در اولین نوع اتریبیوشن، معمولا آخرین کلیک مورد در نظر گرفته می شد. چرا؟ زیرا ساده ترین روش بوده است. اما صرف ساده تر بودن کامل ترین روش محسوب نمی‌شود.
در مدل داده محور گوگل ، مهمترین و تاثیرگذارترین نقاط تماس بازدید کننده به عنوان نقاط مهم و شاخص تشخیص داده می شوند. از جمله این نقاط، می توان به تبلیغاتی اشاره کرد که دیده یا شنیده می شوند اما کلیک نمی شوند. اختصاص دادن تمام امتیاز و ارزش، به آخرین کلیکی که کاربر انجام می دهد، درست شبیه به این است که تمام امتیاز و سنجش یک ورزشکار بدنسازی را به آخرین تمرین او اختصاص دهیم.
زمانی که خودروی شما به بیمه نیاز پیدا کند، از طریق مرورگر جستجو خواهید کرد. اولین پیوند یا کلمه پیشنهادی که گوگل به شما نشان می دهد، ممکن است یکی از شرکت های بیمه ای معتبر داخلی از جمله بیمه دانا باشد. اما یک سوال مهم در اینجا وجود دارد که، آیا بیمه پیشنهادی گوگل، از نظر قیمت و کیفیت شایستگی اولین بودن را دارد یا خیر؟

گوگل ادز از چند مدل ارجاع پشتیبانی می کند؟

تبلیغات گوگل از شش مدل ارجاع پشتیبانی می‌کند. شایان ذکر است که گوگل اخیراً پیش‌فرض خود را از آخرین کلیک به مدل پیچیده‌ای تغییر داده است که آن را مدل داده محور یا data-driven attribution نام گذاری کرده است اما متاسفانه این نام برای این مدل اصلا مناسب نیست. چراکه همه مدل‌های اتریبیوشن ، از جمله مدل آخرین کلیک، بر اساس داده‌ یا دیتا هدایت می‌شوند. بنابراین این نامگذاری چندان منحصر به فرد و گویای طرح مربوطه نخواهد بود.
ایده مدل داده محور یا data-driven attribution یک ایده عالی و رو به پیشرفت به نظر می رسد. این مدل از جدیدترین مدل Attribution های تبلیغات گوگل بوده که از تکنولوژی و فن آوری فوق العاده هوش مصنوعی و یادگیری ماشین، استفاده می کند. در این مدل، بیشترین اهمیت و توجه به تاثیرگذارترین عبارات، کلمات و تبلیغات معطوف می شود.

مدل جدید مدل داده محور

مدل data-driven attribution به عملکرد کاربر و بازدید کننده بستگی داشته و تنها مختص اکانت هایی در تبلیغات گوگل است که اطلاعات کافی و کاملی داشته و در اختیار گوگل قرار دهند. روشی که گوگل برای مدل داده محور ارائه می دهد، به نوعی یافتن ارتباط بین بازدیدهایی است که به کلیک یا تبدیل شدن کاربر به مشتری منجر خواهد شد.
متاسفانه، در مورد نحوه ساخت و عملکرد مدل داده محور گوگل اطلاعات زیادی وجود ندارد. این مدل همچون یک جعبه سیاه است که ممکن است از طریق یک رگرسیون یا یک شبکه عصبی، یا تکنولوژی دیگری عمل کند.
هنوز چندان مشخص نیست که که آیا مدل «مدل داده محور» Google برای متن و کلیه فعل و انفعالات به درستی عمل می کند یا خیر؟ به نظر نمی‌رسد که مدل داده محور گوگل یا اتریبیوشن data-driven در مورد تبلیغاتی که منجر به کلیک نمی‌شوند، توضیحی ارائه دهد.

روند کار اتریبیوشن مدل data-driven

گوگل از “تجربه های بازدارنده” یا “holdback experiments” به عنوان راهی برای بررسی صحت و عملکرد مدل و رسیدن به هدف نام می برد. این آزمایشات یا تجارب بازدارنده طبق یک برنامه ریزی و بررسی دقیق و کاملاً کنترل‌شده انجام می گیرند. در مورد روش کار می توان به شکل زیر توضیحاتی ارائه کرد:
10 درصد از مخاطبان یا بازدیدکنندگان، برای بررسی ها و آزمایشات در نظر گرفته می شوند. این گروه از کاربران در معرض تبلیغات نیستند. پس از تکمیل گروه، تبلیغ کننده لیست خریداران خود را برای ارائه دهنده خدمات به اشتراک می گذارد.
برخی از شرکت کنندگان در این گروه، در نهایت تبدیل به مشتری جدید خواهند شد. تبدیل‌ شدن کاربران به مشتری جدید یا به فردی که کلیک می کند، نشان دهنده موفقیت روال تبلیغات می باشد.

تبلیغات هدفمند، تبدیل بازدید به کلیک

در عمل، انجام این آزمایشات و تحقیقات بسیار چالش برانگیز خواهند بود. چرا که شناسایی هویت کاربران تبدیل شده به مشتری و کاربرانی که در معرض آزمایش قرار دارند، در این تحقیق لازم و ضروری به نظر می رسد. این در حالی است که کسب اطلاعات هویتی کاربران، با حفظ حریم خصوصی آنها در تضاد است. واضح است که گوگل نمی تواند این مطالعه و تحقیق را برای هر کمپینی به انجام برساند، اما از چنین مطالعاتی برای بررسی صحت و سقم مدل خود استفاده می کند.
راه‌حل جدید مدل داده محور یا data-driven attribution به این سؤال پاسخ خواهد داد که، کدام یک از مؤلفه‌های مورد آزمایش Google بیشترین تاثیر را در تبدیل شدن کاربران به مشتریان جدید داشته است. این یک گام در مسیر پیشرفت و شکوفایی است.

منبع

بیشتر بخوانید: معرفی تبلیغات هوشمند بازار