数据驱动的
互联网营销和运营

分析小贴士:数字营销必备技能归因分析入门教程

本文译者:祝洁

难道你不想知道你的潜在客户是从什么媒介渠道找上门来的么?这就是归因模型的目的,寻找出媒介中哪个接触点是确定有助于成功转换的营销渠道,然后将值分配给每个通道,最终计算出营销投资回报率。

我们所面临的挑战,是B2B的客户们很少用线性的路线到你的门口。考虑一下这样的可能性。比方说,你是第一次去SXSW的创业者,你希望引起注意。也许你正在寻找一个经济实惠的本地展示公司来帮你绘图,并且有展示的经验。那么你在哪里开始呢?想当然用网络搜索,输入“大展览公司在德克萨斯州”,你会有很多结果,无论是在自然搜索,或者是赞助商广告。

来吧!让我们谈谈转换率!

正在冉冉上升的搜索转化
这正被称为“搜索转化”。在最后决定雇佣展示公司之前你途径多个媒介触达点,其中哪一个触达最终贡献了转化? Rockstar的想知道每个通道是如何执行的,并使他们能够衡量其营销投入的有效性,并找出如何使他们的营销预算。让我们来看看每一个普及的模型,看看每一步骤的归因。这样我们就可以权衡利弊。

最后点击(Last-Click)

这归因模型功劳于转化前的最后一个通道,这就是我们以上举例的重定向广告。最后非直接点击功劳归于转化前的倒数第二通道,这将是Rockstar的Google+专页。最后AdWords点击功劳于离转化最近的Adwords点击。

  • 优点:最后点击归因对数据需求不大,因为只有一个媒介触达被监测,它的设置相对简单,特别是在移动用户端,因为很多媒体只监测点击而不监测曝光。这也是在各渠道和广告项目中最具可比性的。
  • 缺点:最后点击归因倾向于漏斗策略的中部和下部。它不能告诉你你的潜在用户是如何找到你的,或者他们用搜索和你互动了多少次,因此你有可能削减了那些帮助你转化的渠道。

初次点击(First-Click)


这归因模型将功劳归于搜索过程在转化之前的第一渠道。以Rockstar作为例子,这个功劳于Rockstar的所有自然搜索结果,这意味着预算应该被分配到搜索引擎优化上。

  • 优点:初次点击的归因会提供潜在消费者怎样找到你的洞察,这个和最后点击一样容易设置,并且不需要大量的数据。
  • 缺点:它需要一个以上的搜索和点击,或者像一个B2B买家寻找并考虑一个解决方案,初次点击归因并不能够解释所有后续所发生的用户行。初次点击模型为早期购买周期提供了价值(因此有过多的预算)而不是在在用户即将产生购买的中后阶段的周期。

基于位置(Position-Based)

这类归因模型允许你创建混合型最后单击和初次点击的模型,并给每个触达点相应的百分比。在Rockstar的例子中,我们给予40%的功劳给自然搜索,40%的功劳于重新定向广告,并在Facebook,Twitter和Google+中间的分给平等的功劳。

  • 优点:这种模型适合于如果你不仅要评估哪个媒介点形成品牌的转化,而且评估最终提供转化的最终点击。
  • 缺点:如果你的数据不干净,或者如果你经验不足,这种模式可以引导你飞快地去错误的方向。

线性模型(Linear )

这归因模型在形成转化前给每一个渠道平均功劳。在Rockstar的例子里,这意味着自然搜索,Facebook,Twitter,谷歌和重定向广告在带来销售上平均分配功劳。

  • 优点:如果你的营销项目主旨是保持与用户的关系和认知,那么线性的归因就比较有用。比如说,如果你有一个品牌的广告项目,每一个媒介点在用户考虑阶段都同等重要,那么线性的归因能够帮助你您可视化这一进程。
  • 缺点:线性归因有一些复制营销努力的风险,因为你不能确定哪个触达有最大的影响,这就意味着你有可能投资在一个特定但事实上并不需要的渠道。

时间衰减(Time Decay)

这归因模型使用一种算法给越接近成交渠道时间的渠道越多评分从而给成交时间越远的越少分。这就意味着在Rockstar的例子中越接近购买的渠道会获得更多的评分。

  • 优点:时间衰减归因可以来自定义去反映你的销售周期,特别是那些具有较短的考虑阶段的销售周期。如果你不是做一个自定义的模型而且并没有很多在测试中的数据,时间衰减是一个真实反映用户行为的可行的模型,因为用户将花费更多的时间来熟悉你的品牌因为他们花费更多的时间来考虑购买你的产品和服务。
  • 缺点:时间衰减归因对最后转化有贡献,但是是初始的触达的渠道有打折扣,例如Facebook或者最初的搜索会话。

自定义(Custom )

这就是“圣杯”归因模型!你可以创建你自己的模型,让其具有更具体的商业问题和目的,并可将其来和其他默认模型做对比。这里有一个如何寻找的Rockstar的例子:

  • 优点:在这种模式下,你可以使用线性,初次点击,最终点击,时间衰减,以及基于位置的归因模型作为基准线,然后加之对交易重要的其他因素。最好的效果是,它可以个性化您的网站和您的业务,并可以随着时间的推移进行优化。
  • 缺点:在没有先做一些数据测试之前不要企图使用自定义模型,看看哪些变量和渠道实际上使您的转化价值的略有差异。你需要对其他模型非常了解再来运用自定义归因模型

正如你所看到的,这里有很多归因模型,找到一个适合你的业务的模型途径需要测试并且优化。使用一些虚拟数据集来测试不同的广告项目和媒介渠道。并没有“完美”的模型,因为你的业务,行业和数据总是会发生变化。不要让这个吓到你。让这激发您开始寻找到一个更好的测量计划,并用自己的方式在领域里获得一席之地。

 

作者简介:

JENN STURGIL, 营销数据分析师, 咨询顾问。

译者简介:

祝洁,Mediacom NY 广告运营分析,ICDO资深翻译志愿者。

未经允许不得转载:互联网数据官互联网数据官 » 分析小贴士:数字营销必备技能归因分析入门教程
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址