Abstract

Dijital pazarlama ekipleri performansı aynı anda çok sayıda göstergeyi raporlayan panolar üzerinden yönetmekte; bu göstergeler ise sıklıkla birbiriyle çelişmektedir: ucuz erişim sağlayan bir kanal düşük dönüşüm verebilirken, yüksek dönüşümlü bir kanal pahalı olabilmektedir. Dolayısıyla bütçenin nereye ayrılacağına karar vermek, birbiriyle yarışan birden çok ölçütün aynı anda tartılmasını gerektirir. Bu çalışma, kriterleri nesnel ve korelasyona duyarlı biçimde ağırlıklandıran CRITIC yöntemi ile dayanıklı sıralama üreten WASPAS yöntemini birleştiren bütünleşik bir çok kriterli karar verme (ÇKKV) çerçevesi geliştirmekte ve uygulamaktadır. Çerçeve, yaygın beş dijital pazarlama kanalına (arama motoru optimizasyonu, ücretli arama, sosyal medya reklamcılığı, e-posta pazarlaması ve görüntülü reklamcılık) altı ölçüt üzerinden uygulanmıştır: tıklama oranı, dönüşüm oranı, etkileşim oranı, reklam harcaması getirisi, müşteri edinme maliyeti ve tıklama başına maliyet. Karar matrisi 2024–2026 dönemine ait kamuya açık sektör kıyaslama (benchmark) figürlerinden oluşturulmuş olup tekrarlanabilirdir ve etik kurul onayı gerektirmemektedir. CRITIC en yüksek ağırlığı tıklama başına maliyete, en düşüğü ise diğer ölçütlerle örtüşen müşteri edinme maliyetine atamaktadır. WASPAS, e-posta pazarlamasını ilk sıraya; ardından SEO, ücretli arama, sosyal medya reklamcılığı ve görüntülü reklamcılığı yerleştirmektedir. Sıralama, WASPAS toplulama parametresinin tüm aralığında kararlıdır; basit toplamsal ağırlıklandırma ile tam, TOPSIS ile büyük ölçüde uyumludur. Çalışma, dijital pazarlama kanallarının karşılaştırılması ve bütçe dağıtımı için şeffaf ve yeniden kullanılabilir bir değerlendirme şablonu sunmaktadır.

Abstract

Digital marketing teams manage performance through dashboards that report many indicators at once, and these indicators frequently conflict: a channel with cheap reach may convert poorly, while a high-converting channel may be costly. Choosing where to allocate budget therefore requires weighing several competing criteria at the same time. This study develops and demonstrates an integrated multi-criteria decision-making (MCDM) framework that joins the CRITIC method for objective, correlation-aware criterion weighting with the WASPAS method for ranking. The framework is applied to five common digital marketing channels (search engine optimisation, paid search, social media advertising, email marketing, and display advertising) evaluated on six criteria: click-through rate, conversion rate, engagement rate, return on ad spend, customer acquisition cost, and cost per click. The decision matrix is built from publicly reported industry benchmark figures for 2024–2026, so the application is reproducible and requires no ethics committee approval. CRITIC assigns the largest weight to cost per click, which carries information independent of the benefit criteria, and the smallest to customer acquisition cost, which overlaps with other metrics. WASPAS ranks email marketing first, followed by SEO, paid search, social media advertising, and display advertising. The ranking stays stable across the full range of the WASPAS aggregation parameter; it agrees completely with simple additive weighting and largely with TOPSIS, and it does not change when the criteria are re-weighted with an alternative objective method (MEREC). The study contributes a transparent and reusable evaluation template for comparing digital marketing channels and allocating budget.

Structured Abstract:

Introduction and aim

 Contemporary digital marketing is managed through analytics dashboards that report a large number of performance indicators simultaneously, including reach, click-through, engagement, conversion, return on ad spend, and several cost measures. Although this abundance of measurement is valuable, it creates a recurring managerial difficulty, because the indicators rarely move in the same direction. A channel that delivers inexpensive reach often converts poorly, while a channel with strong conversion may be expensive or limited in scale. When the signals conflict, deciding where to direct the next unit of budget is no longer a matter of reading a single number but of weighing several competing criteria together. The growth of artificial intelligence and machine learning in marketing has accelerated the volume and velocity of performance data, yet the procedures most practitioners use to convert that data into a defensible decision have not kept pace. This study addresses one focused research question: how can digital marketing channels be ranked in a way that weights performance criteria from the data, accommodates correlated key performance indicators, and remains consistent across reasonable changes in the aggregation rule? The aim is to develop and demonstrate a transparent, auditable evaluation framework rather than to assert a universally superior channel.

Conceptual and theoretical framework

Two questions sit at the centre of any multi-criteria decision-making (MCDM) application and are consequential for marketing: how the criteria should be weighted, and how the weighted criteria should be aggregated into a final score. On weighting, marketing studies have leaned heavily on subjective techniques in which weights are supplied by expert judgement, which leaves rankings open to bias and to the priorities of whoever runs the analysis. Objective weighting techniques instead infer importance from the statistical structure of the data. The CRITIC method is well suited to marketing data because it rewards criteria that carry strong, non-redundant information, accounting both for how much a criterion varies and for how strongly it correlates with the others. This matters because marketing indicators routinely overlap, as impressions and clicks or spend and reach typically do, and treating such correlated indicators as independent inflates their combined influence. On aggregation, the WASPAS method blends the weighted sum and weighted product models through a mixing parameter, producing rankings that are less sensitive to the choice of aggregation rule. Although the CRITIC–WASPAS pairing has been applied in logistics, supplier evaluation, and healthcare, it has not been given a clean, reproducible application to digital marketing channel evaluation with an explicit sensitivity protocol. This study fills that gap.

Method

The study is methodological and applied. Five common digital marketing channels (search engine optimisation [SEO], search engine marketing or paid search [SEM], social media advertising, email marketing, and display advertising) are evaluated on six criteria. The benefit criteria are click-through rate, conversion rate, engagement rate, and return on ad spend; the cost criteria are customer acquisition cost and cost per click. The decision matrix is constructed from publicly reported cross-industry benchmark figures for 2024–2026, and the full matrix is reported so that every result can be reproduced. Because no data are collected from human participants and no personal data are processed, the application does not require ethics committee approval. CRITIC weights are obtained by normalising the matrix, computing the standard deviation of each criterion, measuring inter-criteria correlation, and combining contrast and independence into an information-content score. WASPAS scores are then computed as a weighted blend of additive and multiplicative aggregation. The stability of the ranking is examined by varying the WASPAS parameter across its full range and by comparing the ranking with simple additive weighting (SAW) and TOPSIS under the same weights, with agreement summarised by the Spearman rank correlation.

Findings and discussion

CRITIC assigns the largest weight to cost per click (0.241), because it correlates negatively with click-through and conversion and therefore adds information the benefit criteria do not, and the smallest weight to customer acquisition cost (0.110), because it overlaps with engagement and return on ad spend. Click-through and conversion rate receive moderate-to-high weights, while engagement and return on ad spend sit in between. Applying these weights through WASPAS ranks email marketing first by a clear margin, because it combines the strongest return with the lowest costs and high engagement, followed by SEO, then paid search and social media advertising close together, with display advertising last. The sensitivity analysis shows that the first, second, and last positions are invariant across all values of the aggregation parameter; the only movement is a single swap between paid search and social media advertising in the lower middle of the table, which is a near-tie. The WASPAS ranking agrees completely with SAW and largely with TOPSIS, diverging only among the weaker channels, where the exceptional return of email marketing creates an outlier that the distance-based logic of TOPSIS handles differently. These differences are reported in full, and re-weighting the criteria with MEREC, an alternative objective method, leaves the ranking unchanged.

Conclusion and recommendations

The study contributes a documented, repeatable procedure that turns conflicting and correlated marketing indicators into a consistent channel ranking, joining data-driven, correlation-aware weighting to a robust aggregation rule. Its methodological contribution is to extend the CRITIC–WASPAS pairing to a setting where it has been absent, namely digital marketing channel evaluation, and to make every step transparent and auditable. The framework is best read as a useful methodological decision-support tool rather than as a broad theoretical extension. For managers, the framework offers a transparent template for budget allocation that reduces reliance on subjective weights and clarifies why a channel is favoured. The illustrative matrix can be replaced with a firm’s own analytics data without changing the procedure. The main limitations are the use of representative benchmark rather than firm-specific data, the heterogeneity of the engagement metric across channels, the treatment of organic search costs as blended estimates, and the static, deterministic nature of the model. Future research can apply the framework to a firm’s proprietary data, incorporate a temporal dimension to track channel performance over time, introduce fuzzy or rough extensions to handle uncertainty, and compare CRITIC against alternative objective weighting schemes such as entropy or standard-deviation methods.

Yapılandırılmış Özet:

Giriş ve amaç

Günümüz dijital pazarlaması, eş zamanlı olarak çok sayıda performans göstergesini raporlayan analitik panolar üzerinden yönetilmektedir. Erişim, tıklama, etkileşim, dönüşüm, reklam harcaması getirisi ve çeşitli maliyet metrikleri sıklıkla aynı yönde hareket etmek yerine birbiriyle çelişmektedir. Düşük maliyetle geniş kitleye ulaşan bir kanal dönüşüm tarafında zayıf kalabilir; güçlü dönüşüm sağlayan bir kanal pahalı ya da ölçeklenmesi sınırlı olabilir. Sinyaller çatıştığında bir sonraki bütçenin nereye yönlendirileceğine karar vermek, tek bir sayı okumak yerine birden çok rekabet eden ölçütü birlikte tartmak haline gelir. Yapay zeka ve makine öğreniminin pazarlamaya getirdiği hız ve veri yoğunluğu, uygulayıcıların artık savunulabilir bir kararla ortaya çıkma sorununu büyütmüştür. Bu çalışma tek bir odaklı araştırma sorusuna yanıt aramaktadır: dijital pazarlama kanalları, performans kriterlerini veriden ağırlıklandıran, korelasyonlu temel performans göstergelerini barındırabilen ve toplama kuralındaki makul değişikliklere karşı tutarlı kalan bir biçimde nasıl sıralanabilir? Amaç, evrensel anlamda üstün bir kanal iddia etmek değil; şeffaf ve denetlenebilir bir değerlendirme çerçevesi geliştirip uygulamaktır.

Kavramsal ve kuramsal çerçeve

Çalışma iki sorudan hareket etmektedir: kriter setine hangi göstergelerin alınacağı ve bu göstergelerin nasıl ağırlıklandırılacağı. CRITIC yöntemi, korelasyonlu göstergeleri ayırt edebilen veriye dayalı bir ağırlıklandırma sağlamakta; benzer bilgiyi taşıyan kriterleri indirgemekte ve birbirinden bağımsız bilgi taşıyan kriterlere daha büyük ağırlık vermektedir. WASPAS ise ağırlıklı toplam ve ağırlıklı çarpım modellerini tek bir lambda parametresi etrafında birleştirerek farklı toplama mantıklarının her ikisini de dikkate alan bir sıralama üretmektedir. Bu birleşim, sonsuza dek sabit kalacak bir sıralama vaat etmez; ancak değerlendirme kriterlerini, ağırlıkları ve toplama kuralındaki seçimi belgelenebilir hâle getirir. Çalışma bu nedenle CRITIC-WASPAS eşleştirmesini, alandaki uygulamalarda henüz görülmemiş olan dijital pazarlama kanalı değerlendirme bağlamına taşımayı amaçlamaktadır.

Yöntem

Beş yaygın dijital pazarlama kanalı (arama motoru optimizasyonu, ücretli arama, sosyal medya reklamcılığı, e-posta pazarlama ve görüntülü reklam) altı kritere göre değerlendirilmiştir: tıklama oranı, dönüşüm oranı, etkileşim oranı, reklam harcaması getirisi (fayda kriterleri) ve müşteri edinme maliyeti, tıklama başına maliyet (kaynak kriterleri). Karar matrisi, 2024-2026 dönemine ait halka açık olarak yayımlanan endüstri benchmark raporlarından (LocaliQ, 2024; Store Growers, 2026; WebFX, 2026; Litmus, 2024; MailerLite, 2025) derlenmiştir. Bu yapı uygulamayı şeffaf ve denetlenebilir kılmakta, etik kurul onayı gerektirmemektedir. Etkileşim göstergesinin kanallar arası heterojen tanımları ve organik kanalların maliyet kalemlerinin etkin (karma) hesaplama yapısı ayrıntılı şekilde raporlanmış; hangi hücrenin hangi kaynaktan türetildiği bir kaynak haritalama tablosu ile belirtilmiştir. CRITIC ile kriter ağırlıkları hesaplanmış, WASPAS ile sıralama elde edilmiş ve lambda parametresinin tam aralığında, basit toplam ağırlıklı yöntem (SAW) ve TOPSIS ile karşılaştırmalı olarak ve alternatif bir nesnel ağırlıklandırma yöntemi olan MEREC ile yeniden hesaplamada duyarlılık testleri gerçekleştirilmiştir. Anahtar benchmark değerlerinde (e-posta ROAS, CAC, CPC) ±%20 senaryo perturbasyonu uygulanmıştır.

Bulgular ve tartışma

CRITIC en büyük ağırlığı tıklama başına maliyete vermiştir; çünkü bu kriter fayda göstergelerinden bağımsız bilgi taşımaktadır. En küçük ağırlığı ise diğer metriklerle örtüşen müşteri edinme maliyetine atamıştır. WASPAS sıralaması e-posta pazarlamayı birinci sıraya yerleştirmekte; ardından sırasıyla SEO, ücretli arama, sosyal medya reklamcılığı ve görüntülü reklam gelmektedir. Sıralama, WASPAS toplama parametresinin tam aralığında tutarlı kalmakta; SAW ile tam, TOPSIS ile büyük ölçüde uyumlu çıkmakta ve MEREC ile yeniden ağırlıklandırıldığında değişmemektedir. Senaryo bazlı duyarlılık testleri, e-posta ROAS değerinde ±%20 ve tüm kanallarda CAC ile CPC değerlerinde ±%20 değişimde dahi sıralamanın tepe ve taban konumlarının değişmediğini, yalnızca orta sıralamada zaten gözlemlenen yakın bir sıralamanın küçük hareket gösterdiğini ortaya koymuştur. CRITIC korelasyonları, yalnızca beş alternatif üzerine kurulduğundan, bu spesifik karar matrisi içindeki ilişkiler olarak yorumlanmalıdır; pazarlama alanında genellenebilir kararlı ilişkiler olarak değil. Bulgular, sıralamanın matrisin yapısal örüntüsünden, özellikle e-postanın istisnai ROAS değerinin düşük CAC ve CPC ile birlikte gelmesinden kaynaklandığını ve tek tek benchmark değerlerinin küçük varyasyonlarına dayanmadığını göstermektedir.

Sonuç ve öneriler

Çalışma, çelişen ve korelasyonlu pazarlama göstergelerini tutarlı bir kanal sıralamasına dönüştüren belgelenmiş ve tekrar uygulanabilir bir prosedür sunmaktadır. Metodolojik katkı, CRITIC-WASPAS eşleştirmesini bugüne kadar uygulanmadığı bir bağlama, dijital pazarlama kanalı değerlendirmeye, taşıması ve her adımı şeffaf ile denetlenebilir kılmasıdır. Çerçeve, geniş bir kuramsal genelleme değil; yararlı bir metodolojik karar destek aracı olarak okunmalıdır. Uygulayıcılar için öznel ağırlıklara bağımlılığı azaltan ve bir kanalın neden tercih edildiğini şeffaflaştıran bir bütçe tahsisi şablonu sunmaktadır. Örnekleyici matris, bir firmanın kendi analitik verileriyle değiştirilerek prosedür değiştirilmeden uygulanabilir. Temel sınırlılıklar; firma-spesifik veriler yerine temsili benchmark kullanımı, etkileşim metriğinin kanallar arası heterojenliği, organik kanal maliyetlerinin karma tahminlerle ele alınması, CRITIC korelasyon yapısının yalnızca beş alternatif üzerine kurulu olması ve modelin durağan-deterministik niteliğidir. Gelecek çalışmalar, çerçeveyi bir firmanın kendi verilerine uygulayabilir; kanal performansını zaman içinde takip etmek için bir zamansal boyut ekleyebilir; belirsizliği ele almak için bulanık ya da kaba küme uzantıları getirebilir ve CRITIC yöntemini entropi veya standart sapma gibi alternatif nesnel ağırlıklandırma yöntemleriyle karşılaştırabilir.

الملخص المنظَّم

:المقدمة والهدف

تُدار أنشطة التسويق الرقمي المعاصرة من خلال لوحات معلومات تحليلية تعرض في الوقت نفسه عددًا كبيرًا من مؤشرات الأداء، مثل مدى الوصول، ومعدل النقر إلى الظهور، ومعدل التفاعل، ومعدل التحويل، والعائد على الإنفاق الإعلاني، إلى جانب مجموعة متنوعة من مؤشرات التكلفة. وعلى الرغم من القيمة الكبيرة لهذا الكمّ من القياسات، فإنه يخلق تحديًا إداريًا متكررًا، يتمثل في أن هذه المؤشرات نادرًا ما تتحرك في الاتجاه نفسه. فقد تحقق إحدى القنوات وصولًا واسعًا بتكلفة منخفضة، لكنها تُظهر أداءً ضعيفًا في التحويل، في حين قد تحقق قناة أخرى معدلات تحويل مرتفعة مقابل تكلفة عالية أو قدرة محدودة على التوسع. وعندما تتعارض الإشارات الصادرة عن مؤشرات الأداء، لا يعود توجيه الوحدة التالية من الميزانية قرارًا يعتمد على قراءة مؤشر واحد، بل يصبح عملية موازنة منهجية بين عدة معايير متنافسة. وقد أسهم الانتشار المتسارع لتطبيقات الذكاء الاصطناعي وتعلّم الآلة في التسويق في زيادة حجم بيانات الأداء وسرعة تدفقها، إلا أن الآليات التي يعتمدها معظم الممارسين لتحويل هذه البيانات إلى قرارات قابلة للتبرير المنهجي لم تتطور بالوتيرة نفسها. ومن هذا المنطلق، تتناول هذه الدراسة سؤالًا بحثيًا محددًا يتمثل في: كيف يمكن ترتيب قنوات التسويق الرقمي بطريقة تُسنِد أوزان معايير الأداء انطلاقًا من البيانات نفسها، وتراعي الارتباطات بين مؤشرات الأداء الرئيسة، وتحافظ في الوقت ذاته على استقرار النتائج عند إجراء تغييرات معقولة في آلية التجميع؟ وتهدف الدراسة إلى تطوير إطار تقييمي شفاف وقابل للتدقيق وإثبات صلاحيته التطبيقية، بدلًا من الادعاء بوجود قناة تسويقية متفوقة بصورة مطلقة.

:الإطار المفاهيمي والنظري

يرتكز كل تطبيق من تطبيقات اتخاذ القرار متعدد المعايير (Multi-Criteria Decision Making – MCDM) على مسألتين أساسيتين لهما أهمية مباشرة في مجال التسويق، وهما: كيفية تحديد أوزان المعايير، وكيفية تجميع هذه المعايير الموزونة للوصول إلى تقييم نهائي. وفيما يتعلق بعملية الترجيح، اعتمدت معظم الدراسات التسويقية بصورة كبيرة على الأساليب الذاتية التي تستند إلى أحكام الخبراء، الأمر الذي يجعل نتائج الترتيب عرضة للتحيز ومتأثرة بالأولويات الشخصية للقائمين بالتحليل. وعلى النقيض من ذلك، تستنبط أساليب الترجيح الموضوعية أهمية المعايير من البنية الإحصائية للبيانات نفسها. ويُعد أسلوب CRITIC مناسبًا بوجه خاص لبيانات التسويق، لأنه يمنح أوزانًا أكبر للمعايير التي تحمل معلومات قوية وغير متكررة، آخِذًا في الاعتبار مقدار التباين في كل معيار، إضافة إلى درجة ارتباطه ببقية المعايير. وتكتسب هذه الخاصية أهمية خاصة في مجال التسويق، إذ غالبًا ما تتداخل مؤشرات الأداء، كما هو الحال بين عدد مرات الظهور وعدد النقرات، أو بين حجم الإنفاق ومدى الوصول؛ ومن ثم فإن التعامل مع هذه المؤشرات المترابطة بوصفها مستقلة يؤدي إلى تضخيم تأثيرها المشترك. أما فيما يتعلق بمرحلة التجميع، فإن أسلوب WASPAS يدمج بين نموذج المجموع الموزون ونموذج الضرب الموزون من خلال معامل مزج، بما يؤدي إلى إنتاج ترتيبات أقل حساسية لاختيار قاعدة التجميع. ورغم استخدام الاقتران بين CRITIC وWASPAS في مجالات مثل الخدمات اللوجستية، وتقييم المورّدين، والرعاية الصحية، فإنه لم يُطبَّق حتى الآن بصورة منهجية قابلة للتكرار على تقييم قنوات التسويق الرقمي مع اعتماد بروتوكول صريح لتحليل الحساسية، وهو الفراغ الذي تسعى هذه الدراسة إلى معالجته.

:المنهجية

تنتمي هذه الدراسة إلى البحوث المنهجية التطبيقية. وقد جرى تقييم خمس قنوات شائعة في التسويق الرقمي، هي: تحسين محركات البحث (SEO)، والتسويق عبر محركات البحث أو البحث المدفوع (SEM)، والإعلانات عبر وسائل التواصل الاجتماعي، والتسويق عبر البريد الإلكتروني، والإعلانات العرضية (Display Advertising)، وذلك استنادًا إلى ستة معايير. وتمثلت معايير المنفعة في: معدل النقر إلى الظهور، ومعدل التحويل، ومعدل التفاعل، والعائد على الإنفاق الإعلاني، في حين شملت معايير التكلفة: تكلفة اكتساب العميل، وتكلفة النقرة الواحدة. وقد بُنيت مصفوفة القرار اعتمادًا على بيانات مرجعية منشورة تغطي قطاعات متعددة خلال الفترة (2024–2026)، مع عرض المصفوفة كاملة لضمان إمكانية إعادة إنتاج جميع النتائج. ونظرًا إلى أن الدراسة لا تتضمن جمع بيانات من مشاركين بشريين ولا تعالج أي بيانات شخصية، فإنها لا تستلزم الحصول على موافقة لجنة أخلاقيات البحث العلمي. وقد حُسبت أوزان CRITIC من خلال تطبيع مصفوفة القرار، وحساب الانحراف المعياري لكل معيار، وقياس معاملات الارتباط بين المعايير، ثم دمج مفهومي التباين والاستقلالية في مؤشر يعكس المحتوى المعلوماتي لكل معيار. وبعد ذلك حُسبت قيم WASPAS باعتبارها مزيجًا موزونًا بين التجميع الجمعي والتجميع الضربي. كما اختُبر استقرار الترتيب النهائي من خلال تغيير قيمة معامل WASPAS عبر كامل نطاقه، ومقارنة النتائج مع أسلوبي SAW (الترجيح الجمعي البسيط) وTOPSIS باستخدام الأوزان نفسها، مع تلخيص درجة الاتفاق بين الترتيبات بواسطة معامل ارتباط الرتب لسبيرمان (Spearman Rank Correlation).

:النتائج والمناقشة

أظهرت نتائج أسلوب CRITIC أن معيار تكلفة النقرة الواحدة حصل على أعلى وزن (0.241)، وذلك بسبب ارتباطه السلبي بكل من معدل النقر إلى الظهور ومعدل التحويل، مما يجعله يضيف معلومات لا توفرها معايير المنفعة الأخرى. وفي المقابل، حصل معيار تكلفة اكتساب العميل على أدنى وزن (0.110)، نتيجة لتداخله مع كل من معدل التفاعل والعائد على الإنفاق الإعلاني. أما معدل النقر إلى الظهور ومعدل التحويل فقد حصلا على أوزان متوسطة إلى مرتفعة، في حين جاءت أوزان معدل التفاعل والعائد على الإنفاق الإعلاني ضمن المستوى المتوسط. وعند تطبيق هذه الأوزان باستخدام أسلوب WASPAS، احتلت قناة التسويق عبر البريد الإلكتروني المرتبة الأولى بفارق واضح، نظرًا إلى جمعها بين أعلى عائد وأدنى تكاليف ومستويات مرتفعة من التفاعل، تلتها قناة تحسين محركات البحث، ثم البحث المدفوع والإعلانات عبر وسائل التواصل الاجتماعي بفارق ضئيل بينهما، في حين جاءت الإعلانات العرضية في المرتبة الأخيرة. وأثبت تحليل الحساسية أن المراتب الأولى والثانية والأخيرة بقيت ثابتة عبر جميع قيم معامل التجميع، بينما اقتصر التغيير على تبادل محدود في الترتيب بين البحث المدفوع والإعلانات عبر وسائل التواصل الاجتماعي ضمن المراتب المتوسطة الدنيا، وهو ما يعكس تقاربًا كبيرًا في أدائهما. كما أظهرت النتائج تطابقًا كاملًا بين ترتيب WASPAS وترتيب SAW، مع درجة توافق مرتفعة مع TOPSIS، حيث انحصرت الاختلافات في القنوات الأضعف أداءً، وذلك بسبب أن العائد الاستثنائي للتسويق عبر البريد الإلكتروني مثّل قيمة شاذة تعامل معها المنطق القائم على المسافة في TOPSIS بصورة مختلفة. وقد عُرضت هذه الفروق بصورة كاملة، كما بينت الدراسة أن إعادة حساب الأوزان باستخدام أسلوب MEREC، بوصفه أحد أساليب الترجيح الموضوعية البديلة، لم تؤدِّ إلى أي تغيير في الترتيب النهائي.

:الاستنتاجات والتوصيات

تقدم هذه الدراسة إجراءً منهجيًا موثقًا وقابلًا للتكرار يحول مؤشرات التسويق المتعارضة والمترابطة إلى ترتيب متسق لقنوات التسويق، من خلال الجمع بين الترجيح الموضوعي القائم على البيانات والمراعي للارتباطات الإحصائية، وبين قاعدة تجميع قوية ومستقرة. وتتمثل مساهمتها المنهجية في توسيع نطاق تطبيق الاقتران بين CRITIC وWASPAS ليشمل مجالًا لم يُستخدم فيه سابقًا، وهو تقييم قنوات التسويق الرقمي، مع ضمان الشفافية الكاملة وإمكانية تدقيق جميع مراحل التحليل. وينبغي النظر إلى هذا الإطار بوصفه أداة منهجية داعمة لاتخاذ القرار أكثر من كونه امتدادًا نظريًا عامًا. ومن الناحية التطبيقية، يوفر الإطار للمديرين نموذجًا شفافًا لتخصيص الميزانيات يقلل من الاعتماد على الأوزان الذاتية، ويُفسر بوضوح أسباب تفضيل قناة على أخرى. كما يمكن استبدال مصفوفة البيانات التوضيحية ببيانات التحليلات الخاصة بأي مؤسسة دون الحاجة إلى تعديل خطوات المنهجية. وتتمثل أبرز حدود الدراسة في اعتمادها على بيانات مرجعية تمثيلية بدلًا من بيانات خاصة بالمؤسسات، وفي اختلاف مفهوم التفاعل بين القنوات المختلفة، واعتماد تقديرات مدمجة لتكاليف البحث العضوي، فضلًا عن الطبيعة الساكنة والحتمية للنموذج. وتقترح الدراسة أن تتجه البحوث المستقبلية إلى تطبيق هذا الإطار على البيانات الفعلية للمؤسسات، وإضافة بعد زمني لمتابعة أداء القنوات عبر الزمن، وتوظيف الامتدادات الضبابية (Fuzzy) أو التقريبية (Rough) لمعالجة حالات عدم اليقين، فضلًا عن مقارنة أسلوب CRITIC بطرائق الترجيح الموضوعية الأخرى، مثل أسلوب الإنتروبيا أو أسلوب الانحراف المعياري.

Résumé Structuré:

Introduction et objectif

Le marketing numérique contemporain est piloté au moyen de tableaux de bord analytiques qui présentent simultanément un grand nombre d’indicateurs de performance, notamment la portée (reach), le taux de clics (click-through rate), le taux d’engagement, le taux de conversion, le retour sur les dépenses publicitaires (Return on Ad Spend – ROAS), ainsi que plusieurs indicateurs de coûts. Si cette abondance de mesures constitue une ressource précieuse pour l’évaluation des performances, elle engendre également une difficulté managériale récurrente, dans la mesure où ces indicateurs évoluent rarement dans une même direction. Un canal capable de générer une portée importante à faible coût peut présenter un faible pouvoir de conversion, tandis qu’un canal affichant un excellent taux de conversion peut être onéreux ou difficilement extensible. Dans un tel contexte de signaux contradictoires, l’allocation de la prochaine unité budgétaire ne peut plus reposer sur la lecture d’un seul indicateur, mais exige une mise en balance rigoureuse de plusieurs critères concurrents. L’essor de l’intelligence artificielle et de l’apprentissage automatique dans le domaine du marketing a considérablement accru le volume et la vitesse de production des données de performance. En revanche, les méthodes permettant de transformer ces données en décisions objectivement justifiables n’ont pas évolué au même rythme. La présente étude répond à une question de recherche précise : comment classer les canaux de marketing numérique en attribuant aux critères des pondérations issues directement des données, tout en tenant compte des corrélations entre les principaux indicateurs de performance et en garantissant la stabilité des résultats face à des variations raisonnables de la règle d’agrégation ? L’objectif consiste à élaborer et à démontrer un cadre d’évaluation transparent, reproductible et vérifiable, plutôt qu’à affirmer la supériorité universelle d’un canal de marketing particulier.

Cadre conceptuel et théorique

Toute application de l’aide multicritère à la décision (Multi-Criteria Decision Making – MCDM) repose sur deux problématiques fondamentales, particulièrement déterminantes en marketing : la détermination des poids des critères et l’agrégation des critères pondérés en un score global. En matière de pondération, la littérature marketing s’est largement appuyée sur des approches subjectives fondées sur le jugement d’experts, ce qui expose les classements à des biais et aux préférences des analystes. À l’inverse, les méthodes objectives déduisent l’importance relative des critères à partir de la structure statistique des données. La méthode CRITIC (Criteria Importance Through Intercriteria Correlation) apparaît particulièrement adaptée aux données marketing, puisqu’elle attribue davantage de poids aux critères apportant une information importante et non redondante, en tenant compte simultanément de leur variabilité et de leurs corrélations avec les autres critères. Cette propriété revêt une importance particulière dans les applications marketing, où les indicateurs présentent fréquemment des recouvrements, comme c’est le cas entre les impressions et les clics, ou entre les dépenses publicitaires et la portée. Considérer de tels indicateurs corrélés comme indépendants conduit à surestimer leur influence conjointe. En ce qui concerne l’agrégation, la méthode WASPAS (Weighted Aggregated Sum Product Assessment) combine le modèle de la somme pondérée et celui du produit pondéré au moyen d’un paramètre de combinaison, ce qui permet d’obtenir des classements moins sensibles au choix de la règle d’agrégation. Bien que le couplage CRITIC–WASPAS ait déjà été appliqué dans des domaines tels que la logistique, l’évaluation des fournisseurs ou la santé, il n’avait jusqu’à présent fait l’objet d’aucune application méthodologiquement reproductible à l’évaluation des canaux de marketing numérique intégrant un protocole explicite d’analyse de sensibilité. La présente étude vise précisément à combler cette lacune.

Méthode

Cette recherche adopte une démarche méthodologique appliquée. Cinq canaux couramment utilisés en marketing numérique ont été évalués: le référencement naturel (Search Engine Optimization – SEO), le référencement payant (Search Engine Marketing – SEM), la publicité sur les réseaux sociaux, le marketing par courrier électronique (email marketing) et la publicité display. L’évaluation repose sur six critères. Les critères de bénéfice comprennent le taux de clics, le taux de conversion, le taux d’engagement et le retour sur les dépenses publicitaires, tandis que les critères de coût sont représentés par le coût d’acquisition client (Customer Acquisition Cost – CAC) et le coût par clic (Cost per Click – CPC). La matrice de décision a été construite à partir de données de référence intersectorielles publiées pour la période 2024–2026, et l’ensemble de cette matrice est présenté afin de garantir la reproductibilité complète des résultats. Aucune donnée n’a été recueillie auprès de participants humains et aucune donnée personnelle n’a été traitée ; en conséquence, cette étude ne nécessite pas l’approbation d’un comité d’éthique. Les poids CRITIC ont été calculés par normalisation de la matrice de décision, détermination de l’écart-type de chaque critère, calcul des corrélations intercritères, puis combinaison des notions de contraste et d’indépendance afin d’obtenir un indice de contenu informationnel. Les scores WASPAS ont ensuite été calculés comme une combinaison pondérée des modèles additif et multiplicatif. Enfin, la robustesse du classement a été examinée en faisant varier le paramètre WASPAS sur l’ensemble de son domaine de définition et en comparant les résultats avec ceux obtenus par les méthodes SAW (Simple Additive Weighting) et TOPSIS, sous les mêmes pondérations, le degré de concordance étant mesuré au moyen du coefficient de corrélation des rangs de Spearman.

Résultats et discussion

Les résultats obtenus par la méthode CRITIC montrent que le coût par clic reçoit la pondération la plus élevée (0,241), en raison de sa corrélation négative avec le taux de clics et le taux de conversion, ce qui lui confère une contribution informationnelle complémentaire aux critères de bénéfice. À l’inverse, le coût d’acquisition client obtient la pondération la plus faible (0,110), car il présente un fort recouvrement avec le taux d’engagement et le retour sur les dépenses publicitaires. Les taux de clics et de conversion reçoivent des pondérations intermédiaires à élevées, tandis que le taux d’engagement et le ROAS occupent une position intermédiaire. L’application de ces pondérations au moyen de la méthode WASPAS classe le marketing par courrier électronique en première position avec une avance significative, en raison de la combinaison d’un rendement très élevé, de coûts particulièrement faibles et d’un niveau d’engagement important. Le référencement naturel (SEO) occupe la deuxième place, suivi du référencement payant (SEM) et de la publicité sur les réseaux sociaux, dont les performances sont très proches, tandis que la publicité display arrive en dernière position. L’analyse de sensibilité montre que les première, deuxième et dernière positions demeurent inchangées pour toutes les valeurs du paramètre d’agrégation. La seule variation observée correspond à un échange de rang entre le référencement payant et la publicité sur les réseaux sociaux dans la partie médiane inférieure du classement, reflétant une quasi-égalité de leurs performances. Par ailleurs, le classement obtenu avec WASPAS est totalement identique à celui produit par SAW et largement concordant avec celui de TOPSIS. Les divergences ne concernent que les canaux les moins performants, où les performances exceptionnellement élevées du marketing par courrier électronique constituent une valeur atypique que la logique fondée sur la distance propre à TOPSIS traite différemment. Ces différences sont présentées de manière exhaustive. En outre, le recalcul des pondérations à l’aide de la méthode objective alternative MEREC ne modifie en rien le classement final.

Conclusion et recommandations

Cette étude propose une procédure méthodologique documentée et reproductible permettant de transformer des indicateurs marketing à la fois corrélés et parfois contradictoires en un classement cohérent des canaux de marketing numérique, en combinant une pondération objective fondée sur les données et sensible aux corrélations avec une méthode d’agrégation robuste. Sa principale contribution méthodologique réside dans l’extension du couplage CRITIC–WASPAS à un domaine dans lequel il n’avait pas encore été appliqué, à savoir l’évaluation des canaux de marketing numérique, tout en garantissant une transparence complète et la vérifiabilité de chacune des étapes de l’analyse. Ce cadre doit être considéré avant tout comme un outil méthodologique d’aide à la décision plutôt que comme une extension théorique générale. Pour les gestionnaires, il constitue un modèle transparent d’allocation budgétaire réduisant la dépendance à l’égard des pondérations subjectives et permettant d’expliquer explicitement les raisons qui conduisent à privilégier un canal plutôt qu’un autre. La matrice illustrative peut être remplacée par les données analytiques propres à une entreprise sans modification de la procédure méthodologique. Les principales limites de l’étude résident dans l’utilisation de données de référence représentatives plutôt que de données spécifiques aux entreprises, dans l’hétérogénéité de la mesure de l’engagement selon les canaux, dans le recours à des estimations agrégées des coûts du référencement naturel et dans le caractère statique et déterministe du modèle. Les recherches futures pourraient appliquer ce cadre à des données propriétaires d’entreprise, intégrer une dimension temporelle afin de suivre l’évolution des performances des canaux, recourir à des extensions floues (fuzzy) ou approximatives (rough) pour mieux prendre en compte l’incertitude, et comparer la méthode CRITIC à d’autres approches objectives de pondération, telles que les méthodes fondées sur l’entropie ou sur l’écart-type.

Resumen Estructurado:

Introducción y objetivo

El marketing digital contemporáneo se gestiona mediante paneles analíticos que informan simultáneamente de un amplio conjunto de indicadores de rendimiento, entre ellos el alcance (reach), la tasa de clics (click-through rate), la tasa de interacción (engagement rate), la tasa de conversión, el retorno de la inversión publicitaria (Return on Ad Spend – ROAS) y diversas métricas de coste. Aunque esta abundancia de indicadores constituye una fuente valiosa de información para la toma de decisiones, también genera una dificultad gerencial recurrente, ya que dichos indicadores rara vez evolucionan en la misma dirección. Un canal capaz de proporcionar un alcance elevado a bajo coste suele presentar una capacidad limitada de conversión, mientras que otro con un elevado rendimiento en conversión puede implicar costes elevados o una capacidad de escalabilidad reducida. Cuando las señales emitidas por los indicadores de rendimiento son contradictorias, la asignación de la siguiente unidad presupuestaria deja de depender de la interpretación de un único indicador y pasa a requerir una evaluación conjunta de múltiples criterios en conflicto. El rápido desarrollo de la inteligencia artificial y del aprendizaje automático en el ámbito del marketing ha incrementado significativamente tanto el volumen como la velocidad de generación de datos de rendimiento; sin embargo, los procedimientos empleados por la mayoría de los profesionales para transformar dichos datos en decisiones metodológicamente justificables no han evolucionado al mismo ritmo. En este contexto, el presente estudio aborda una pregunta de investigación específica: ¿cómo pueden clasificarse los canales de marketing digital de manera que las ponderaciones de los criterios de rendimiento se deriven de los propios datos, se tengan en cuenta las correlaciones entre los indicadores clave de desempeño (Key Performance Indicators – KPI) y se garantice la estabilidad de los resultados frente a cambios razonables en la regla de agregación? El objetivo consiste en desarrollar y demostrar un marco de evaluación transparente, reproducible y auditable, más que en sostener la superioridad universal de un determinado canal de marketing.

Marco conceptual y teórico

Toda aplicación de la toma de decisiones multicriterio (Multi-Criteria Decision Making – MCDM) se fundamenta en dos cuestiones esenciales de especial relevancia para el marketing: la determinación de las ponderaciones de los criterios y la agregación de los criterios ponderados en una puntuación final. En relación con la ponderación, los estudios de marketing han recurrido predominantemente a métodos subjetivos basados en el juicio de expertos, lo que hace que las clasificaciones sean susceptibles de sesgos y dependan de las prioridades de quienes realizan el análisis. En contraste, los métodos objetivos infieren la importancia relativa de los criterios a partir de la estructura estadística de los propios datos. El método CRITIC (Criteria Importance Through Intercriteria Correlation) resulta particularmente adecuado para los datos de marketing, ya que asigna mayores ponderaciones a los criterios que aportan información significativa y no redundante, considerando simultáneamente el grado de variabilidad de cada criterio y su nivel de correlación con los demás. Esta característica adquiere especial importancia porque los indicadores de marketing suelen presentar solapamientos, como ocurre entre las impresiones y los clics, o entre el gasto publicitario y el alcance; por consiguiente, tratar estos indicadores correlacionados como si fueran independientes conduce a una sobreestimación de su influencia conjunta. En cuanto a la agregación, el método WASPAS (Weighted Aggregated Sum Product Assessment) combina el modelo de suma ponderada y el modelo de producto ponderado mediante un parámetro de mezcla, produciendo clasificaciones menos sensibles a la elección de la regla de agregación. Aunque la combinación CRITIC–WASPAS ha sido aplicada en ámbitos como la logística, la evaluación de proveedores y la atención sanitaria, todavía no había sido implementada de forma sistemática y reproducible en la evaluación de canales de marketing digital incorporando un protocolo explícito de análisis de sensibilidad. El presente estudio pretende cubrir esta laguna metodológica.

Metodología

La investigación adopta un enfoque metodológico de carácter aplicado. Se evaluaron cinco canales habituales de marketing digital: la optimización para motores de búsqueda (SEO), el marketing en motores de búsqueda o búsqueda de pago (SEM), la publicidad en redes sociales, el marketing por correo electrónico (email marketing) y la publicidad gráfica (display advertising). La evaluación se llevó a cabo utilizando seis criterios. Los criterios de beneficio fueron la tasa de clics, la tasa de conversión, la tasa de interacción y el retorno de la inversión publicitaria; los criterios de coste fueron el coste de adquisición de clientes (Customer Acquisition Cost – CAC) y el coste por clic (Cost per Click – CPC). La matriz de decisión se construyó a partir de datos de referencia intersectoriales publicados para el período 2024–2026, presentándose la matriz completa con el fin de garantizar la plena reproducibilidad de los resultados. Dado que el estudio no implicó la recopilación de datos de participantes humanos ni el tratamiento de datos personales, no fue necesaria la aprobación por parte de un comité de ética. Las ponderaciones CRITIC se obtuvieron mediante la normalización de la matriz de decisión, el cálculo de la desviación estándar de cada criterio, la medición de las correlaciones entre criterios y la combinación de los conceptos de contraste e independencia en un índice de contenido informativo. Posteriormente, las puntuaciones WASPAS se calcularon como una combinación ponderada de los modelos de agregación aditiva y multiplicativa. La estabilidad de la clasificación se examinó variando el parámetro WASPAS a lo largo de todo su intervalo de valores y comparando los resultados con los obtenidos mediante los métodos SAW (Simple Additive Weighting) y TOPSIS, utilizando las mismas ponderaciones. El grado de concordancia entre las clasificaciones se resumió mediante el coeficiente de correlación por rangos de Spearman.

Resultados y discusión

Los resultados obtenidos mediante el método CRITIC muestran que el coste por clic recibió la mayor ponderación (0,241), debido a su correlación negativa con la tasa de clics y la tasa de conversión, lo que le permite aportar información adicional que no proporcionan los criterios de beneficio. Por el contrario, el coste de adquisición de clientes obtuvo la menor ponderación (0,110), debido a su solapamiento con la tasa de interacción y el retorno de la inversión publicitaria. Las tasas de clics y de conversión recibieron ponderaciones de nivel medio-alto, mientras que la tasa de interacción y el ROAS ocuparon posiciones intermedias. La aplicación de estas ponderaciones mediante el método WASPAS situó al marketing por correo electrónico en la primera posición con una ventaja claramente significativa, debido a la combinación de un elevado retorno, costes reducidos y altos niveles de interacción. El posicionamiento orgánico (SEO) ocupó el segundo lugar, seguido muy de cerca por el marketing en buscadores (SEM) y la publicidad en redes sociales, mientras que la publicidad gráfica (display advertising) quedó situada en la última posición. El análisis de sensibilidad demostró que las posiciones primera, segunda y última permanecieron invariantes para todos los valores del parámetro de agregación. La única variación observada consistió en un intercambio de posiciones entre el SEM y la publicidad en redes sociales en la zona media inferior de la clasificación, reflejando una situación de empate técnico. Asimismo, la clasificación obtenida mediante WASPAS coincidió plenamente con la derivada del método SAW y mostró un elevado grado de concordancia con TOPSIS. Las únicas discrepancias aparecieron entre los canales de menor rendimiento, donde el retorno excepcionalmente elevado del marketing por correo electrónico constituyó un valor atípico que la lógica basada en distancias de TOPSIS trató de forma diferente. Estas diferencias se documentan íntegramente en el estudio. Además, la recalculación de las ponderaciones utilizando MEREC, como método objetivo alternativo de ponderación, no produjo ninguna modificación en la clasificación final.

Conclusiones y recomendaciones

El presente estudio aporta un procedimiento metodológico documentado y reproducible que transforma indicadores de marketing correlacionados y potencialmente contradictorios en una clasificación consistente de canales de marketing digital, integrando una ponderación objetiva basada en datos y sensible a las correlaciones con una regla de agregación robusta. Su principal contribución metodológica consiste en extender la aplicación de la combinación CRITIC–WASPAS a un ámbito en el que hasta ahora no había sido utilizada, concretamente la evaluación de canales de marketing digital, garantizando al mismo tiempo la transparencia y la auditabilidad de todas las etapas del procedimiento analítico. Este marco debe entenderse principalmente como una herramienta metodológica de apoyo a la toma de decisiones, más que como una ampliación teórica de carácter general. Desde una perspectiva gerencial, proporciona una plantilla transparente para la asignación presupuestaria, reduciendo la dependencia de ponderaciones subjetivas y permitiendo explicar de forma explícita por qué un determinado canal resulta preferible a otro. Asimismo, la matriz ilustrativa puede sustituirse por los datos analíticos propios de cualquier organización sin necesidad de modificar el procedimiento metodológico. Las principales limitaciones del estudio radican en la utilización de datos de referencia representativos en lugar de datos específicos de empresas, en la heterogeneidad de la métrica de interacción entre canales, en el tratamiento de los costes del posicionamiento orgánico mediante estimaciones agregadas y en la naturaleza estática y determinista del modelo. Las investigaciones futuras podrán aplicar este marco a datos empresariales propios, incorporar una dimensión temporal que permita analizar la evolución del rendimiento de los canales a lo largo del tiempo, integrar extensiones difusas (fuzzy) o aproximaciones basadas en conjuntos aproximados (rough sets) para modelizar la incertidumbre y comparar el método CRITIC con otros esquemas objetivos de ponderación, como los métodos basados en la entropía o en la desviación estándar.

结构化摘要:

引言与研究目的

当代数字营销主要依托分析仪表板（analytics dashboards）进行管理，这些平台能够同时呈现大量绩效指标，包括覆盖率（Reach）、点击率（Click-Through Rate, CTR）、互动率（Engagement Rate）、转化率（Conversion Rate）、广告支出回报率（Return on Ad Spend, ROAS）以及多种成本指标。尽管丰富的绩效测量体系为营销决策提供了重要依据，但也带来了持续性的管理难题，即各项指标往往不会朝着同一方向变化。例如，某一营销渠道可能以较低成本获得广泛覆盖，却具有较低的转化能力；而另一渠道虽然转化效果显著，却可能成本高昂或缺乏规模扩展能力。当不同绩效信号相互冲突时，预算的进一步配置已不再是依据单一指标作出判断，而需要在多个相互竞争的评价标准之间进行系统性的权衡。近年来，人工智能（Artificial Intelligence, AI）与机器学习（Machine Learning, ML）在数字营销中的广泛应用，使营销绩效数据的数量与生成速度呈指数式增长；然而，大多数营销实践者用于将这些数据转化为科学、可辩护决策的方法却未能同步发展。基于此，本研究围绕以下核心研究问题展开：如何构建一种数字营销渠道排序方法，使评价标准的权重能够由数据客观生成，同时兼顾关键绩效指标（Key Performance Indicators, KPIs）之间的相关性，并在聚合规则发生合理变化时保持排序结果的稳定性？本研究旨在构建并验证一个透明、可审计、可重复的评价框架，而非宣称某一数字营销渠道具有普遍意义上的最优性。

理论与概念框架

任何多准则决策（Multi-Criteria Decision Making, MCDM）方法均围绕两个核心问题展开，而这两个问题对于营销决策具有决定性意义：其一，如何确定各评价指标的权重；其二，如何将赋权后的指标聚合为最终评价结果。在权重确定方面，现有营销研究主要依赖专家判断等主观赋权方法，因此所得排序容易受到分析者个人偏好及认知偏差的影响。相比之下，客观赋权方法则依据数据本身的统计结构推导各指标的重要性。其中，CRITIC（Criteria Importance Through Intercriteria Correlation）方法尤其适用于营销数据，因为它不仅考虑各指标的离散程度（标准差），还综合考虑指标之间的相关关系，从而赋予信息量大且非冗余的指标更高权重。对于营销评价而言，这一点尤为重要，因为诸如展示次数（Impressions）与点击次数（Clicks）、广告投入（Spend）与覆盖率（Reach）等指标通常具有较高相关性，若将其视为彼此独立，则会人为放大其综合影响。至于指标聚合过程，WASPAS（Weighted Aggregated Sum Product Assessment）方法通过混合加权求和模型与加权乘积模型，并引入混合参数，实现了对聚合规则选择敏感性的有效降低，从而提高排序结果的稳健性。尽管CRITIC–WASPAS组合方法已在物流管理、供应商评价及医疗卫生等领域得到广泛应用，但迄今尚未系统应用于数字营销渠道评价，更缺乏包含明确敏感性分析程序的可重复研究。本研究正是对此空白的回应。

研究方法

本研究属于方法论导向的应用研究。研究对象包括五种常见数字营销渠道：搜索引擎优化（Search Engine Optimization, SEO）、搜索引擎营销或付费搜索（Search Engine Marketing, SEM）、社交媒体广告（Social Media Advertising）、电子邮件营销（Email Marketing）以及展示广告（Display Advertising）。评价体系包含六项指标。其中，效益型指标包括点击率、转化率、互动率以及广告支出回报率；成本型指标包括客户获取成本（Customer Acquisition Cost, CAC）和单次点击成本（Cost per Click, CPC）。决策矩阵依据2024—2026年公开发布的跨行业基准数据构建，并完整公布所有数据矩阵，以保证研究结果具有完全可重复性。由于本研究未涉及任何人类受试者数据采集，也未处理任何个人信息，因此无需获得伦理委员会审批。CRITIC权重的计算过程包括：首先对决策矩阵进行标准化处理；其次计算各指标标准差；随后测量指标之间的相关系数；最后结合指标差异性（Contrast）与独立性（Independence）构建信息量指标，以确定最终权重。在此基础上，采用WASPAS方法，通过加权求和模型与加权乘积模型的混合计算获得各方案综合评价值。排序稳定性则通过在整个参数空间内调整WASPAS混合参数，并在相同权重条件下分别与简单加权法（Simple Additive Weighting, SAW）及逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution, TOPSIS）进行比较，同时采用Spearman等级相关系数（Spearman Rank Correlation）评价不同排序之间的一致性。

研究结果与讨论

CRITIC赋权结果表明，单次点击成本（CPC）获得最高权重（0.241），原因在于其与点击率及转化率呈负相关关系，因此能够提供效益型指标无法反映的新增信息；相反，客户获取成本（CAC）仅获得最低权重（0.110），因为其与互动率及广告支出回报率之间存在较高程度的信息重叠。点击率与转化率获得中等偏高权重，而互动率与广告支出回报率则位于中等水平。采用上述权重并结合WASPAS方法进行综合评价后，电子邮件营销以明显优势位居第一，其主要原因在于同时实现了最高投资回报、最低运营成本以及较高互动水平；搜索引擎优化（SEO）排名第二；付费搜索（SEM）与社交媒体广告得分十分接近，分别位列第三与第四；展示广告则排名最后。敏感性分析进一步表明，无论混合参数如何变化，第一名、第二名及最后一名始终保持不变；唯一发生变化的是付费搜索与社交媒体广告在中间位置发生一次名次互换，而两者之间本身即存在极小差距。此外，WASPAS所得排序与SAW结果完全一致，与TOPSIS排序也保持高度一致，仅在表现相对较弱的渠道之间存在少量差异。这种差异主要源于电子邮件营销异常优异的投资回报率形成离群值，而TOPSIS基于距离的评价逻辑对此进行了不同处理。研究完整报告了上述差异，并进一步采用另一种客观赋权方法——MEREC重新计算指标权重，结果显示最终排序保持完全一致。

结论与建议

本研究提出了一套具有完整文档支持、可重复实施的评价程序，能够将相互冲突且具有相关性的数字营销绩效指标转化为一致、稳定的营销渠道排序，其核心在于将数据驱动、考虑指标相关性的客观赋权机制与稳健的聚合规则有机结合。本研究的重要方法论贡献在于首次将CRITIC–WASPAS组合系统引入数字营销渠道评价领域，并确保整个分析过程具有高度透明性与可审计性。因此，该框架更应被视为一种具有实践价值的方法论决策支持工具，而非一种普适性的理论扩展。从管理实践角度来看，该框架能够为企业预算配置提供透明、客观的分析模板，减少对主观赋权的依赖，并能够清晰解释特定营销渠道为何优于其他渠道。研究所采用的示范性决策矩阵亦可直接替换为企业自身的营销分析数据，而无需改变整体分析流程。本研究的主要局限包括：采用行业基准数据而非企业专有数据；不同营销渠道之间互动率指标定义存在异质性；自然搜索（SEO）成本采用综合估算值；以及模型本身具有静态且确定性的特征。未来研究可进一步将该框架应用于企业真实营销数据，引入时间维度分析营销渠道绩效的动态演化过程，采用模糊集（Fuzzy）或粗糙集（Rough）扩展方法处理不确定性问题，并进一步比较CRITIC与熵权法（Entropy Method）、标准差赋权法（Standard Deviation Method）等其他客观赋权方法的适用性与稳健性。

Структурированная Аннотация:

Введение и цель исследования

Современный цифровой маркетинг управляется посредством аналитических панелей мониторинга (analytics dashboards), которые одновременно отображают большое количество показателей эффективности, включая охват (reach), показатель кликабельности (Click-Through Rate, CTR), уровень вовлечённости (engagement rate), коэффициент конверсии (conversion rate), рентабельность рекламных расходов (Return on Ad Spend, ROAS), а также различные показатели затрат. Несмотря на высокую ценность столь широкого спектра измерений, их использование порождает устойчивую управленческую проблему, поскольку указанные показатели редко изменяются в одном направлении. Так, один маркетинговый канал способен обеспечить широкий охват при низких затратах, однако демонстрировать низкий уровень конверсии, тогда как другой характеризуется высокой конверсией, но требует значительных финансовых ресурсов либо обладает ограниченным потенциалом масштабирования. В условиях противоречивых сигналов, поступающих от различных показателей эффективности, распределение очередной единицы маркетингового бюджета перестаёт быть вопросом интерпретации одного показателя и превращается в задачу комплексного взвешивания нескольких конкурирующих критериев. Стремительное развитие технологий искусственного интеллекта и машинного обучения в сфере маркетинга существенно увеличило объём и скорость формирования данных о результативности маркетинговых кампаний. Вместе с тем методы, применяемые большинством практиков для преобразования этих данных в методологически обоснованные управленческие решения, не развивались сопоставимыми темпами. В связи с этим настоящее исследование направлено на решение следующего исследовательского вопроса: каким образом можно ранжировать каналы цифрового маркетинга таким образом, чтобы веса критериев определялись на основе самих данных, учитывались корреляционные связи между ключевыми показателями эффективности (Key Performance Indicators, KPI), а результаты сохраняли устойчивость при разумных изменениях правила агрегирования? Цель исследования заключается в разработке и апробации прозрачной, воспроизводимой и пригодной для аудита методологической модели оценки, а не в утверждении универсального превосходства какого-либо отдельного маркетингового канала.

Концептуально-теоретическая основа

Любое применение методов многокритериального принятия решений (Multi-Criteria Decision Making, MCDM) основывается на двух фундаментальных вопросах, имеющих принципиальное значение для маркетингового анализа: определении весов критериев и способе агрегирования взвешенных критериев в итоговую интегральную оценку. В области определения весов маркетинговые исследования традиционно опираются преимущественно на субъективные методы, основанные на экспертных оценках, вследствие чего результаты ранжирования оказываются чувствительными к индивидуальным предпочтениям и потенциальным когнитивным искажениям исследователей. В отличие от них объективные методы определяют значимость критериев исходя из статистической структуры самих данных. Метод CRITIC (Criteria Importance Through Intercriteria Correlation) особенно хорошо подходит для анализа маркетинговых данных, поскольку присваивает более высокие веса тем критериям, которые обладают высокой информативностью и не являются избыточными, одновременно учитывая как вариативность каждого показателя, так и степень его корреляции с другими критериями. Данное свойство имеет особое значение в цифровом маркетинге, где показатели нередко оказываются взаимосвязанными, например количество показов и число кликов либо рекламные расходы и охват аудитории. Рассмотрение подобных взаимосвязанных показателей как независимых приводит к искусственному завышению их совокупного влияния. На этапе агрегирования метод WASPAS (Weighted Aggregated Sum Product Assessment) объединяет модель взвешенной суммы и модель взвешенного произведения посредством специального коэффициента смешивания, что позволяет получать ранжирования, менее чувствительные к выбору правила агрегирования. Несмотря на то что комбинация методов CRITIC–WASPAS уже успешно применялась в логистике, оценке поставщиков и здравоохранении, до настоящего времени она не получила последовательного воспроизводимого применения в оценке каналов цифрового маркетинга с использованием формализованного протокола анализа чувствительности. Настоящее исследование восполняет данный методологический пробел.

Методология

Исследование носит методологический и прикладной характер. В качестве объектов анализа были выбраны пять широко используемых каналов цифрового маркетинга: поисковая оптимизация (Search Engine Optimization, SEO), поисковый маркетинг или платный поиск (Search Engine Marketing, SEM), реклама в социальных сетях, email-маркетинг и медийная (баннерная) реклама (Display Advertising). Оценивание осуществлялось по шести критериям. К критериям полезности были отнесены показатель кликабельности, коэффициент конверсии, уровень вовлечённости и рентабельность рекламных расходов, тогда как критериями затрат выступили стоимость привлечения клиента (Customer Acquisition Cost, CAC) и стоимость одного клика (Cost per Click, CPC). Матрица решений была сформирована на основе опубликованных межотраслевых эталонных данных за 2024–2026 годы; при этом её полный состав представлен в исследовании, что обеспечивает полную воспроизводимость всех полученных результатов. Поскольку исследование не предусматривает сбор данных у участников и не связано с обработкой персональных данных, получение одобрения этического комитета не требуется. Веса по методу CRITIC определялись посредством нормализации матрицы решений, вычисления стандартного отклонения каждого критерия, оценки межкритериальных корреляций и объединения показателей контрастности и независимости в интегральный индекс информационной ценности. Далее интегральные оценки WASPAS рассчитывались как взвешенная комбинация аддитивной и мультипликативной моделей агрегирования. Устойчивость полученного ранжирования исследовалась путём изменения параметра смешивания WASPAS по всему диапазону его допустимых значений, а также посредством сопоставления результатов с методами SAW (Simple Additive Weighting) и TOPSIS при использовании идентичных весов. Степень согласованности различных ранжирований оценивалась с помощью коэффициента ранговой корреляции Спирмена.

Результаты и обсуждение

Расчёты по методу CRITIC показали, что наибольший вес получил показатель стоимости одного клика (0,241), поскольку он отрицательно коррелирует с показателем кликабельности и коэффициентом конверсии и, следовательно, содержит дополнительную информацию, отсутствующую в критериях полезности. Напротив, стоимость привлечения клиента получила наименьший вес (0,110) вследствие высокой степени пересечения с показателями вовлечённости и рентабельности рекламных расходов. Показатель кликабельности и коэффициент конверсии получили веса выше среднего уровня, тогда как уровень вовлечённости и ROAS заняли промежуточное положение. Применение полученных весов в рамках метода WASPAS позволило установить, что email-маркетинг занимает первое место с существенным преимуществом благодаря сочетанию максимальной доходности, минимальных затрат и высокого уровня вовлечённости пользователей. Второе место заняла поисковая оптимизация (SEO), за которой следуют платный поиск (SEM) и реклама в социальных сетях с практически одинаковыми показателями эффективности, тогда как медийная реклама расположилась на последнем месте. Анализ чувствительности показал, что первое, второе и последнее места остаются неизменными при любых значениях параметра агрегирования. Единственным изменением оказалось взаимное перестановка платного поиска и рекламы в социальных сетях в средней части рейтинга, обусловленная практически равными значениями их интегральных оценок. Кроме того, ранжирование, полученное методом WASPAS, полностью совпало с результатами метода SAW и продемонстрировало высокую степень согласованности с методом TOPSIS. Расхождения наблюдались лишь среди менее эффективных каналов, поскольку исключительно высокий показатель доходности email-маркетинга формировал выброс, который алгоритм TOPSIS, основанный на концепции расстояния до идеального решения, интерпретировал иначе. Все выявленные различия подробно представлены в исследовании. Дополнительный пересчёт весов с использованием альтернативного объективного метода MEREC показал, что итоговое ранжирование осталось полностью неизменным.

Заключение и рекомендации

Настоящее исследование предлагает документированную и воспроизводимую методологическую процедуру, позволяющую преобразовывать взаимосвязанные и противоречивые маркетинговые показатели в последовательное и устойчивое ранжирование каналов цифрового маркетинга посредством объединения объективного, основанного на данных и учитывающего корреляции механизма взвешивания с устойчивым методом агрегирования. Основной методологический вклад исследования заключается в распространении применения комбинации CRITIC–WASPAS на новую предметную область — оценку каналов цифрового маркетинга, где данный подход ранее практически не использовался, при обеспечении полной прозрачности и аудируемости всех этапов аналитической процедуры. Предлагаемый подход следует рассматривать прежде всего как методологический инструмент поддержки принятия решений, а не как широкое теоретическое расширение существующих концепций. Для практикующих менеджеров разработанная модель представляет собой прозрачный шаблон распределения маркетингового бюджета, позволяющий снизить зависимость от субъективных экспертных оценок и обеспечить аргументированное объяснение причин предпочтения одного канала другому. Используемая в исследовании демонстрационная матрица может быть без изменения самой методики заменена аналитическими данными конкретной организации. Основными ограничениями исследования являются использование отраслевых эталонных данных вместо корпоративных данных отдельных компаний, неоднородность показателя вовлечённости между различными маркетинговыми каналами, применение интегральных оценок затрат для органического поиска, а также статический и детерминированный характер модели. Перспективными направлениями дальнейших исследований являются применение предложенной методологии к корпоративным данным, включение временного измерения для анализа динамики эффективности маркетинговых каналов, использование нечётких (Fuzzy) и грубых (Rough) расширений для моделирования неопределённости, а также сопоставление метода CRITIC с альтернативными объективными схемами определения весов, включая энтропийный метод и метод стандартного отклонения.

संरचित सारांश:

परिचय एवं उद्देश्य।

समकालीन डिजिटल विपणन (Digital Marketing) का प्रबंधन विश्लेषणात्मक डैशबोर्ड (Analytics Dashboards) के माध्यम से किया जाता है, जो एक साथ अनेक प्रदर्शन संकेतकों (Performance Indicators) का प्रतिवेदन प्रस्तुत करते हैं। इनमें पहुँच (Reach), क्लिक-थ्रू दर (Click-Through Rate, CTR), सहभागिता दर (Engagement Rate), रूपांतरण दर (Conversion Rate), विज्ञापन व्यय पर प्रतिफल (Return on Ad Spend, ROAS) तथा विभिन्न लागत-संबंधी संकेतक सम्मिलित हैं। यद्यपि इस प्रकार के व्यापक मापन प्रबंधकीय निर्णय-निर्माण के लिए अत्यंत उपयोगी हैं, तथापि वे एक सतत प्रबंधकीय चुनौती भी उत्पन्न करते हैं, क्योंकि ये संकेतक प्रायः एक ही दिशा में परिवर्तन नहीं करते। उदाहरणार्थ, कोई विपणन चैनल कम लागत पर व्यापक पहुँच प्रदान कर सकता है, किन्तु उसकी रूपांतरण क्षमता सीमित हो सकती है; इसके विपरीत, कोई अन्य चैनल उच्च रूपांतरण दर प्रदान कर सकता है, परन्तु उसकी लागत अधिक अथवा विस्तार-क्षमता सीमित हो सकती है। जब विभिन्न प्रदर्शन संकेतक परस्पर विरोधाभासी संकेत प्रदान करते हैं, तब आगामी बजट आवंटन का निर्णय किसी एकल संकेतक के आधार पर नहीं लिया जा सकता, बल्कि अनेक प्रतिस्पर्धी मानदंडों के समेकित मूल्यांकन की आवश्यकता होती है। कृत्रिम बुद्धिमत्ता (Artificial Intelligence, AI) तथा मशीन लर्निंग (Machine Learning, ML) के तीव्र विकास ने डिजिटल विपणन में प्रदर्शन-संबंधी आँकड़ों की मात्रा तथा उत्पन्न होने की गति दोनों को अभूतपूर्व रूप से बढ़ा दिया है; तथापि इन आँकड़ों को वैज्ञानिक एवं औचित्यपूर्ण निर्णयों में रूपांतरित करने हेतु प्रयुक्त प्रक्रियाएँ उसी अनुपात में विकसित नहीं हुई हैं। इसी संदर्भ में यह अध्ययन निम्नलिखित अनुसंधान प्रश्न का समाधान प्रस्तुत करता है: डिजिटल विपणन चैनलों का ऐसा क्रम निर्धारण किस प्रकार किया जा सकता है, जिसमें प्रदर्शन मानदंडों के भार स्वयं आँकड़ों से निर्धारित हों, प्रमुख प्रदर्शन संकेतकों (Key Performance Indicators, KPIs) के मध्य सहसंबंधों को ध्यान में रखा जाए, तथा समेकन नियम (Aggregation Rule) में युक्तिसंगत परिवर्तन होने पर भी परिणाम स्थिर बने रहें? अध्ययन का उद्देश्य किसी सार्वभौमिक रूप से श्रेष्ठ विपणन चैनल की स्थापना करना नहीं, बल्कि एक पारदर्शी, पुनरुत्पाद्य (Reproducible) तथा लेखा-परीक्षण योग्य (Auditable) मूल्यांकन रूपरेखा का विकास एवं प्रदर्शन करना है।

वैचारिक एवं सैद्धान्तिक रूपरेखा।

बहु-मापदंड निर्णय-निर्माण (Multi-Criteria Decision Making, MCDM) की प्रत्येक पद्धति दो मूलभूत प्रश्नों पर आधारित होती है, जिनका विपणन निर्णयों में विशेष महत्व है: (i) विभिन्न मानदंडों के भार (Weights) किस प्रकार निर्धारित किए जाएँ, तथा (ii) भारित मानदंडों को किस प्रकार समेकित करके अंतिम समग्र मूल्यांकन प्राप्त किया जाए। भार निर्धारण के संदर्भ में विपणन साहित्य मुख्यतः विशेषज्ञ-आधारित व्यक्तिपरक (Subjective) विधियों पर निर्भर रहा है, जिसके परिणामस्वरूप प्राप्त क्रम विश्लेषकों की प्राथमिकताओं एवं संभावित पूर्वाग्रहों से प्रभावित हो सकते हैं। इसके विपरीत, वस्तुनिष्ठ (Objective) भार निर्धारण विधियाँ मानदंडों के महत्व का अनुमान सीधे आँकड़ों की सांख्यिकीय संरचना से करती हैं। CRITIC (Criteria Importance Through Intercriteria Correlation) विधि विशेष रूप से विपणन आँकड़ों के लिए उपयुक्त है, क्योंकि यह उन मानदंडों को अधिक भार प्रदान करती है जो अधिक सूचना-संपन्न तथा गैर-अतिरिक्त (Non-Redundant) होते हैं। यह प्रत्येक मानदंड के प्रसरण (Variability) तथा अन्य मानदंडों के साथ उसके सहसंबंध (Correlation) दोनों को सम्मिलित रूप से ध्यान में रखती है। डिजिटल विपणन के संदर्भ में यह विशेष रूप से महत्वपूर्ण है, क्योंकि विभिन्न प्रदर्शन संकेतकों—जैसे इम्प्रेशन (Impressions) एवं क्लिक (Clicks), अथवा विज्ञापन व्यय (Spend) एवं पहुँच (Reach)—के बीच सामान्यतः उच्च सहसंबंध पाया जाता है। यदि ऐसे सहसंबद्ध संकेतकों को स्वतंत्र माना जाए, तो उनका संयुक्त प्रभाव कृत्रिम रूप से बढ़ जाता है। समेकन के संदर्भ में WASPAS (Weighted Aggregated Sum Product Assessment) विधि भारित योग (Weighted Sum Model) तथा भारित गुणन (Weighted Product Model) को एक मिश्रण गुणांक (Mixing Parameter) के माध्यम से संयोजित करती है, जिसके परिणामस्वरूप प्राप्त क्रम समेकन नियम के चयन के प्रति अपेक्षाकृत कम संवेदनशील होते हैं। यद्यपि CRITIC–WASPAS संयोजन का उपयोग लॉजिस्टिक्स, आपूर्तिकर्ता मूल्यांकन तथा स्वास्थ्य सेवा जैसे क्षेत्रों में किया जा चुका है, तथापि डिजिटल विपणन चैनलों के मूल्यांकन में इसे स्पष्ट संवेदनशीलता विश्लेषण (Sensitivity Analysis) प्रोटोकॉल के साथ व्यवस्थित एवं पुनरुत्पाद्य रूप में अब तक लागू नहीं किया गया था। प्रस्तुत अध्ययन इसी पद्धतिगत रिक्ति की पूर्ति करता है।

कार्यविधि।

यह अध्ययन पद्धतिगत (Methodological) एवं अनुप्रयुक्त (Applied) प्रकृति का है। इसमें पाँच प्रमुख डिजिटल विपणन चैनलों—सर्च इंजन ऑप्टिमाइज़ेशन (Search Engine Optimization, SEO), सर्च इंजन मार्केटिंग अथवा भुगतान-आधारित खोज (Search Engine Marketing, SEM), सोशल मीडिया विज्ञापन, ईमेल विपणन (Email Marketing) तथा डिस्प्ले विज्ञापन (Display Advertising)—का मूल्यांकन किया गया। मूल्यांकन छह मानदंडों पर आधारित है। लाभकारी (Benefit) मानदंडों में क्लिक-थ्रू दर, रूपांतरण दर, सहभागिता दर तथा विज्ञापन व्यय पर प्रतिफल सम्मिलित हैं, जबकि लागत (Cost) मानदंडों में ग्राहक अधिग्रहण लागत (Customer Acquisition Cost, CAC) तथा प्रति क्लिक लागत (Cost per Click, CPC) सम्मिलित हैं। निर्णय मैट्रिक्स (Decision Matrix) का निर्माण 2024–2026 की अवधि के सार्वजनिक रूप से उपलब्ध बहु-क्षेत्रीय मानक (Cross-Industry Benchmark) आँकड़ों के आधार पर किया गया है, तथा संपूर्ण मैट्रिक्स प्रस्तुत की गई है ताकि सभी परिणाम पूर्णतः पुनरुत्पाद्य रहें। चूँकि इस अध्ययन में किसी मानव प्रतिभागी से आँकड़े एकत्र नहीं किए गए तथा किसी प्रकार के व्यक्तिगत आँकड़ों का संसाधन नहीं किया गया, अतः नैतिक समिति (Ethics Committee) की स्वीकृति आवश्यक नहीं थी। CRITIC भारों की गणना निर्णय मैट्रिक्स के सामान्यीकरण (Normalization), प्रत्येक मानदंड के मानक विचलन (Standard Deviation), अंतर-मानदंड सहसंबंधों (Inter-Criteria Correlations) की गणना तथा कंट्रास्ट (Contrast) एवं स्वतंत्रता (Independence) को संयोजित करके सूचना-सामग्री (Information Content) सूचकांक निर्मित करने के माध्यम से की गई। तत्पश्चात WASPAS स्कोर भारित योगात्मक तथा गुणात्मक समेकन के मिश्रण के रूप में प्राप्त किए गए। प्राप्त क्रम की स्थिरता का परीक्षण WASPAS मिश्रण गुणांक को उसके पूर्ण परास (Full Range) में परिवर्तित करके तथा समान भारों के अंतर्गत सरल योगात्मक भारांकन (Simple Additive Weighting, SAW) तथा TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) विधियों के साथ तुलना करके किया गया। विभिन्न क्रमों के मध्य सहमति का मूल्यांकन स्पीयरमैन क्रम सहसंबंध गुणांक (Spearman Rank Correlation) के माध्यम से किया गया।

निष्कर्ष एवं चर्चा।

CRITIC विश्लेषण से ज्ञात हुआ कि प्रति क्लिक लागत (CPC) को सर्वाधिक भार (0.241) प्राप्त हुआ, क्योंकि इसका क्लिक-थ्रू दर एवं रूपांतरण दर के साथ ऋणात्मक सहसंबंध है, जिसके कारण यह लाभकारी मानदंडों द्वारा उपलब्ध न कराई जाने वाली अतिरिक्त सूचना प्रदान करती है। इसके विपरीत, ग्राहक अधिग्रहण लागत (CAC) को न्यूनतम भार (0.110) प्राप्त हुआ, क्योंकि इसका सहभागिता दर एवं विज्ञापन व्यय पर प्रतिफल के साथ पर्याप्त सूचना-अतिव्यापन (Information Overlap) पाया गया। क्लिक-थ्रू दर एवं रूपांतरण दर को मध्यम से उच्च स्तर के भार प्राप्त हुए, जबकि सहभागिता दर तथा ROAS मध्यवर्ती स्तर पर रहे। इन भारों को WASPAS पद्धति के माध्यम से लागू करने पर ईमेल विपणन स्पष्ट अंतर से प्रथम स्थान पर रहा, क्योंकि इसमें उच्चतम प्रतिफल, न्यूनतम लागत तथा उच्च सहभागिता का संयोजन प्राप्त हुआ। इसके पश्चात SEO दूसरे स्थान पर रहा, जबकि SEM तथा सोशल मीडिया विज्ञापन अत्यंत निकट प्रदर्शन के साथ क्रमशः तीसरे एवं चौथे स्थान पर रहे। डिस्प्ले विज्ञापन अंतिम स्थान पर रहा। संवेदनशीलता विश्लेषण से यह सिद्ध हुआ कि प्रथम, द्वितीय तथा अंतिम स्थान सभी मिश्रण गुणांक मानों पर अपरिवर्तित रहे। केवल SEM तथा सोशल मीडिया विज्ञापन के मध्य मध्यवर्ती स्तर पर एक स्थान-परिवर्तन देखा गया, जो वस्तुतः अत्यल्प प्रदर्शन-अंतर का परिणाम था। इसके अतिरिक्त WASPAS द्वारा प्राप्त क्रम SAW विधि से पूर्णतः मेल खाता है तथा TOPSIS के साथ भी उच्च स्तर की संगति प्रदर्शित करता है। अंतर केवल अपेक्षाकृत कम प्रदर्शन करने वाले चैनलों में देखा गया, जहाँ ईमेल विपणन का असाधारण ROAS एक अपवादात्मक मान (Outlier) के रूप में उपस्थित था, जिसे TOPSIS की दूरी-आधारित तर्क प्रणाली ने भिन्न प्रकार से संसाधित किया। इन सभी अंतरों का विस्तृत विवरण प्रस्तुत किया गया है। साथ ही, वैकल्पिक वस्तुनिष्ठ भार निर्धारण विधि MEREC के माध्यम से भारों का पुनः निर्धारण करने पर भी अंतिम क्रम में कोई परिवर्तन नहीं हुआ।

निष्कर्ष एवं अनुशंसाएँ।

यह अध्ययन एक प्रलेखित (Documented) एवं पुनरुत्पाद्य पद्धति प्रस्तुत करता है, जो परस्पर सहसंबद्ध एवं विरोधाभासी विपणन संकेतकों को डिजिटल विपणन चैनलों की एक सुसंगत एवं स्थिर रैंकिंग में रूपांतरित करती है। यह रूपरेखा आँकड़ा-आधारित, सहसंबंध-संवेदनशील वस्तुनिष्ठ भार निर्धारण को एक सुदृढ़ समेकन नियम के साथ संयोजित करती है। अध्ययन का प्रमुख पद्धतिगत योगदान यह है कि इसने CRITIC–WASPAS संयोजन को एक ऐसे क्षेत्र—डिजिटल विपणन चैनल मूल्यांकन—तक विस्तारित किया है, जहाँ इसका पूर्व में व्यवस्थित उपयोग नहीं हुआ था, और साथ ही संपूर्ण विश्लेषण प्रक्रिया को पूर्णतः पारदर्शी एवं लेखा-परीक्षण योग्य बनाया है। अतः इस रूपरेखा को व्यापक सैद्धान्तिक विस्तार के बजाय निर्णय-समर्थन (Decision Support) हेतु एक प्रभावी पद्धतिगत उपकरण के रूप में देखा जाना चाहिए। प्रबंधकीय दृष्टिकोण से यह मॉडल बजट आवंटन के लिए एक पारदर्शी ढाँचा उपलब्ध कराता है, जो व्यक्तिपरक भार निर्धारण पर निर्भरता को कम करता है तथा यह स्पष्ट करता है कि किसी विशेष चैनल को अन्य की अपेक्षा क्यों प्राथमिकता दी जानी चाहिए। अध्ययन में प्रयुक्त उदाहरणात्मक निर्णय मैट्रिक्स को किसी भी संगठन के स्वामित्वाधीन विश्लेषणात्मक आँकड़ों से प्रतिस्थापित किया जा सकता है, बिना समग्र प्रक्रिया में कोई परिवर्तन किए। अध्ययन की प्रमुख सीमाएँ हैं: संगठन-विशिष्ट आँकड़ों के स्थान पर प्रतिनिधिक बेंचमार्क आँकड़ों का उपयोग, विभिन्न चैनलों में सहभागिता संकेतक की विषमता, SEO लागतों का मिश्रित अनुमान, तथा मॉडल की स्थैतिक एवं नियतात्मक (Deterministic) प्रकृति। भविष्य के अनुसंधान इस रूपरेखा को वास्तविक संगठनात्मक आँकड़ों पर लागू कर सकते हैं, समय-आधारित आयाम सम्मिलित करके चैनलों के प्रदर्शन के गतिशील विकास का विश्लेषण कर सकते हैं, अनिश्चितता के प्रबंधन हेतु फज़ी (Fuzzy) अथवा रफ (Rough) विस्तारों का उपयोग कर सकते हैं, तथा CRITIC की तुलना एंट्रॉपी (Entropy) अथवा मानक विचलन (Standard Deviation) आधारित अन्य वस्तुनिष्ठ भार निर्धारण विधियों से कर सकते हैं।