여러 유입 접점에 크레딧 부여

어떤 활동이 사용자에게 원하는 결과를 가져왔는지 정확히 파악할 수 없을 때 마케팅 활동의 성공 원인을 파악하기는 어렵습니다. 예를 들어 사용자가 Google 광고를 보고, Facebook 게시물과 상호 작용하고, TikTok 동영상을 본 후 귀사의 웹사이트를 방문할 수 있습니다. 여러 가지 방법으로 이러한 활동 중 하나 이상에 크레딧을 부여할 수 있습니다. 성공을 속성 가치에 기인하는 것은 멀티터치 어트리뷰션이라고 알려져 있으며, 이는 향후 마케팅 계획에 대한 정보를 제공하는 컨텍스트를 제공합니다.

제한 사항

• 무료 및 플러스 요금제를 사용하는 사용자는 단일 채널 보기를 만들 수 있습니다.

사전 구축된 어트리뷰션 모델

Amplitude에는 사용자가 지표에 맞게 구성할 수 있는 일반적인 사전 구축 어트리뷰션 모델이 포함되어 있습니다.

고유 사용자를 측정할 때 이러한 모델 중 어느 것도 Overall행의 수행 회수가와 같은 속성 그룹 합계를 생성하지 않습니다. 각 고유 사용자는 여러 속성 그룹에 나타날 수 있습니다. 속성은 고유 사용자가 아니라 이벤트에 적용되기 때문입니다. 고유 사용자는 채널 X와 채널 Y 모두에 속한 이벤트를 수행할 수 있습니다. 이 경우 사용자는 X와 Y 모두에 대한 행에 나타나므로 행을 합산할 때 사용자를 두 번 계산할 수 있습니다.

• 첫 번째 터치: 선택한 지표에 대한 모든 크레딧을 지표가 발생한 날짜와 관련하여 선택한 룩백 창 첫 사용 후 첫 번째 속성 값에 부여합니다. 이벤트 수 속성을 사용하면 이 값의 합계는 100%입니다.
• 마지막 접촉: 선택한 지표에 대한 모든 크레딧을 지표가 발생한 날짜와 관련하여 선택한 룩백 창 첫 사용 후 마지막 속성 값에 부여합니다. 이벤트 수 속성을 사용하면 이 값의 합계는 100%입니다.
• 마지막 비직접 접촉: 직접 접촉 지점을 제외하고 선택한 지표에 대한 모든 크레딧을 지표가 발생한 날짜와 관련하여 선택한 룩백 창 첫 사용 후 마지막 속성 값에 부여합니다. 창의 모든 접점이 직접적인 경우, 모든 크레딧은 마지막 접점으로 대신 이동하므로 할당되지 않은 크레딧은 없습니다. 이벤트 수 속성을 사용하면 이 값의 합계는 100%입니다.
• 선형: 선택한 지표에 대한 크레딧을 지표가 발생한 날짜를 기준으로 선택한 룩백 기간 첫 사용 후 모든 속성 값에 균등하게 분배합니다. 예를 들어 두 개의 속성이 있는 경우 각각 50%의 크레딧을 받고, 세 개의 속성이 있는 경우 각각 33.3%의 크레딧을 받습니다.
• 참여: 선택한 지표에 대한 크레딧을 지표가 발생한 날짜와 관련하여 선택한 룩백 기간 첫 사용 후 모든 속성 값에 완전히 할당합니다. 예를 들어 두 개의 속성이 있는 경우 각각 100%의 크레딧을 받고, 세 개의 속성이 있는 경우 각각 100%를 받습니다. 동일한 이벤트의 여러 속성에 대한 크레딧이 제공될 수 있으므로 총 행수는 전체 합계를 초과할 수 있습니다.
• U자형: 선택한 속성의 첫 번째 값과 마지막 값에 더 많은 크레딧을 적용합니다. 두 개의 접촉점이 있는 경우 가운데 20%는 첫 번째 및 중간 접촉점에 동일하게 추가됩니다(50%, 50%). 4개의 접촉점이 있을 때 가운데 두 접촉점은 20%(40%, 10%, 10%, 40%)를 공유합니다.
• J 모양: 선택한 속성에 대한 최신 값에 크레딧을 편향시키는 방식으로 선택한 측정 단위에 대한 크레딧을 분배합니다. 두 개의 접촉 지점의 경우 처음 20%는 마지막 및 중간 접촉 지점에 동일하게 추가됩니다(30%, 70%). 4개의 접촉점이 있는 경우 마지막 2개의 접촉점은 20%를 공유합니다(10%, 10%, 20%, 60%).
• 역J자형: 선택한 속성의 첫 번째 값에 크레딧을 편향시키는 방식으로 선택한 측정 단위에 대한 크레딧을 분배합니다. 두 개의 접촉 지점의 경우 마지막 20%는 첫 번째 및 중간 접촉 지점에 동일하게 추가됩니다(70%, 30%). 4개의 접촉점의 경우 마지막 2개의 접촉점은 20%를 공유합니다(60%, 20%, 10%, 10%).
• 데이터 기반: 이 모델을 통해 Amplitude 분석은 일차 마르코프 체인을 기반으로 한 확률적 알고리즘을 사용합니다. 모든 고객 여정(일련의 채널 또는 접촉점)은 유방향 마르코프 그래프에서 체인으로 표현됩니다. 각 노드는 가능한 상태(채널 또는 접촉점)이며, 간선은 상태 간 전환 가능성을 나타냅니다. Amplitude 애널리틱스는 노드를 하나씩 제거하고 각 노드를 제거할 경우 전환율에 미치는 영향을 추정합니다. 각 채널은 제거 효과에 비례하여 크레딧을 받습니다. 이 모델은 고유 값이 많지 않은 속성에 사용하십시오(50개 이하가 가장 적합함). 이 알고리즘에 대한 자세한 내용은 analyzecore.com을 참조하십시오.

터치 포인트 수행 회수가에 따른 가중치 부여

속성 모델 구성

데이터 테이블에서 각 지표 열에 대해 속성 모델을 구성합니다.

1. 열에서 **…**을 클릭한 다음 속성을 클릭합니다.
2. 기여 모델을 선택하고 룩백 창을 구성합니다. 필요에 따라 기여 모델을 테이블의 모든 열에 적용할 수 있습니다.
3. 적용을 눌러 변경 사항을 확인하고 기여 모델이 적용된 테이블 결과를 검토합니다.

사용자 지정 기여 모델 생성

사전 구축된 기여 모델이 요구 사항에 부합하지 않을 경우 맞춤형 모델을 생성하십시오. 맞춤형 기여 모델을 생성하려면 관리자(Admin) 또는 매니저(Manager)여야 합니다. 다음 단계를 수행하십시오.

1. 열에서 **…**을 클릭한 다음 옵션을 클릭한 다음 속성을 클릭합니다.
2. 모델 드롭다운에서 사용자 정의를 선택하여 사용자 정의 모델을 구성하기 위한 옵션을 표시합니다.
3. 다른 사람이 해석하는 방법을 알 수 있도록 모델에 대한 이름과 설명을 설정하십시오.
4. 모델에 맞는 사용자 정의 가중치를 선택합니다.
   • 첫 번째 가중치는 첫 번째 터치에 적용됩니다.
   • 마지막 가중치는 마지막 터치에 적용됩니다.
   • 중간 가중치는 대상 구간의 모든 터치 간에 균등하게 분배됩니다. 대상 구간에 터치가 없으면 첫 번째 터치와 마지막 터치가 각각 중간 가중치의 절반을 받습니다.

5. 모델에 대한 기본 룩백 창을 설정합니다. 필요에 따라 이 모델을 사용하는 다른 사용자가 해당 룩백 창만 사용할 수 있도록 창을 잠글 수 있습니다.
6. 사용자 정의 모델을 조직의 다른 사용자와 공유할지 여부를 결정합니다.
7. 속성 값을 속성에서 제외할 수도 있습니다(선택적). 이 기능은 직접 웹사이트 방문이나 이메일과 같이 특정 값에 크레딧을 할당하지 않으려는 경우에 유용합니다.
8. 저장을 클릭하여 변경 사항을 확인하고, 자신이나 다른 사용자가 나중에 사용할 수 있도록 모델을 저장한 다음 속성 모델이 적용된 테이블 결과를 검토합니다.

활용 사례

• 유입 채널 크레딧: 유기적 투자 및 유료 투자의 효과를 분석할 때는 멀티터치 어트리뷰션 모델을 갖춘 유입 채널을 사용하여 각 채널이 KPI 성과 달성에 어떻게 기여하는지 이해하십시오. 귀사의 비즈니스 모델과 사용자 행동에 따라 어떤 어트리뷰션 모델이 가장 적합한지를 분석하고 목표 지표에 대한 각 채널의 기여도를 기반으로 투자 결정을 내립니다.
• 어트리뷰션 모델 비교: 멀티 세션 사용자 흐름이 있는 긴 전환 주기에서는 동일한 지표를 적용된 다른 어트리뷰션 모델과 비교하십시오. 이 데이터를 통해 어떤 어트리뷰션 모델이 가장 효율적인 마케팅 투자를 반영하는지, 그리고 캠페인이 고객 구매주기의 어느 단계에 영향을 미치는지 파악할 수 있습니다. 예를 들어 광고 캠페인에 기여할 때 어떤 캠페인이 고객의 첫 번째 상호작용(인지도), 마지막 상호작용(높은 의도), 또는 그 사이의 대상 구간(탐색)인 경향이 있는지를 확인하십시오.
• 콘텐츠: 어트리뷰션을 사용하여 사용자가 콘텐츠를 얼마나 자주 조회했는지와 해당 콘텐츠가 비즈니스 KPI 성과를 달성하는 데 어떻게 기여했는지 확인하십시오. 콘텐츠의 이탈률이나 종료율이 낮거나 페이지 체류 시간이 길다는 사실을 아는 것도 유용하지만, 다양한 어트리뷰션 모델을 기반으로 전환율을 산출함으로써 비즈니스에 미치는 영향을 명확히 할 수 있습니다.
• 내부 캠페인: 유료 오프플랫폼 광고에 투자하는 것과 마찬가지로 마케팅 팀은 시간과 창의적인 인재를 투자하여 KPI 결과를 이끌어내는 제안과 브랜드 구축 콘텐츠를 생성합니다. 이러한 마케팅 노력의 효과에 대한 어트리뷰션은 콘텐츠 마케팅 팀에게 어떤 유형의 오퍼와 크리에이티브가 단기적 및 장기적 비즈니스 가치를 가장 높이는지 알려줍니다.
• LTV가 있는 유료 채널: 귀사의 어트리뷰션 모델을 행동 기반 LTV 계산과 결합하여 유료 채널이나 캠페인이 얼마나 많은 가치를 창출하는지에 대한 보다 완전한 관점을 확인하세요. 이 데이터는 가장 장기적인 비즈니스 가치를 창출하는 채널에 더 많은 투자를 할 수 있는 잠재력을 열어줍니다.

지표별로 지원되는 어트리뷰션 유형

각 지표 유형은 특정 어트리뷰션 유형 집합을 지원합니다.

속성 합계, 수익 합계 및 수식 열은 고유 사용자, 합계 및 속성 합계 절에 적용됩니다.

고유 사용자는 여러 채널이나 캠페인에 걸쳐 분할하기가 덜 명확하기 때문에 고유 사용자와 이벤트 총계 대상 구간 어트리뷰션 유형 간에 어트리뷰션 옵션이 다릅니다. 전체 사용자를 단일 채널 또는 여러 채널에 명확하게 할당하는 속성만 사용됩니다(예: 처음, 마지막, 참여).

여러 속성을 사용하는 어트리뷰션

어트리뷰션 모델은 가장 바깥쪽 속성별 레벨의 속성에만 적용됩니다. 내부 속성별 기준의 속성은 어트리뷰션 모델링을 거치지 않습니다. 대신, 이들은 속성된 이벤트로부터 해당 값을 상속받습니다.

이 예제에서 속성 모델은 가장 바깥쪽에 있는 속성별 속성인 Channel에만 적용됩니다.

utm_source는 내부 속성별 속성으로서 별도로 적용하는 대신 기여가 적용된 이벤트에서 값을 파생합니다.

Amplitude가 결과를 구성하는 방법이나 합계가 전체 값과 일치하지 않을 수 있는 이유에 대한 자세한 내용은 속성별: Amplitude가 차트 결과를 정리하고 정렬하는 방법으로 이동하세요.

속성 계산 예제

이 예제에서는 속성 모델과 룩백 창 대상 구간의 차이점을 강조합니다.

사용자는 Sign Up이벤트 전에 세 가지 접촉 지점을 가질 수 있으며 각 접촉 지점은 서로 다른 UTM 소스를 사용합니다.

다음 섹션에서는 속성 모델과 룩백 창의 조합 예와 각 UTM 소스에 기여되는 결과 크레딧을 보여줍니다.