Per anni Google e gli altri big del adTech hanno suonato la grancassa del attribution multitouch presentato prodotti in beta che non hanno mai raggiunto la maturità di prodotti definitivi. Nel caso di Google la situazione è stata ancora più grave: durante il Marketing livestream annuncia la presentazione del nuovo prodotto Attribution promettendo funzionalità ampie: dal digital attribution, alla TV.
Il costo di sviluppo è stato altissimo: prima l’acquisizione di Adometry, poi la ringegnerizzazione di tutto il tool, la presentazione ai partner (ho avuto la fortuna di essere al Google Top Contributor Summit a San Francisco dove è stato presentato e di sedermi a fianco a uno dei founder di Adometry sul bus di ritorno in albergo). Il tutto si è concluso con un nulla di fatto , il progetto è stato chiuso dopo numerose demo e test presso i clienti.
Maggior fortuna non ha avuto il principale competitor di Adometry, Visual IQ acquisito da Nielsen ed ora la pagina relativa è stata trasformata in un meno roboante sotto sezione di marketing optimization
L’attribution multitouch è stato il santo Graal promesso ed intravisto da molti, ma mai veramente raggiunto (naturalmente a parer mio), ma quale sarà il suo futuro senza 3rdparty cookie che permettono di seguire l’utente in ogni sua interazione online

Partiamo con ordine.
- Che cos’é l’attribution model
- Quali sono i tool di attribution presenti oggi sul mercato
- Cosa cambierà senza 3rdParty Cookie e leggi sulla privacy
- Che cos’é Google Ads Data Hub
- Che cos’é un Marketing Mix Model
- Facebook Open Source MMM: Robyn
- Il futuro del Attribution Model quale sarà?
Che cos’é l’attribution model?
L’attribution model è un concetto affascinante e non mi immagino di poterne coprire tutti gli aspetti in questo breve spazio. Per un visione completa del attribution vi rimando al sempre prezioso Avinash Kaushik: Multi-channel Attribution model
Mi limiterò ad una definizione generale del obbiettivo di un attribution-model: individuare come i diversi canali di marketing (online ed offline) contribuiscano a generare l’obiettivo di conversione dell’azienda.
Naturalmente l’attribution model può essere declinato in vari modi: relativo a tutto il Marketing Mix di un’azienda, al solo online (molto spesso), al solo offline (mai incontrato nella mia vita lavorativa), ad un singolo canale di marketing.
Oltre ad essere declinato su diversi canali, esistono diversi modelli. Il più utilizzato è conosciuto è il modello last click (o last touch point): attribuisco tutto il valore della conversione all’ultimo click (o touch point) con cui l’utente ha interagito immediatamente prima di portare a termine una conversione.
Al suo opposto troviamo il first click (o first touch point), ma poi ne esistono molti altri: time decade, linear, data driven, ecc. ecc.
Tutte le opzioni declinate insieme ai diversi modelli possono essere combinati portando ad analisi diverse che influenzando i risultati di ogni singolo canale di marketing.
Molto diffusi oggi sono gli attribution model applicati al singolo canale (Facebook Ads, Google Ads, Criteo, etc etc. )Tra i più utilizzati troviamo sicuramente Google Ads che il 27 Settembre 2021 ha annunciato che l’attribution model data driven diventerà quello di default su tutta la piattaforma rivoluzionando completamente come valutare le performance della piattafroma.
Google non si è fermato a Google Ads, ma a reso l’attribution data driven il modello di default anche in Google Analytics 4. Importante diventa capire meglio tale modello, che sta diventando il più utilizzato.
Un modello di attribuzione data driven applica algoritmi statistici più o meno complicati con la possibilità di supportarli con il machine learning per definire il peso di ogni singolo touch point per ogni singola conversione in base ai diversi comportamenti avuti dagli utenti. In particolare analista statisticamente i percorsi (il mix di diversi canali di marketing detti anche tounch points) che generano ogni singola conversione.
Una delle caratteristiche di questo modello (ma anche di altri) è il fatto che non vedremo più le conversioni a cifra tonda, ma ogni campagna, gruppo, keywords di Google Ads /o in Google Analytics ogni fonte di traffico) avrà un numero di conversioni con la virgola. Come potete osservare dall’immagine qua sotto




Questa differenza può apparire piccola, ma mina alla base le certezze di molti manager.
Quali sono i tools di attribution oggi presenti sul mercato
L’argomento attribution model come avrete intuito è complesso ed i tool collegati sono pochi con alcune vittime eccellenti. L’ultima vittima è stata Facebook Attribution: a mio parere il tool sul mercato più completo essendo l’unico a poter prendere in considerazione le impressions di facebook ads e le visualizzazioni di Facebook e Instagram organiche.
Purtroppo Facebook ha dismesso tale tool a causa (a detta dell’azienda) dell’introduzione da parte di Apple di limitazioni al tracking di Mobile Advertising ID alla base del tracking lato app native su smartphone forse l’ambiente di advertising più importante per Facebook (o Meta se vogliamo utilizzare il nuovo nome della holding)
Sul mercato da me utilizzanti rimangono accessibili tre tool Google Attribution (declinata nella doppia offerta Google Universal Analytics e GA4), Adjust e AppsFlyer. Tutti sono tool principalmente Digital (anche se possono tracciare anche conversioni offline), ma possono calcolare l’attribution esclusivamente su dati di navigazione, di conseguenza non possono utilizzare il dato di impression delle campagne o dei post sui diversi Social
Google Attribution nella sua versione GA4 ha introdotto una features interessante: il modello di attribution scelto può essere esteso a tutti i report di Google Analytics, non limitando quindi i dati al tool stesso. Questo rende la piattaforma molto più coerente rispetto a Universal, anche se non credo che basti questo a rendere GA4 utilizzabile come tool di analisi primario.
Attribution di Google ad oggi non può utilizzare i dati di impressions delle campagne di advertising né in ambiente Google né di altre piattaforme di advertising. Questa situazione limita di molto le capacità del modello di analizzare i diversi touchpoint. Il modello funziona analizzando il path di ogni utente: i diversi touch point di navigazione (campagne di advertising o traffico naturale) che hanno portato l’utente alla conversione.
AdJust e AppsFlyer sono tool potenti, ma sono nati per il mondo delle app per smartphone e non hanno la duttilità per essere utilizzati nel mondo del web classico, anche se il continuo sviluppo di siti internet come app ha reso le differenze sempre più sottili. Anche essi non possono importare i dati di impression di campagne di advertising esterne come per Google Attribution limitando il modello
Cosa Cambierà grazie alle nuove leggi sulla Privacy, la fine di 3rdParty cookie e le limitazione al MAID
Il modo dell’advertising digitale sta attraversando la rivoluzione più grande dalla sua nascita. Sta probabilmente raggiungendo la sua maturità dopo aver attraversato un lungo periodo di adolescenza dove dettava lui le regole urlando e promettendo funzionalità che non ha mai raggiunto.
L’attribution multi-touch è una di queste funzionalità promesse urlate e mai mantenute perché nessun tool ha mai potuto tracciare l’utente a 360 gradi.
Quante volte vi siete sentiti dire non abbiamo abbastanza dati per fare quest’analisi?
Io l’ho sentito migliaia di volte da cliente ed ho dovuto dirlo tante volte da consulente perché la premessa teorica che il digital permette di tracciare l’utente a 360 gradi è sempre stata disillusa alla prova dei fatti per problemi di tracking, per problemi del tool, per problemi della piattaforma digitale del cliente, per limitazioni della tecnologia. Quest’ultimo elemento è sempre stato il più forte sempre. Alcuni esempi:
- non possiamo tracciare le impression delle campagne display di Google Ads, troppo costoso per l’adserver
- Le impression delle campagne advertising di Facebook non possono essere tracciate
- I dati di impression organico dai social non sono disponibili
- E’ troppo costoso gestire la mole di dati delle campagne di programmatic Advertising
- le informazioni di Impressions lato SERP non sono tracciabili a livello di singolo utente
- I dati della TV non posso essere integrati nel path del utente
- abbiamo i dati delle campagne Google, ma quelli degli altri network non sono disponibili
- ecc. ecc.
Tutte limitazioni che diventeranno sempre più forti grazie alla leggi sulla privacy ed alle limitazioni portate dal blocco di 3rdparty cookie e MAID. vediamo alcune delle limitazioni:
- I dati di impressions a livello di singolo utente non saranno più disponibili.
- I dati di conversione delle campagne di advertising su app native per smartphone saranno disponibili molto spesso senza il tracciamento del utente.
- I dati di impression organiche social e motori di ricerca saranno sempre solo a livello aggregato mai a livello di singolo utente.
- Possono essere raccolti i dati solo di utenti che hanno dato il consenso al tracciamento
Se rileggete queste ultime righe, vi renderete conto che ho riportato nel nuovo mondo buona parte delle limitazioni del vecchio mondo, in pratica poco è cambiato tranne che abbiamo la certezza che quei dati non sono disponibili: sappiamo a priori che il path del utente a 360 gradi non è possibile disegnarlo.
Eppure mondi diversi dal digital hanno calcolato le loro performance per anni senza disegnare il path del utente: TV, carta stampa, radio, Out of home raccolgono ancora milioni di investimento le cui performance sono misurate in modo diverso e con dati veramente poco precisi.
Le proposte per i sistemi di misurazione del futuro permetteranno di misurare le performance, ma non di collegarle ad un singolo utente impedendone di fatto il tracking. Avremo ottimi dati aggregati, ma pochi dati a livello di singolo utente: gli unici dati che avremo saranno i dati di analisi di prima parte quindi quel utente che dopo aver fatto un click su un nostro annuncio, post, ecc. ecc. arriverà sul nostro sito app e convertirà, ma questi dati per ovvii motivi non conterranno informazioni relative alle impressions ed alle l’effetto che un impression ha avuto sul utente, ma potremo avere i dati di impressions e di conversioni post impressions (naturalmente anche post click).
In questa direzione vanno i framework proposti ed attivati da Apple: SKAdnetworks e Private click measurement. Entrambi forniscono dati di conversione aggregati e non riconducibili al singolo utente proteggendone la privacy impedendone il tracking. Anche la proposta di Google con Core Reporting API va nella stessa direzione con scelte diverse, ma probabilmente con risultati che saranno simili.
Entrambi i Framework hanno un problema in questo momento: sono chiusi. Questo significa che potremo misurare le performance su Android/Chrome e su iOs/Safari ma non su ambienti misti: Android/Safari o iOS/Chrome. Per questo motivo Meta e Mozilla Foundation hanno presentato una loro proposta che cerca di andare oltre questa limitazione: Privacy Preserving Attribution
Tutte le proposte si stanno muovendo per rendere disponibili avremo molti dati aggregati che potrebbero essere collegabili a dati di prima parte dell’azienda. Sono le così dette data clean rooms le due più famose sono Google Ads Data Hub ed Amazon Marketing Cloud. Ne esistono altre come quella di Disney, ma l’accesso a tali piattaforme è molto più limitato, mentre le soluzioni di Google e Amazon sono disponibili a molti senza accordi one to one: hanno un contratto standard.
Queste Data Clean Room permettono di usare i dati dell’azienda partner per sviluppare internamente un attribution model, Analisi delle Audience, verifica della view-ability, ecc. Vediamo come funziona Google Ads Data Hub
Che cos’é Google Ads Data Hub
Google Ads Data Hub è la data clean room di Google: la grande G mette a disposizione i dati del suo spazio cookie rispettando la privacy dell’utente. Un cliente di Google Ads Data Hub può usare i propri dati di prima parte ed unirle ai dati di Google, ma non potrà mai ottenere informazioni relative ad un singolo utente: il Framework di Google Ads data Hub non permette mai di ottenere l’identificativo dell’utente e non ritorna risultati per query che contengono meno di dieci utenti al suo interno. Queste limitazioni impediscono di estrarre da Google Ads Data Hub informazioni relative all’utente per arricchire il proprio database, ma ci permettono di creare l’attribution model dell’azienda unendo i dati di prima parte con i dati di Google: quindi possiamo recuperare i dati di impression: nella documentazione di Google Ads Data Hub trovate proprio questo business case: attribution with paths table
Dentro a Google Ads Data Hub troviamo le informazioni di advertising nel network di Google relative a: Google Search Ads 360, Google Campaign Manager, Google Display Video 360 e Campagne di Advertising su YouTube.
Il mondo del advertising si deve quindi preparare a gestire dati aggregati per capire le performance dei diversi canali introducendo analisi sempre più approfondite la risposta potrebbero essere i Marketing Mix Models
Che cos’é un Marketing Mix Model (MMM)
I MMM sono modelli utilizzati da tempo per stimare l’impatto delle varie strategie di marketing (marketing mix) sulle vendite e prevederne l’impatto nel futuro. Sono nati negli anni ’60 e vengono ancora utilizzati per allocare la spesa televisiva e offline dalla maggior parte delle aziende Fortune 500.
Nel corso degli anni i modelli sono stati adattati al mondo digitale ma con difficolta ed alterne fortune. Nel 2019 Google pubblicava linee guida per adattare un MMM al mondo digitale, nel 2017 sempre Google pubblicava un paper sui Marketing Mix Model in cui mostrava i problemi dei Marketing Mix Model e possibili soluzioni ad essi.
Storicamente gli MMM hanno due tipi di problemi che li hanno resi poco utilizzabili per il mondo digitale:
- Tempistiche: i tempi per processare un Marketing Mix Model sono lunghi, perché è richiesto molto lavoro manuale
- Human Bias: le analisi sono fatte in modo manuale da esseri umani che possono applicare ad essa la loro esperienza nel bene e nel male, rendendo l’analisi soggettive e difficili da replicare velocemente
Facebook ha deciso di presentare un progetto open source che cerca di risolvere i due principali problemi del Marketing Mix Model per rendere possibile utilizzarli con successo nel mondo moderno: Project Robyn
Che cos’é Facebook Project Robyn?
Project Robyn è un Marketing Mix Model Automatico basato su codice OpenSource. L’obiettivo di Robyn è di ridurre lo Human Bias e di rendere il modello azionabile fornendo un sistema di allocazione del budget
Perché Facebook sta investendo su questo tipo di modelli rendendoli disponibili a tutti?
Come abbiamo visto precedentemente il futuro prevederà sempre meno la possibilità di creare un path del utente basato sui touch point di marketing, ma saranno disponibili dati aggregati per proteggere la privacy degli utenti. I MMM lavorano su dati aggregati e sono perfetti per il futuro che ci prospetta e permettono di valutare tutte le attività di marketing.
Robyn ha bisogno di molti dati per poter lavorare in modo efficiente per questo motivo Facebook consiglia il suo utilizzo ad aziende che hanno Marketing Mix complessi e grandi investimenti, ma siamo all’inizio di questo percorso, non è detto che in futuro un sistema simile a Robyn non sia disponibile anche per business medio-piccoli.
Quali sono i punti di forza di Robyn oggi:
- Non utilizzano dati individuali
- si possono inserire nel modello canali di marketing digitali e non
- i modelli tengono conto di stagionalità e festività
- fornisce curve di risposta a rendimenti decrescenti -> informazioni sulla velocità di saturazione di un canale
- il codice è open source e continuamente aggiornato
- non è una black box
- la reportistica viene generata dal codice
Tutti questi vantaggi hanno un costo: il tool non è alla portata di tutti ed è necessario un data scientist che prepari i dati ed ottimizzi l’output per la scelta del miglior modello.
In Datrix stiamo oggi sperimentando con Robyn e speriamo presto di poter uscire con un business case reale.
Il Futuro dell’attribution model in conclusione quale sarà?
Una risposta chiara a questa domanda non c’è: personalmente credo molto nei MMM, ma le proposte di misurazione della nextAdvertising Era sono interessanti e potrebbero riservare sorprese inaspettate. In questo momento storico personalmente sto alla porta, testo ed osservo quello che succede con curiosità ed utilizzo sia Attribution di Google Analytics , sia quello presente nei vari tool di Advertising. Essendo reseller di Google Analytics in 3rdPlace parte del gruppo Datrix so che ci sono eccitanti sviluppi sulla parte di attribution di GA4 in arrivo che non vedo l’ora di testare.