Google Attribution和它带来的数字广告业冲击

我们先来听一则“笑话”,新上任可口可乐的CEO James Quincey在接受Bloomberg采访时讲,2016年在他时任COO时,中国的销量下降,那是由于各种外卖的兴起,玻璃瓶不适合外卖,大家不再喝那么多可乐了。不管这是真实的原因还是中国区忽悠总部的,数字领域的变革永远比大家想象得要深远。

Google Attribution 360示意图

Google Attribution 360示意图

极诣在过去的十二个月中花了许多笔墨介绍归因模型(attribution model),归因模型是什么在PPC和整合营销中有哪些作用归因模型为什么是数字营销人才的必备知识Google Analytics中如何自定义归因模型Google Attribution又是什么?请移步极诣往期文章,本篇我们来漫谈Google Attribution和归因模型给整个数字广告业带来的影响。

Google Attribution的前世今生

我们知道Google Attribution的前身是Google在2014年收购的一家广告归因公司Adometry归因的目的很简单,它通过对多个渠道的统一跟踪和衡量帮助营销者优化分配预算。你手中的100万营销预算究竟该如何分配到各个渠道中去?目前的分配方式有哪些问题?这些都应该由归因来解释。可以说归因是多渠道营销和全渠道营销(omni-channel marketing)的基石。

谷歌的Data-Driven Attribution Models

谷歌的Data-Driven Attribution Models (图片来自Periscopix)

在Last-Click,Last-Non-direct-Click,Last-AdWords-Click等“经典”的归因模型之外,Google Attribution 360和Google Analytics 360,Double Click和Google AdWords一样,增添了名为“Data-Driven”的归因模型,这种模型是基于机器学习的,每个账号的结果都会不一样。每个平台启动该归因模型的条件如下:

仅当你满足初始条件和维持条件后,该模型才可用

仅当你满足初始条件和维持条件后,该模型才可用

Google Attribution的问题和影响

Google Attribution的但是无疑给了半瞎的数字营销界更多光明(如果你愿意把传统的不可跟踪的媒体当做全瞎的话)。这新奇的玩意儿承载了谷歌的众多期望,让GA360区别于其他不入流XX统计工具。那么Google Attribution是否完美呢?极诣看来,它远非完美,甚至可以说无法完美。简单说说下面几点:

归因没有解答如何分配预算

OK,你告诉我相比Last Click模型,我的PPC推广并没有我理解的ROI那么高。那么我是不是要削减PPC上的预算呢?如果我应用Linear模型得到的各个渠道的ROI分别是1,2,5,10,那么是否意味着存在了一些问题呢?归因模型并不能告诉你什么样的模型才是最优的,归因模型也不能告诉你怎样的自定义模型才是最科学的,归因模型更不能告诉你什么样的结果才是正常且健康的。这一切结论都必须根据去分析的营销者的自动判断来得出结论。而这个判断又存在着由定性到定量的挑战。

归因并不能解决广告欺诈和低质量广告

广告欺诈和低质量广告在某些特定渠道(比如展示广告)会非常显著。由于归因方式很难去考虑这样因素,在得出结果后那些特定的渠道的效果会比较糟糕。另外归因模型也无法解释direct流量,要理解direct流量必须从根本上做好数据收集和跟踪。

再好的Look-back Window也不能正确反映实际情况

归因中的回溯期会众口难调。比如我们很难说一星期之前的一个Impression会给消费者带来多大影响(是不是有效Impression还很难说),一个月前的一次PPC点击可能还有更大影响力。另一个问题是再次购买,当再次购买时你是否会将首次购买的各个归因对象计算入你的归因过程?这也是需要探讨的问题,但是不管你是否计入,它一定会将问题复杂化。

无法反映人本营销和非数字影响的价值

在现实生活中,消费者的购买决策是千变万化的。可能是路人手中的一杯咖啡,可能是Taxi上的几秒钟广播,可能是父母让你买个保健品,可能是门店体验线上下单,这些可能是数字的,也有可能是非数字的。在过往我们并不会深究,但是一旦开启了归因模式就需要打破砂锅问到底。难以将非数字接触点加入到整个模型的影响因素是归因的一大痛点。无法在整个跟踪线路上形成闭环是其实践中的局限性。数字营销讲究“无痛上环”,即便是在数字接触点内部,不同的设备间我们还会存在许多跟踪的流失,这还需要时间和科技来解决。比如,在未来的物联网(IoT)发展后会有更多Addressable的设备。

归因所闯的祸可能比它带来的Insights多得多

接下来讲这个归因模型最大的威胁。由于归因把企业的收入重新分配到了各个渠道,这势必会造成各个渠道因为“重新认识”自身的价值而产生矛盾。这种矛盾的背后是营销预算和资源的争夺。现实是有太多的营销者都是“屁股决定脑袋”,我们把他们叫做Siloed Marketer。归因所带来的结果甚至会和高层决策者的固有认知相悖。比如他们习惯地认为SEM的效果是最好的,因此会分配大量预算给SEM。倘若通过归因弱化了SEM的ROI,是否继续给予大预算支持就成为了颠覆性的问题。如果削减SEM预算后收入下降,决策者又会回过头来质疑归因的过程和结果。从这个意义上讲,归因不利于营销部门内部的“和谐”,如果一部分收入来源于产品自身,那还会引起部门间的利益斗争。

归因只能作为一种参考,用来理解某个渠道在整个客户旅程中的位置。具体是否我们对某一渠道过量投入还要具体分析。

只要游戏规则确定了,玩法也就确定了

归因模型的确定会让每个渠道的Siloed Marketer自发地根据规则定制策略。比如在一个强调First Interaction的模型中,展示媒体部门会牺牲投放力度而倾向于广度。他们会调低Impression Cap,只要一个广告对这个个体展示过了,之后就不再展示。他们会尽快夺取First Interaction,接下来要做的就是守株待兔。一个极端的例子是对十分之一中国网民每人投放1次展示。假设是30元的CPM,则仅需要210万预算,然后就祈祷其他部门给力点吧。在这种畸形的模式中,你将舍弃对客户群体的研究,转而和其他渠道竞争速度。

谷歌产品的中立性还有待考验

Google Attribution的作用

Google Attribution的作用

最后Google Attribution作为一个品牌产品,用于到多渠道的衡量评估中还必须经受其中立性的考验。在神秘的Data-Driven Attribution Models背后,是否会对谷歌自家渠道有所偏袒我们不得而知。但是只能相信谷歌的良知和推出这款“公益性”产品的初衷。

最后的话

归因,除了我们对营销本身的理解和对真相的渴求之外,最重要的是一颗无偏见(unbiased)的心。归因只能告诉你换个角度看会是什么样子,你仍然需要通过比较、细分、试错来更好地理解你的营销布局。Google Attribution把归因从每个产品中的一项“特性”上升到了独立的一个产品,它掀起的争论和质疑或许远比我们对它的赞美要多。如果它即将引爆数字广告行业的这场冲击,那么让它来得更加猛烈、彻底些吧。