Cos’è l’attribuzione nel marketing

L’attribuzione, nel mondo del marketing, è l’assegnazione del merito di una conversione (vendita, iscrizione o altro) a uno dei touchpoint, cioè dei canali di marketing, con cui l’utente entra in relazione con la nostra attività. 

In altre parole, se un utente viene tracciato dai nostri cookie, e a un certo punto compie un’azione che noi ci aspettiamo (e speriamo) che compia, il sistema di tracciamento assegnerà il merito di aver spinto o convinto quell’utente a rispondere alla nostra CTA (Call To Action) all’elemento del nostro funnel con cui l’utente ha interagito. 

Quest’elemento potrebbe essere un annuncio su Facebook, su Google, o su YouTube, una email che gli abbiamo inviato, un articolo publiredazionale del circuito di Native Advertising, un post sulla nostra Pagina Facebook, oppure un articolo del nostro blog. 

Il customer journey del consumatore

Il percorso, detto anche customer journey, che il consumatore compie prima di acquistare un prodotto o un servizio, è spesso molto complesso, perché di solito, partendo da un problema da risolvere, ha bisogno di esplorare tutte le possibili soluzioni offerte dal mercato e di valutarle, al fine di stabilire quale tra queste è la più adatta a soddisfare i suoi bisogni. 

Questo significa che a partire dal primo contatto col brand (per esempio dal primo annuncio che vede) al momento dell’acquisto (conversione) possono passare anche molti giorni se non addirittura mesi. Indecisioni, ripensamenti, confronti con altri prodotti e brand possono rinviare indefinitamente il momento della decisione finale di acquisto, che spesso viene presa dopo aver visitato numerose volte il sito dell’e-commerce scelto.

In questo percorso il consumatore è influenzato da una serie di bias cognitivi che lo portano a scegliere o scartare determinate proposte di acquisto. 

I bias cognitivi influenzano le scelte di acquisto

I bias cognitivi sono distorsioni della nostra capacità di valutazione degli eventi che possono indurci talvolta a prendere decisioni contrarie alla logica. Sono quelle semplificazioni associative che mettiamo in atto, spesso inconsapevolmente, nei nostri ragionamenti, e che talvolta alterano la nostra capacità di giudizio. Queste distorsioni nascono da pregiudizi, da esperienze pregresse soggettive e da conoscenze frammentarie della realtà, e hanno l’effetto di semplificare il nostro approccio alle decisioni. Tutto questo, unito per di più a una forte componente emotiva, ha come conseguenza il fatto di avere una grande influenza sulle nostre scelte di acquisto. 

Le considerazioni che ci spingono per esempio a scegliere il prodotto con più recensioni positive (bias della riprova sociale), oppure a considerare il prezzo del primo prodotto visto come prezzo di riferimento per valutare tutti gli altri (bias di ancoraggio), o a scegliere il prodotto che avevamo in mente fin dall’inizio anche se ne abbiamo visti altri più convenienti (bias di conferma), o ancora a sfruttare impulsivamente uno sconto che scade di lì a poco o un prodotto in esaurimento scorte (bias della scarsità), sono piccoli “inganni” che la mente ci propina per soddisfare la nostra spinta emotiva all’acquisto e per economizzare le risorse mentali di fronte alle decisioni.

Le aziende possono sfruttare questi bias cognitivi per attirare maggiormente l’attenzione dei consumatori e orientarli verso le loro offerte commerciali. Ecco quindi che le recensioni di clienti soddisfatti, le offerte in scadenza, i prezzi originari esposti accanto a quelli scontati, diventano espedienti che le aziende possono adottare per rendere i loro prodotti più attraenti agli occhi dei consumatori.

L’interazione del consumatore con i touchpoint

Il percorso di acquisto, prevede in genere una serie di touchpoint, cioè di punti di contatto tra il consumatore e l’azienda che espone i propri servizi sul mercato. Questi touchpoint possono essere per esempio degli annunci sui social, o sulla rete di ricerca, o sulla Rete Display, gli articoli sui siti aziendali, la pubblicità sui giornali o sulla cartellonistica stradale, gli spot televisivi o radiofonici, ma anche i punti vendita fisici. 

È importante studiare approfonditamente il modo in cui l’utente, che fruisce dei vari contenuti messi in campo dall’azienda per intercettare i suoi bisogni e catturare la sua attenzione, si comporta e interagisce con ognuno dei punti di contatto. Conoscere il suo comportamento significa capire quali canali hanno maggior potere persuasivo per il consumatore. Questo è di estrema importanza per la strategia di investimenti pubblicitari, in quanto permette di distribuire meglio il budget pubblicitario, puntando di più su quei canali che si rivelano più efficaci nell’attrarre il cliente, rispetto a quelli meno performanti. 

Tuttavia non sempre dei canali apparentemente meno efficaci lo sono davvero. Può capitare, per esempio, che un touchpoint che sembra essere ignorato dall’utente abbia in realtà un ruolo importante nell’influenzare la percezione che esso ha dell’azienda o del brand con cui entra in contatto. Se quella percezione è stata positiva, dovremo ammettere che quel primo fugace contatto ha avuto il merito di seminare nella sua mente un seme che germoglierà nel momento dell’acquisto. 

Finora le aziende, affidandosi alle piattaforme di advertising e di tracciamento, per capire quale canale avesse determinato la conversione, consideravano quello in cui l’utente aveva eseguito l’ultimo click prima dell’acquisto come il più importante. Per cui non facevano altro che potenziare questo canale, attribuendogli tutto il merito del buon esito dell’interazione, a discapito degli altri, giudicati meno efficienti. 

In questo modo però escludevano a priori diverse possibilità di ottimizzazione della spesa pubblicitaria e di miglioramento del ritorno economico (ROAS). 

Classificazione dei modelli di attribuzione

Esistono, infatti, diversi metodi o modelli di attribuzione che possono essere presi in considerazione nel monitoraggio delle conversioni. Secondo una classificazione resa pubblica da Google, i modelli si possono dividere in due gruppi in base al modo in cui viene decisa l’assegnazione del merito: i modelli basati sulle regole e i modelli basati sui dati.

Modelli basati sulle regole

I modelli basati sulle regole sono caratterizzati dal fatto che l’attribuzione viene decisa in base a dei criteri stabiliti in modo arbitrario dall’utilizzatore del sistema di tracciamento, e la loro applicazione avviene in modo automatizzato. Essi comprendono i seguenti criteri:

• ultimo click: il merito viene assegnato all’ultimo elemento del funnel cliccato dall’utente, quello che porta direttamente alla conversione;
• primo click: il merito viene assegnato al primo elemento cliccato dall’utente, che viene considerato decisivo per la conversione, anche se questa avviene in un tempo successivo, dopo aver visitato altri canali del funnel;
• lineare: il merito viene assegnato in egual misura a tutti gli elementi (touchpoint) del funnel;
• decadimento temporale: il merito viene distribuito tra tutti gli elementi del funnel, ma dando un peso maggiore a quelli più vicini alla conversione, e un peso minore a quelli più lontani.
• in base alla posizione: l’80% del merito viene diviso equamente tra il primo e l’ultimo touchpoint (40% al primo e 40% all’ultimo), mentre il restante 20% viene ripartito in egual misura tra i canali restanti.

Modelli basati sui dati

Il secondo gruppo comprende un solo modello, quello, appunto, basato sui dati. Esso ha un sistema di attribuzione piuttosto complesso che fa uso dell’intelligenza artificiale. 

Un algoritmo di machine learning analizza il percorso dell’utente lungo il funnel e i vari touchpoint prendendo in considerazione una serie di parametri, quali per esempio il tempo trascorso tra l’interazione con i vari touchpoint e la conversione, il numero di annunci a cui è stato esposto, l’ordine con cui sono apparsi alla sua vista, il dispositivo utilizzato durante la navigazione, il tipo di creatività degli annunci (testo, immagini, video, ecc.), e molti altri. 

Sulla base di quest’analisi assegna un valore di probabilità di conversione a ogni touchpoint, stabilendo quale, o quali, tra questi ha la probabilità più alta. A essi, di conseguenza, assegna il merito della conversione. In altre parole i vari touchpoint influiscono in maniera diversa sulla conversione finale. Il modello basato sui dati attribuisce il merito maggiore a quelli che hanno un’influenza maggiore su di essa.

La scelta del modello di attribuzione è di fondamentale importanza per decidere come allocare il proprio budget nelle campagne pubblicitarie, evitando di disperdere in modo incauto le proprie risorse economiche.

Google ha introdotto il modello basato sui dati in Google Ads nel 2014, e successivamente lo ha implementato anche in Google Analytics, dando opportunità nuove ai suoi inserzionisti. Ma oltre a Google anche Facebook e Amazon mettono a disposizione dei loro inserzionisti uno strumento di attribuzione, che comprende modelli molto simili, se non uguali, a quelli del colosso di Mountain View.

Tutti gli inserzionisti possono sfruttare il modello basato sui dati?

In teoria si, ma di fatto riesce a trarre beneficio da questa tecnologia solo chi dispone di un congruo numero di dati. Anzi, a seconda delle piattaforme di advertising e di tracciamento, il modello potrebbe anche non essere disponibile per gli inserzionisti “minori”, cioè quelli che possono vantare solo pochi dati. 

Considerando per esempio Google Analytics, per poter utilizzare il modello basato sui dati servono almeno 600 conversioni nell’arco di 30 giorni, mentre per Google Ads servono 3000 interazioni con gli annunci e 300 conversioni in un mese. 

È necessario, quindi, un minimo di dati sufficiente a un’attribuzione efficace, per avere la disponibilità del modello basato sui dati nel proprio account. Se i dati, invece, sono insufficienti il modello non sarà selezionabile. Questo perché l’algoritmo ha bisogno di imparare a riconoscere gli schemi di comportamento del pubblico dai dati relativi alle loro interazioni con i touchpoint, per poter assegnare i giusti valori di probabilità visti prima. Per fare questo deve poter analizzare un numero di dati statisticamente rilevante, altrimenti il suo responso sarebbe impreciso, approssimativo, e quindi inefficace.

Ciascun inserzionista ha comunque un proprio modello di attribuzione basato sui dati, perché l’interazione dei suoi utenti con i touchpoint del suo funnel è diversa da quella degli altri inserzionisti. Inoltre, per uno stesso inserzionista, i dati possono cambiare da una campagna pubblicitaria all’altra, di conseguenza anche il modello può modificarsi nel tempo.

Il tracciamento è diventato più complesso

Negli ultimi anni ci sono stati molti cambiamenti nel mondo del digital marketing. 

Da un lato si sono diffuse nuove abitudini tra i consumatori nell’utilizzo di internet, i quali, oltre a fare sempre più spesso acquisti sul web, si affidano preferibilmente agli strumenti mobile (smartphone e tablet) per cercare informazioni. 

Dall’altro lato sono state introdotte regole sempre più stringenti nel campo della privacy policy e del tracciamento degli utenti, come è accaduto con l’introduzione del GDPR e, più recentemente, con l’aggiunta, da parte di Apple, di nuove opzioni di scelta relative alla cookie policy nell’aggiornamento di iOS 14. 

Tutto questo ha reso molto più complesso per gli inserzionisti realizzare un corretto ed efficace tracciamento delle abitudini di acquisto dei propri clienti. Ecco che in questo contesto diventa fondamentale affidarsi alle straordinarie possibilità di calcolo offerte dall’intelligenza artificiale. 

A ogni strategia il suo modello di attribuzione

Il modello di attribuzione basato sui dati è sicuramente più efficace rispetto agli altri modelli, e in particolare rispetto a quello che è ancora il più utilizzato dalle aziende, cioè quello basato sull’ultimo click, in quanto riflette meglio il comportamento reale dei consumatori durante il loro percorso di acquisto. 

Purtroppo molte aziende, per abitudine (“perché si è sempre fatto così”) o per scarsa informazione sulle nuove possibilità che la tecnologia offre, non godono ancora dei vantaggi del modello algoritmico. 

Ma in questo modo stanno lasciando, come si suol dire, un bel po’ di soldi sul tavolo, perdendo l’opportunità di aumentare i propri utili anche di percentuali a due cifre, come accadrebbe se solo si affidassero al potere dell’intelligenza artificiale, e come alcune aziende più “illuminate” stanno, invece, già sperimentando.

Questo non vuol dire che gli altri modelli di attribuzione siano diventati inutili o obsoleti, tanto da poterne fare del tutto a meno. Il modello andrebbe sempre scelto in base al tipo di obiettivo di marketing che ci si è posti. 

Per esempio se l’obiettivo è aumentare il traffico verso il sito, allora il modello basato sul primo click può essere il più valido, perché è quello che più di tutti contribuisce a far conoscere il brand a chi non lo aveva mai incontrato prima. 

Per questo è importante conoscere tutti i modelli e capire bene le implicazioni del loro utilizzo, nel senso che bisogna saper valutare attentamente il tipo di informazioni che possono fornire, e se queste sono utili alla propria strategia di marketing.

Importanza delle attribuzioni per gli affiliati

Questi concetti sono molto importanti e andrebbero studiati con cura da tutti gli inserzionisti, compresi coloro che si occupano di Affiliate Marketing. 

Questi ultimi, infatti, nel momento in cui promuovono un prodotto in affiliazione per mezzo di annunci a pagamento, si espongono a un rischio di impresa rappresentato dalla possibilità, più che concreta, di andare incontro a una spesa pubblicitaria troppo alta. Tale spesa finirebbe per erodere eccessivamente il margine di guadagno derivante dalle vendite, rendendo poco sostenibile l’attività stessa di promozione. 

Pertanto l’affiliato deve valutare attentamente il rapporto costi/benefici di ogni programma di affiliazione a cui aderisce. 

In un quadro di questo tipo, un modello di attribuzione basato sui dati verrebbe sicuramente in suo aiuto consentendogli di avere una visione più chiara e precisa dell’andamento delle sue campagne pubblicitarie, e quindi di scegliere con più sicurezza ed efficienza in quali canali di advertising investire più soldi e in quali meno. 

Inoltre conoscere come è distribuito il merito reale delle conversioni tra i vari touchpoint permetterebbe all’affiliato di veder riconosciuto il valore aggiunto portato da tutta la sua attività promozionale al network di affiliazione e al merchant (o advertiser). Questo è un vantaggio non da poco, visto che molti affiliati spesso abbandonano il mondo dell’Affiliate Marketing per via della loro difficoltà a competere con i grandi performer del settore nelle campagne basate sull’ultimo click. 

C’è da dire, però, che la crescente complessità del customer journey del consumatore, come abbiamo visto prima, e l’utilizzo di strumenti di tracciamento sempre più sofisticati come l’attribuzione basata sui dati, richiedono all’affiliato una professionalità più alta e una maggiore struttura dei suoi asset e delle sue strategie di marketing. 

Queste sono, oggi, le condizioni imprescindibili che devono essere soddisfatte per poter lavorare con le affiliazioni da veri professionisti, come ripeto ormai da diversi anni nei vari eventi dedicati all’Affiliate Marketing.

Conclusioni

Spero, a questo punto, di averti trasmesso l’importanza di avere una conoscenza adeguata dei modelli di attribuzione, sia che tu sia un affiliato o un advertiser, e in particolare spero di averti aiutato a comprendere meglio le opportunità e i vantaggi legati all’utilizzo del modello basato sui dati.

Buon lavoro, 

Giannicola