružaju empirijske dokaze o učinkovitosti specifičnih marketinških taktika ili strategija, nudeći način testiranja hipoteza generiranih analizama većih (dugoročnijih) setova podataka.

Proces implementacije:

• Planirano testiranje: Ovisno o veličini i zrelosti tvrtke, planirajte lift testove u strateškim intervalima – npr. tromjesečno za dinamična tržišta ili godišnje za stabilnije industrije. Uzmite u obzir vrstu proizvoda/usluge te sezonalnost kako bi mogli ispravno testirati hipoteze i izbjeći šum u rezultatima.
• Koordinacija među kanalima: Koordinirajte lift testove preko svih kanala kako biste sveobuhvatno razumjeli inkrementalni utjecaj promjena. Također pokušajte planirati aktivnosti oko klasične vertikalne sezonalnosti ili poznate neplaćene potražnje (npr. uzmite u obzir back to school ili Black Friday).

4. Stvaranje okruženja za učenje

Uspostavite povratnu petlju gdje se rezultati lift testova kontinuirano implementiraju u custom atribucijske modele i MMM. Dijeljenje podataka između ovih pristupa pomaže rafinirati hipoteze, poboljšati točnost podataka i unaprijediti ukupnu marketinšku strategiju.

5. Iterativno učenje

Redovito ažurirajte svoje modele i strategije temeljene na najnovijim rezultatima testova i tržišnim uvjetima. Ovaj iterativni proces pomaže održati vaše marketinške napore relevantnim i usklađenim s promjenjivim ponašanjima potrošača i regulatornim okruženjem.

6. Dokumentacija i dijeljenje

Održavajte dokumentaciju o planovima, ishodima i implementacijama iz svih metoda koje koristite. Dijelite ova saznanja unutar organizacije kako biste povećali svijest o povezanosti svih aktivnosti, te općenito poboljšali suradnju među timovima. Ovakve metode pomažu u približavanju timova koji se inače “ne razumiju” npr. brend tim i performance tim.

Pomak prema boljem razumijevanju kupaca

Evolucija industrije prema prikupljanju podataka s naglaskom na korisničku privatnost nije samo odgovor na regulatorne pritiske; to je strateški pomak koji može dovesti do održivih i krajnjim korisnicima kvalitetnijih marketinških kampanja.

Usklađivanjem custom atribucijskog modela, marketing mix modelinga i lift testova unutar jedinstvenog okvira, tvrtke mogu stvoriti robusnu, data driven marketinšku strategiju koja se prilagođava kako trenutnim tržišnim uvjetima, tako i dugoročnim strateškim ciljevima.

Ovaj integrirani pristup ne samo da maksimizira učinkovitost marketinške potrošnje, već osigurava da su odluke informirane sveobuhvatnim razumijevanjem ponašanja potrošača i tržišnih dinamika, tema koja je opsežno istražena u Googleovom “The Modern Measurement Playbook”.

Kako se industrija nastavlja razvijati, oni koji se brzo i pametno prilagode vjerojatno će steći konkurentsku prednost, s boljim razumijevanjem svojih kupaca kroz razumijevanje koje kampanje, aktivnosti i strategije donose najbolje kratkoročne i dugoročno rezulate.

pročitaj cijeli članak