शॉपेबल स्क्रीन और एट्रिब्यूशन: AI क्या बदल सकता है

अमेरिका में रिटेल मीडिया पर विज्ञापन खर्च 2026 में $69.33 बिलियन तक पहुंचने का अनुमान है—और यह आंकड़ा 2025 के $58.79 बिलियन से तेज़ी से ऊपर जा रहा है। पैसा बढ़ रहा है, पर एक चीज़ उतनी ही तेज़ी से उलझ रही है: एट्रिब्यूशन—यानी “किस टचपॉइंट ने सच में बिक्री करवाई?”

दिसंबर 2025 में Pinterest–Walmart जैसी पार्टनरशिप्स ने यह दिखाया कि डिस्कवरी से कार्ट तक अब एक ही स्क्रीन पर हो सकता है: यूज़र रेसिपी देख रहा है और उसी पल सामग्री कार्ट में चली जाती है। Albertsons ने भी “add-to-cart” जैसे ऑफसाइट टूल्स आगे बढ़ाए हैं, और अगला पड़ाव CTV व सोशल जैसे वातावरण हैं। सुविधा शानदार है, लेकिन मार्केटर के लिए यह नया सिरदर्द भी है: हर स्क्रीन शॉपेबल होते ही मापना मुश्किल हो जाता है।

मैं इस पोस्ट को हमारी सीरीज़ “ई-कॉमर्स और रिटेल में AI” के संदर्भ में लिख रहा/रही हूँ, क्योंकि यही वह जगह है जहां AI सिर्फ “ऑटोमेशन” नहीं, बल्कि भरोसेमंद मापन (measurement), ग्राहक विश्लेषण, और बजट निर्णय का आधार बन सकता है।

हर स्क्रीन शॉपेबल क्यों बन रही है?

सीधा जवाब: ऑन-साइट इन्वेंट्री saturate हो चुकी है, इसलिए ग्रोथ ऑफसाइट में ढूंढी जा रही है। बड़े रिटेलर्स और रिटेल मीडिया नेटवर्क्स ने अपने ऐप/साइट पर sponsored placements के “हर कोने” को लगभग भर दिया है। अब अगला रास्ता सोशल, ओपन वेब, और CTV जैसी जगहों को ट्रांज़ैक्शनल बनाना है—जहां पहले सिर्फ awareness होता था।

डिस्कवरी और खरीद के बीच की दूरी कम करना

ऑफसाइट शॉपेबल फॉर्मैट्स का मकसद बहुत व्यावहारिक है:

• यूज़र जहां प्रेरित होता है, वहीं कार्ट/ऑफर दिखाओ
• क्लिक, सर्च, और checkout जैसे स्टेप्स घटाओ
• “अब बाद में खरीदूंगा” वाले इरादे को उसी समय action में बदलो

यह क्रिसमस-न्यू ईयर (दिसंबर 2025) जैसे सीज़न में और तेज़ हो जाता है। छुट्टियों में लोग प्रेरणा-आधारित खरीद (गिफ्टिंग, पार्टी, कुकिंग) ज्यादा करते हैं—और शॉपेबल कंटेंट इसी मनोदशा को पकड़ता है।

ऑफसाइट-टू-कार्ट के दो लोकप्रिय पैटर्न

1. कंटेंट-टू-कार्ट: रेसिपी/वीडियो/आर्टिकल में सीधे “Add ingredients to cart”
2. एड-टू-कार्ट: डिस्प्ले/शॉपेबल क्रिएटिव में SKU जोड़ने का विकल्प

समस्या वहीं से शुरू होती है: यूज़र Pinterest पर था, कार्ट Walmart का बना, फिर भुगतान ऐप पर या वेबसाइट पर—और बीच में CTV/सोशल/सर्च भी हो सकता है। अब क्रेडिट किसे दें?

एट्रिब्यूशन की समस्या फिर क्यों उभर आई?

सीधा जवाब: पार्टनरशिप्स बढ़ने से डेटा की “सीमाएं” टकराती हैं, और एक ही खरीद के कई दावेदार बन जाते हैं।

जब प्लेटफॉर्म्स एक-दूसरे के साथ डील करते हैं (Pinterest↔Retailer, RMN↔CTV, चैट इंटरफेस↔रिटेल ऐप), तो मापन की तीन दिक्कतें लगभग तय हैं:

1) पहचान (Identity) बिखर जाती है

एक ही ग्राहक:

• मोबाइल पर कंटेंट देखता है
• टीवी पर CTV ad देखता है
• फिर लैपटॉप पर checkout करता है

कुकी-लेस दुनिया, ऐप-टू-वेब जंप, और प्राइवेसी नियमों के बीच “यह वही व्यक्ति है” साबित करना आसान नहीं।

2) “Closed loop” का दावा, पर लूप कई हैं

रिटेलर कहता है: “मेरे पास खरीद का डेटा है।” प्लेटफॉर्म कहता है: “मेरे पास इंटेंट और एंगेजमेंट डेटा है।” एजेंसी कहती है: “मेरे पास मल्टी-चैनल स्पेंड और क्रिएटिव परफॉर्मेंस है।”

पर एक खरीद का एक ही सत्य (single source of truth) नहीं बन पाता। नतीजा: डुप्लीकेट रिपोर्टिंग, अलग-अलग ROAS, और टीमों के बीच बहस कि बजट किसके पास रहे।

3) Upper funnel को sales KPI से नापने की जल्दी

CTV और सोशल जैसे चैनल परंपरागत रूप से awareness के लिए हैं। अब जब इन्हें “कार्ट से जोड़” दिया गया, तो सब sales attribution मांगते हैं। दिक्कत यह है कि awareness का असर अक्सर देरी से और अप्रत्यक्ष आता है—जिसे last-click मॉडल मार देता है।

एक लाइन में: शॉपेबल स्क्रीन बढ़ती हैं तो “क्लिक” कम होता है, “टचपॉइंट” बढ़ते हैं—और attribution और ज्यादा उलझता है।

AI इस एट्रिब्यूशन गांठ को कैसे खोल सकता है?

सीधा जवाब: AI क्रॉस-चैनल व्यवहार को जोड़कर बेहतर इन्क्रिमेंटैलिटी, MMM, और मल्टी-टच मॉडलिंग दे सकता है—बशर्ते डेटा अनुशासित हो।

AI को “मैजिक” समझना गलत होगा। लेकिन जहां नियम-आधारित सिस्टम टूटते हैं (कुकी, deterministic matching, last-click), वहां AI मदद करता है—प्रायिकता (probability) और पैटर्न के आधार पर।

1) मल्टी-टच एट्रिब्यूशन (MTA) + सीक्वेंस इंटेलिजेंस

AI/ML मॉडल यह सीख सकते हैं कि किन टचपॉइंट्स के क्रम (sequence) के बाद खरीद की संभावना बढ़ती है:

• CTV exposure → Pinterest save → mobile add-to-cart → next-day checkout

ऐसा मॉडल “किस चैनल ने कितना योगदान दिया” को नियम से नहीं, डेटा से सीखता है।

प्रैक्टिकल टिप: MTA को “एकदम सही” बनाने के बजाय निर्णय-योग्य बनाइए—जैसे 70% confidence वाले चैनल योगदान।

2) इन्क्रिमेंटैलिटी मॉडलिंग: “जो बिना एड के भी होता” उसे हटाइए

सच्चा सवाल यह नहीं कि किसने क्रेडिट लिया, बल्कि यह है कि किस एड ने अतिरिक्त बिक्री (incremental sales) करवाई। AI आधारित uplift modeling या geo/holdout प्रयोग (जहां संभव हो) से आप यह अलग कर सकते हैं:

• ऑर्गेनिक डिमांड
• प्रमोशनल हॉलिडे स्पाइक
• असली विज्ञापन-जनित बढ़त

यह बजट के लिए सबसे उपयोगी मीट्रिक है—खासतौर पर जब हर स्क्रीन “खरीद” का दावा कर रही हो।

3) MMM (Marketing Mix Modeling) का AI-अपग्रेड

जब user-level ट्रैकिंग सीमित हो, तब MMM काम आता है—चैनल-स्तर पर, समय के साथ, बिक्री पर असर। अब AI MMM को तेज़ और अधिक granular बना रहा है:

• weekly/daily लेवल पर बेहतर फिट
• प्राइस/डिस्काउंट/सीज़नैलिटी को ज्यादा सटीकता से शामिल करना
• नए शॉपेबल फॉर्मैट्स (CTV add-to-cart) के लिए अलग गुणांक

4) क्रिएटिव और कंटेंट का AI विश्लेषण (खासकर मीडिया/एंटरटेनमेंट टीमों के लिए)

हमारी कैंपेन थीम “मीडिया और मनोरंजन में AI” के संदर्भ में एक बड़ा अवसर है: कौन-सा कंटेंट शॉपेबल बनकर भी ‘कंटेंट’ जैसा लगता है?

AI से आप क्रिएटिव फीचर्स निकाल सकते हैं:

• वीडियो में प्रोडक्ट कितनी देर दिखा
• कौन-सा सीन “add-to-cart” क्लिक से पहले आया
• भाषा/टोन/टेम्पो का प्रभाव

यह attribution की बहस को क्रिएटिव निर्णय से जोड़ देता है—और टीमों को सिर्फ ROAS नहीं, स्टोरीटेलिंग ROI दिखाता है।

“हर स्क्रीन शॉपेबल” में मापन सेटअप: एक व्यवहारिक प्लेबुक

सीधा जवाब: डेटा लेयर, इवेंट टैक्सोनॉमी, और स्पष्ट KPI hierarchy के बिना AI भी गलत दिशा में भागेगा।

यहाँ एक प्लेबुक है जिसे मैंने कई टीमों में काम करते देखा है—खासकर जब ऑफसाइट-टू-कार्ट रोलआउट हो रहा हो:

1) KPI हायरार्की तय करें (लड़ाई यहीं खत्म होती है)

एक ही कैंपेन में सब कुछ नहीं नापें। 3 लेयर रखें:

• प्राइमरी: incremental revenue / incremental orders
• सेकेंडरी: add-to-cart rate, new-to-brand share
• टर्शियरी: saves, video completion, recipe engagement

यदि प्राइमरी KPI “incremental” नहीं होगा, तो हर पार्टनर last-touch क्रेडिट खींचेगा।

2) इवेंट टैक्सोनॉमी एक जैसी रखें

कम से कम ये इवेंट standard करें:

• view_content
• save
• add_to_cart
• apply_coupon
• checkout_start
• purchase

और हर इवेंट के साथ common फ़ील्ड रखें: retailer_id, sku, placement_id, creative_id, timestamp। यही AI को “जोड़ने” का कच्चा माल देता है।

3) “ऑफसाइट add-to-cart” का अलग फनल बनाइए

ऑफसाइट कार्टिंग अक्सर इंटेंट का संकेत है, “फाइनल खरीद” नहीं। इसलिए रिपोर्ट में इसे अलग दिखाएं:

• ATC-to-purchase lag (औसत कितने घंटे/दिन)
• ATC abandonment vs purchase conversion
• offer/coupon का प्रभाव

4) MMM + इन्क्रिमेंटैलिटी + MTA: तीनों का रोल तय करें

• MTA: क्रिएटिव/प्लेसमेंट ऑप्टिमाइजेशन (माइक्रो निर्णय)
• MMM: बजट रीएलोकेशन (मैक्रो निर्णय)
• इन्क्रिमेंटैलिटी टेस्ट: “सच” का एंकर (जहां संभव)

एक ही टूल से “सब कुछ” करवाने की कोशिश अक्सर गलत प्रोत्साहन पैदा करती है।

2026–2027 में जीत किसकी होगी?

सीधा जवाब: जिसके पास खरीद डेटा नहीं, उसे भी “खरीद की सच्चाई” के करीब पहुंचाने वाला मापन ढांचा बनाना होगा—और AI इसमें निर्णायक भूमिका निभाएगा।

Amazon जैसी इंटीग्रेटेड इकोसिस्टम के सामने बाकी प्लेटफॉर्म्स तभी टिकेंगे जब वे:

• पार्टनरशिप्स के पार समझने योग्य attribution दें
• ब्रांड्स को “किस फॉर्मैट ने बढ़त दिलाई” का साफ उत्तर दें
• और मीडिया/एंटरटेनमेंट क्रिएटर्स को यह बताएं कि कंटेंट को शॉपेबल बनाते हुए भी अनुभव कैसे अच्छा रखें

मेरी राय में 2026 का फोकस “शॉपेबल फॉर्मैट हर जगह” से हटकर “मापन मानक और डेटा अनुशासन” पर आएगा। 2027 तक जो कंपनियां इसे अभी से सही करती हैं, वही बजट की मेज पर मजबूत रहेंगी।

अगला कदम सरल है: यदि आप शॉपेबल CTV, सोशल, या ओपन-वेब प्लेसमेंट्स टेस्ट कर रहे हैं, तो पहले दिन से इवेंट स्टैंडर्ड, इन्क्रिमेंटैलिटी फ्रेमवर्क, और AI-रेडी डेटा पाइपलाइन बनाइए।

और एक सवाल जिसे मैं हर टीम से पूछता/पूछती हूँ: जब हर स्क्रीन “मैंने बिक्री करवाई” कहेगी, तब आपकी टीम के पास “नहीं—यह बिक्री वाकई अतिरिक्त थी” साबित करने का क्या तरीका होगा?