맨위로가기

어트리뷰션

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

어트리뷰션은 각 광고 노출이 소비자의 구매 결정 또는 전환에 미치는 영향을 정량화하는 마케팅 기법이다. 귀인 심리학 이론에 뿌리를 두며, 디지털 채널의 데이터 확장에 따라 발전했다. 어트리뷰션의 목적은 마케터가 미디어 지출을 최적화하고 다양한 마케팅 채널의 가치를 비교할 수 있도록 돕는 것이다. 어트리뷰션 모델에는 단일 소스, 분할, 알고리즘, 고객 주도 어트리뷰션 등이 있으며, 기업의 마케팅 믹스에 따라 디지털 채널, 온라인 및 오프라인 채널, 또는 기업 전체를 측정하는 다양한 유형의 어트리뷰션을 사용할 수 있다.

더 읽어볼만한 페이지

  • 마케팅 기법 - 소셜 미디어 마케팅
    소셜 미디어 마케팅은 소셜 네트워크 서비스를 이용해 고객과의 관계를 구축하고 브랜드 이미지를 제고하며, 계획된 콘텐츠와 입소문 효과를 통해 충성도를 높이는 마케팅 전략이다.
  • 마케팅 기법 - 스팸 메일
    스팸 메일은 수신자의 동의 없이 대량으로 발송되는 원치 않는 전자 메일로, 광고, 사기, 악성코드 유포 등을 목적으로 하며, 이에 대응하기 위해 다양한 기술과 법적 규제가 사용된다.
어트리뷰션
마케팅 귀인
마케팅 귀인
다양한 채널을 통해 구매하는 고객의 여정을 보여주는 마케팅 귀인 다이어그램
개요
유형마케팅
하위 유형디지털 마케팅
분야마케팅 분석
관련 항목기여 모델
마케팅 믹스 모델링
고객 데이터 플랫폼
데이터 관리 플랫폼
상세 정보
설명마케팅 노력의 성공에 대한 크레딧 할당

2. 역사

마케팅 어트리뷰션의 뿌리는 귀인에 대한 심리학적 이론에서 찾을 수 있다.[12][13] 마케팅 어트리뷰션의 기원은 귀인 심리학 이론에서 찾을 수 있다.[2][3] 대부분의 설명에 따르면 현재 마케팅에서 어트리뷰션 이론의 응용은 광고 지출이 전통적인 오프라인 광고에서 디지털 미디어로 전환되고 유료 및 유기적 검색, 디스플레이 및 이메일 마케팅과 같은 디지털 채널을 통해 사용 가능한 데이터가 확장됨에 따라 촉진되었다.[12][14][2][4]

3. 개념

마케팅 어트리뷰션의 목적은 각 광고 노출이 소비자의 구매 결정 또는 전환에 미치는 영향을 정량화하는 것이다.[4] 어떤 요인이, 언제, 어느 정도의 범위로 청중에게 영향을 미치는지 파악하면, 마케터는 전환을 위해 미디어 지출을 최적화하고 유료 및 유기적 검색, 이메일, 제휴 마케팅, 디스플레이 광고, 소셜 미디어 등을 포함한 다양한 마케팅 채널의 가치를 비교할 수 있다.[2]

전체 마케팅 믹스에 걸쳐 전체 전환 경로를 이해하면 사일로화된 채널의 데이터를 분석하는 정확성 문제가 줄어든다. 일반적으로 어트리뷰션 데이터는 마케터가 미래의 광고 캠페인을 계획하고, 광고 투자 수익률 (ROAS) 또는 잠재 고객당 비용 (CPL)과 같은 지표를 통해 가장 비용 효율적이고 영향력 있는 미디어 게재 위치(광고)를 분석하여 이전 캠페인의 성과를 알리는 데 사용된다.[2]

4. 어트리뷰션 모델

지난 10년 동안 온라인 광고의 급격한 성장으로 마케팅 조직은 효과 및 투자 수익률(ROI)을 추적하기 위한 더 많은 데이터에 접근할 수 있게 되었다. 이러한 변화는 마케터가 광고 효과를 측정하는 방식뿐만 아니라 클릭당 비용(CPC), 1,000회 노출당 비용(CPM), 행동/획득당 비용(CPA) 및 클릭 전환과 같은 새로운 지표 개발에도 영향을 미쳤다. 디지털 기기 확산과 데이터 증가는 어트리뷰션 기술 개발을 촉진했고, 시간이 지남에 따라 여러 어트리뷰션 모델이 발전해 왔다.


  • '''단일 소스 어트리뷰션''' (또는 "단일 터치 어트리뷰션") 모델은 마지막 클릭, 첫 번째 클릭 또는 광고를 표시하는 마지막 채널(포스트 뷰)과 같은 하나의 이벤트에 모든 공로를 귀속시킨다. 단순 또는 마지막 클릭 어트리뷰션은 원하는 결과로 이어진 모든 기여 요소를 고려하지 않기 때문에 다른 형태의 어트리뷰션보다 덜 정확한 것으로 널리 간주된다.[2][5]
  • '''분할 어트리뷰션'''에는 동일 가중치, 시간 감쇠, 고객 크레딧 및 멀티 터치/곡선 모델이 포함된다.[2][4] 동일 가중치 모델은 이벤트에 동일한 양의 크레딧을 부여하고, 고객 크레딧은 과거 경험을 사용하며 때로는 크레딧을 할당하기 위해 단순한 추측을 사용하며, 멀티 터치는 구매자 여정의 모든 터치포인트에 설정된 금액으로 다양한 크레딧을 할당한다.[5]
  • '''알고리즘 또는 확률적 어트리뷰션'''은 통계 모델링 및 머신 러닝 기술을 사용하여 모든 마케팅 터치포인트에서 전환 확률을 도출하며, 이를 통해 전환에 앞서 각 터치포인트의 가중치를 부여할 수 있다.[5][6] 구글(Google)의 더블클릭(Doubleclick) 및 애널리틱스 360은 데이터 기반 어트리뷰션이라고도 하며, 계정의 모든 서로 다른 경로(전환 및 비전환 모두)를 분석하여 전환에 가장 도움이 되는 터치포인트를 파악하기 위해 정교한 알고리즘을 사용한다.[7] 알고리즘 어트리뷰션은 모든 채널에서 전환 및 비전환 경로를 모두 분석하여 전환 확률을 결정한다.[4][6] 각 터치포인트에 확률이 할당되면, 해당 터치포인트의 차원(채널, 게재 위치, 크리에이티브 등)별로 터치포인트 가중치를 집계하여 해당 차원에 대한 총 가중치를 결정할 수 있다.
  • '''고객 주도 어트리뷰션''' 모델은 제로 파티 데이터를 수집하여 개발되며, 그런 다음 투사 분석을 사용하여 전체 뷰 어트리뷰션 그림을 제공한다. 이 어트리뷰션 방법은 고객의 응답이 어트리뷰션 계산에서 가장 강력하게 가중된 데이터 포인트가 되어야 한다는 믿음으로 개발되었다. 이는 어트리뷰션을 단순화하고 기본으로 돌아가려는 시도이다.

4. 1. 단일 소스 어트리뷰션

4. 2. 분할 어트리뷰션

4. 3. 알고리즘 (확률적) 어트리뷰션

4. 3. 1. 알고리즘 어트리뷰션 모델 구축

통계 및 머신 러닝의 이진 분류 방법을 사용하여 적절한 모델을 구축할 수 있다. 그러나 모델 해석 가능성은 모델의 중요한 요소이므로, 모델 계수를 쉽게 해석할 수 있다는 점에서 로지스틱 회귀가 종종 적합하다.

4. 4. 고객 주도 어트리뷰션

5. 마케팅 믹스와 어트리뷰션 모델

기업의 마케팅 믹스에 따라, 마케팅 채널을 추적하기 위해 다양한 유형의 어트리뷰션을 사용할 수 있다. 상호 작용 어트리뷰션은 디지털 채널만을 측정하는 반면, 교차 채널 어트리뷰션은 온라인 및 오프라인 채널을 모두 측정한다.[6] 계정 기반 어트리뷰션은 개별 사람이 아닌 기업 전체에 대한 측정 및 기여를 의미하며, B2B 마케팅에 자주 사용된다.[10]

참조

[1] 웹사이트 Digital Attribution Primer 2.0 https://www.iab.com/[...] IAB.com 2016-08-01
[2] 웹사이트 Digital Marketing Attribution.Digital Marketing Attribution http://www.dmnews.co[...] DMNews.com 2013-02-06
[3] 웹사이트 Attribution: Who gets the Credit for a New Customer? https://www.thinkwit[...] The Wharton School 2012-07
[4] 웹사이트 The problem with click-based attribution. http://www.imediacon[...] iMediaConnection.com 2012-10-10
[5] 웹사이트 The Forrester Wave: Cross-Channel Attribution Providers. http://blogs.forrest[...] Forrester Research 2012-04-30
[6] 웹사이트 Marketing Attribution Beyond the Last Click. http://www.informati[...] Information-Management.com 2011-07-01
[7] 서적 Perfect attribution modeling and how to attain this marketing nirvana https://thenextweb.c[...] TNW 1918-01-10
[8] 논문 A New Approach to Consumer Theory http://econpapers.re[...] 1966-01-01
[9] 논문 CONDITIONAL LOGIT ANALYSIS OF QUALITATIVE CHOICE BEHAVIOR https://trid.trb.org[...] 1972-01-01
[10] 웹사이트 Why Your Demand Team Can't Ignore Account Based Attribution http://www.bizible.c[...] 2016-01-11
[11] 웹인용 Digital Attribution Primer 2.0 https://www.iab.com/[...] IAB.com 2016-08-01
[12] 웹인용 Digital Marketing Attribution.Digital Marketing Attribution http://www.dmnews.co[...] DMNews.com 2013-02-06
[13] 웹인용 Attribution: Who gets the Credit for a New Customer? https://www.thinkwit[...] The Wharton School 2012-07
[14] 웹인용 The problem with click-based attribution. http://www.imediacon[...] iMediaConnection.com 2012-10-10



본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com