Pengalaman konsumsi media yang semakin beragam membuat seorang pemasar harus terus beradaptasi untuk mengerti bagaimana interaksi harus dilakukan kepada calon pelanggannya. Salah satu caranya adalah dengan menggunakan berbagai media untuk berinteraksi dan mengetahui bagaimana customer journey yang dimiliki oleh calon pelanggannya. Untuk dapat mengukur efektivitas berbagai media yang digunakan tersebut, seorang pemasar dapat menggunakan Multi-Touch Attribution (MTA) yang dapat mengukur bagaimana rangkaian perjalanan interaksi calon pelanggan dengan media pemasaran yang digunakan.
Menggunakan MTA juga membuat kita dapat lebih mengetahui contact point yang paling efektif dalam menjangkau calon pelanggan serta bagaimana contact point tersebut memberikan pengaruh terhadap konversi dalam rangkaian kampanye pemasaran yang dilakukan. Akan tetapi, penggunaan MTA memerlukan kecermatan oleh seorang pemasar, karena MTA sendiri memiliki beberapa model yang harus disesuaikan dengan kebutuhan dan kemampuan pemasar dalam menggunakannya. Untuk lebih memahaminya, melalui artikel ini kami hadirkan penjelasan mengenai model-model MTA yang kami rangkum dari The Adjust Multi-Touch Guide.
The Linear Model
Model ini adalah model yang paling simpel dalam penggunaan MTA. Karena penerapannya yang cukup mudah dimengerti, model ini tepat untuk Anda yang baru mulai menggunakan MTA. Pada Linear Model, seluruh touchpoint yang dimiliki akan mendapatkan kredit yang sama untuk pengaruhnya terhadap pemberian konversi pada calon pelanggan. Untuk itu, bobot biaya yang diberikan untuk seluruh media yang digunakan juga sama.
Time Decay Model
Pada model ini, persentase kredit dan bobot tiap touchpoint-nya terus naik dari awal hingga periode akhir kampanye sebelum titik konversi. Kenaikan ini dilakukan secara bertahap tergantung dengan masa kampanye pemasaran. Model ini sangat cocok untuk Anda yang ingin memasarkan produk yang memiliki short purchase cycles dan masa kampanye pemasaran yang tidak lama.
U-Shaped Model
Bila Anda adalah pemasar yang menganggap titik awal dan titik akhir adalah yang paling berpengaruh terhadap tingkat konversi calon pelanggan, maka model ini mungkin adalah model yang tepat untuk Anda. Pada model ini, bukan berarti Anda tidak memanfaatkan siklus tengah yang dimiliki, melainkan lebih menitikberatkan titik awal dan akhir untuk memiliki bobot yang lebih banyak untuk membuat calon pelanggan memiliki awareness dan menuju lead akhir yang menjadi tujuan dari kampanye pemasaran.
W-Shaped Model
Berbeda dengan U-shaped model yang menitikberatkan pada awal dan akhir,, model MTA ini juga menitikberatkan pada titik tengah siklus kampanye Anda. Model ini cocok untuk masa kampanye pemasaran yang panjang sehingga membutuhkan titik berat di tengah-tengah untuk tetap menjaga calon pelanggan Anda mencapai titik konversi yang dituju.
Custom Model
Model ini cukup tepat untuk digunakan jika Anda mungkin sudah cukup sering menggunakan MTA dan ingin lebih memiliki insight terhadap customer journey yang lebih dalam dan kompleks. Sesuai namanya, pada model ini Anda sebagai pemasar dapat leluasa melakukan kustomisasi bobot yang diberikan pada tiap touchpoint sepanjang siklus menuju titik konversi yang Anda tuju. Akan tetapi perlu diingat bahwa menurut The Adjust Multi-Touch Guide yang dibuat oleh Adjust, semakin kompleks model yang digunakan juga potensi error juga semakin tinggi sehingga membutuhkan pengalaman yang banyak sebelum Anda memutuskan menggunakan model yang semakin kompleks.
Dengan memilih model yang tepat, Anda sebagai pemasar akan lebih dapat mengerti media mana yang paling efektif saat menggunakan MTA sesuai dengan kebutuhan. Tidak semua model dapat sesuai dengan setiap pemasar, sehingga Anda perlu merefleksikan kembali kebutuhan, tujuan pemasaran, dan kemampuan dalam menggunakan MTA sebelum menyusun strategi pemasaran Anda. Anda juga dapat mengetahui lebih lanjut tentang model-model dalam penggunaan MTA ini melalui The Adjust Multi-Touch Guide dari Adjust yang dapat diunduh lewat tautan berikut ini.
Disclosure: Artikel ini adalah konten bersponsor yang didukung oleh Adjust
