पिछले कुछ वर्षों में देखे गए विज्ञापन बदलावों में, सामाजिक और खोज और प्रदर्शन मार्केटिंग सहित, एट्रिब्यूशन और माप में परिवर्तनों के कारण सबसे दूरगामी हो सकते हैं। और चूंकि कुछ चैनलों में सस्टेनेबल पेड मीडिया स्केल हासिल करना कठिन हो गया है, ब्रांड्स को केवल एट्रिब्यूशन ही नहीं, बल्कि योगदान देने वाले विज्ञापन वाहनों की पहचान करने की अपनी क्षमता में सुधार करना चाहिए। इसका मतलब है कि उन्हें अपने राजस्व के संचालकों में अधिक दृश्यता की आवश्यकता है जो न केवल वृद्धिशील है बल्कि लाभ मार्जिन भी बनाए रखता है। लेकिन यह एक समग्र आधार पर होगा, न कि एक व्यक्तिगत-उपयोगकर्ता स्तर पर।
डायरेक्ट एजेंट्स के ईवीपी मेगन कोनाहन कहते हैं, "आरोप्य रूपांतरणों में कम दृश्यता के साथ, ब्रांड प्लेटफ़ॉर्म एट्रिब्यूशन को अपने सही उत्तर के रूप में देखने से दूर जा रहे हैं और इसके बजाय ग्राहक अधिग्रहण लागत (सीएसी) और वृद्धिशीलता जैसे अधिक समग्र मैट्रिक्स पर ध्यान केंद्रित कर रहे हैं।" इसका डिजिटल मार्केटिंग सोनी और वॉलमार्ट जैसे ग्राहकों के साथ काम करता है
WMT
बेन डटर, पावर डिजिटल में रणनीति के एसवीपी, जिन्होंने यूनीक्लो से ड्रॉपबॉक्स तक के ग्राहकों के साथ काम किया है, पहली बार खरीदारों को ड्राइव करने के लिए सिद्ध चार लीवर के बारे में बात करते हैं - न केवल राजस्व को जिम्मेदार ठहराया - रचनात्मक, आवृत्ति, दर्शकों की पैठ और अवधि के रूप में . एक ब्रांड इस प्रकार के वृद्धिशील योगदान को कैसे प्राप्त कर सकता है? "मीडिया मिक्स मॉडलिंग (एमएमएम) के लिए प्रवेश की बाधा काफी कम हो गई है ताकि माप के इस रूप को सामान्य और आवश्यक बनाया जा सके... एमएमएम आपके पास सबसे अच्छा विकल्प है जब आप तकनीकी-संचालित माप खो देते हैं, जैसे कुकीज़।" MMM विशेष रूप से डिजिटल आउट-ऑफ़-होम (DOOH) विज्ञापन और टेलीविज़न के लिए उपयोगी है, क्योंकि इस टॉप-ऑफ़-फ़नल मार्केटिंग को ट्रैक करना चुनौतीपूर्ण हो सकता है। लेकिन डटर एक छोटे ब्रांड का उदाहरण भी देता है जो प्रभावित करने वालों या टिकटॉक पर काम कर रहा हो सकता है और उपयोगकर्ता क्लिक डेटा में विस्तृत दृश्यता की कमी हो सकती है: सांख्यिकीय मॉडलिंग का उपयोग करके यह देखने के लिए कि उस विज्ञापन से पहली बार कितना राजस्व आया, निर्णय लेने वाले बेहतर कर सकते हैं ग्राहक अधिग्रहण लागत और उन ग्राहकों के दीर्घकालिक मूल्य के बीच संबंध को सुनिश्चित करने के लिए बजट आवंटित करना समग्र आधार पर सकारात्मक है।
बजट या प्लेटफ़ॉर्म परिवर्तनों के प्रदर्शन प्रभावों की भविष्यवाणी करने के लिए MMM का उपयोग, और इष्टतम खर्च वितरण को प्राप्त करने और बनाए रखने के लिए उन मॉडल आउटपुट को मीडिया रणनीतियों पर लागू करने के लिए मशीन लर्निंग की तैनाती, एक युक्ति है जिसे कोनाहन ब्रांडों से रुचि प्राप्त करता है। “कुल मिलाकर, जब आप एट्रिब्यूशन और विज्ञापन लक्ष्यीकरण को देखते हैं, तो हम हाइपर-लक्षित दृष्टिकोण से दूर हो रहे हैं जहाँ सब कुछ ट्रैक करने योग्य और आरोपणीय है। ब्रांड्स अब मेटा के भीतर एक आला को लक्षित करने की उम्मीद नहीं कर सकते हैं जो पहले परिभाषित एट्रिब्यूशन विंडो के भीतर परिवर्तित हो जाती है," वह कहती हैं। कोनाहन आगे बताते हैं कि भले ही विशिष्ट मीडिया ने अतीत में जागरूकता, रूपांतरण और एट्रिब्यूशन प्रदान किया हो, ब्रांड को अब इसकी उम्मीद नहीं करनी चाहिए और उन्हें अपनी ज़रूरत की हर चीज़ प्राप्त करने के लिए कहीं और देखना चाहिए।
प्लेटफ़ॉर्म-दर-प्लेटफ़ॉर्म आधार पर, गोपनीयता कानून और Apple के परिवर्तनों के कारण सिग्नलिंग डेटा का नुकसान
AAPL
GOOG
संबद्ध नेटवर्क ने भी, संबद्ध विपणन अभियानों के प्रदर्शन में बेहतर अंतर्दृष्टि प्रदान करने के लिए, वास्तविक समय की निगरानी और विश्लेषण सहित, अपनी ट्रैकिंग और रिपोर्टिंग क्षमताओं में सुधार किया है। Intellek के मार्केटिंग मैनेजर, रिक्की मैसेरो का कहना है कि इससे ब्रांड्स को रीयल-टाइम समायोजन करने की अनुमति मिलती है और क्रॉस-डिवाइस ट्रैकिंग और कुकी रहित ट्रैकिंग जैसी नई तकनीकों ने धोखाधड़ी गतिविधि की घटनाओं को कम करते हुए ट्रैकिंग की सटीकता में सुधार किया है।
कुल मिलाकर, पॉल डे जर्नाट, NOVUS के डिजिटल वाइस प्रेसिडेंट, एक मीडिया प्लानिंग और ख़रीदने वाली एजेंसी जिसने डॉलर ट्री के साथ काम किया है
LTRD
स्रोत: https://www.forbes.com/sites/andreawasserman/2023/03/20/what-brands-need-to-know-marketing-measurement-and-attribution-in-2023/