数据驱动的思维由媒体界人士撰写，包含媒体数字革命的新观点。
今天的专栏是由AJ Brown，CEO和联合创始人撰写的LeadsRx。
企业营销人员的所有母亲的母亲是：如果所有消费者跟踪都消失了，那么消除识别匿名标记的可能性？如果最可怕的预测成真，怎么办：第三方饼干 - 走了;本地存储 - 删除;第一方饼干 - 被封锁;IP地址 - 披着。
不要坐在你的荣誉上，希望科技巨头会再次推迟“如果”的设想。现在控制你的营销未来;你的工作和品牌的生存都取决于此。
重要的是，营销人员要有数据驱动的营销雄心，并精通数据和分析。需要考虑的重要问题之一是，你是采用确定性营销方法还是概率营销方法。哪种方法是跨设备测量的最佳方法，您如何为跟踪消费者行为的灾难性变化的可能性做好准备?
营销人员长期以来依赖确定性分析，因为他们理所当然地争论，它提供了做出健全的业务决策所需的准确性。但新的“概率”方法开始出现，因为归因供应商减少了对饼干的依赖。在失落能力的世界末日情景中，根本没有一种保持确定性的技术方法。
对于归因，“确定性”方法意味着使用唯一标识符来统一广告活动、浏览器、设备和应用程序中的客户活动。匿名性得以保持，而确定性方法的关键好处在于，营销者有很大的信心知道所有的活动已经正确地统一到同一个人身上。但在未来，这将更难实现。
营销人员现在必须学习概率方法。必须使用数学来从转换点反向计算关联活动的概率。经验数据被用来驱动概率模型。虽然这听起来是一个合理的方法，但问题是:这些经验数据来自哪里?
概率方法的好与坏
诀窍是尽可能使用确定性跟踪。收集到的数据将会在后来的末日新世界中为概率模型提供燃料。以下是概率方法的利弊分析:
概率归因的优点
- 在一个没有饼干的未来工作。提供了一个优秀的整体营销业绩评估。
- 提供分析方向趋势和接触点影响的数据，可用于优化营销支出。
- 提供归因结果的“大图片”，无需捕获大量数据。
- 提供了一个快速的、自上而下的市场营销方案的评估。
- 在未来确定性跟踪可能不再可用时工作。
概率归因的缺点
- 数据依赖于“概率”，并且在经验数据点方面可能不太准确。
- 随着消费者购买模式的改变，这些模型将需要新的训练，以学习如何更快地调整概率并保持准确性。
- 观看个人消费者的购买路径不受支持，将它们留下一个神秘。
- 不可靠的印象或广告点击。
概率归因是如何运作的
在处理可能性、人的行为和营销计划不断变化的性质时，有许多复杂的东西。但让我们看一个非常简单的例子，关于概率如何用来确定归因。
让我们首先收集尽可能多的营销触摸点的确定性数据;这包括对数字广告的印象和点击，曝光广播无线电和电视景点，播客和OTT广告。
接下来，使用归因，构建导致转换的这些触摸点的概率图，或客户获取事件。虽然不是100％准确，但在未来可能不再可用的确定性跟踪时可以将来使用这些概率。
营销人员应该知道什么
很明显，概率归因和确定性归因一样，需要高质量的数据。
寻求胜利的营销人员应衡量其对行业基准的概率模型，或可用于进一步列车概率图的汇总数据。拥有自己的业务的数据是有一件事，但是当可以对更广泛的行业基准进行比较和分析此数据时，可以提高概率准确度。
幸运的是，我们还没有进入假想的世界末日。确定性跟踪仍然是可能的。即使第三方cookie已经完全消亡(谷歌暗示它正在这么做)，仍然有许多其他方法可以继续使用确定性方法。但如果说去年教会了营销人员一件事的话，那就是最坏的情况应该是最优先考虑的。
关注excsrx（@LeadsRx)和交换器(爱游戏体育骗子@爱游戏体育骗子AdExchanger)在推特上。
