自1994年AT&T在HotWired.com上发布第一个可点击的横幅广告以来,网络广告已经像野火一样蔓延。每个拥有智能手机或电脑的人每天都会接触到大量的广告信息。截至2022年4月,大约有50亿互联网用户和46.5亿活跃的社交媒体用户,网络广告是大生意。2021年,数字营销增长了35%,达到1890亿美元。
虽然网络广告发展迅速,但仍有一个关键挑战:归因问题。广告商如何在不同渠道和媒体上对营销活动进行价值归属?归因涉及评估单个广告商行为,如展示广告、付费搜索和直接电子邮件,对最终购买的贡献。
归因问题推动了许多营销决策。然而,尽管广告商在网络广告上投入了巨额资金,但证明这些“投资”的方法并没有任何理论依据。在我们关于网络广告归因的研究中,我和我的合著者提出了一个具有理想属性的新型归因指标,它克服了现有启发式方法的缺点。
你的答案的问题是什么?
在网络广告领域,营销主管和广告公司对广告支出作出复杂的决定,如在广告渠道和媒体之间分配预算,以及优化每个渠道的战术决策。每个渠道的贡献,或价值,是媒体组合优化的一个重要输入。它有助于建立对客户旅程的理解,并帮助公司证明其营销支出的合理性。
常用的基于规则的方法是根据预先确定的规则,将用户购买路径上的不同广告行为产生的价值归因于此。
虽然这些启发式方法很容易实现和理解,但它们很难做到公平或系统。最后一击的归因类似于足球比赛中常见的“赢家通吃”的说法,即进球的球员获得荣耀。但是,最后传球的球员,以及使进球成为可能的团队努力和行动的相互作用又是什么呢?我们能不能把功劳归功于它,而不是依赖那些不能充分体现链条中每个环节价值的简单化指标?
例如,有可能一个倾向于购买产品的用户进行了谷歌搜索,并点击了付费搜索,导致了购买。然而,即使付费搜索的点击没有发生,处于“欲望”状态的用户也可能通过有机搜索找到该产品的链接而购买该产品,这就是所谓的反事实情况。目前,现有的方法并没有考虑到因果关系或反事实的影响。鉴于购买可能是由外部因素或客户的先决条件驱动的,归因方法应该考虑到基线,或如果用户没有接触到广告的预期结果。
从根本上说,在目前的归因方法中,证明广告支出合理性的核心问题仍然没有得到回答。一个特定的广告在多大程度上影响了客户的购买决定?
一个新的归因指标
考虑到网络广告产生的价值是跨渠道和媒体平台行动的合作效应的结果,归因与在一个合作游戏中把功劳分配给各个参与者并无不同。
借用合作博弈理论的概念,我们提出了一个新的归因指标,我们称之为反事实调整沙普利值(CASV)。我们的方法继承了传统Shapley值的理想属性,同时克服了它在网络广告方面的缺陷。
特别是,我们的方法捕捉到了因果关系,并解释了当客户看过广告和客户没有接触过广告的假设基线时的价值差异。与基于规则的方法不同,价值不会被分配给一个对客户的购买决定没有影响的广告。我们的方法也是公平的:两个具有相同效果的广告行为获得相同的价值。
随着在线广告环境中用户数据的可用性,我们的新归因指标在计算上是可行的,即使是大规模数据集。发生在数字领域的大量经济活动使数据收集达到了前所未有的规模,使公司能够利用用户数据来更好地了解客户行为并提高服务质量。
在我们的研究中,我们展示了我们方法的适用性,并使用具有几百万用户路径和几十万次购买(转换)的真实世界数据验证了该模型的稳健性。
从客户旅程开始
在转化客户方面,广告行为会对转化产生不同的影响,这取决于客户在营销文献中通常称为转化漏斗的位置。通过客户旅程的视角和用户数据的洞察力,我们可以更好地理解客户的行为,基于他们的“状态”,从不了解产品到了解、感兴趣和转化。
准确地定义客户的状态是这个方法的关键部分。借用转换漏斗的概念,我们根据客户的浏览行为是马尔科夫性质的假设来估计每个广告行为产生的价值,也就是说,我们假设客户的历史可以简洁地概括为当前状态。
对广告商来说,所观察到的状态可以作为适当的广告行动的基础,并可以提高在正确的时间到达所需的客户人口统计的机会。
从正确的问题到适当的指标
在确定了广告商应该问的“正确”问题后,广告商现在需要更好地理解我们选择的指标来推动业务。
在我们的归因方法中,我们建议从定义归因方法的必要属性开始。基于这种方法,我们提出的指标是唯一能满足四个理想属性的指标:效率、归因价值的线性、具有相同行为的渠道之间的对称性,以及对没有贡献的渠道的归因价值为零。即使一套不同的属性在不同的环境下更合适,我们研究中的技术也可以用来得出一个合适的方法。
由于衡量标准定义了复杂的在线广告领域的游戏“规则”,定义衡量标准是一个重要的决定。然而,它并没有受到足够的质疑。它们是基于什么原则,对其他人有什么影响?说到底,归因的发展是一项正在进行的工作,提出正确的问题是一个很好的开始。