What is Multi-Touch Attribution Calculator?
▾
A többérintéses hozzárendelés (MTA) egy olyan fejlett marketingmérési megközelítés, amely a konverziós jóváírást az ügyfél útjának összes érintkezési pontja között osztja el ahelyett, hogy 100%-ot egyetlen interakcióhoz rendelne hozzá. Míg a szabványos hozzárendelési modellek előre meghatározott kreditelosztási szabályokat biztosítanak (első kattintás, utolsó kattintás, lineáris), az MTA jellemzően kifejezetten olyan adatvezérelt vagy algoritmikus megközelítésekre utal, amelyek gépi tanulás vagy statisztikai modellezés segítségével számítják ki az egyes érintkezési pontoknak a konverziós valószínűséghez való marginális hozzájárulását. Az egyérintéses hozzárendelés és a többérintéses hozzárendelés közötti különbségtétel elsősorban a pontosságon alapul. Az egyérintéses modellek mérési holtfoltokat hoznak létre: az utolsó kattintásos hozzárendelés megmutatja a közösségi és tartalmi csapatoknak, hogy munkájuk nem eredményez konverziót, míg az MTA felfedi, hogy ők felelősek az esetleges vásárlói utak 40-60%-áért. Ezek a vakfoltok közvetlenül a marketing-költségvetések szisztematikus helytelen elosztását okozzák – olyan csatornákat, amelyek alacsony ROI-nak tűnnek az egyérintéses jelentésekben, de valójában alapvető szerepet játszanak a folyamatban. Az MTA megvalósítása jellemzően három módszertani megközelítés valamelyikét alkalmazza. A szabályalapú MTA előre meghatározott képleteket használ, például az U-alakú modellt (40/20/40 első-közép-utolsó) vagy a W-alakú modellt, amely egy harmadik érintkezési pont jóváírási csoportot ad hozzá a lead létrehozásához. Az Algorithmic MTA a korábbi konverziós és nem konverziós utakra oktatott gépi tanulást használja az egyes érintkezési pontok kontrafaktuális hozzájárulásának kiszámításához (mennyivel csökken a konverzió valószínűsége, ha ezt az érintkezési pontot eltávolítják). A Shapley-érték-attribúció a kooperatív játékelméletből kiindulva kiszámítja az egyes érintkezési pontok marginális hozzájárulását azáltal, hogy átlagolja a hatásukat az összes lehetséges érintkezési sorrendben. A Shapley-érték-attribúció az MTA elméleti aranystandardjává vált, mivel számos matematikai méltányossági tulajdonságot kielégít: hatékonyság (a teljes kreditösszeg 100%), szimmetria (azonos csatornák azonos kreditet kapnak), null játékos (olyan csatornák, amelyek soha nem segítenek a nulla kredit megszerzésében) és az additivitás (az egyes kreditek összege megegyezik az egyes kreditek összegével). A Google adatvezérelt hozzárendelési modellje a GA4-ben Shapley-értékmegközelítést alkalmaz, így ez a legszélesebb körben alkalmazott kifinomult MTA-rendszer. Az MTA korlátozásait fontos tudomásul venni. A felhasználói szintű MTA cookie-alapú nyomkövetést igényel, amelyet az adatvédelmi előírások és a böngésző módosításai egyre inkább korlátoznak. Az MTA nem tudja mérni az offline érintkezési pontokat, a sötét közösségi oldalakat vagy a nyomkövetési ökoszisztémában nem részt vevő csatornákat. Az MTA korrelációt mutat az érintkezési pontok és a konverziók között, de nem bizonyítja az ok-okozati összefüggést – inkrementális vizsgálat szükséges annak ellenőrzéséhez, hogy egy érintkezési pont eltávolítása valóban csökkentené-e a konverziók számát.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Képlet
▾
Shapley-érték az i-es csatornához = Az i-es csatorna átlagos marginális hozzájárulása az összes lehetséges útrendeléshezVariable Legend
▾
| Szimbólum | Név | Egység | Leírás |
|---|---|---|---|
| Touchpoint | Bármilyen nyomon követett marketing | — | Bármely nyomon követett marketing interakció a konverzió előtti ügyfélút során |
| Journey | A sorrend | — | Az összes érintkezési pont sorrendje az első interakciótól a konverzióig |
| Marginal Contribution | Mennyi konverzió | — | Mennyivel növekszik a konverzió valószínűsége, ha egy adott érintkezési pont jelen van |
| Conversion Value | Bevétel vagy vezető | — | A Multi Touch Attribution kulcsfontosságú bemeneti paramétere, amely a képletben a bevételt vagy a leadet képviseli, és matematikai szerepén keresztül közvetlenül befolyásolja a számított kimenetet. |
| Attribution Window | Időtartam belül | — | Időtartam, amelyen belül a kapcsolattartási pontok beleszámítanak a hozzárendelésbe (általában 30–90 nap) |
How to Multi-Touch Attribution Calculator
▾
- 1Gyűjtsd össze a szükséges bemeneti értékeket: Bármilyen nyomon követett marketing, A sorozat, Mennyi konverzió, Bevétel vagy lead.
- 2Alkalmazza az alapképletet: Shapley-érték az i-es csatornához = az i-es csatorna átlagos marginális hozzájárulása az összes lehetséges útrendeléshez.
- 3Adott esetben számítson ki köztes értékeket, például a Shapley-értéket.
- 4A kifejezések kombinálása előtt ellenőrizze, hogy minden egység konzisztens-e.
- 5Számítsa ki a végeredményt, és vizsgálja meg ésszerűségét.
- 6Ellenőrizze, hogy vonatkoznak-e különleges esetek vagy peremfeltételek az Ön bemeneteire.
- 7Értelmezze az eredményt összefüggésben, és hasonlítsa össze referenciaértékekkel, ha elérhető.
Worked Examples
▾
Ez a példa a Multi Touch Attribution tipikus alkalmazását mutatja be, bemutatva, hogyan dolgozzák fel a bemeneti értékeket a képletben az eredmény létrehozásához.
Ez a példa a Multi Touch Attribution tipikus alkalmazását mutatja be, bemutatva, hogyan dolgozzák fel a bemeneti értékeket a képletben az eredmény létrehozásához.
Ez a példa a Multi Touch Attribution tipikus alkalmazását mutatja be, bemutatva, hogyan dolgozzák fel a bemeneti értékeket a képletben az eredmény létrehozásához.
Ez a példa a Multi Touch Attribution tipikus alkalmazását mutatja be, bemutatva, hogyan dolgozzák fel a bemeneti értékeket a képletben az eredmény létrehozásához.
Real-World Applications
▾
A matematikai és algebrai szakemberek a Multi Touch Attributiont szabványos analitikai munkafolyamataik részeként használják a számítások ellenőrzésére, az aritmetikai hibák csökkentésére, valamint konzisztens eredmények előállítására, amelyek dokumentálhatók, auditálhatók és megoszthatók a kollégákkal, ügyfelekkel vagy szabályozó testületekkel a megfelelőség érdekében.
Az egyetemi tanárok és oktatók a Multi Touch Attribution funkciót beépítik a tananyagokba, a házi feladatokba és a vizsgára való felkészülési forrásokba, lehetővé téve a hallgatóknak, hogy ellenőrizzék a manuális számításokat, építsenek intuíciót az input-output kapcsolatokról, és az aritmetika helyett a fogalmi megértésre összpontosítsanak.
A tanácsadók és tanácsadók a Multi Touch Attribution segítségével gyorsan modellezhetik a különböző forgatókönyveket az ügyféltalálkozók során, lehetővé téve a mi lenne, ha olyan kérdések valós idejű feltárását, amelyek egyébként azt igényelnék, hogy visszatérjenek az irodába részletes táblázat alapú elemzés és jelentéskészítés céljából.
Az egyéni felhasználók a Multi Touch Attributionra hagyatkoznak a személyes tervezési döntések meghozatalakor – a lehetőségek összehasonlítása, a szolgáltatóktól kapott árajánlatok ellenőrzése, a harmadik féltől származó számítások ellenőrzése és a bizalom megteremtése abban, hogy a fontos döntések mögött álló számokat helyesen és következetesen számították ki.
Special Cases
▾
Identitásfeloldás: a pontos MTA-hoz ugyanaz a felhasználó csatlakoztatása szükséges
Identitásfeloldás: a pontos MTA-hoz ugyanaz a felhasználó csatlakoztatása szükséges az eszközök és a munkamenetek között; A determinisztikus (bejelentkezés alapú) illesztés a legpontosabb A gyakorlatban ez az éleset alapos megfontolást igényel, mert előfordulhat, hogy a szabványos feltevések nem teljesülnek. Amikor ezzel a forgatókönyvvel találkoznak a többérintéses attribúciós számítások során, a szakembereknek ellenőrizniük kell a peremfeltételeket, ellenőrizniük kell a nullával való osztás kockázatát, és meg kell fontolniuk, hogy a modell feltételezései érvényesek maradnak-e ilyen szélsőséges körülmények között.
Előfizetés MTA: az ismétlődő bevételű vállalkozásoknál adja meg mindkét kezdőbetűt
Előfizetéses MTA: az ismétlődő bevételű vállalkozásoknál a kezdeti konverziót és a megújítást is azokhoz a kapcsolattartási pontokhoz kell hozzárendelni, amelyek vezérelték őket. A gyakorlatban ez a szélsőséges eset alapos megfontolást igényel, mert előfordulhat, hogy a szabványos feltételezések nem érvényesülnek. Amikor ezzel a forgatókönyvvel találkoznak a többérintéses attribúciós számítások során, a szakembereknek ellenőrizniük kell a peremfeltételeket, ellenőrizniük kell a nullával való osztás kockázatát, és meg kell fontolniuk, hogy a modell feltételezései érvényesek maradnak-e ilyen szélsőséges körülmények között.
Alkalmazástelepítés-hozzárendelés: a mobilalkalmazás-telepítések különböző MTA-eszközöket használnak
Alkalmazástelepítési hozzárendelés: a mobilalkalmazás-telepítések a webes hozzárendeléstől eltérő MTA-eszközöket (AppsFlyer, Adjust, Branch) használnak A gyakorlatban ez az éles eset alapos megfontolást igényel, mert előfordulhat, hogy a szabványos feltételezések nem érvényesülnek. Amikor ezzel a forgatókönyvvel találkoznak a többérintéses attribúciós számítások során, a szakembereknek ellenőrizniük kell a peremfeltételeket, ellenőrizniük kell a nullával való osztás kockázatát, és meg kell fontolniuk, hogy a modell feltételezései érvényesek maradnak-e ilyen szélsőséges körülmények között.
Nemzetközi MTA: az EU-ban, az Egyesült Államokban és az APAC-ban különböző adatvédelmi törvények befolyásolják, hogy melyik felhasználót
Nemzetközi MTA: az EU-ban, az Egyesült Államokban és az APAC-ban eltérő adatvédelmi törvények befolyásolják, hogy mely felhasználói adatok használhatók fel a forrásmegjelöléshez; szegmentálja az MTA-t régiónként
Multi Touch Attribution referenciaadatok
▾
| MTA modell | Módszer | Adatkövetelmény | Pontossági szint | Tipikus használati eset |
|---|---|---|---|---|
| Utolsó kattintás | Szabály alapú | Minimális | Alacsony többcsatornás | Egyszerű közvetlen válasz |
| Lineáris | Szabály alapú | Minimális | Alacsony (egyenlő kredit) | Kezdeti többérintéses indítás |
| Pozíció alapú U-alak | Szabály alapú | Minimális | Közepes | A legtöbb B2C utazás |
| W-alakú | Szabály alapú | Minimális | Közepes | B2B vezető eseményekkel |
| Adatközpontú (Shapley) | Algoritmikus | 3000+ konv./hó | Magas a digitális csatornákhoz | Bevett hirdetők |
| Inkrementális tesztelés | Ok-okozati következtetés | Nagy közönség | Legmagasabb (valódi okozati összefüggés) | Csatorna értékének ellenőrzése |
Frequently Asked Questions
▾
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
A Multi Touch Attribution összefüggésében ez a felhasználó konkrét bemeneteitől, feltételezéseitől és céljaitól függ. Az alapul szolgáló képlet determinisztikus kapcsolatot biztosít a bemenetek és a kimenetek között, de a valós alkalmazáshoz az eredményt a matematikai és algebrai gyakorlat tágabb kontextusában kell értelmezni. A szakemberek általában kereszthivatkoznak a számológép kimenetére az iparági referenciaértékekkel, előzményadatokkal és szabályozási követelményekkel. A legmegbízhatóbb eredmények érdekében győződjön meg arról, hogy a bemenetek ellenőrzött adatokból származnak, értse meg, hogy a képlet mely feltételezéseket tartalmazza, és fontolja meg több forgatókönyv futtatását a valószínű kimenetelek tartományának zárójelbe állítása érdekében.
Common Mistakes to Avoid
▾
- !Az MTA kezelése az ok-okozati összefüggés bizonyítékaként, amikor korrelációt mér – inkrementális vizsgálat szükséges a valódi okozati hatás megerősítéséhez
- !MTA megvalósítása elegendő konverziós mennyiség nélkül – 3000 havi konverzió alatt a szabályalapú modellek megbízhatóbbak
- !A sötét közösségi és offline érintkezési pontok figyelmen kívül hagyása, amelyek a teljes ügyfélút 30-60%-át teszik ki
- !Az MTA-adatok önmagukban történő felhasználása költségvetési döntésekhez anélkül, hogy az inkrementalitás vagy a marketingmix modellezése ellen kellene érvényesíteni
- !A hozzárendelési modellek év közbeni módosítása a csatorna korábbi teljesítményének újraszámítása nélkül – hamis trendadatokat hoz létre
Pro Tip
Kezdje MTA-útját a GA4 adatközpontú hozzárendelésével – ingyenes, már kezeli a Shapley-érték kiszámítását, és minden vállalkozás számára működik a Google Ads integrációjával és havi 3000+ konverziójával. Használja havonta a GA4 Hozzárendelés-összehasonlítási jelentést annak áttekintésére, hogy az adatközpontú hozzárendelés hogyan viszonyul az utolsó kattintáshoz a kulcsfontosságú csatornák esetében. A két modell között a legnagyobb különbséget mutató csatornák a legmagasabb prioritású befektetési döntések.
Did you know?
A Shapley-értéket, amely a legtöbb modern algoritmikus hozzárendelési rendszer alapját képezi, Lloyd Shapley Nobel-díjas közgazdász fejlesztette ki 1953-ban, hogy megoldja a kooperatív játékok zsákmányának igazságos felosztásának problémáját. Shapley 2012-ben elnyerte a közgazdasági Nobel-emlékdíjat. Az akadémiai matematika egyik legváratlanabb alkalmazása az a gondolat, hogy egy 1953-ból származó játékelméleti koncepció szabályozza napi több milliárd dolláros digitális marketingköltségvetés elosztását.
Regional Guides
▾
🇪🇺 EU▾
🇺🇸 US▾
APAC▾
References
- ›Google-hozzárendelési dokumentáció (GA4 adatközpontú)
- ›Shapley L.S. 1953: Érték az n-személyes játékok számára
- ›Rockerbox Multi-Touch hozzárendelési útmutató
- ›Analytic Partners Attribution Research
- ›Northbeam attribúciós módszertani dokumentáció
Szerezzen heti matematikai tippeket
Csatlakozzon 12 000+ feliratkozóhoz, akik minden héten kapnak tippeket a számológéphez.