#2: Dlaczego automatyzacja marketingu często nie ma sensu
Czyli dlaczego jak zarabiasz na automatyzacji, to zdecydowanie mniej niż zakładasz (o ile w ogóle)
Cześć,
chcę serdecznie podziękować za ciepłe przyjęcie mojego pierwszego newslettera, po którego publikacji zapisało się ponad 100 osób w mniej niż 24h. Jest to szczególnie motywujące, gdyż względnie niszowa tematyka, brak wcześniejszej bazy zasięgowej oraz długa forma jak na standardy social mediów nie są czynnikami sprzyjającymi zainteresowaniu. Chętnie odwdzięczę się dobrej jakości zawartością, zatem zapraszam do lektury (choć zdecydowanie krótszej).
Inspirację dzisiejszego newslettera zawdzięczam powoli odżywającej koniunkturze gospodarczej, a co za tym idzie, stopniowo zwiększającym się dostępowi do pieniędzy na rozwój firm. Każda spółka inwestująca w marketing prędzej czy później staje przed wyzwaniem optymalizacji swoich działań zasadniczo z dwóch potrzeb:
zwiększenia przychodów;
zmniejszenia kosztów.
Najlepiej byłoby, gdyby jeden i drugi czynnik zachodził równolegle, a bardzo często nie ma ich w ogóle — spoiwem natomiast jest automatyzacja i marketing automation (technologia i praktyki umożliwiające firmom automatyczne zarządzanie procesami marketingowymi i wielokanałowymi kampaniami reklamowymi w celu zwiększenia efektywności i personalizacji interakcji z klientem). Wszystko w mojej opinii wynika z dwóch powodów:
sposobu, w jaki podchodzi się do automatyzacji w ogóle, nie mówiąc o tym, że zapomina się o etapie wcześniejszym, jakim jest uporządkowanie procesów;
metodyki pomiaru skuteczności tychże narzędzi i oprogramowania.
Co z podejściem do automatyzacji jest nie tak?
Technologia kusi wieloma możliwościami, ale jednocześnie często wypłaszcza perspektywę i zbija z właściwego tropu — bardzo często zamiast skupiać się na faktycznych korzyściach wynikających z wdrażania automatyzacji (w ogólnym tego słowa znaczeniu — nie odnoszę tego wyłącznie do reklamy, gdyż bardziej namacalnym przykładem jest chociażby przemysł), to w pierwszej kolejności prezentowane są rozwiązania i możliwości, które mimo iż dobrze wyglądają, tak mogą być nieadekwatne do skali problemu. Podstawową sprawą przed wdrożeniem jakiejkolwiek automatyzacji w organizacji powinno być poukładanie procesów i sposobów ich mierzenia na tyle, by nie było wątpliwości odnośnie tego po co wdraża się automatyzację, jakie są aktualne koszty procesu (czas, pieniądze) oraz to, jakie mają być jej rezultaty (czyt. oszczędność czasu, finansowa itd.). Jest to praca zdecydowanie poziom wyżej i nie sprowadza się wyłącznie do wyboru narzędzia, ale zrozumienia tego, w jaki sposób działa dany obszar organizacji (jak nie cała organizacja — w mniejszych firmach zwłaszcza). Podejście do automatyzacji, często zbyt pochopnie traktowane jako panaceum na wszystkie problemy organizacyjne (problemy z wydatkowaniem budżetu reklamowego, brak właściwej obsługi klienta, niewłaściwe procesowanie zwrotów etc.), wymaga głębszej analizy i rozumienia wewnętrznych procesów przed jego implementacją.
Długotrwała wartość automatyzacji leży nie tylko w potencjale technologicznym narzędzi, ale przede wszystkim w ich zdolności do wspierania i usprawniania istniejących struktur i procesów. Jest to swego rodzaju banał, który niestety trzeba powtarzać z powodu chociażby często agresywnej i niezrozumiałej komunikacji dostawców narzędzi, uzupełnianej obietnicami o konkretnych wzrostach, gdzie często padają konkretne liczby, które co najwyżej są uśrednieniem statystycznym na grupie obecnych klientów, ale nie rzetelną informacją — to jest prognozowanie lub sprzedawanie obietnic, a z każdą prognozą wiadomo jak jest: istotniejszy jest trend, a nie konkretna liczba (pomijam tutaj zagadnienia jak ekonometria i tworzenia modeli prognostycznych, gdyż to temat na osobny wpis).
Inną sprawą jest też odkrywanie koła na nowo, gdzie często znane funkcjonalności i założenia reklamuje się jako rewolucyjne technologie pod szumnymi nazwami. Moim faworytem jest tutaj SALESManago i funkcjonalność Search Engine Turbocharger.
Znajdziesz tutaj wszystkie modne na czas pisania tego newslettera określenia — AI, NLP, CBA, AI Voice Search, ACDC *. Tak jakby zignorowano fakt, że pierwsze wzmianki o przetwarzaniu języka naturalnego (NLP — Natural Language Processing) pojawiły się w latach 50. XX wieku (jednym z pierwszych projektów, który można uznać za początek NLP, było stworzenie programu ELIZA przez Josepha Weizenbauma w 1966 roku), a z przykładów bardziej współczesnych to to, że popularne komercyjne oprogramowanie ElasticSearch służące właśnie jako silnik do wyszukiwania, indeksowania i zarządzania informacjami istnieje na zasadach open source od… 2010 roku. Nie ma co jednak kwestionować tego, że jest to naturalna konsekwencja tego, iż marketing sam w sobie nie jest innowacyjny, a jeśli chodzi o AI to jesteśmy na początku Cyklu Gartnera i trzeba niestety zacisnąć zęby na rozmowach sprzedażowych, jak handlowiec będzie tłumaczył, że narzędzie gwarantuje podniesienie przychodów bez potrzeby dodatkowych nakładów na marketing.
* niektóre ze skrótów zostały dodane przypadkowo i nie mają związku z narzędziem ;)
W jaki sposób atrybuowana jest skuteczność narzędzia?
Atrybucja to jest kolejny śliski temat w marketingu — Świety Graal zasadniczo każdej osoby, która wpisała sobie kiedykolwiek w stopce mejlowej frazę performance marketing odmienianą w jakiejkolwiek formie.
Atrybucja w reklamie to proces przypisywania wartości różnym kanałom i punktom styku w ścieżce zakupowej klienta, które przyczyniają się do finalnych decyzji zakupowych. Cel atrybucji reklamowej to zrozumienie, który kanał reklamowy (np. reklama w wyszukiwarce, reklama w mediach społecznościowych, e-mail marketing) lub kampania miała największy wpływ na to, że klient podjął decyzję o zakupie lub innym pożądanym działaniu.
Dotychczas istniało spopularyzowanych kilka modeli atrybucji, które firmy mogły stosować w zależności od potrzeb i strategii marketingowej:
Atrybucja pierwszego kliknięcia: przypisuje całą wartość pierwszemu punktowi kontaktu, który spowodował, że klient w ogóle dowiedział się o produkcie;
Atrybucja ostatniego kliknięcia: przypisuje całą wartość ostatniemu punktowi kontaktu przed dokonaniem zakupu;
Atrybucja liniowa: równomiernie rozdziela wartość między wszystkimi punktami kontaktu w ścieżce zakupowej;
Atrybucja oparta na pozycji: przypisuje większą wartość pierwszemu i ostatniemu punktowi kontaktu, a pozostałe wartości rozkłada równomiernie lub z mniejszym priorytetem na inne punkty;
Atrybucja oparta na algorytmach: wykorzystuje zaawansowane narzędzia analityczne i algorytmy do analizy danych, aby określić rzeczywisty wkład każdego punktu kontaktu.
W Polsce wiedzy na temat atrybucji w marketingu jest mało, głównie spopularyzowana przez Witolda Wrodarczyka — na potrzeby odpowiedniego tła polecam zapoznać się z artykułami: Algorytmiczne modelowanie atrybucji – łańcuchy Markowa i Wartość Shapleya w modelowaniu atrybucji gdzie sensownie tłumaczy jak można podejść do tematu.
Rzecz jasna sama wspomniana treść jest nadgryziona przez ząb czasu, gdyż od tego zmienia się standard prywatności w pomiarze informacji, dominujące narzędzie do analityki Google Analytics zyskało swojego następcę (z Universal Analytics na “czwórkę”), platformy reklamowe modelują swoje wyniki według black-boxowych technik (patrz: atrybucja oparta na algorytmach), a same opublikowane research papery wskazują, że nie mamy styczności wyłącznie z prostymi obliczeniami.
Z tego wyłania się wniosek taki, iż o ile atrybucja jest ważna, tak nie warto się nią w pełni sugerować i jednak zadbać o to, by rozwijać techniki badawcze i proces pracy z danymi tak, by na ich podstawie podejmować konkretne rekomendacje marketingowe. Tymczasem platformy do automatyzacji poprzez pojęcia generowanego przychodu albo nie ujawniają metodyki tego, w jaki sposób została całość policzona, a nawet jeśli, to robią to w bardzo podstawowym stopniu. Dla odniesienia podlinkowuję informacje dla wspomnianych wcześniej Edrone (klik, klik) i SALESManago (klik), gdzie doskonale widać, że atrybucje są liczone w modelu last clickowym (a niektóre metryki uwzględniają cały impakt narzędzia, czyli nawet wyświetlenie pop up’u na stronie internetowej!) i bazujące na ciasteczkach (bez próby modelowania — cały wstęp na ten temat zrobiłem w #1), co biorąc pod uwagę to, z jakimi problemami zmaga się cała branża, jest delikatnie mówiąc, budzące niepokój.
W celu upewnienia się, że narzędzie faktycznie generuje dodatkową sprzedaż (poprzez zwiększenie jakości rekomendacji oraz profilowania) i wpływ na całą ścieżkę klienta (w tym pośredni) warto przeprowadzić:
eksperyment z porównaniem wersji np. widgetów oferowanych przez MA;
analizę danych z użyciem np. BigQuery
Drugi krok można zrealizować poprzez chociażby wykrywanie sesji, gdzie pojawiało się zdarzenie purchase i link z parametrem, który dokleił system MA — przykład poniżej:
Dzięki temu można zestawić to, w jaki sposób narzędzie wywołało impakt na konwersję z niezależnego od narzędzia źródła. Sam test A/B z kolei pozwoli zdefiniować to, czy faktycznie narzędzie zwiększa jakość rekomendacji i czy tylko nie nadpisuje całej ścieżki, przypisując sobie niesłusznie zasługi innych reklam, czy szeregu osobnych działań.
Jak możesz spostrzec, samo wdrożenie narzędzia to nie jest rozwiązanie jakiegokolwiek problemu, a w zależności od obranych definicji (i eksperymentów), możesz albo mieć dane przedstawione w korzystnym świetle, albo w istocie wykazać straty na wdrożeniu.
To wszystko
Będę wdzięczny za informację zwrotną o tym, czy taka formuła newslettera podoba się. W razie pytań odpisz na tego mejla — chętnie odpowiem i pomogę.
Do przeczytania
Kacper