多點觸控歸因的優點和缺點 

 

很少有銷售是立即發生的。消費者會花時間去發現、評估並說服他們接受你的報價。

行銷歸因(也稱為多點觸控歸因、多通路歸因或 MTA)可協助企業更了解哪些行銷策略會影響消費者在購買過程的不同階段的決策。然後加倍努力確保更多銷售。

與標準分析不同,多通道建模結合了來自不同管道的數據,以確定它們對轉換率的累積和獨立影響。

行銷歸因的主要好處是顯而易見的:查看表現最好的管道以及參與輔助轉換的管道。行銷歸因的缺點:它有更複雜的設定流程。

如果您對開始使用行銷歸因持觀望態度,這裡總結了支持和反對它的主要論點。

行銷歸因有什麼好處?

還記得盲人摸象的古老寓言嗎?

每個人都觸摸了大象並得出了關於它可能會是什麼樣子的結論。該小組最終對這種動物產生了不同的看法,並認為其他人在撒謊……直到他們決定共同努力找出真相。

多通路分析的工作方式類似:它將來自不同管道和活動類型的資料整合為完整的圖景。這樣您就可以了解不同行銷活動類型的功效,並獲得一些其他好處。

更了解客戶旅程

平均而言,需要與潛在客戶進行8 次互動才能產生轉換。這些交互作用分三個階段發生:

  • 意識:您需要向目標買家介紹您的公司,並激發他們對您的解決方案的興趣(漏斗頂部)。
  • 考慮因素:下一步是將這種偶然的興趣轉化為對您的報價進行深思熟慮的研究和評估(漏斗的中間)。
  • 決策:最後,您需要讓買家承諾您的報價並完成交易(漏斗底部)。

您可以使用各種歸因模型(最後點擊、首次點擊、基於位置的歸因等)來分析管道。

例如,單點觸控歸因模型(如最終點擊)會放大到漏斗底部階段。您可以評估哪些管道(或現場元素)為潛在客戶達成了交易。例如,網站訪客透過聯盟連結到達並開始免費試用。在這種情況下,聯盟行銷人員(推薦流量)將獲得 100% 的轉換功勞。

然而,這種衡量策略並不能顯示哪些管道將客戶帶到了管道的最底層。例如,他們可能在此之前與社交媒體貼文、您的登陸頁面或橫幅廣告進行互動。

多點觸控歸因建模使漏斗分析更進一步。在這種情況下,您可以在網站分析工具中繪製客戶旅程中的更多步驟(觸發訪客決定進行轉換的操作、事件和頁面)。

然後,選擇多點觸控歸因模型,該模型可以提供更多的向後可見性,也可以讓您在轉換之前追蹤多個管道。

例如,基於位置的歸因模型會報告網站訪客在首次造訪和轉換之間的所有交互作用。

潛在客戶首先透過搜尋結果(搜尋流量)登陸您的網站,在此模型中獲得 40% 的積分。兩天后,同一個人在另一個部落格上發現了您的網站,並再次訪問(建議流量)。這次,他們將該頁面保存為書籤,並在兩天後再次訪問(直接流量)。每個頻道將獲得 10% 的積分。一週後,潛在客戶透過 Twitter(社群)再次登陸您的網站,並要求進行簡報。然後,社群媒體將獲得此轉換的 40% 的積分。最終點擊僅歸功於社群媒體,而首次點擊則歸功於搜尋引擎。

底線:多通路歸因模型顯示不同管道(和行銷策略)如何在客戶旅程的不同階段促進轉換。沒有它,你就會得到不完整的圖片。

改善預算分配

了解行銷活動和轉換率之間的因果關係可以幫助您優化預算。

首次點擊/最終點擊歸因模型強調一個管道的作用。這可能會促使您得出錯誤的結論。

例如,根據首次接觸模型,您的 Facebook 廣告活動效果非常好。因此您決定增加預算。但您可能會錯過的是,如果您解決「漏斗洩漏」問題,即解決結帳期間的高流失率、改進頁面佈局並解決退出頁面的其他可能原因,您可能會獲得更高的轉換率和收入。

Matomo 的漏斗報告可讓您了解有多少人進入下一個轉換階段,並調查他們放棄的原因。

透過了解人們何時以及為何放棄購買旅程,您可以提高行銷速度(也稱為查看行銷活動結果的速度)和行銷成本(又稱為分配給不同資產、接觸點和行銷活動類型的預算)。

或者正如行銷技術教父之一 Dan McGaw 在網路研討會中所解釋的那樣:

「一旦您擁有多點觸控歸因模型,您就可以實際了解每個廣告活動的廣告支出回報。有時,您可以將其歸結為關鍵字。有時,你可以認真研究各種其他信息,但你開始意識到,「哦,這個活動很糟糕。我應該把它關掉。真的,這就是它的意義。它看到那些糟糕的活動並關閉它們,然後將預算投入到有效的活動中」。

更準確的測量

多通路行銷歸因的一大好處是,您可以放大通路的各個元素並獲得有關資產績效的詳細數據。

換句話說:您可以更準確地了解客戶旅程中涉及的不同元素。但為了準確的分析測量,您必須配置準確的追蹤。

首先定義您的目標:您希望多點觸控歸因工具如何幫助您?多通路歸因分析可協助您回答重要問題,例如:

  • 轉化涉及多少個接觸點?
  • 潛在客戶平均需要多久才能轉換?
  • 不同受眾群體何時何地轉換?
  • 不同類型活動的平均勝率是多少?

您的目標將決定哪種多通路建模方法最適合您的業務,以及您需要收集的資料。

在最高級別,您需要收集兩個數據點:

  • 轉換:您的潛在客戶期望的操作 – 銷售、電子報訂閱、表單提交等 。
  • 接觸點:您的品牌和目標之間的特定互動 – 特定的頁面訪問、來自特定行銷管道的推薦流量等。

然後,您的歸因建模軟體將在觸發它們的操作(轉換)和資產(接觸點)之間建立關聯模式。

然而,這些測量的準確性將取決於數據 西班牙電話號碼數據 的品質和所使用的歸因模型的類型。

數據品質代表您從各個接觸點獲取準確、完整和全面資訊的能力。例如,如果使用者拒絕 cookie 同意橫幅,某些資料將無法使用(除非您使用的是 Matomo 等注重隱私的網路分析工具)。

不同的歸因建模技術也存在固有的缺點,因為它們不能準確地表示平均銷售週期長度或追蹤訪客層級的數據,而這些數據可以讓您了解哪些客戶群轉換效果最好。

電話號碼數據

詳細了解如何為您的企業選擇最佳的多通路歸因模型

免費試用 Matomo

獲得您需要的網路洞察,而不影響數據準確性。

免費開始

無需信用卡

多點觸控歸因有哪些限制?

整體而言,多點觸控歸因提供了更全面的轉換路徑視圖。然而,每個歸因模型(自訂模型除外)都帶有關於不同渠道貢獻的固有假設(例如,線性歸因中的25%-25%-25%-25% 或40%-10%-10 %-40基於位置的歸因百分比)。這些轉換積分分配可能無法準確代表您所在產業的實際情況。

此外,大多數歸因模型並不反映您從現有客 藝術作品集 wordpress 主題 戶那裡獲得的增量收入,這些客戶沒有透過分析的管道進行轉換。例如,透過應用程式內優惠觸發帳戶升級到更高等級。或透過行銷電子郵件進行保固追加銷售。

此外,您還應該記住多點觸控歸因軟體的其他幾個限制。

有限行銷組合分析

多點觸控歸因工具與您的網站分析應用程式結合 利瓦集團公司 使用(因為它們從中提取大部分資料)。正因為如此,此類模型繼承了您的行銷組合的相同可見度——您用來影響消費者決策的策略組合。

多點觸控歸因工具無法評估以下方面的影響:

  • 黑暗的社群管道
  • 口碑相傳
  • 線下促銷活動
  • 電視或戶外廣告活動

如果您想將此數據合併到多歸因報告中,則必須從其他系統(CRM、廣告衡量合作夥伴等)取得額外數據,並建立複雜的自訂分析模型進行評估。

基於時間的約束

大多數分析應用程式提供最長 90 天的歸因回顧視窗。對於銷售週期較長的公司來說,這可能會很短。

來源:行銷圖表

當歸因視窗太短時,行銷管道可能會被忽略或低估。因此,您可能會減少品牌知名度活動的支出,進而減少進入通路後期階段的人數。

同時,許多企業也希望追蹤一個前瞻性視窗——您將從一位客戶一生中獲得的收入。在這種情況下,並非所有工具都可以讓您透過重新購買、帳戶層更新、附加產品、追加銷售等來捕獲重複轉換的準確資訊。

同樣,為了獲得準確的了解,您需要了解應該在未來多久追蹤轉換。您是否只將首次銷售記錄為收入數字或監控 3、6 或 12 個月的客戶生命週期價值 (CLV)?

後者更具挑戰性。但 CLV 資料可以為您的建模準確性增加另一個維度深度。借助 Matomo,您可以使用我們的訪客追蹤功能來設定此類追蹤。我們可以協助您追蹤具有已知識別碼(例如姓名或電子郵件地址)的特定訪客,以發現他們隨時間變化的存取模式。

對原始資料的存取有限

在網路分析中,原始資料代表未經處理的網站訪客訊息,未套用任何過濾器、分段或採樣。

資料採樣是一種分析資料子集(而不是完整記錄)以推斷整個資料集結果的做法。一旦您在媒體資源層級達到超過 50 萬個會話,Google Analytics 4 就會套用資料取樣。因此,您收到的不是準確的現實報告,而是機器學習模型產生的近似值。數據採樣是Google Analytics 準確性問題背後的主因之一。

 

返回頂端