Mô hình phân bổ đa kênh (multi-touch attribution – MTA) thay thế cách tính thiên lệch của mô hình nhấp chuột cuối cùng (last-click attribution), bằng cách đánh giá công bằng đóng góp của mọi điểm chạm từ bài viết blog ban đầu, quảng cáo tìm kiếm đến email ưu đãi cuối cùng (Shao & Li, 2011; Dalessandro et al., 2012).
Tối ưu hóa ngân sách tiếp thị tích hợp
MTA cung cấp cái nhìn chân thực về hiệu quả của các chiến dịch xây dựng nhận diện thương hiệu dài hạn, tránh việc cắt giảm sai lầm ngân sách ở các kênh đầu phễu.
Bài viết này được tổng hợp bởi Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa học và Thu hút Công chúng (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.
Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].
Tài liệu tham khảo
Dalessandro, B., Perlich, C., Stitelman, O., & Provost, F. (2012). Causally formulated-driven multi-touch attribution. In Proceedings of the 6th International Workshop on Data Mining for Online Advertising (pp. 1-9). https://doi.org/10.1145/2365934.2365943
Shao, X. H., & Li, L. X. (2011). Data-driven multi-touch attribution models. In Proceedings of the 17th ACM SIGKDD (pp. 258-264). https://doi.org/10.1145/2020408.2020453
Gợi ý tìm nhanh:
Đang tìm kiếm bài viết...
Không tìm thấy bài viết nào chứa từ khoá "". Hãy thử từ khoá khác nhé!
Bài viết đã lưu
Chưa có bài viết nào được lưu
Bấm biểu tượng chiếc thẻ bookmark trên các bài viết để lưu lại và đọc offline bất cứ khi nào bạn muốn.
Liên hệ Dy Khoa
Cần trao đổi về một bài viết, hợp tác hay phỏng vấn?
Để lại vài dòng, tôi sẽ phản hồi trong vòng 48 giờ. Phóng viên cần ý kiến chuyên gia gấp, vui lòng ghi rõ hạn chót trong nội dung.