O co chodzi z modelami atrybucji, dlaczego jest to tak ważne i jak to działa? Przykład z życia.
Dodam, że przykład z życia offline ale biznesowego. Kilka miesięcy temu nawiązałem współpracę z firmą X. Nawiązanie współpracy poprzedzało kilka spotkań z marka – reklam, ofert, prywatnych poleceń, firmowych prezentacji. Ten ciąg zdarzeń, nie miał związku z poszukiwaniem dostawcy – działo się to przy okazji innych działań. Gdybym chciał odtworzyć pełną ścieżkę kontaktów z marką, to wyglądałaby ona tak:
- 3 lata temu – wspomniano mi o firmie, w sytuacji towarzyskiej, w związku z tym, że znajomy znajomego w niej pracuje
- 2.5 roku temu – firma była przedstawiona jako jeden z partnerów potencjalnego dostawcy, którego nota bene nie wybraliśmy do współpracy
- 2 lata temu firma sama sie zwróciła z wstępnym zapytaniem, której nie przyjęliśmy – wtedy wszedłem na stronę tej firmy
- 1 rok temu otrzymałem od firmy kartkę świąteczną z życzeniami i książkę
- 0,5 roku temu nawiązaliśmy z nią współpracę
Postanowiłem odtworzyć listę spotkań z marką (pewnie nie do końca pełną), ponieważ okazało się, że pamiętałem tę firmę praktycznie tylko i wyłącznie z punktu drugiego, czyli prezentacji dostawcy, którego odrzuciliśmy. Punktu pierwszego nie pamiętałem w ogóle – przypomniano mi o tym również przypadkowo dosłownie dzisiaj. Potem starałem się odtworzyć dalsze spotkania z marka.
Gdybym miał sam stwierdzić co sprawiło, że firma finalnie umiejscowiła się w naszej głowie jako potencjalny dostawca – powiedziałbym, że sytuacja sprzed 2.5 roku była tym właściwym momentem – a więc prezentacja firmy jako partnera, przez odrzuconego przez nas dostawcę. Wszystko co działo się potem było tylko dodatkiem.
Gdyby spojrzeć na ten przykład, tylko i wyłącznie z poziomu modeli atrybucji o których pisałem w poście o data-driven attribiution, to żadna ze standardowych atrybucji (ostatni klik, pierwszy klik, ostatni pośredni klik, ostatni klik na reklamę, model linearny, rozkład czasowy, uwzględnienie pozycji) nie byłby poprawny.
O tym co jest ważne, decyduje bardzo wiele różnych kwestii. Uzyskanie statystycznie poprawnej odpowiedzi jest niewątpliwie uproszczeniem ale i tak jest nieporównywalnie dokładniejsze i prawdziwsze niż bazowanie na wspomnianych modelach.
Ciekawym ćwiczeniem będzie odtworzenie sobie kontaktów z marką danej firmy. Pozwala to sobie uświadomić złożoność tego procesu i jednocześnie z jednej strony docenić data-driven atribiution a z drugiej nabrać dystansu do modeli standardowych.