Блог компании GoCPA

Машинное обучение в атрибуции


Как ML помогает оценивать каналы привлечения


В нашем динамично меняющемся мире мы все хотим не только идти в ногу со временем, но все чаще “работать на опережение”. В маркетинге и продажах это особенно актуально. Выбрать наиболее эффективные, конверсионные каналы помогает оценка атрибуции. Но в условиях повышения уровня конфиденциальности, введения ограничений на сбор и хранение данных, все чаще специалисты задаются вопросом: верно ли оценивают тот или иной канал?

И здесь на помощь приходит новое, активно развивающееся направление “машинного обучения”. Системы с машинным обучением позволяют агрегировать и обрабатывать огромные объемы данных, строить прогнозы, анализировать текущее положение и предполагать будущее развитие событий.

Кому поможет Машинное обучение с точки зрения атрибуции?
Во-первых, руководителям отдела продаж и маркетинга, во-вторых - руководителям направлений анализа данных. Этим специалистам нужны аналитические данные для стратегического планирования, постановки KPI, и здесь показатели по обширным данным будут полезны. Единственное, чем не очень удобна данная система при оценке атрибуции разных каналов - их нельзя сравнить между собой, т.к. для анализа данных используется разный набор алгоритмов и модели расчета. Кроме того, потребуется донастройка или доработка сайта под требования системы, чтобы данные корректно собирались и учитывались.

Перед тем, как начать настраивать и использовать машинное обучение, нужно иметь данные в следующих областях:
  • Бюджет предыдущих рекламных кампаний,
  • Типы привлекаемых/используемых каналов,
  • Емкость используемых каналов,
  • Тенденции профильного рынка,
  • Знание конкурентов и их активность,
  • Данные на уровне пользователя.

Как правило, в текущих условиях ряд данных недоступен или его сложно перевести в цифры. Поэтому, для корректного использования полученных данных на основе машинного обучения, их стоит рассматривать не как “руководство к действию”, а как совокупность “данных и личной экспертизы”. Например, без личного опыта не обойтись в таких вопросах, как определение окна атрибуции, выбор каналов и перераспределение бюджета, оценка влияния каналов друг на друга.

За машинным обучением будущее. Однако, важно разумно его использовать: не торопиться с выводами и применять личную экспертизу.
В работу системы GoCPA заложено машинное обучение, и мы рады поделиться собранной экспертизой в виде платформы, чтобы вам было удобнее достигать желаемых результатов в продвижении.