Анализ методов атрибуционного моделирования в маркетинге
(Стр. 86-90)

Подробнее об авторах
Денисенко Игорь Александрович аспирант, департамент анализа данных и машинного обучения Гринева Наталья Владимировна кандидат экономических наук, доцент, доцент Департамента анализа данных и машинного обучения; доцент кафедры системного анализа и информатики
Чтобы читать текст статьи, пожалуйста, зарегистрируйтесь или войдите в систему
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.
Образец цитирования:
Денисенко И.А., Гринева Н.В., (2021), АНАЛИЗ МЕТОДОВ АТРИБУЦИОННОГО МОДЕЛИРОВАНИЯ В МАРКЕТИНГЕ. Проблемы экономики и юридической практики, 1: 86-90.
Список литературы:
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.
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.
Archak N., Vahab S. Mirrokni, and S. Muthukrishnan: Mining Advertiser-Specific User Behavior Using Adfactor // WWW 2010.
Berman R. Beyond the last touch: Attribution in online advertising. / Berman R. // Marketing Science. - 2018. - P. 771-792.
Danaher P., Van Heerde H. Delusion in attribution: Caveats in using attribution for multimedia budget allocation. // Journal of Marketing Research. - 2018. - P.667-685
Dalessandro B, Claudia Perlich, Ori Stitelman, and Foster Provost: Causally Motivated Attribution for Online Advertising. // M6D Research. - 2012.
Kotler P.: Marketing management: The millennium edition. // 1999
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.
Sebastian Cano Berlanga, Cori Vilella, et al. Attribution models and the cooperative game theory
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.
Shapley L. A value for n-person games. / Shapley L. // Contributions to the Theory of Games. - 1953. - P.307-317.
Vilma T.: Towards a Digital Attribution Model: Measuring the Impact of Display Advertising on Online Consumer Behavior // SSRN Electronic Journal. - 2015
https://www.akarussia.ru/knowledge/market_size/id8180
https://support.google.com/analytics/answer/1665189?hl=ru
https://www.emarketer.com/Article/Attribution-Becoming-More-of-Priority-Marketers/1014286
Ключевые слова:
онлайн-маркетинг, атрибуционное моделирование, цифровая атрибуция, многоканальный маркетинг, online marketing, attribution modeling, digital attribution, omnichannel marketing.