O estudo das atribuições é relativamente recente. Começou em 1958, quando Fritz Heider, um psicólogo austríaco, publicou um livro chamado «The Psychology of Interpersonal Relations» (A Psicologia das Relações Interpessoais), que incluía a primeira teoria da atribuição. De acordo com a teoria de Heider, todas as pessoas são psicólogos ingénuos que tentam encontrar as causas por trás das ações e comportamentos, e todos nós somos suscetíveis a cometer erros de julgamento ao tentar atribuir resultados.
Infelizmente, os erros de atribuição são algo que os profissionais de marketing conhecem muito bem, especialmente quando lidam com um dos desafios mais difíceis do marketing: a atribuição de receitas. A principal questão da atribuição de receitas é como medir com precisão o impacto relativo de cada campanha e ponto de contacto no comportamento do cliente? Errar na resposta, ou seja, atribuir resultados às campanhas ou pontos de contacto errados, é uma proposta perigosa, pois o objetivo final é otimizar os seus gastos com marketing e a configuração da campanha.
Vários modelos tentam ajudar os profissionais de marketing a acertar, mas todos têm as suas deficiências. A atribuição de primeiro toque e último toque são os modelos mais simples e menos precisos. No modelo de atribuição de primeiro toque, 100% do crédito pela compra vai para a campanha que levou o cliente a entrar em contacto com a sua marca. Mas pense nisso: pode realmente atribuir a compra à primeira campanha e descartar completamente as campanhas que se seguem? Claro que não.
No modelo de atribuição de último toque, 100% do crédito pela compra vai para o ponto de contacto final antes da conversão do potencial cliente. Mas e se o cliente fez uma compra depois de ter sido alvo de e-mails, SMS, anúncios no Google e no Facebook e notificações push móveis durante 3 meses – e foi influenciado por todo o conteúdo e promoções que lhe foram enviados? Como pode atribuir todo o crédito pela compra apenas à última campanha?
Incrementalidade, meu caro Watson
Uma abordagem mais sofisticada seria medir o impacto relativo e combinado de cada campanha, usando um modelo de atribuição multitoque.
Modelos de atribuição multitoque baseiam-se na atribuição de «ponderadores» (crédito) aos pontos de contacto, proporcionalmente ao seu impacto nos resultados; por exemplo, 20% do crédito vai para campanhas de e-mail, 30% para anúncios no Facebook, etc.
Mas o problema é que atribuir pesos de atribuição pode ser propenso a erros, pois identificar os pontos de contacto que têm maior impacto nas conversões é um desafio.
E então, e se lhe disséssemos que há uma maneira melhor de fazer isso? Uma maneira que mede com precisão o impacto de cada ponto de contacto e o impacto agregado de toda a jornada; que não requer a atribuição de pesos; que se atualiza continuamente para refletir mudanças no comportamento do cliente, fadiga da campanha, sazonalidade, etc.; e que se mede em relação ao comportamento de referência dos seus clientes (ou seja, não leva o crédito por compras que teriam acontecido de qualquer maneira, mesmo sem essas campanhas)?
Parece mágico. Chamamos isso de “incrementalidade” e é baseado na boa e velha medição de teste e controle.
Aqui na Optimove, costumamos usar o termo incrementalidade ao discutir o impacto real das campanhas, em oposição à medição de métricas de vaidade, como aberturas e cliques. Mas pode aplicar a mesma abordagem à atribuição de receitas. O resultado seria o melhor modelo de atribuição multitoque possível, ou atribuição multitoque com esteróides, se preferir.
A favor e contra a corrente
Vejamos este exemplo simples para perceber como funciona:
Imagine que tem uma jornada de três etapas: e-mail + SMS + e-mail, com o cliente a fazer uma compra de US$ 100 após a última campanha.
No modelo de atribuição de último toque — que muitas plataformas de marketing usam hoje em dia, infelizmente — as duas primeiras campanhas não recebem nenhum crédito pela compra, enquanto a campanha 3 recebe 100% do crédito.
E assim:
- e-mail nº 1: 0% (=$0)
- SMS: 0% (=$0)
- e-mail #2: 100% (=$100)
No modelo da Optimove, as três campanhas fazem parte de um fluxo com um grupo de controlo de 5% (ou seja, 5% dos clientes não recebem campanhas e avaliamos o seu comportamento espontâneo, que serve como base de referência).
Para fins de exemplo, digamos que alguns dos clientes do grupo de controlo fizeram compras (o que é algo que sempre acontece). Isso significa que eles fizeram uma compra sem receber NENHUMA campanha.
Agora, vamos supor que o pedido médio dos clientes do grupo de controlo seja de $70, enquanto o cliente que recebeu o fluxo de três campanhas teve uma média de $100.
Isso significa que o fluxo de três campanhas tem um aumento incremental de US$ 30 (porque o pedido médio dos clientes que receberam as campanhas é de US$ 100).
Veja bem, as campanhas por si só não foram responsáveis pelos US$ 100. Apenas pelo aumento de US$ 30 em relação ao grupo de controlo estatisticamente viável.
Agora, o próximo passo é aplicar a abordagem de teste/controlo a cada campanha para medir o seu impacto específico. É claro que cada grupo de controlo no fluxo deve ser representativo. Isso significa, por exemplo, que o grupo de controlo da campanha 3 contém clientes que foram alvo das campanhas 1 e 2 – de modo que o impacto combinado das duas primeiras campanhas já estaria incorporado no comportamento de base desse grupo, permitindo-nos medir o aumento incremental da campanha 3.
Com isso em mente, podemos medir o aumento médio de cada campanha por cliente!
A análise final
Vamos supor que o aumento de US$ 30 seja dividido da seguinte forma: US$ 5 para a campanha 1, US$ 15 para a campanha 2 e US$ 10 para a campanha 3. Dado que o aumento geral de todo o fluxo é de US$ 30, a campanha 1 receberia 17% (5 de 30) do crédito, a campanha 2 receberia 50% do crédito (15 de 30) e a campanha 3 receberia 30% (10 de 30).
Agora tem a forma estatisticamente mais precisa de determinar o impacto de cada campanha na sua receita. Sem tretas, sem suposições. Sem ideias terríveis como atribuir todo o crédito pelo golo marcado ao avançado que o chutou, negligenciando o resto da equipa que ajudou a prepará-lo.
A boa notícia é que este modelo existe – está incorporado na forma como a Optimove capacita os profissionais de marketing a executar estratégias inteligentes de CRM/retenção.
No modelo da Optimove, que mede o valor incremental de todo o fluxo E de cada campanha no fluxo, o impacto da campanha 3 nas conversões é de apenas 30% — não 0% e nem 100%.
No modelo de atribuição de último toque, por outro lado, a campanha 3 recebe TODO o crédito pelas conversões – e, portanto, seria aquela em que o profissional de marketing decidiria apostar mais. Isso é o que chamamos de erro de atribuição.
