L'attribuzione è il processo che consiste nell'attribuire un valore alle attività pubblicitarie ed è un tema di grande attualità nel settore pubblicitario sin da quando John Wanamaker pronunciò la famosa frase: «Metà dei soldi che spendo in pubblicità va sprecata; il problema è che non so quale metà». Oggi, i progressi tecnologici offrono la possibilità di rispondere a questa domanda – e questo blog approfondirà come utilizzare gli strumenti di attribuzione di Facebook a tal fine.

Che cos’è l’attribuzione e perché è così importante?

Nell'ambito della psicologia sociale, l'attribuzione è definita come il processo attraverso il quale gli individui attribuiscono cause a comportamenti o effetti. Questa definizione si applica perfettamente al marketing digitale, dove il risultato, ovvero un'azione di conversione, può essere attribuito a una specifica attività di marketing.

Ovviamente, è più facile a dirsi che a farsi. Immaginiamo che qualcuno acquisti online un paio di scarpe da ginnastica Nike: probabilmente questo acquisto è stato preceduto da migliaia di impressioni, ma a quale annuncio attribuire l’acquisto?

Attribuire correttamente la spesa pubblicitaria è particolarmente importante quando si tratta di definire e pianificare con precisione il budget di marketing. Inoltre, con il modello di attribuzione corretto, non sprecherai la tua spesa pubblicitaria.

Approfondisci il tema dell’attribuzione con la nostra serie in 5 parti dedicata all’attribuzione 2.0.

Quali sono i diversi tipi di modelli di attribuzione?

Tradizionalmente, esistono due tipi principali di modelli di attribuzione:

1. Modelli basati su regole
2. Modelli algoritmici (basati sui dati)

Inutile dire che disporre di un metodo affidabile di attribuzione consente di comprendere meglio l’intero percorso del cliente e di attribuire un valore ai punti di contatto che hanno il maggiore impatto. In poche parole, comprendere l’attribuzione offre un vantaggio competitivo.

Modelli di attribuzione basati su regole

I modelli basati su regole fondano l'attribuzione su una serie di regole più o meno arbitrarie che assegnano un valore ai diversi punti di contatto pubblicitari.

Esistono diversi metodi di calcolo diffusi, ma per questo esempio utilizzeremo il modello posizionale 30-30. Il modello posizionale assegna il 30% del valore di conversione sia al primo che all’ultimo touchpoint del percorso di acquisto. Il restante 40% del valore viene attribuito ai touchpoint intermedi.

Il diagramma sopra riportato illustra come potrebbe funzionare un modello posizionale. In questo caso, al referral iniziale e all’annuncio di shopping finale viene assegnato rispettivamente il 30% del valore.

Quindi, in sostanza, attribuiamo maggiore peso al punto di contatto che dà inizio al percorso di conversione e a quello che lo “conclude”.

Modelli di attribuzione (algoritmici) basati sui dati

Come suggerisce il nome, questi tipi di modelli si basano su un algoritmo che analizza grandi quantità di dati al fine di attribuire un valore ai punti di contatto.

Il percorso di acquisto varia da cliente a cliente, ma una volta raccolti dati sufficienti, questo modello può iniziare a individuare delle tendenze e ad attribuire valore in questo modo.

Spiegare l’attribuzione basata sui dati può diventare rapidamente molto tecnica e matematica, quindi vi chiedo un po’ di pazienza. Esistono diversi algoritmi e metodi per elaborare i vari percorsi, ma in linea generale la maggior parte dei modelli prende in considerazione l’insieme dei percorsi disponibili e assegna un valore a un canale in base alla frequenza con cui questo è presente nei percorsi degli utenti.

Pertanto, in linea di massima, se Facebook è presente in ogni percorso di conversione, possiamo essere ragionevolmente certi che si tratti di un canale importante nella nostra strategia pubblicitaria.

Quale modello di attribuzione dovrei utilizzare per la mia spesa di marketing?

In generale, i modelli basati sui dati tendono ad essere più efficaci poiché evitano di formulare ipotesi arbitrarie; tuttavia, hanno un costo. Il risultato finale dipenderà interamente dalla qualità dei dati forniti all’algoritmo – e mappare ogni punto di contatto pubblicitario a una conversione non è affatto un’impresa facile. A complicare ulteriormente le cose ci pensano il duopolio e gli ecosistemi chiusi di Google e Facebook. Inoltre, con le imminenti preoccupazioni relative alla privacy e la concorrenza sempre più accesa tra i due giganti, è improbabile che la situazione diventi molto più semplice nel prossimo futuro.

(Per ulteriori informazioni su come bilanciare i modelli di attribuzione di Google e Facebook, clicca qui).

In alcuni casi, il modello di attribuzione basato su regole potrebbe rappresentare una soluzione più semplice e rapida al vostro problema di attribuzione, anche se la sua accuratezza risulta inferiore rispetto a quella di alcuni studi basati su algoritmi.

Molte aziende che cercano di comprendere meglio il proprio modello di attribuzione falliscono nel loro intento. Nel perseguire il “Santo Graal” di tutti i modelli di attribuzione, molte commettono l’errore di puntare troppo in alto e, quando si rendono conto che non tutti i dati sono disponibili, il progetto viene semplicemente abbandonato.

La chiave sta nel comprendere il percorso verso una migliore attribuzione, piuttosto che immaginare il risultato finale. In precedenza abbiamo definito l’attribuzione come il processo di assegnazione di un valore ai punti di contatto; nel campo della pubblicità, una definizione più appropriata potrebbe essere: il processo di miglioramento del proprio modello di assegnazione di valore ai punti di contatto.

In altre parole, non dovremmo concentrarci tanto sul risultato in sé, quanto piuttosto sulla creazione di un modello migliore di quello attuale.

L'utilizzo di studi di incrementalità a integrazione dei modelli di attribuzione

L'incrementalità è l'ultimo tassello del puzzle dell'attribuzione. Ricordiamo che l'attribuzione cerca di assegnare un merito parziale a ciascun punto di contatto in una serie di esposizioni pubblicitarie. Sebbene ciò ci dia un'idea di quanto i punti di contatto contribuiscano a un acquisto, non può rispondere alla domanda: cosa accadrebbe se gli utenti non vedessero alcuna pubblicità proveniente dalla fonte x?

L'incrementalità dovrebbe essere considerata come un quadro di riferimento per rispondere proprio a questa domanda: quante conversioni avrei ottenuto senza mostrare alcun annuncio?

L'incrementalità viene misurata allo stesso modo in cui si condurrebbe uno studio scientifico, con un gruppo di trattamento (utenti esposti agli annunci) e un gruppo di controllo (utenti non esposti agli annunci), e le conversioni vengono misurate rispettivamente per ciascun gruppo.

I vantaggi degli studi di incrementabilità

Questo tipo di esperimento è denominato “studio sul lift di conversione”. Ci sono diversi motivi per cui i risultati degli studi sul lift sono così utili per i professionisti del marketing:

• Gli studi sul lift sono indipendenti dall'attribuzione: non importa quali modelli si scelgano, ciò che conta è solo se si è verificata o meno una conversione, ed è questo l'unico fattore che fa la differenza in questi studi.
• Gli studi di lift possono fornire un limite minimo al numero di conversioni generate da un canale. Poiché le conversioni incrementali sono quelle che altrimenti non si sarebbero verificate, l’incrementalità non riesce a cogliere il valore complessivo di un canale. Tuttavia, fornisce un punto di riferimento per il numero minimo possibile di conversioni, il che risulta estremamente utile nel confronto tra modelli di attribuzione, poiché consente di stabilire un limite inferiore.

Gli svantaggi degli studi incrementali

• L'attribuzione è un processo iterativo: il nostro obiettivo è migliorare la nostra comprensione attuale e l'incrementalità è lo strumento di cui abbiamo bisogno per assicurarci di prendere le decisioni giuste. Anche se può sembrare chiaro e semplice, l'incrementalità presenta alcuni svantaggi che spesso ne rendono impraticabile l'uso da sola:
• L'approccio incrementale non tiene conto degli eventuali effetti di interazione che potrebbero derivare dal fatto che gli utenti vedano annunci pubblicitari su piattaforme diverse.
• Gli studi possono essere onerosi sia in termini di risorse (richiedono un certo impegno per essere avviati) che di tempo.
• È difficile fare generalizzazioni sulle campagne: come si può sapere se questo risultato sarà valido anche per la prossima campagna, con creatività diverse o una nuova strategia di comunicazione?
• È proprio a causa di queste carenze che l'incrementalità deve essere utilizzata in combinazione con l'attribuzione, in modo che gli studi sull'incrementalità servano a confermare le conclusioni tratte dall'attribuzione.

È meglio avere più o meno ragione che torto con precisione.
– John Maynard Keynes

Comprendere lo strumento di attribuzione di Facebook

Dopo aver chiarito tutti gli aspetti teorici, è ora di tornare con i piedi per terra. Nel corso del 2018-2019, Facebook ha lanciato uno strumento a disposizione di tutti gli inserzionisti: Facebook Attribution. Come altri strumenti forniti da Facebook, anche questo è completamente gratuito e accessibile a chiunque faccia pubblicità su Facebook.

Allora, come funziona?

Dopo aver completato i passaggi necessari per la configurazione, si accede alla scheda “Prestazioni”, che mostra una tabella di base delle principali fonti. Lo strumento in sé è ancora piuttosto limitato: i report offrono poche possibilità di personalizzazione e non possono essere esportati, e il numero di schede è ridotto. Tuttavia, Facebook Attribution è ancora agli inizi e senza dubbio a breve saranno disponibili ulteriori funzionalità.

La prima funzionalità interessante che incontriamo è un po’ nascosta nell’angolo in alto a destra dell’interfaccia. Qui possiamo selezionare diversi modelli di attribuzione tra una serie di modelli predefiniti basati su regole, oltre a scegliere alcune impostazioni per tali modelli, come ad esempio quale finestra di attribuzione utilizzare e se i touchpoint a pagamento debbano avere un peso proporzionalmente maggiore.

Oltre ai modelli basati su regole, Facebook utilizza anche un proprio modello basato sui dati per ricalcolare le conversioni attribuite a Facebook. Un esercizio molto interessante da svolgere su tutte le vostre piattaforme di analisi consiste semplicemente nel confrontare fianco a fianco i risultati ottenuti dai diversi modelli di attribuzione, come illustrato nella figura sottostante.

In questo caso, abbiamo confrontato il numero di conversioni attribuite alle campagne Facebook in base ai diversi modelli di attribuzione; abbiamo inoltre deciso di confrontarlo con il modello “ultimo clic” di GA, che ancora oggi rappresenta l’impostazione predefinita per molti inserzionisti.

Ci sono alcuni aspetti interessanti da sottolineare quando si effettua questo tipo di analisi a occhio nudo:

• Il limite minimo delle conversioni attribuite a Facebook è il risultato di uno studio sul "conversion lift", uno strumento eccellente per stimare il valore generato dagli annunci su Facebook.
• Il limite massimo in questo esempio è il modello predefinito di Facebook basato sull’ultimo clic, che tende ad essere eccessivamente generoso.
• Nel scegliere il modello più adatto alla tua attività, considera la percentuale di budget che destini a questo canale (in questo caso Facebook). Se state destinando la maggior parte del vostro budget a questo canale, probabilmente dovreste scegliere un modello più vicino al limite massimo; se invece si tratta di una parte minore del vostro budget, è probabilmente più corretto optare per un modello più vicino al limite minimo. Tenete conto della quantità di dati che ciascun modello mette a disposizione, poiché ciò influenzerà le vostre basi decisionali.
• I modelli che mostrano costantemente risultati simili sono, nella pratica, equivalenti. Si considerino i tre modelli nel grafico sopra riportato, che presentano un numero di conversioni sostanzialmente uguale: “even credit”, “positional 30%” e “time decay 1D”. Indipendentemente da quale di questi scegliamo, le nostre azioni saranno le stesse; pertanto, dovremmo considerare questi modelli equivalenti in termini di azioni da intraprendere.

Questo tipo di analisi, sebbene piuttosto elementare, fornirà comunque informazioni utili. Ricordate che stiamo semplicemente cercando un modello migliore di quello attuale, piuttosto che la perfezione. Questo vi aiuterà a prendere decisioni più informate al momento di scegliere quale modello di attribuzione utilizzare; spesso è molto utile ricorrere a un modello basato su regole poiché, sebbene possa risultare meno accurato rispetto ad alcuni modelli basati sui dati, è più rapido da elaborare e decisamente più semplice da utilizzare e su cui agire.

Trasformare le intuizioni in azioni concrete

Se l’attribuzione avesse dei comandamenti scolpiti su una tavola di pietra, probabilmente ce ne sarebbero solo due e reciterebbero più o meno così:

1. Non dovrai perseguire la perfezione, ma piuttosto il miglioramento.
2. Non userai il potere dell’attribuzione invano.

Ciò che intendiamo dire è che l'attribuzione dovrebbe essere considerata un mezzo per raggiungere un fine, non il fine in sé.

Forse la domanda più importante da porsi quando si lavora sull'attribuzione è: quali azioni possiamo intraprendere sulla base di questa intuizione?

Torniamo al grafico sopra riportato e supponiamo di decidere di utilizzare il modello posizionale del 30% per valutare i risultati di Facebook, anziché Google Analytics, che era stato utilizzato in precedenza. Questo cambiamento ci porterebbe ad attribuire a Facebook un valore circa quattro volte superiore. Logicamente, ciò dovrebbe corrispondere anche a un investimento proporzionalmente più elevato rispetto a prima.

Questo ci porta alla domanda fondamentale: alla luce di questi risultati, sareste disposti a investire quattro volte di più in un canale? Il risultato della vostra analisi, in questo caso, suggerisce che questa sia la decisione giusta da prendere. Ma decisioni così drastiche possono essere difficili da prendere, soprattutto senza poter valutare se si tratti o meno della scelta giusta.

Fortunatamente Facebook ci ha fornito gli strumenti per rispondere a questo tipo di domande e valutare se stiamo prendendo le decisioni giuste.

Una nuova speranza

Nonostante le attuali limitazioni di Facebook Attribution, nutriamo grandi speranze per il futuro. Nel corso dell’ultimo decennio, il panorama è stato in gran parte dominato da Google Analytics, che presenta a sua volta alcuni limiti spesso trascurati.

(Dai un'occhiata alla nostra guida a Google Analytics qui.)

In qualità di agenzia, ci consideriamo un partner fondamentale per i nostri clienti, aiutandoli a orientarsi nel duopolio di Facebook e Google. Il nostro compito è quello di bilanciare in modo obiettivo queste visioni contrastanti e generare il modello più accurato possibile.

Potendo contare su più fonti di dati, ciascuna con le proprie distorsioni, è più facile individuare la distorsione della piattaforma e apportare le opportune modifiche; grazie anche alla possibilità di condurre esperimenti su larga scala, siamo in grado di generare e testare modelli di attribuzione per ogni cliente, non solo per quelli che dispongono dei mezzi necessari per realizzare un progetto su larga scala.

Se desideri saperne di più sui nostri servizi, compresa l’attribuzione su Precis, puoi leggere ulteriori informazioni qui oppure contattarci per scoprire come possiamo ricavare informazioni utili dai tuoi dati di marketing.