Đo lường hiệu suất quảng cáo trong kỷ nguyên số
Mục tiêu của quảng cáo là tạo ra chuyển đổi (hành động mong muốn của người dùng) qua nhiều điểm chạm (tương tác của người dùng.
Để đạt được mục tiêu này, nhà quảng cáo sử dụng đa dạng các kênh và loại quảng cáo, bao gồm khuyến mãi, cập nhật, quảng cáo thương hiệu. Việc đo lường hiệu suất quảng cáo trong kỷ nguyên số nhằm đánh giá mức độ hiệu quả của chiến dịch trong việc tạo ra chuyển đổi.
Phân bổ: Đo lường hiệu suất quảng cáo
Phân bổ là phương pháp xác định vai trò của từng điểm chạm quảng cáo trong hành trình mua hàng, giúp đánh giá hiệu quả chiến dịch và tối ưu hóa ngân sách.
Do nhiều kênh quảng cáo cùng tác động, các công cụ phân bổ khách quan sử dụng mô hình được định trước để đo lường đóng góp của mỗi quảng cáo một cách chính xác.
Mô hình phân bổ: Các quy tắc xác định hiệu suất quảng cáo
Để tính toán hiệu suất quảng cáo, ta cần tuân theo một số bước quan trọng.
Đầu tiên, cần thu thập dữ liệu về điểm chạm.
Tiếp theo, quá trình xác minh danh tính người dùng được tiến hành. Cuối cùng thì áp dụng mô hình phân bổ.
Mô hình phân bổ được áp dụng trong giai đoạn cuối cùng có tác động quyết định hiệu suất của quảng cáo. Tùy thuộc vào mô hình được áp dụng, các chỉ số hiệu suất quảng cáo có thể thay đổi đáng kể.
Việc thu thập dữ liệu điểm chạm và chuyển đổi được thực hiện thông qua các kênh quảng cáo, SDK và mã định danh (như ID quảng cáo).
Tuy nhiên, do thay đổi chính sách bảo mật, xu hướng hiện nay là sử dụng các mô hình phân bổ không phụ thuộc ID người dùng.
Các mô hình phân bổ - Attribution models
Các mô hình phân bổ được phân loại dựa trên số lượng điểm chạm chúng ghi nhận. Khi mô hình chỉ ghi nhận kết quả cho một điểm chạm duy nhất, nó được gọi là phân bổ đơn điểm (single-touch attribution). Các mô hình ghi nhận kết quả cho nhiều điểm chạm thì được gọi là phân bổ đa điểm (multi-touch attribution - MTA). Trong phân bổ đa điểm, khái niệm gia tăng - incrementality được sử dụng để đo lường ảnh hưởng cụ thể của một quảng cáo đến khả năng chuyển đổi.
Phân bổ đơn điểm
Mô hình phân bổ điểm chạm đầu tiên (First-touch attribution) ghi nhận toàn bộ chuyển đổi cho quảng cáo đầu tiên, còn mô hình điểm chạm cuối (Last-touch attribution) ghi nhận cho quảng cáo cuối cùng người dùng tương tác.
Mô hình điểm chạm cuối phổ biến hơn do tính đơn giản và dễ hiểu.
Phân bố đa điểm
Mô hình phân bổ đa điểm (MTA) ghi nhận công cho nhiều điểm chạm trong hành trình khách hàng, thay vì chỉ một điểm duy nhất.
MTA có 2 loại: theo quy tắc (phân bổ đều hoặc ưu tiên điểm chạm gần chuyển đổi) và dựa trên dữ liệu (phân bổ theo đóng góp hoặc xác suất chuyển đổi).
Với mô hình rule-based, kết quả chuyển đổi được phân phối theo các quy tắc định trước.
Mô hình MTA rule-based có thể được chia thành hai dạng là mô hình tuyến tính (linear) và mô hình hao mòn theo thời gian (time decay).
Mô hình tuyến tính (linear) phân bổ kết quả chuyển đổi bằng nhau cho mỗi điểm chạm, giả định rằng tất cả quảng cáo đã đều có đóng góp như nhau vào quá trình chuyển đổi của người dùng.
Mô hình hao mòn theo thời gian trong phân bổ đa điểm (MTA) ưu tiên các điểm chạm gần với thời điểm chuyển đổi hơn, ghi nhận giá trị (công) lớn hơn cho những tương tác này.
Điểm chạm xuất hiện sớm có tỷ lệ đóng góp giảm dần theo thời gian.
Mô hình gia tăng(Incrementality)
Phương pháp đo lường gia tăng là một kỹ thuật thống kê được sử dụng để đánh giá hiệu quả của một chiến dịch quảng cáo. Nó cho phép bạn đo lường mức độ ảnh hưởng của quảng cáo đối với tỷ lệ chuyển đổi, so sánh với hiệu suất tự nhiên mà không có quảng cáo.
Khái niệm về đo lường gia tăng được nghiên cứu cụ thể hơn thành hai phương pháp: phương pháp tăng cường và phương pháp khớp điểm xác suất (PSM).
Các mô hình phân bổ đảm bảo quyền riêng tư
Sự gia tăng tầm quan trọng của quyền riêng tư dẫn đến hạn chế chia sẻ định danh quảng cáo và thúc đẩy phát triển mô hình phân bổ cho đo lường hiệu quả quảng cáo mà không sử dụng dữ liệu cá nhân.
Mô hình Marketing hỗn hợp
Trong số các mô hình phân bổ không dựa vào dữ liệu cá nhân, một trong những mô hình nổi bật nhất là mô hình Marketing hỗn hợp (MMM).
Mô hình Marketing hỗn hợp (MMM) là một trong những mô hình phân bổ không dựa vào dữ liệu cá nhân phổ biến nhất.
Sử dụng máy học, nó dự đoán và quản lý hiệu suất quảng cáo dựa trên dữ liệu tổng hợp như lượt cài đặt ứng dụng và doanh thu quảng cáo. Mô hình này tích hợp phân tích hồi quy để giải thích các yếu tố như hiệu ứng chuyển giao, mùa vụ, và hiệu ứng bão hòa, từ đó cải thiện độ chính xác.
Nó cũng có thể tính đến các yếu tố bên ngoài như đại dịch. Tuy nhiên, hiệu suất của MMM phụ thuộc vào việc có đủ dữ liệu tổng hợp và việc cập nhật liên tục với môi trường quảng cáo mới để đảm bảo tính thích ứng và độ chính xác.
Mô hình chuyển đổi
Mô hình chuyển đổi là một phương pháp thay thế được áp dụng bởi một số kênh quảng cáo để giải quyết vấn đề trong việc định danh người dùng.
Trong các trường hợp khi việc định danh người dùng không khả thi, các kênh quảng cáo gặp khó khăn trong việc ghi nhận chuyển đổi từ các điểm chạm, ngay cả khi chúng xảy ra trên kênh của họ.
Mô hình chuyển đổi giải quyết vấn đề này bằng cách sử dụng dữ liệu hành vi trong ứng dụng để xác định nhóm người dùng có hành vi tương tự. Sau đó, từ nhóm này, mô hình dự đoán số lần và tỷ lệ chuyển đổi cho cả những người dùng không đồng ý cung cấp dữ liệu cá nhân, từ đó ước lượng được số lần và tỷ lệ chuyển đổi.
Sự thoái trào của mô hình phân bổ điểm chạm cuối và sự bùng nổ của các mô hình mới
Có nhiều loại mô hình phân bổ được phát triển để đo lường hiệu suất quảng cáo, từ mô hình phân bổ đơn điểm đến mô hình marketing hỗn hợp. Tuy nhiên, việc sử dụng các mô hình khác nhau cho các tình huống khác nhau có thể cải thiện độ chính xác của đo lường.
Để tránh sự bối rối và đảm bảo tính nhất quán, việc thiết lập một tiêu chuẩn toàn ngành là cần thiết.
Mô hình phân bổ điểm chạm cuối trở nên thịnh hành như thế nào?
Các mô hình phân bổ xuất phát từ thập kỷ 1950, khi mô hình marketing hỗn hợp được giới thiệu lần đầu.
Trong giai đoạn này, do công nghệ hạn chế, doanh nghiệp không thể theo dõi và xác định hành trình của người dùng. Sự xuất hiện của kỷ nguyên số vào những năm 2000 đã mở ra khả năng kết hợp hành trình của người dùng qua nhiều nền tảng, tạo điều kiện cho việc áp dụng mô hình phân bổ đơn điểm trở thành tiêu chuẩn.
Mô hình phân bổ điểm chạm cuối đủ để đáp ứng cho tất cả các bên liên quan trong những ngày đầu của marketing số, khi hành trình của người dùng ít phức tạp.
Đặc điểm đơn giản và dễ hiểu của nó đã củng cố vị thế của mô hình phân bổ điểm chạm cuối, khi chỉ cần ghi nhận phân bổ cho quảng cáo đã trực tiếp tạo ra chuyển đổi.
Các mô hình mới
Thời kỳ phân bổ theo điểm chạm cuối đang giảm đi sức hút.
Hành trình người dùng ngày càng phức tạp, làm đặt ra thách thức về tính hợp lý của việc phân bổ chỉ cho các điểm chạm cuối.
Ví dụ như quảng cáo tìm kiếm, không phải tất cả người dùng tìm kiếm chỉ vì quảng cáo đó, và việc phân bổ theo điểm chạm cuối không công nhận sự đóng góp của các điểm chạm khác.
Quyền riêng tư ngày càng được chú trọng, khiến việc xác minh danh tính người dùng trở nên khó khăn, làm cho phân bổ theo điểm chạm cuối trở nên bất khả thi. Với tốc độ phát triển nhanh chóng của ngành quảng cáo và sự xuất hiện của các nền tảng quảng cáo mới, việc thích nghi và khám phá các mô hình phân bổ mới trở nên quan trọng hơn bao giờ hết.
Đối với những nhà quảng cáo muốn đào sâu hơn vào các khía cạnh cơ bản của hiệu suất quảng cáo, việc hiểu tính logic của các mô hình phân bổ là rất quan trọng. Hơn nữa, trong thời đại khi quyền riêng tư được chú trọng hơn, việc nắm bắt các mô hình không phụ thuộc vào dữ liệu cá nhân để đo lường hiệu suất quảng cáo trở thành một yếu tố sống còn cho doanh nghiệp. Đó là lý do tại sao chúng ta nên hiểu rõ về phân bổ, từ phân bổ theo điểm chạm cuối đến Độ gia tăng và mô hình Marketing hỗn hợp
Nguồn: Airbridge Handbook
