营销归因及其相关性已成为讨论的热门话题，讨论将归因的输出与计量经济学或营销组合模型 (MMM) 进行比较，并引发了对营销衡量的“方差”和“正确”方法的担忧。

现在是时候解释为什么这种比较练习既幼稚又无关紧要了。测量技术不是为了竞争而设计的，而是为了补充而设计的。不存在一刀切的解决方案。品牌所有者如何利用整体营销有效性套件的多样化能力和互补力量将根据其业务的个性化需求而有所不同。

基于规则与数据驱动的归因模型

“归因”一词描述了广泛的衡量方法，这一术语很容易引起混淆。归因模型遭受的一个诅咒是，当谷歌普及其最终点击方法时，该术语被过度使用d.这将销售的全部功劳归功于客户在购买前所做的最后一件事。

这个术语随后演变为描述基于规则的模型，该模型同样根据主观决策将产生销售的奖励分配给紧接其之前的事件。虽然这些模型为营销人员提供了有用的信息，但它们缺乏客观性。  它们还提倡短期和孤立的思维。

归因建模的目标是让客户购买旅程中的每个事件都获得其所带来的价值奖励。这提供了对营销的作用和影响的深入洞察。营销人员想要这种观点，但需要一种包括数字渠道在内的公正、整体的方法。

数据驱动的归因模型满足了这一需求。数据驱动模型通过使用数学技术来确定每个营销活动的增量影响，从而提供公正的观点。这些模型也称为定制模型归因模型可以根据品牌的具体目标、细分市场和见解进行定制。他们还可以通过覆盖更长的购买旅程来提供更广阔的视角。它们的构建通常更加复杂，但可以提供更准确的营销绩效洞察。

释放归因的全部潜力

在考虑数据驱动的归因建模时，重要的是要考虑合并以下功能，以最大限度地提高洞察力、准确性和实用性：

在对这些方法进行比较时，营销人员应该意识到包含这些功能的数据驱动的定制归因模型与更简单的归因技术相比的优势。

“黄金三位一体”

将归因模型与计量经济学进行比较就像比较苹果和橙子。归因的作用是了解个体客户的行为和旅程，而计量经济学的作用是了解市场和宏观因素的全面影响以及销售驱动因素的聚合渠道视图。

如果使用得当，数据驱动的归因模型在任何测量框架中都会发挥有益且重要的作用，但无法与计量经济学相比较。他们不回答相同的问题或使用相同的技术。计量经济学具有战略性、长期性、宏观性；而归因是战术性的、中期的和微观的。

正确衡量有效性的最佳方法是通过归因、实验和计量经济学共同评估绩效。

在《营销周》之前的文章中，我们强调了营销人员迫切需要采用更灵活、更全面的衡量方法，采用来自不同来源的多个指标，围绕营销在整个漏斗中的影响形成一个合理且连贯的故事，并且营销组合的综合贡献。这需要一种更复杂的方法，克服更简单的策略所滋生的孤立心态，使用多个数据源和各种测量技术来全面了解有效性，并覆盖人类背景以做出明智的选择。结果。

将一种方法归类为“错误”，另一种方法归类为“正确”，从而忽视了整体衡量系统的好处。相反，首选方法应该是采用最适合需求的解决方案，同时认识到此选择的局限性。

Google 最近的论文支持这样的观点：正确衡量有效性的最佳方法是通过归因、实验和计量经济学共同评估绩效。实验可以验证建模结果的不同之处，并且模型能够将提升测试的结果纳入其假设中。这允许根据您需要做出的决策类型使用适当的测量技术。有效性专家 Les Binet 最近将其描述为“三角测量投资回报率”，而其他人则将其称为“统一营销衡量标准”或“黄金三位一体”应用程序oach。

这三种技术的组合创建了一个持久的系统，它可以通过相互学习来适应任何不一致的情况。这让黄金三人组能够更加专注。

计量经济学提供了销售驱动因素的长期战略展望，并可以预测预算和结果，但其进一步观察的能力受到限制 - 例如在广告系列、创意和关键字层面。然后可以利用归因来监控客户接触点以及这些预算的短期、精细媒体渠道效率。实验建立在每种方法的增量视图的基础上，以支持飞行中的战术决策并克服任何差异。

通过采用计量经济学和归因模型以及通过 Google 进行支出试验，Studio Retail 已经看到了使用这种整体绩效衡量方法的好处。

为未来创新

需要由于传统方法速度缓慢且成本高昂，营销衡量的灵活性正在增强。除了围墙花园之外，由于 cookie 的消亡和影响数据收集方式的隐私法造成的数据差距也将限制测量能力，可能迫使营销人员重新采用包容性较差的最终点击方法。独立于任何框架之外的渠道报告将变得越来越无效。

为了解决这个问题，营销人员正在当前方法与仍保留所需输出的更快、成本更低的替代方案之间寻求平衡。 Meta 的 Robyn 和 Google 的 LightweightMMM 等开源模型项目旨在自动测量并快速构建模型，但仍需要建模技能和长期开发才能满足营销人员所需的丰富功能。选择使用这些方法的人不应低估长期所需的验证时间，因为新功能es 已构建，错误已修复并发布了更新的代码库。然而，这是朝着弥合数据差距的正确方向迈出的一步。

比较不同的建模方法是徒劳的

计量经济学和归因方法有非常不同的作用，它们是相互补充而不是替代。整体衡量框架应由渠道组合和目标驱动，汇集各种输出以得出明智的观点。

随着数据变得越来越有限，测量模型方法将被整合以克服这一差距。建模总是会存在一些模糊性，但在当今数据有限的世界中，适应不断发展的测量解决方案并使用人类背景而不是单独的数据来解释其输出比以往任何时候都更加重要。

Hanna Wade 是 Jaywing 的效率总监 Jaywing。

Ne成立了一家不同类型的机构？ 我们来谈谈吧。