Анализ методов атрибуционного моделирования в маркетинге


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Резкий рост количества интернет-пользователей привел к быстрому распространению электронной коммерции, и, как следствие, развитию инструментов онлайн (цифрового) маркетинга. При этом одной из ключевых задач является оценка влияния на пользователя каждой маркетинговой точки взаимодействия в «цифровом пути» при достижении пользователем определенной цели (совершении конверсии). Другими словами, требуется оценить в какой степени каждый маркетинговый канал способствует успеху маркетинговой стратегии, что традиционно решается применением атрибуционным моделирование. В последние годы, с развитием технологий сбора, накопления, агрегирования веб-данных о пользователях и их взаимодействиях с каналами цифрового маркетинга, совершенствовались и подходы к атрибуционному моделированию. Исследователи предложили широкий спектр подходов к моделированию атрибуции, при этом вопрос о лучшем подходе до сих пор остается актуальным. В статье поставлены и решены следующие задачи:1) определено понятие «атрибуционное моделирование»; 2) представлены и описаны современные методы атрибуционного моделирования; 3) выявлены и описаны преимущества и недостатки каждого подхода к атрибуционному моделированию.

Полный текст

Доступ закрыт

Об авторах

Игорь Александрович Денисенко

Финансовый университет при Правительстве Российской Федерации

Email: iadenisenko2020@edu.fa.ru
аспирант, департамент анализа данных и машинного обучения Москва, Российская Федерация

Наталья Владимировна Гринева

Финансовый университет при Правительстве Российской Федерации

Email: ngrineva@fa.ru
кандидат экономических наук, доцент, доцент Департамента анализа данных, принятия решений и финансовых технологий Москва, Российская Федерация

Список литературы

  1. Anderl E. Mapping the customer journey: Lessons learned from graph-based online attribution modeling. / Anderl E , Becker I., Von Wangenheim F., Schumann J.H. // International Journal of Research in Marketing. - 2016. -P. 457-474.
  2. Arava, S.K., Dong, C., Yan, Z., & Pani, A. Deep neural net with attention for multi-channel multi-touch attribution. / - 2018.arXiv preprint arXiv:1809.02230.
  3. Archak N., Vahab S. Mirrokni, and S. Muthukrishnan: Mining Advertiser-Specific User Behavior Using Adfactor // WWW 2010.
  4. Berman R. Beyond the last touch: Attribution in online advertising. / Berman R. // Marketing Science. - 2018. - P. 771-792.
  5. Danaher P., Van Heerde H. Delusion in attribution: Caveats in using attribution for multimedia budget allocation. // Journal of Marketing Research. - 2018. - P.667-685
  6. Dalessandro B, Claudia Perlich, Ori Stitelman, and Foster Provost: Causally Motivated Attribution for Online Advertising. // M6D Research. - 2012.
  7. Kotler P.: Marketing management: The millennium edition. // 1999
  8. Li, H., & Kannan P.K. Attributing conversions in a multichannel online marketing environment: An empirical model and a field experiment. // Journal of Marketing Research. - 2014.
  9. Sebastian Cano Berlanga, Cori Vilella, et al. Attribution models and the cooperative game theory
  10. Shao, Xuhui and Lexin Li : Data-Driven Multi-Touch Attribution Models // 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining: ACM, - 2011 258-264.
  11. Shapley L. A value for n-person games. / Shapley L. // Contributions to the Theory of Games. - 1953. - P.307-317.
  12. Vilma T.: Towards a Digital Attribution Model: Measuring the Impact of Display Advertising on Online Consumer Behavior // SSRN Electronic Journal. - 2015
  13. https://www.akarussia.ru/knowledge/market_size/id8180
  14. https://support.google.com/analytics/answer/1665189?hl=ru
  15. https://www.emarketer.com/Article/Attribution-Becoming-More-of-Priority-Marketers/1014286

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать