当前位置:首页 > 新媒体推广 > 正文

如何将归因数据转化为可操作的洞察

如何将归因数据转化为可操作的洞察

收集数据和知道如何处理数据是两件截然不同的事情。 了解如何理解您的归因数据以及如何从那里采取行动。...

可操作测量的力量

2019 年,谷歌与领先的管理咨询公司波士顿咨询集团合作,研究全球 200 家公司的数字营销实践。 他们的目标是确定定义当今最先进和最成功的营销人员的特征和技术,并衡量这些一流特征的价值。

在最成功和数字化成熟的组织中,出现了几个共同特征,包括一个应该成为世界各地数字营销人员首要考虑的概念:每家公司都展示了“可操作的衡量标准”

根据该研究,可操作的衡量发生在: 营销目标跨渠道与统一的品牌目标相关联; 目标通过复杂的数字营销归因进行验证; 归因数据用于推动智能、有针对性的行动。

基于可操作测量的营销系统的好处是显而易见的:与不太先进的同行相比,该研究指定在这方面取得成功的公司通过数字营销平均增加了 20% 的收入,同时降低了 30% 的成本。 报告中评估的一家公司更清楚地证明了这一点:

在从数据驱动的归因中收集洞察并使用它们通过优化广告预算和关键字竞价来采取快速和适当的行动后,该公司发现潜在客户数量立即增加了 6%,每个潜在客户的成本降低了 17%。

幸运的是,收集归因数据从未如此简单。 不幸的是,收集数据和知道如何处理它是两种截然不同的动物,归因数据只有在推动有针对性的行动时才有价值。

在接下来的部分中,我们将看看如何基于由复杂归因提供支持的可操作测量来实现营销系统。 从上面包含的可操作测量的定义开始,我们将检查:

  • 如何创建跨渠道链接的营销目标
  • 如何收集和分析用于衡量这些目标的归因数据
  • 如何使用归因数据来推动行动和优化系统

将营销目标与统一的品牌目标联系起来

实施基于可操作测量的营销系统的第一步是创建一个框架,您的数据可以在其中使用。 为此,您的组织应该:

  • 根据您企业的整体品牌目标制定计划
  • 创建支持该计划的营销目标
  • 通过衡量归因数据支持的关键绩效指标 (KPI) 来评估这些目标

品牌目标是您企业的大局优先事项。 它们包括您的商业模式和战略的最高级别计划。 这些可能涉及推出新产品、拓展新市场或扩大运营和生产。 它们通常与增长目标和利润率等财务指标挂钩。

营销目标是您利用营销努力实现品牌目标的计划。 它们描述了您的营销团队打算做什么以及如何做,包括为团队成员实施计划提供明确的方向,并提供您可以与所有权或执行团队共享以支持监督的报告。 营销目标的示例包括扩大您的在线形象、产生新的潜在客户、增加销售额和建立品牌知名度等。

关键绩效指标 (KPI)是衡量营销工作绩效的可量化指标。 根据您的营销工作,您的 KPI 可能包括销售增长、利润变化、客户生命周期价值、转化率、网站指标和 SEO 性能。

用于创建营销目标的一组通用指南称为 SMART。 这是一个包含成功营销目标特征的首字母缩略词。 目标应该是具体的、可衡量的、可实现的、相关的(与品牌目标相关)和有时限的。

使用归因数据验证营销目标

您的营销目标应旨在支持您的品牌目标,并且您的营销活动应与支持您的营销目标保持一致。 此外,这些活动应该跨营销渠道保持一致——最好的营销人员对整个客户旅程有深入的了解,他们知道如何以及在哪里协调和集中他们的参与工作。

这让我们进入了第二步:通过归因数据验证目标。 您的归因系统应旨在提供数据,以支持您评估跨渠道营销目标取得的进展的能力。 但是,原始归因数据(点击次数、广告展示次数、网站流量、电子邮件打开次数、跳出率等)可能无法提供足够完整的图片来单独用作有用的 KPI。

就影响您的底线而言,每次点击的价值是多少? 有多少填写在线表格的用户最终成为客户? 一封打开的电子邮件导致购买的频率如何?

为了回答这些问题,让我们来看看一些营销归因基础知识。

什么是营销归因?

营销归因是确定您的每项营销工作在影响消费者购买决定(或采取其他一些为您的业务带来价值的行动)方面应获得多少功劳的过程。 更具体地说,归因包括在客户与与您的业务相关的媒体互动时收集有关客户活动的数据,并根据这些数据,根据它们对客户转化的影响程度,为各种营销渠道和接触点分配价值。

归因过程基于客户旅程的想法。 客户旅程遵循消费者从意识到意图再到转化的路径。 当一个人对产品或服务产生渴望并意识到您的企业提供他们正在寻找的东西时,它就开始了; 当他们与旨在鼓励您希望他们采取的行动的各种材料相互作用时,它会变得更长; 并最终在此人成为客户时结束。 但是,如果考虑客户的终生价值 (LTV),并且在初始购买之后还有其他购买,那么旅程将继续。

归因术语

接触点

接触点是人们与您的品牌互动的方式,包括构成您企业营销工作的所有各种媒体材料、体验和活动。 接触点的范围可以从网站上的横幅广告到高速公路一侧的广告牌,再到与商店或电话中的销售代表的对话。

频道

渠道是您传递信息的各种类型的媒体。 将它们视为将您的接触点带到目标受众的容器。 社交媒体平台、各种类型的广告(例如 Google 搜索广告)、电视广告、电子邮件营销——这些都是渠道类型等等。

转化次数

转化是客户采取的任何行动,通过为客户的生命周期价值 (LTV) 做出贡献来为您的业务创造价值。 就像听起来一样,终生价值是客户在他们作为客户的整个生命周期(从第一次购买到最后一次购买)为您的底线贡献的金额。

虽然为 LTV 做出贡献的最常见方式是购买,但增值转化也可能采用其他类型的所需操作的形式; 对于像 Facebook 这样的社交媒体平台,帐户是免费的,收入是由广告驱动的。 因此,注册帐户可能算作一次转化,即使此时没有产生直接收入。 现在可以使用广告来定位客户,因此这种转换仍然有助于该客户的 LTV。

如何估计终生价值

有时,客户的 LTV 是由一次购买来定义的:例如,一家向游客出售纪念品的商店可能会向度假访问的人出售一件 T 恤,而这些人永远不会回到该地区,更不用说商店了。 如果 T 恤售价 10 美元且利润率为 75%,则该客户的 LTV 为 10 美元 x .75 = 7.50 美元。

另一方面,牙医办公室的客户将拥有包含多次转换的 LTV:除了定期、每两年一次的清洁之外,客户还会回来为每个蛀牙和缺损的牙齿花钱,从而产生多笔交易多年的 LTV 为数万美元(减去费用)。

想象一下,您经营着一家名为 Parts and Parcels 的邮购汽车零部件企业,该企业从 OEM 批发购买汽车零部件,在网站上销售,然后通过邮政服务将其发送给消费者。

根据您的会计部门的计算,您知道销售的平均价值为 700 美元,平均利润率为 50%。 有了这些数据,您就可以计算出您的短期转化价值:700 美元 x .5 = 350 美元。

这个 350 美元的数字是一个很好的估计,可以让您开始采取行动优化您的预算分配。 同时,在计算转化价值时,除了进行一次销售的一次性货币奖励外,还有其他因素需要考虑。 要记住的三个常见概念是:

  1. 重复业务(又名 LTV)
  2. 获得新客户的口碑影响
  3. 随着时间的推移维持客户关系的成本

再次考虑您的邮购汽车零部件业务。 除了初始销售价值 700 美元外,会计部门还确定,在与企业的关系存续期间,普通客户会额外花费 2,300 美元。 因此,普通客户的 LTV 为 700 美元 + 2,300 美元 = 3,000 美元 x .5(利润率)= 1,500 美元。

除了考虑总 LTV 之外,您可能还需要考虑转化新客户的口碑影响。 在许多情况下,新客户可以成为满足他们需求并善待他们的企业的最佳传播者——这对招募新业务产生重大影响。 因此,假设 Parts and Parcels 计算出因口口相传而增加的业务为 15%,您可以计算如下:$700 + $2,300 = $3,000 x .5(利润率)= $1,500。 加上 15% 的附加值乘以 1.15,您将获得 1,725 美元的总转化价值。

最后,您知道普通客户需要以偶尔的客户服务交互方式进行维护。 您根据客户服务代表的小时费率计算数字,发现平均终身维护成本为 225 美元。 从您 1,725 美元的总转化价值中减去该金额,您的新转化价值为 1,500 美元。

如何收集归因数据

近年来,数字营销整体呈爆炸式增长——根据 eMarketer 的数据,2019 年全球数字广告支出增长了 17.6%,达到 3332.5 亿美元——紧随其后的是归因技术的大量普及。 鉴于数字营销在每家公司的媒体组合中几乎无处不在,各种各样的工具已经涌现,以根据归因数据衡量营销绩效。

该技术基于追踪消费者活动的能力,以阐明购买旅程的轨迹。 它依靠数字跟踪工具(例如 cookie 和跟踪像素)来跟踪客户旅程中个人的活动。 数据是根据各种归因模型收集和分析的,这些模型试图根据每个接触点在促成转化方面的影响来确定每个接触点应获得多少功劳。 基于这种类型的分析,营销人员可以采取行动来优化他们的广告支出、营销渠道和策略。

为了尽可能全面地了解每个消费者的购买历程,您需要收集尽可能多的数据——越多越好。 您对每条购买路径的看法应该尽可能完整,因为在为每个接触点分配相对值时,每个缺失的拼图都会降低分析的准确性。

归因数据可以通过多种软件工具收集。 一般来说,最重要的工具包括网络分析平台、CRM、集成广告技术以实现媒体购买、竞标和消息开发的自动化,以及捕捉线下潜在客户(如电话)的工具。

最受欢迎的网络分析工具来自我们在 Google 的朋友。 从 2005 年推出的 Google Analytics 平台开始,Google 开始允许人们和企业轻松跟踪其网站上的流量。 紧随这一早期突破的是 Google Ads、Google 展示广告网络和 Campaign Manager,这些工具可提供有关搜索和展示广告的归因数据,并让您了解哪些与 Google 相关的接触点负责将消费者吸引到您的在线形象的各种元素. 今天,Google 的所有工具都合并到一个名为 Google Marketing Platform 的统一仪表板中。

谷歌有很多影响力,但它缺乏对谷歌生态系统之外存在的许多接触点的洞察力。 因此,数字化成熟的归因系统需要在多个平台上收集数据以捕获多个渠道。 归因工具开始是其他系统的产物,并紧随数字广告的发展:大多数社交媒体平台,如 Facebook,现在都为企业用户提供了复杂的内部归因跟踪工具。 其他工具是基于漏斗的:CRM(例如 Salesforce)特别擅长跟踪转化和某些离线接触点,例如客户与您的销售团队的对话。 说到离线交易,CallRail 等工具会通过电话和短信跟踪您与客户的互动。 Marketo 和 Hubspot 等工具是一体化营销自动化工具,可根据您的归因数据为您进行调整。

这些只是一些可用的选项。 找到合适的软件工具阵容是创建适合您的归因系统的重要第一步,但最终,真正的挑战在于让它们相互交流。 您希望创建尽可能完整的客户旅程图,该过程包括将来自多个工具的数据点集成到一个聚合整体中,并使用它同时跨多个渠道获得洞察力。 现在有一些工具可以尝试进行多渠道分析,但大多数公司使用自定义解决方案来组合来自不同来源的数据。

如何分析归因数据

归因模型的目标

每个组织的归因系统都存在于数字成熟度的范围内。 一方面,企业收集有关客户旅程的最少归因数据,并在融资和制定营销策略方面或多或少地做出盲目决策。 另一方面是具有完全集成的多时刻营销系统的企业,可推动单一客户的业务成果。 这些系统是数字化的,并且通过在正确的时间向正确的消费者提供正确的内容而取得成功。

无论您的组织在数字成熟度等级上处于什么位置,您的归因流程始终可以得到改进。 任何数据驱动的营销人员的目标都是构建一个最准确反映现实的模型,然后根据该模型生成的信息,有效地调整整体广告支出、跨营销渠道的支出分配以及渠道内营销策略。 理想情况下,客户做出购买决定的每一个影响因素都被考虑在内,并根据其对推动业务价值的影响进行准确加权,并立即进行适当的调整。

不要期望在实践中实现完美的现实模型——人类决策过程的全部复杂性包括太多不可见或无法衡量的变量——但对理想的追求是思考的重要概念起点如何构建适合您业务的归因驱动系统。 无论您在数字成熟度范围内处于何处,任何试图更准确地了解客户购买旅程的尝试都会使您朝着正确的方向前进,并对您的业务产生积极的影响。

什么是归因模型?

收集原始归因数据后,就可以开始分析了。 如上所述,归因数据的处理涉及将功劳分配给各个接触点; 确定应该为每个接触点分配多少功劳构成了归因分析的大部分内容。

有两种主要的归因方法:基于接触的归因和媒体混合建模。

基于接触的归因模型跟踪每个消费者的个人客户旅程,并根据每个接触点在购买路径上相对于其他接触点的位置为每个接触点分配信用。

单点归因模型在每条路径上选择一个特定的接触点——例如,购买前的最后一次点击——并赋予它所有促成转化的功劳。 多触点归因模型根据所有触点在客户旅程中的位置在所有触点之间分配不同级别的信用。

基于触摸的归因模型易于理解和应用,无需复杂的技术或数学模型。 网络上有大量关于基于触摸的归因的有用入门书,可以帮助您入门。 将这些模型应用于您的归因数据是实现可操作衡量的重要第一步。 它们提供起点数据,让您了解从哪里开始。

详细了解归因建模以及哪种模型最适合您的业务目标。

然而,对于数字化成熟的归因系统,基于接触的归因模型具有用于仅根据接触点在客户旅程中的位置分配信用的设定公式,还有很多不足之处。 这些模型中的缺陷也在网络上得到了广泛的详细说明。

为了避免这种建模固有的缺陷,最成功的数字营销人员变得更加复杂。 通过将机器学习应用于基于消费者行为的接触点分析,您可以实现更准确的归因建模类型 - 没有标准的基于接触的模型的盲点。

什么是数据驱动的归因模型?

数据驱动的归因 (DDA) 建模通过使用​​实际消费者行为作为将功劳分配给各种接触点的基础,消除了归因模型中的猜测。 DDA 会在您有记录的每个客户旅程中收集您的所有跟踪和转化数据。 使用基于机器学习的预测算法,DDA 可以更准确地确定哪些接触点实际上会导致转化,并根据新输入不断更新。

虽然 DDA 是一种更准确、更具成本效益的归因数据建模方式——研究表明,在与基于规则的归因模型相同的预算水平下,通过 DDA 模型优化的营销计划产生更多的转化——但要实现这一点仍存在挑战和运行。

一方面,您需要大量的转换数据来处理足够大的样本量,以便 DDA 发挥其魔力。 它不是开箱即用的,通常需要大量的交付时间才能产生可​​靠的结果。 许多使用 DDA 分析的企业从多点接触、基于规则的模型的各种迭代开始,直到收集到足够的数据来实施 DDA。

另一个问题涉及整合来自各种来源的数据。 尽管 Google Ads 为用户提供了使用 DDA 模型处理数据的能力,但模型中并未考虑来自 Google 生态系统之外的来源(例如 Facebook 广告)的任何接触点。 回到数字化成熟度的规模,最成熟的公司通常会通过大量投资于内部程序和定制解决方案,找到将所有数据集成到统一系统中的方法。

什么是营销组合建模 (MMM)?

MMM 不是跟踪单个客户的旅程,而是使用汇总的销售和营销数据来为推动转化的营销工作分配功劳。 它涉及收集基于一段时间内销售额的历史数据,并使用多元回归分析(一种复杂的统计分析)来确定营销对客户行为的影响有多大。

作为自顶向下的模型,MMM 需要大量数据和复杂的算法计算才能得出结论。 它依赖于有关季节性、定价和广泛经济状况的历史数据。

虽然 MMM 有用且准确,但它既麻烦又昂贵。 通常,企业供应商的立足点不在营销领域。 它也不像基于触摸的建模那样灵活和响应迅速:公司通常每季度或每年运行一次 MMM 分析。

如何使用归因数据采取行动

在最高级别,有效的归因系统可以支持决策者确定将多少总预算分配给营销活动。 这些决策通常每年或每季度发生一次,由顶级业务考虑因素驱动,例如利润率目标和增长预测,并且是企业整体财务健康状况的重要因素。

做出这些决策的基础数据是每次采购的成本。 每次获取成本是您为营销工作转化的每个新客户在营销工作上花费的金额。 要得出这个数字的起点,请使用您的归因数据来汇总所有转化次数,然后将您在给定时间段内在营销上花费的金额除以您在该时间段内获得的转化次数。

然而,为了更准确地计算每次采购的成本,要记住的一个重要概念是增量。 增量衡量在所有新转化的背景下由营销驱动的转化。

增量解释了在没有营销的情况下自然发生的转换。 您的营销增量价值是通过从新业务总量中减去您从营销工作中获得的业务来计算的。 通过这种方式,您可以准确计算营销工作对推动业务成果的真正影响。

营销组合建模,如上一节所述,是一种获得准确的增量每次收购成本的方法。 另一种是采用实验方法,如折返和综合控制。

在切换方法中,营销人员在一段时间内关闭所有营销,并将这段时间内的转化量与营销开始时的转化量进行比较。 在综合控制中,针对某个市场(例如特定地理区域)关闭营销,同时针对不同的相似市场保留营销,并比较转化率。

这些类型的实验可帮助您将营销驱动的转化与自然发生的转化区分开来,从而提高每次转化费用计算的准确性。

有了 LTV 和每次获取成本数据,您就可以做出可靠的宏观预算决策。 如果您的目标是投资营销以增加一定数量的收入,您可以使用 LTV 来确定需要获得多少客户才能达到该收入,然后将每次转化费用乘以该金额才能达到你的成长目标。 并且通过包括 LTV,您知道可以保持盈利能力的最高每次购买成本支出水平。 如果您的每次获取成本超过该数字,您的收入可能会增加,但最终会赔钱。

优化渠道和接触点

归因数据可以指导行动的下一个级别是基于每个渠道和每个接触点。 这就是多点触控和数据驱动的归因模型发挥作用的地方。 通过评估渠道和接触点的性能并根据它们在推动转化方面的功效为它们分配价值,您就拥有了做出明智的、基于渠道的分配决策并优化接触点的时间和内容所需的数据。

通过归因产生的洞察力最终有助于推动每项营销工作的增量价值。 当您正确分配影响时,您可以根据最有效地协同工作以推动转化的接触点的混合分配资金,从而降低您的企业为每次转化而产生的营销成本。

基于渠道的洞察通常基于分配决策。 您应该在每个渠道上投资多少? 我们在有关基于接触的建模的部分中大部分内容都涵盖了这些决策背后的分析:理解渠道之间的关系很大程度上取决于您如何加权接触点,以及这些接触点所在的位置。

假设您正在跨多个渠道开展活动,并且您正在跟踪的其中一个客户旅程是这样的:他们打开一封电子邮件,然后访问您的网站,稍后,他们在播放 YouTube 视频之前点击广告,然后提供您根据网站上的号码拨打电话,最后进行购买。 每个接触点都存在于不同的渠道中,您的分配决定取决于您的模型为该接触点分配的权重。 数据驱动模型的好处在于,它根据客户决策的汇总告诉您哪些接触点似乎最有效,从而消除了猜测。

基于接触点的洞察往往涉及优化创意决策和内容。 例如,通过根据主题和渠道深度对接触点的内容进行分类,并使用 Google Analytics 的内容分组功能,您可以衡量各种接触点在网站访问者的各种人口统计数据中的表现。

CTA(号召性用语)是另一个例子。 这些是简短、粗体的术语,放置在链接或按钮上,旨在启动操作。 通过在 Google Analytics 中创建基于人们点击 CTA 的转化事件,然后将不同 CTA 的转化率相互比较,您可以很好地了解哪种最有效。

最终,可操作测量的目标是创建一个营销系统,在正确的时间向正确的客户传递正确的信息。 构建这种类型的系统需要不断收集归因数据,然后将这些数据反馈到系统中以优化每个渠道和接触点。 通过确保营销目标跨渠道与统一的品牌目标相关联,使用复杂的模型验证目标,并使用归因数据推动行动,您可以成为数字化成熟的营销人员。

详细了解归因建模并找出最适合您的业务目标的模型。

,

最新文章