صنعت تکنولوژی تبلیغات (Ad Tech) دقیق‌ترین زیرساخت‌های اندازه‌گیری را در تاریخ رسانه ایجاد کرده است؛ بستری که در آن هر نمایش (Impression)، کلیک و نرخ تبدیل به دقت ثبت می‌شود. قابلیت ارزیابی اقدامات پس از نمایش تبلیغ در دستگاه‌ها و پلتفرم‌های مختلف، به اصلی‌ترین ارزش پیشنهادی این صنعت تبدیل شده است. با این حال، این زیرساخت‌ها قادر به سنجش «میزان اثرگذاری» نیستند. با تغییر رفتار خریداران B2B به سمت کانال‌های غیرقابل مشاهده توسط فناوری‌های تبلیغاتی — مانند تحقیقات متکی بر هوش مصنوعی، گفتگوهای خصوصی و اشتراک‌گذاری در شبکه‌های تاریک (Dark Social) — شکاف میان داده‌های ثبت‌شده و محل واقعی تصمیم‌گیری، به یک نقطه کور اساسی برای صنعت تبدیل شده است.
مارگاریتا ساویتسکا (Margarita Savytska) در ستون تفکری «Data-Driven Thinking» به بررسی این مسئله می‌پردازد که چگونه اتکای صرف به مدل‌های اسناد (Attribution) باعث انحراف در تخصیص بودجه‌های بازاریابی می‌شود.
شکست مدل‌های اسناد در کانال‌های غیرقابل مشاهده
در فرایند خرید B2B، خریداری که یک تبلیغ بنری را می‌بیند، روی آن کلیک می‌کند، وارد صفحه فرود می‌شود و فرم ثبت اطلاعات را پر می‌کند، به‌طور کامل توسط سیستم‌های تحلیلی قابل ردیابی است. تمام نقاط تماس این خریدار ثبت، زمان‌بندی و اعتبارسنجی می‌شوند.
اما شرایط برای خریداری که از یک دستیار هوش مصنوعی درباره انتخاب فروشنده مشاوره می‌گیرد متفاوت است. اگر پاسخ هوش مصنوعی نام برند شما را در بر نداشته باشد و خریدار بدون بازدید از وب‌سایت شما فهرستی اولیه از گزینه‌ها تشکیل دهد و در نهایت فرم یک رقیب را پر کند، این مسیر برای تمام سیستم‌های اندازه‌گیری موجود کاملاً نامرئی خواهد بود.
سناریوی دیگر، خریداری است که ایمیلی از یک همکار با مضمون «این همان شرکت مدنظر من است» دریافت می‌کند و از طریق همان پیام شخصی وارد سایت شده و خرید انجام می‌دهد. زیرساخت تحلیلی، این اقدام را یک بازدید مستقیم (Direct Visit) و بدون ارتباط با کمپین‌های بازاریابی ثبت می‌کند؛ در حالی که موثرترین نقطه تماس — یعنی توصیه همتایان — در کانالی رخ داده که هیچ پلتفرم Ad Tech امکان مشاهده آن را ندارد.
مدل‌های اسناد تنها می‌توانند آنچه را می‌بینند اعتبارسنجی کنند. هنگامی که بخش عمده‌ای از مسیر خرید در کانال‌های ناپیدا رخ می‌دهد، مدل تحلیلی کل اعتبار خرید را میان نقاط تماس محدودِ قابل‌دیدن تقسیم می‌کند. در نتیجه، نقاط تماس مرئی بیش از حد مورد توجه قرار می‌گیرند و نقاط تماس غیرمرئی سهمی دریافت نمی‌کنند. این امر باعث می‌شود تصویر ارائه شده از «اقدامات موفق» به‌طور سیستمی دچار انحراف شود.
سنجش اثرگذاری واقعی در برابر مدل‌های اسناد
در حالی که مدل اسناد به سنجش مسیر مرئی می‌پردازد، «ارزیابی اثرگذاری واقعی» (Incrementality) میزان تاثیر واقعی فعالیت بازاریابی را مشخص می‌کند؛ یعنی تفاوت میان آنچه با اجرای بازاریابی رخ داده و آنچه بدون آن رخ می‌داد.
تست‌های اثرگذاری واقعی سوالی را مطرح می‌کنند که مدل‌های اسناد قادر به پاسخ به آن نیستند: آیا این فعالیت بازاریابی باعث تغییر رفتار مشتری شد یا صرفاً به دست کسی رسید که در هر صورت خرید خود را انجام می‌داد؟
کمپینی را در نظر بگیرید که به ۱,۰۰۰ خریدار آماده خرید دسترسی پیدا کرده و مدل اسناد ۵۰ تبدیل (Conversion) را به آن نسبت می‌دهد. یک تست اثرگذاری واقعی ممکن است نشان دهد که ۴۵ نفر از این ۵۰ نفر حتی بدون اجرای کمپین نیز خرید را انجام می‌دادند؛ این یعنی سهم واقعی کمپین تنها ۵ تبدیل بوده است، نه ۵۰ تبدیل.
صنعت Ad Tech زیرساخت‌های لازم برای اجرای تست‌های اثرگذاری واقعی — از جمله گروه‌های کنترل (Holdout Groups)، تفکیک جغرافیایی و تحلیل بازارهای همسان — را در اختیار دارد. ابزارها وجود دارند، اما تعهد کلی برای استفاده از آن‌ها به عنوان سنجه اصلی دیده نمی‌شود؛ چرا که نتایج حاصل از سنجش اثرگذاری واقعی تقریباً همیشه اعداد پایین‌تری نسبت به مدل‌های اسناد ارائه می‌دهند و گزارش‌دهی اعداد پایین‌تر دشوارتر است. ساختار مشوق‌های فعلی، سنجه‌ای را پاداش می‌دهد که عملکرد را بهتر نشان دهد، نه سنجه‌ای که حقیقت را منعکس کند.
تعمیق شکاف اندازه‌گیری با ورود هوش مصنوعی
با ورود هوش مصنوعی به فرایند خرید B2B، شکاف موجود در اندازه‌گیری رو به افزایش است. زمانی که یک خریدار از دستیار هوش مصنوعی برای تحقیق درباره خرید استفاده می‌کند، این تحقیق درون یک محیط گفتگوی خصوصی انجام می‌شود که هیچ پلتفرم تبلیغاتی امکان مشاهده آن را ندارد. هوش مصنوعی اطلاعات را از سراسر وب جمع‌آوری، جمع‌بندی و در قالب یک پنجره چت ارائه می‌کند. در این مسیر هیچ تبلیغی نمایش داده نشده، هیچ کلیکی صورت نگرفته و هیچ کوکی (Cookie) تنظیم نشده است.
با شروع ارزیابی فروشندگان B2B توسط عامل‌های خرید مبتنی بر هوش مصنوعی (AI purchasing agents)، مراحل اولیه قیف بازاریابی به کانال‌هایی منتقل می‌شود که زیرساخت‌های فعلی توانایی ثبت آن‌ها را ندارند.
پارادایم جدید اندازه‌گیری: تمرکز بر تصمیم‌ها به جای نمایش‌ها
بخش خریدار در صنعت بازاریابی نیازمند پارادایم جدیدی است که به جای «نمایش تبلیغ» (Impressions) بر «تصمیم‌گیری‌ها» (Decisions) متمرکز باشد. برای دستیابی به این هدف، چهار اقدام کلیدی پیشنهاد می‌شود:
- اسناد خوداظهاری (Self-reported attribution): افزودن یک فیلد متنی آزاد با عنوان «چگونه با ما آشنا شدید؟» در فرم‌های با نیت خرید بالا، کانال‌هایی را که فناوری قادر به ثبت آن‌ها نیست شناسایی می‌کند.
- اثرگذاری واقعی به عنوان سنجه اصلی: ارزیابی این مسئله که آیا اقدامات پرداختی باعث تغییر رفتاری شده‌اند که بدون آن‌ها رخ نمی‌داد یا خیر.
- فرصت‌های فروش (Pipeline) و درآمد به عنوان شاخص‌های پایه: سنجش این‌که آیا فعالیت انجام‌شده منجر به ایجاد فرصت فروش واقعی و نهایتاً عقد قرارداد شده است یا خیر.
- تحقیق درباره مسیر خرید مشتری: مصاحبه‌های پس از عقد قرارداد و تحقیقات مربوط به علل موفقیت یا شکست در فروش (Win/Loss Research)، مسیر واقعی تصمیم‌گیری را آشکار می‌سازد. داده‌های کیفی حاصل از زبان خود خریدار، دقیق‌ترین داده تحلیلی موجود و در عین حال کم‌استفاده‌ترین آن‌ها است.