Common pitfalls in media attribution

1,271
-1

Published on

At Datalicious, we don’t just pick a model. We calculate a custom weighted model for every client based on their own data using regression analysis. By tracking all paths, successful and unsuccessful ones, and comparing the two, we can determine whether one channel is more likely to influence conversions over another. And this can make a huge difference in your investment return.

What you end up with is a media attribution model that is more accurate and flexible than any out of the box media attribution model could ever hope for.

Whilst we’ve only touched on a few of the pitfalls of using a simplified, out of the box attribution model, below are 10 pitfalls you can avoid by choosing to customise your media attribution.

Published in: Technology, Business
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,271
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
29
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Common pitfalls in media attribution

  1. 1. >  Media  a(ribu,on  <  Media  aribu+on  or  when  tracking  the  last  click  is  just  not  enough  
  2. 2. >  About  Datalicious  §  Datalicious  was  founded  in  November  2007  §  Strong  web  analy+cs  background  &  experience  §  360  data  agency  with  team  of  data  specialists  §  Combina+on  of  analysts  and  developers  §  Blue  chip  clients  across  all  industry  ver+cals  §  Carefully  selected  best  of  breed  technology  §  Lobbying  &  defining  data  best  prac+ce  ADMA  §  Execu+ng  smart  data  driven  campaigns  §  Turning  data  into  ac+onable  insights        May  2013   ©  Datalicious  Pty  Ltd   2  
  3. 3. >  Smart  data  driven  marke,ng  Media  A(ribu,on  &  Modeling  Op,mise  channel  mix,  predict  sales  Tes,ng  &  Op,misa,on  Remove  barriers,  drive  sales  Boos,ng  ROMI  Targe,ng  &  Merchandising  Increase  relevance,  reduce  churn  “Using  data  to  widen  the  funnel”  May  2013   ©  Datalicious  Pty  Ltd   3  
  4. 4. >  Wide  range  of  data  services  Data  PlaHorms    Data  collec,on  and  processing    Adobe,  Google  Analy,cs,  etc    Web  and  mobile  analy,cs    Tag-­‐less  online  data  capture    Retail  and  call  center  analy,cs    Big  data  &  data  warehousing    Single  customer  view  Insights  Analy,cs    Data  mining  and  modelling    Tableau,  Splunk,  SPSS,  R,  etc    Customised  dashboards    Media  a(ribu,on  analysis    Marke,ng  mix  modelling    Social  media  monitoring    Customer  segmenta,on  Ac,on  Campaigns    Data  usage  and  applica,on    SiteCore,  ExactTarget,  etc    Targe,ng  and  merchandising    Marke,ng  automa,on    CRM  strategy  and  execu,on    Data  driven  websites    Tes,ng  programs  May  2013   ©  Datalicious  Pty  Ltd   4  
  5. 5. >  50+  years  of  team  experience  May  2013   ©  Datalicious  Pty  Ltd   5  Chris+an  Bartens  Founder  &  Director    §  Bachelor  of  Business  Management  with  marke+ng  focus  §  Web  analy+cs  and  digital  marke+ng    work  experience  §  Space2go,  E-­‐LoV,  Tourism  Australia  §  SuperTag  founder,  ADMA  Analy+cs  Chair,  I-­‐COM  EMR  Board    LinkedIn  profile  Elly  Gillis  General  Manager    §  Bachelor  of  Communica+ons  with  print  and  digital  focus  §  Digital  marke+ng  and  project  management  work  experience  §  M&C  Saatchi,  Mark,  Holler,  Tequila,  IAG,    OneDigital,  Telstra  §  Australian  gold  medal  in  surf  boat  rowing    LinkedIn  profile  Michael  Savio  Head  of  Insights    §  Bachelor  of  Arts  &  Science  with  applied  mathema+cs  focus  §  CRM  and  marke+ng  research  and  analy+cs  work  experience  §  ANZ  Bank,  Australian  Bureau  of  Sta+s+c,  DBM  Consultants  §  ADMA  lecturer  on  marke+ng  tes+ng    LinkedIn  profile  Juan  Delard  Head  of  Data    §  Engineering  Diploma  &  Bachelor  of  Science  in  Electrical  Engineering  §  IT  architecure,  ERP,  web  analy+cs,  big  data,  telecommunica+ons  work  experience  §  Quo+fy,  Binaria,  Codelco  §  Mathema+cs  fan  and  avid  scuba  diver  LinkedIn  profile  
  6. 6. >  Unique  combina,on  of  skills  May  2013   ©  Datalicious  Pty  Ltd   6  Data  visualisa,on/repor,ng  Data  mining/analysis  Data  modelling  Fast  analy,cs  Data  processing/enhancing  Big  data  Data  collec,on  The  Datalicious  team  §  Data  scien+sts  §  Business  analysts  §  Data  engineers  §  Web  engineers  §  Pla`orm  admins  §  Project  managers  §  Data  strategists  Data  strategy  
  7. 7. >  Best  of  breed  technologies  May  2013   ©  Datalicious  Pty  Ltd   7  
  8. 8. >  Datalicious  product  development  SCV2  Surveys  Display  ads  Internal  ads    Engage    Social  media  Mobile  push  eDMs/DMs  MIS1  1  Marke+ng  informa+on  system  containing  all  data  necessary  to  analyse  and  report  on  campaigns  2  Single  customer  view  pla`orm  containing  all  data  across  all  (customer)  touch  points    Mass  media  Social  media  Digital  media    Measure    Demographics  Transac+ons  Campaigns  May  2013   ©  Datalicious  Pty  Ltd   8  Report  Analyse  
  9. 9. >  Clients  across  all  industries  May  2013   ©  Datalicious  Pty  Ltd   9  
  10. 10. Direct  mail,    email,  etc  Facebook  Twi(er,  etc  >  Channels  influence  each  other  May  2013   ©  Datalicious  Pty  Ltd   10  POS  kiosks,  loyalty  cards,  etc  CRM  program  Home  pages,  portals,  etc  YouTube,    blog,  etc  Paid    search  Organic    search  Landing  pages,  offers,  etc  PR,  WOM,  events,  etc  TV,  print,    radio,  etc  =  Paid  media  =  Viral  elements  Website,  call  center,  retail  =  Sales  channels  Display  ads,  affiliates,  etc  
  11. 11. >  First  and  last  click  a(ribu,on    May  2013   ©  Datalicious  Pty  Ltd   11  Chart  shows  percentage  of  channel  touch  points  that  lead  to  a  conversion.  Neither  first    nor  last-­‐click  measurement  would  provide  true  picture    Paid/Organic  Search  Emails/Shopping  Engines  
  12. 12. >  The  ideal  media  dashboard  Channel   Investment   ROMI   Return  Brand  equity  Baseline   ($100)   n/a   $40  Offline  TV,  print,  outdoor,  etc   $7   330%   $30  Direct  Direct  mail,  email,  etc   $1   400%   $5  Online  Search,  display,  social,  etc  $2   1150%   $25  May  2013   ©  Datalicious  Pty  Ltd   12  
  13. 13. ©  Datalicious  Pty  Ltd   13  May  2013  A(ribu,on  piHall  #1  Excluding  brand  equity  
  14. 14. >  ROMI  as  compe,,ve  advantage  May  2013   ©  Datalicious  Pty  Ltd   14  74%  of  marketers  do  not  engage  in  any  form  of  media  aribu+on  aside  from  the  last  click  leaving  26%  of  marketers  with  a  serious  compe++ve  advantage  as  their  media  investment  is  likely  to  generate  a  much  higher  ROMI.  
  15. 15. >  Media  a(ribu,on  approaches  May  2013   ©  Datalicious  Pty  Ltd   15  Success  $100  Success  $100  Display     Affiliate  Search  $100  Success  $100  Last  channel  gets  all  credit  First  channel  gets  all  credit  All  channels  get  equal  credit  Success  $100  All  channels  get  custom  credit  Display  $100    Affiliate   Search  Display    $33  Affiliate    $33  Search  $33  Display    $15  Affiliate    $35  Search  $50  
  16. 16. >  Duplica,on  across  channels    May  2013   ©  Datalicious  Pty  Ltd   16  Display    ads  Email    blasts  Paid    search  Organic  search  $  Bid    mgmt  Ad    server  Email  plaHorm  Google  Analy,cs  $  $  $  
  17. 17. >  Duplica,on  across  channels    May  2013   ©  Datalicious  Pty  Ltd   17  Display  impression  Paid    search   $  Ad    Server  Bid    mgmt.  Web  analy,cs  Display  click  Ad  server  cookie  Organic  search  Analy,cs  cookie  Analy,cs  cookie  Analy,cs  cookie  Bid  mgmt.  cookie  Ad  server  cookie  
  18. 18. Central  analy,cs  plaHorm  $  $  $  >  De-­‐duplica,on  across  channels    May  2013   ©  Datalicious  Pty  Ltd   18  Display    ads  Email    blasts  Paid    search  Organic  search  $  
  19. 19. ©  Datalicious  Pty  Ltd   19  May  2013  A(ribu,on  piHall  #2  Mul,ple  data  sources  
  20. 20. >  Ad  clicks  inadequate  measure  May  2013   ©  Datalicious  Pty  Ltd   20  Only  a  small  minority  of  people  actually  click  on  ads,  the  majority  merely  processes  them  (if  at  all)  like  any  other  adver+sing  without  an  immediate  response  so  adver+sers  cannot  rely  on  clicks  as  the  sole  success  measure  but  should  instead  focus  on  impressions  delivered  
  21. 21. >  Indirect  display  impact    May  2013   ©  Datalicious  Pty  Ltd   21  
  22. 22. ©  Datalicious  Pty  Ltd   22  May  2013  A(ribu,on  piHall  #3  No  ad  impression  data  
  23. 23. >  Full  vs.  par,al  purchase  path  data  May  2013   ©  Datalicious  Pty  Ltd   23  Display    impression  Display    impression  Display    impression  $  Display    impression   $  Display    impression  Display    impression   $  Display    impression  Search  response  Search  response   $  Display    impression  Display    response  Direct    visit  ✖   ✔   ✔  ✖  Display    impression  Display    impression  Email  response  Search  response  ✖   ✔   ✔  ✔  ✖   ✖   ✔   ✔  ✖   ✔   ✔  ✔  
  24. 24. >  Full  vs.  par,al  purchase  path  data  May  2013   ©  Datalicious  Pty  Ltd   24  Display    impression  Display    impression  Display    impression  $  Display    impression   $  Display    impression  Display    impression   $  Display    impression  Search  response  Search  response   $  Display    impression  Display    response  Direct    visit  ✖   ✔   ✔  ✖  Display    impression  Display    impression  Email  response  Search  response  ✖   ✔   ✔  ✔  ✖   ✖   ✔   ✔  ✖   ✔   ✔  ✔  5%  to  65%  variance    in  conversion  a(ribu,on    for  different  channels  due  to    par,al  purchase  path  data  
  25. 25. ©  Datalicious  Pty  Ltd   25  May  2013  A(ribu,on  piHall  #4  Par,al  purchase  path  data  
  26. 26. Closer  Paid    search  Display    ad  views  TV/print    responses  >  Full  purchase  path  tracking  May  2013   ©  Datalicious  Pty  Ltd   26  Influencer   Influencer   $  Display    ad  clicks  Online  sales  Affiliate  clicks  Social  referrals  Offline  sales  Organic  search  Social    buzz  Retail    visits  Life,me  profit  Organic  search  Emails,  direct  mail  Direct    site  visits  Introducer  
  27. 27. Closer  Paid    search  Display    ad  views  TV/print    responses  >  Full  purchase  path  tracking  May  2013   ©  Datalicious  Pty  Ltd   27  Influencer   Influencer   $  Display    ad  clicks  Online  leads  Affiliate  clicks  Social  referrals  Offline  sales  Organic  search  Social    buzz  Retail    visits  Life,me  profit  Organic  search  Emails,  direct  mail  Direct    site  visits  Introducer  
  28. 28. >  Purchase  path  data  example  May  2013   ©  Datalicious  Pty  Ltd   28  
  29. 29. >  Purchase  path  data  example  U123  1/1/12  12:00  RED  AD  YAHOO  NEWS  $20  U123  1/1/12  12:05  RED  AD  SMH  FINANCE  $20  U123  1/1/12  12:10  GOOGLE  BRAND  TERM  -­‐  U123  1/1/12  12:11  WEBSITE  VISIT    -­‐  U123  1/1/12  12:12  WEBSITE  EVENT    -­‐  U123  3/1/12  14:00  GOOGLE  GENERIC  TERM  $20  U123  3/1/12  14:01  WEBSITE  VISIT    -­‐  U123  7/1/12  17:00  EMAIL  OPEN      $20  U123  8/1/12  15:00  GOOGLE  BRAND  TERM  $20  U123  8/1/12  15:01  WEBSITE  CONVERSION  $100      May  2013   ©  Datalicious  Pty  Ltd   29  
  30. 30. ©  Datalicious  Pty  Ltd   30  May  2013  A(ribu,on  piHall  #5  No  ,me  stamp  data  
  31. 31. >  Taking  credit  for  offline  sales  May  2013   ©  Datalicious  Pty  Ltd   31  
  32. 32. >  Tracking  offline  sales  online  §  Email  click-­‐through  –  Include  offline  sales  flag  in  1st  email  click-­‐through  URL  aVer  offline  sale  to  track  an  ‘assisted  offline  sales’  conversion  §  First  login  aVer  purchase  –  Similar  to  the  above  method,  however  offline  sales  flag  happens  via  JavaScript  parameter  defined  on  1st  login  §  Unique  phone  numbers  –  Assign  unique  website  numbers  to  responses  from  specific  channels,  search  terms  or  even  individual  visitors  to  match  offline  call  center  results  back  to  online  ac+vity  §  Website  entry  survey  for  purchase  intent  –  Survey  website  visitors  to  at  least  measure  purchase    intent  in  case  actual  offline  sales  cannot  be  tracked  May  2013   ©  Datalicious  Pty  Ltd   32  
  33. 33. Confirma,on  email,  login  >  Offline  sales  driven  by  online  May  2013   ©  Datalicious  Pty  Ltd   33  Website  research  Phone  sales  Retail  sales  Online  sales  Cookie  Adver,sing    campaign  Fulfilment,  CRM,  etc  Online  sales  confirma,on  Virtual  sales    confirma,on  
  34. 34. ©  Datalicious  Pty  Ltd   34  May  2013  A(ribu,on  piHall  #6  No  offline  conversion  data  
  35. 35. >  Purchase  path  for  each  cookie  May  2013   ©  Datalicious  Pty  Ltd   35  Mobile   Home   Work  Tablet   Media   Etc  
  36. 36. >  Purchase  path  for  each  cookie  May  2013   ©  Datalicious  Pty  Ltd   36  
  37. 37. Device  path  2  Device  path  1+2  >  Combining  purchase  paths  May  2013   ©  Datalicious  Pty  Ltd   37  Touch  point  1  Email,  login,  etc  Touch  point  1  Touch  point  2  Touch  point  3  Individual  transac,on  Device  path  1  Individual  transac,on  Touch  point  2  Touch  point  1  
  38. 38. ©  Datalicious  Pty  Ltd   38  May  2013  A(ribu,on  piHall  #7  No  cross-­‐device  tracking  
  39. 39. >  Filling  purchase  path  data  gaps  May  2013   ©  Datalicious  Pty  Ltd   39  
  40. 40. >  Filling  purchase  path  data  gaps  May  2013   ©  Datalicious  Pty  Ltd   40  +15  +5   +10  -­‐15  -­‐5   -­‐10  
  41. 41. >  Tracking  offline  responses  online  §  Search  calls  to  ac+on  for  TV,  radio,  print  –  Unique  search  term  only  adver+sed  in  print  so  all    responses  from  that  term  must  have  come  from  print  §  PURLs  (personalised  URLs)  for  direct  mail  –  Brand.com/customer-­‐name  redirects  to  new  URL  that  includes    tracking  parameter  iden+fying  response  as  DM  §  Website  entry  survey  for  direct/branded  visits  –  Survey  website  visitors  that  have  come  to  site  directly    or  via  branded  search  about  their  media  habits,  etc  §  Combine  data  sets  into  media  aribu+on  model  –  Combine  raw  data  from  online  purchase  path,  website  entry  survey  and  offline  sales  with  offline  media  placement  data  in  tradi+onal  (econometric)  media  aribu+on  model  May  2013   ©  Datalicious  Pty  Ltd   41  
  42. 42. >  Search  call  to  ac,on  for  offline    May  2013   ©  Datalicious  Pty  Ltd   42  
  43. 43. >  Search  call  to  ac,on  for  TV  May  2013   ©  Datalicious  Pty  Ltd   43  Consumers  are  now  experts  at  mul+-­‐tasking,  especially  while  watching  TV.  They  are  constantly  online    and  ready  to  search  so  a  unique  search  call  to  ac+on  is  ideal  to  track  responses  from  TV  ads.  In  addi+on,  consumers  also  remember  search  terms  beer  than  phone  numbers  or  vanity  URLs  which  increases  overall  response  rates  and  it  is  easier  to  control  the  user  experience  from  a  search  response  (i.e.  what  landing  page  to  send  people  to).  
  44. 44. domain.com/chris,anbartens  >  redirect  to  >  domain.com?    CampaignID=DM:123&  Demographics=M|35&  CustomerSegment=A1&  CustomerValue=High&  CustomerSince=2001&  ProductHistory=A6&  NextBestOffer=A7&  ChurnRisk=Low  [...]  >  Personalised  URLs  for  direct  mail  May  2013   ©  Datalicious  Pty  Ltd   44  
  45. 45. May  2013   ©  Datalicious  Pty  Ltd   45  
  46. 46. May  2013   ©  Datalicious  Pty  Ltd   46  What  promoted  your  visit  today?  q  Recent  branch  visit  q  Saw  an  ad  on  television  q  Saw  an  ad  in  the  newspaper  q  Recommenda+on  from  family/friends  q  […]  
  47. 47. >  Website  entry  survey    May  2013   ©  Datalicious  Pty  Ltd   47  Channel   %  of  Conversions  Straight  to  Site   27%  SEO  Branded   15%  SEM  Branded   9%  SEO  Generic   7%  SEM  Generic   14%  Display  Adver+sing   7%  Affiliate  Marke+ng   9%  Referrals   5%  Email  Marke+ng   7%  De-­‐duped  Campaign  Report  }  Channel   %  of  Influence  Word  of  Mouth   32%  Blogging  &  Social  Media   24%  Newspaper  Adver+sing   9%  Display  Adver+sing   14%  Email  Marke+ng   7%  Retail  Promo+ons   14%  Greatest  Influencer  on  Branded  Search  /  STS  Conversions  aributed  to  search  terms  that  contain  brand  keywords  and  direct  website  visits  are  most  likely  not  the  origina+ng  channel  that  generated  the  awareness  and  as  such  conversion  credits  should  be  re-­‐allocated.    
  48. 48. >  Website  entry  survey  example  May  2013   ©  Datalicious  Pty  Ltd   48  In  this  retail  example,  the  exposure  to  retail  display  ads  was  the  biggest  website  traffic  driver  for  direct  visits  as  well  as  visits  origina+ng  from  search  terms  that  included  branded  keywords  –  before  TV,  word  of  mouth  and  print  ads.  
  49. 49. ©  Datalicious  Pty  Ltd   49  May  2013  A(ribu,on  piHall  #8  No  offline  media  data  
  50. 50. >  Econometric  media  mix  modelling  May  2013   ©  Datalicious  Pty  Ltd   50  Use  of  tradi+onal  econometric  modelling  to  measure  the  impact  of  communica+ons  on  sales  for  offline  channels  where  it  cannot  be  measured  directly  through  smart  calls  to  ac+on  online  (and  thus  cookie  level  purchase  path  data).  
  51. 51. >  Econometric  media  mix  modelling  May  2013   ©  Datalicious  Pty  Ltd   51  Total    revenue  Total    revenue  Total    revenue  Total    revenue  Spend  channel  1  Spend  channel  1  Spend  channel  1  Totals  week  N  Spend  channel  N  Spend  channel  N  Total    revenue  Totals  week  1  Totals  week  2  Totals  week  3  Totals  week  4  Spend  channel  2  Spend  channel  2  Spend  channel  2  
  52. 52. Individual  path  1  Individual  path  1  Individual  path  N  >  Individual  purchase  path  tracking  May  2013   ©  Datalicious  Pty  Ltd   52  Touch  point  1  Touch  point  2  Individual  transac,on  Touch  point  1  Individual  transac,on  Touch  point  2  Touch  point  1  Touch  point  2  Touch  point  N  Individual  transac,on  Touch  point  N  Touch  point  N  Individual  path  1  Touch  point  N  
  53. 53. >  Pathing  &  modelling  combined  May  2013   ©  Datalicious  Pty  Ltd   53  Touch  point  1  Touch  point  2  Individual  transac,on  Spend  channel  2  Spend  channel  N  Spend  channel  1  Individual  path  1  Touch  point  N  Influencing  factors  §  Offline  media  spend  §  Compe++ve  ac+vity  §  Geo-­‐demographics  §  Transac+on  history  §  Client  sa+sfac+on  §  Social  sen+ment  §  Interest  rates  §  Weather  §  Pricing  Influence  factor  N  Influence  factor  N  Influence  factor  N  
  54. 54. ©  Datalicious  Pty  Ltd   54  May  2013  A(ribu,on  piHall  #9  Excluding  custom  data  
  55. 55. >  Purchase  path  vs.  a(ribu,on  §  Important  to  make  a  dis+nc+on  between  media  aribu+on  and  purchase  path  tracking  –  Not  the  same,  one  is  necessary  to  enable  the  other  §  Tracking  the  complete  purchase  path,  i.e.  every  paid  and  organic  campaign  touch  point  leading  up  to  a  conversion  is  a  necessary  requirement  to  be  able  to  actually  do  media  aribu+on  or  the  alloca+on  or  conversion  credits  back  to  campaign  touch  points    –  Purchase  path  tracking  is  the  data  collec+on  and    media  aribu+on  is  the  actual  analysis  or  modelling      May  2013   ©  Datalicious  Pty  Ltd   55  
  56. 56. >  Standard  a(ribu,on  models  §  The  First/Last  Interac,on  model  plus  …  §  The  Linear  model  might  be  used  if  your  campaigns  are  designed  to  maintain  awareness  with  the  customer  throughout  the  en+re  sales  cycle.  §  The  Posi,on  Based  model  can  be  used  to  adjust  credit  for  different  parts  of  the  customer  journey,  such  as  early  interac+ons  that  create  awareness  and  late  interac+ons  that  close  sales.  §  The  Time  Decay  model  assigns  the  most  credit  to  touch  points  that  occurred  nearest  to  the  +me  of  conversion.  It  can  be  useful  for  campaigns  with  short  sales  cycles,  such  as  promo+ons.  May  2013   ©  Datalicious  Pty  Ltd   56  
  57. 57. >  Media  a(ribu,on  models    May  2013   ©  Datalicious  Pty  Ltd   57  $100  Even/linear  a(ribu,on  Time  decay  a(ribu,on  Custom  a(ribu,on  10%   15%   25%   50%  Display    impression  Display    impression  Display  click  Search    click  10%   10%   50%   30%  25%   25%   25%   25%  
  58. 58. 10%   30%   10%   50%  10%   50%   30%  10%  >  Custom  (weighted)  a(ribu,on  May  2013   ©  Datalicious  Pty  Ltd   58  $100  Weighted  a(ribu,on  $100  Weighted  a(ribu,on  Display    impression  Display    impression  Display  click  Search    click  Display    impression  Search    click  Display  impression  Display  click  
  59. 59. >  Custom  models  most  effec,ve  May  2013   ©  Datalicious  Pty  Ltd   59  56%  of  marketers  consider  a  unique  or  custom  (weighted)  media  aribu+on  approach  that  does  not  use  a  standard  out-­‐of-­‐the-­‐box  methodology  as    most  effec+ve.  
  60. 60. Touch  point  1  >  Analy,cs  to  pick  the  best  model  May  2013   ©  Datalicious  Pty  Ltd   60  Touch  point  2  Touch  point  3  Touch  point  N  Closer  Influencer   Influencer   $  Introducer  Touch  point  1  Touch  point  2  Touch  point  3  Touch  point  N  Touch  point  1  Touch  point  2  Touch  point  3  Touch  point  N  ✖  ✔  ✖  
  61. 61. Closer  Touch  point  1  Touch  point  1  Touch  point  1  >  Path  across  different  segments  May  2013   ©  Datalicious  Pty  Ltd   61  Influencer   Influencer   $  Touch  point  2  Touch  point  2  Touch  point  3  Touch  point  2  Touch  point  3  Touch  point  N  Touch  point  3  Touch  point  N  Touch  point  N  Introducer  Product    A  vs.  B  Clients  vs.  prospects  Segment    A  vs.  B  
  62. 62. ©  Datalicious  Pty  Ltd   62  May  2013  A(ribu,on  piHall  #10  Selec,ng  the  right  model  
  63. 63. >  A(ribu,on  models  compared  May  2013   ©  Datalicious  Pty  Ltd   63  COST  PER  CONVERSION  Last  click  aribu+on  Custom  (weighted)  aribu+on  
  64. 64. >  Insights  to  maximise  media  ROI  May  2013   ©  Datalicious  Pty  Ltd   64  COST  PER  CONVERSION  Last  click  aribu+on  Even/weighted  aribu+on  ?  Email  ?  Direct  mail  ?  Internal  ads  ?  Website  content  ?  TV/Print  
  65. 65. >  Generic  paid  search  overvalued  May  2013   ©  Datalicious  Pty  Ltd   65  Last  click  a(ribu,on  Generic  search  terms  should  deliver  more  ROI  in  a  weighted  a(ribu,on  model  assuming  branded  search  terms  usually  make  up  the    majority  of  last  clicks,  correct?  
  66. 66. >  Generic  paid  search  overvalued  May  2013   ©  Datalicious  Pty  Ltd   66  Full  path  a(ribu,on  Incorrect!  ROI  is  based  on  revenue  and  cost  and  generic  search  terms  have  historically  received  too  much  credit,  hence  high  CPCs  were  ok  but  in  reality  they  are  too  high  thus  leading  to  an  overall  nega,ve  ROI!  
  67. 67. >  Redistribu,ng  media  spend  May  2013   ©  Datalicious  Pty  Ltd   67  ROI  FULL  PURCHASE  PATH  TOTAL  CONVERSION  VALUE  Maintain  spend  Increase    spend  Reduce  spend  Publisher  1  Publisher  2  Publisher  3          […]          Publisher  N  
  68. 68. >  ROI  &  revenue  target  simulator  May  2013   ©  Datalicious  Pty  Ltd   68  
  69. 69. >                          Media  a(ribu,on  May  2013   ©  Datalicious  Pty  Ltd   69  Aussie  purchase  path  tracking  and  media  aribu+on  modelling  in  close  coopera+on  with  Amnesia  designed  to  op+mise  the  overall  Aussie  budget  mix  across  paid  and  earned  media  resul+ng  in  an  overall  project  ROI  of  910%.  
  70. 70. >                                      Media  a(ribu,on  May  2013   ©  Datalicious  Pty  Ltd   70  Suncorp  purchase  path  tracking  and  media  aribu+on  modelling  in  order  to  op+mise  the  overall  Suncorp  insurance  budget  mix  across  paid  and  earned  media  resul+ng  in  an  overall  project  ROI  of  2,078%.  
  71. 71. >  Poten,al  next  steps  §  Phase  1:  Purchase  path  tracking  –  Requires  (SuperTag)  container  tag  §  Phase  2:  Data  collec+on  §  Phase  3:  One-­‐off  aribu+on  –  Ini+al  aribu+on  model  (one  product  or  segment  only)  –  Ac+onable  recommenda+ons  (i.e.  shiV  spend,  etc)  §  Phase  4:  Ongoing  aribu+on  (op+onal)  –  Aribu+on  model  maintenance  –  Addi+onal  aribu+on  models  (products,  segments)  –  Model  enhancements  (i.e.  add  interest  rate,  offline,  etc)  –  Report  automa+on  (daily  reports)  May  2013   ©  Datalicious  Pty  Ltd   71  
  72. 72. May  2013   ©  Datalicious  Pty  Ltd   72  Contact  us  cbartens@datalicious.com    Learn  more  blog.datalicious.com    Follow  us  twi(er.com/datalicious    
  73. 73. Data  >  Insights  >  Ac,on  May  2013   ©  Datalicious  Pty  Ltd   73  
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×