由于谷歌已经将免费的谷歌产品搜索转变为付费的谷歌购物服务，零售商必须重新评估他们的比较购物引擎(CSE)策略。零售商必须问自己:预算应该如何重新分配?钱应该从哪里来?哪些cse影响最大?每次点击的成本是多少?最重要的是，每次点击的平均收益(RPC)是多少?
利用大数据
这些都是营销人员必须能够回答的大数据问题。就像奥克兰运动家队(Oakland Athletics)的教练利用细粒度数据，用联盟最小的预算之一组建了一支获胜的球队一样，营销人员必须捕捉正确的信息，以支持在cse和其他地方进行更具战略性、更有利可图的媒体购买。
叫它《点球成金跨渠道营销优化与媒体归因方法。
在2004年出版的那本书中，作者迈克尔·刘易斯追踪了美国职业棒球大联盟教练比利·比恩，因为比恩消除了在寻找球员和组建球队时普遍存在的偏见和假设。相反，他要求得到确凿的数据，并据此采取行动。结果便是较低的预算和大量的胜利。
营销人员可以从《点球成金》效应中学到很多东西。随着cse的发展和营销人员努力确定哪些接触点会影响转换，他们必须找到方法来捕获、跟踪、分析并根据客户所采取的数十万营销行动采取行动。线上和线下的数据让我们了解到底是什么推动了转化。从这些深度数据中获得的见解远远超过我们从汇总数据中获得的见解。
消费者在不同的渠道、不同的设备、不同的时间都会遇到广告。营销人员利用这些互动，并根据他们所知道的有效措施采取行动，减少他们的总体支出，并获得更大的利润。
摒弃误解
那么，为什么这么多营销人员坚持用每次点击成本、点击率或受众规模来衡量成功呢?也许是因为他们对汇总数据持有常见的、代价高昂的误解。表面上的数据分析似乎很简单，但当你考虑到基于错误信息而失去的机会和媒体购买的成本时，就不再是这样了。
相比之下，归因将每个用户交互(点击、查看、转换和其他操作)记录在数据库中，然后从这些数据中提取见解，并根据从中得出的见解提出建议——对于那些可能依赖不完整信息的营销人员来说，这是非常宝贵的。
例如，Facebook为客户提供了查看哪些点击Facebook广告的访问者最终会转化的功能。然而，对于营销人员来说，要知道Facebook是否值得投资，他们必须使用多归因工具来考虑导致这些转化的所有营销事件，因为大多数从Facebook转化的用户无疑会与其他营销渠道进行互动，如搜索、展示和电视。
提出尖锐的问题，并根据证据要求答案
这同样适用于cse和任何其他接触点。以我们的一个订阅客户的电视表现为例。该公司的媒体计划包括从小型到大型的各种有线广播电台。最大的电视台提供最多的收入，但它们的成本也最高。另一方面，小电台提供的量不如大电台，但它们往往是更有利可图的投资。如果这些小电视台的转换率只有个位数，这有价值吗?
采用聚合数据方法的营销人员可能永远无法回答这个问题，因为她的流程捕获的是销售，而不是其来源。她所能学到的是，总的来说，电视要么成功，要么失败。市场营销人员无法洞察到大型或小型电台是否值得她的预算。然而，从媒体归因数据来看，营销人员可以……
- 了解到某一特定的电台不仅盈利，而且盈利异常丰厚——也许比最初表现似乎更好的大电台盈利更多
- 决定根据建议采取行动，将更多资金投入到较小的渠道
- 将这样的见解扩展到数百个较小的电视台，极大地提高了投资回报
大数据营销优化系统可以帮助营销人员看到来自粒度级数据的建议并采取行动，直接改善他们的结果。
注意每一次互动，每一次
我们知道，在任何转换发生之前，目标客户需要与公司进行多次互动。客户通过各种渠道进行接触，因此营销人员必须能够不受销售点、设备或时间的限制进行全面监控。
对于花费超过200美元的购买，平均接触点的数量大于8。营销人员需要知道所有这些接触点在哪里，以及哪些接触点对转化最重要。这是跨多个渠道和设备连接用户行为的关键。
聚合级数据无法完成工作。随着cse变得越来越重要，消费者依赖越来越多的销售点来做出购买决定，营销人员需要更多地了解这些互动。在这种环境下，媒体归因是明智的预算分配和更高转换率的重要工具。
