透過增幅實驗校正歸因以獲得最佳預算分配

重點整理

• 傳統的點擊式歸因通常會錯過行銷的實質成效
• 透過衡量增幅的嚴謹實驗成果來校正歸因模式，可提高行銷成效衡量的可靠性
• 建立乘數來調整歸因成果，是企業商家可立即採取的實際作法，以確保成果的準確性

有效的行銷成效衡量比以往更加複雜，也更為重要。點擊式歸因等傳統方法通常會錯失目標，尤其是當消費者與影片等不會產生點擊數的格式互動時。舉例來說，Z 世代不點擊即購買的可能性是其他世代的兩倍。¹

許多企業商家試圖透過使用各種不同的成效衡量解決方案來解決這些挑戰。事實上，Meta 委託 Kantar 進行的一項近期研究發現，企業商家平均使用將近四種不同的成效衡量解決方案。² 這種「一系列事實」方法讓行銷人員能夠根據自身需求（例如用於日常決策的歸因模式），使用不同的成效衡量工具，並透過嚴謹的實驗定期調整或改善成果以確保準確性。此程序稱為「校正」，有助於提高行銷成效衡量的整體可靠性。

衡量廣告成效增幅的重要性

Meta 分析副總裁暨行銷長 Alex Schultz 在他的新著《Click Here: The Art and Science of Digital Marketing and Advertising》（暫譯：《點擊此處：數位行銷與廣告的藝術與科學》）中提到：「增幅就是一切。」增幅可揭露行銷的實質成效，協助您投資在能夠實際帶動成果的管道和策略上。

衡量增幅的黃金標準是透過實驗，例如 轉換提升。透過比較測試組（可看見您廣告）和控制組（無法看見您廣告），您可以找出行銷的實質成效。使用這類實驗的企業商家發現 ROI 提升了 20% 以上。³

雖然您無法隨時進行實驗，但定期進行實驗並校正其他成效衡量模型有助於您做出明智的決策，無需總是進行大規模的實驗，進而節省成本。

透過增幅校正點擊式 MTA

對於有意利用增幅來提高行銷成效衡量整體嚴謹度和準確度的行銷人員，有幾種不同方式可使用。點擊式多觸點歸因分析（MTA）由於其快速、常態性的功能，而成為制定日常決策的常用工具。但在現今環境中，點擊次數不一定能反映實際影響力，這表示 MTA 的成果可以（也應該）透過增幅來校正。

若要跨管道校正歸因，您可以：

1. 在所有平台上進行增幅實驗（例如 Meta 的轉換提升）。
2. 比較實驗結果與歸因模式，瞭解兩者是否相符。
3. 測試不同的歸因模式（最後點擊、功勞均分、資料導向），並瞭解哪一個模式最能符合增幅影響。
4. 根據實驗結果使用乘數調整歸因結果。
   

乘數使用方式

讓我們來看看企業商家可立即實行的「乘數」實際案例。如果您使用多個行銷管道，且能夠針對各管道進行增幅實驗（若為 Meta，您可以進行轉換提升測試），這可能是個非常棒的策略。以下為運作方式：虛構公司 Coats & More 在 Meta 和其他幾個管道刊登廣告。他們使用以點擊式的 MTA 模型來衡量行銷影響力，結果顯示：

• Meta：100 次轉換
• 平台 X：200 次轉換
• 平台 Y：80 次轉換
• 自主：120 次轉換

但轉換提升測試顯示，Meta 實際上為 Coats & More 帶來了 150 次轉換次數增幅，比歸因模式所顯示的次數增加了 50%。為了使歸因模式與實際影響保持一致，他們會計算乘數：

150（轉換提升）／100（歸因）= 1.5 倍

接著，乘數會套用到日後來自歸因模式的 Meta 成果。在此案例中，為了調整 Meta 的成果，他們會使用以下方式：100 × 1.5 = 150 次轉換。

不過，如果套用乘數後的總轉換次數超過實際總轉換次數，建議您為其他平台重複此程序。在平台 X 和 Y 上進行實驗，取得乘數並據以調整。任何剩餘的轉換都可以歸因於自主內容。

請記住：乘數只是校正歸因模式的一種方法，且應定期更新以維持準確性。除了乘數之外，也有更進階的技術可用；例如，您可以使用提升幅度實驗來微調每個管道在 MTA 模式中獲得的功勞。在下一篇文章中，我們也會說明校正行銷組合模型（MMM）的基本入門。

養成校正的習慣

校正並不是一次性修正，而是持續進行的程序。請定期進行實驗、比較成果及更新模型。隨著情況不斷變化，持續調整可提高效率、效能和成長。