마케팅 기여의 이유와 방법: 데이터 기반 가이드

평범한 브랜드는 다음과 같이 추측합니다 . "최신 Facebook 광고가 잘 작동하는 것 같습니다."

일류 브랜드는 다음과 같이 알고 있습니다 . "현재 Facebook 광고 세트는 트래픽을 유도하고 있지만 고객을 전환시키는 것은 리타겟팅 픽셀입니다."

정교한 마케터와 팩을 구분하는 것은 효과가 있는 것과 그렇지 않은 것에 대한 데이터 중심의 이해입니다.

마케팅 속성 모델은 마케터가 ROI에 미치는 영향을 이해하기 위해 사용자 접점 및 전환 뒤에 있는 데이터를 평가하는 데 도움이 됩니다.

이 기사에서는 마케팅 기여가 작동하는 방식, 6가지 다른 모델로 측정하는 방법, 마케팅 예산을 개선하는 데이터 기반 의사 결정 방법에 대해 알아봅니다.

마케팅 속성이란 무엇이며 왜 중요한가요?

마케팅 속성은 고객이 구매 여정 전반에 걸쳐 마케팅 접점에 어떻게 참여하는지 분석하는 방법입니다.

마케팅 전략이 수익 성장에 어떻게 기여하는지 이해하기 위해 귀인 모델(전환 기여도를 각 접점에 부여하는 방식을 관리하는 일련의 규칙)을 선택합니다.

마케팅 속성은 다음과 같은 인사이트를 뒷받침하는 데이터를 제공합니다.

• Google Ads는 가장 중요한 수익원입니다.
• 이 이메일 육성 캠페인은 효과가 없으며 재구축이 필요합니다.
• 대부분의 고객은 유기적 콘텐츠를 통해 우리를 발견합니다.

이 데이터가 없으면 마케팅 결정은 주로 직관에 기반합니다.

올해 조직의 수익 목표를 달성하기 위해 다음 분기에 리드 생성을 25% 늘리는 과제를 맡았다고 가정해 보겠습니다.

예를 들어 마케팅 속성 데이터는 유기적 콘텐츠가 일반적인 고객 여정에서 가장 일반적인 첫 번째 접점임을 보여줄 수 있습니다. 즉, 콘텐츠는 대부분의 고객이 귀사를 찾는 방법입니다.

이 데이터가 없으면 현재 사용 중인 마케팅 채널과 전술을 보고 “이번 분기에 콘텐츠 예산을 Google Ads에 재할당하자. 이 수익 목표를 달성해야 합니다.”

이 경우 콘텐츠 퍼블리싱 노력의 우선 순위를 낮추는 것은 잘못된 조치이지만 귀속 데이터에 액세스할 수 없는 경우 쉽게 할 수 있습니다.

이러한 인사이트의 효과는 마케팅 속성을 측정하는 방법 에 따라 달라집니다.

마케팅 기여를 측정하는 방법

대부분의 마케터는 어트리뷰션 소프트웨어에서 즉시 사용 가능한 모델 중 하나를 사용합니다. 여기에는 결함이 있지만(곧 논의할 예정임) 고객이 마케팅 접점과 상호 작용하는 방식에 대한 기본적인 이해를 제공합니다.

원터치 기여 분석 모델

원터치 기여도 모델은 고객 여정에서 단 하나의 접점에만 기여도를 부여합니다.

여기에서 단점은 즉시 명백합니다. 고객은 단일 터치포인트 뒤에서 전환하는 경우가 거의 없습니다.

디지털 영업 컨설팅 회사인 Columbia Road의 이 고객 여정 지도를 살펴보십시오. 이 지도에는 결정을 내리는 과정에 있는 10개의 접점이 있습니다.

그러나 이러한 단순한 속성 모델에는 몇 가지 장점이 있습니다. 고객이 전자상거래 브랜드에서 구매하기까지 거치는 일반적인 경로와 유사한 이 고객 여정을 고려하십시오.

• 고객이 Google 광고를 통해 웹사이트를 방문합니다.
• 장바구니에 제품을 추가하지만 전환하지 않음
• 이렇게 하면 고객이 볼 수 있지만 클릭하지 않는 버려진 카트 이메일이 트리거됩니다.
• 고객은 또한 Facebook에서 재타겟팅 광고를 보게 되며, 그 중 하나는 구매를 유발합니다.

페이스북 광고는 액면 그대로 전환에 전적으로 책임이 있습니다.

그러나 퍼스트 터치 기여 모델은 Google 광고 촉매를 강조합니다.

싱글터치 기여 모델은 포괄적이지 않을 수 있지만 터치포인트가 어떻게 결합되어 작동하는지 더 잘 알 수 있도록 도와줍니다.

퍼스트 터치 어트리뷰션

퍼스트 터치 어트리뷰션은 고객이 브랜드와 갖는 첫 번째 상호 작용에 모든 기여도를 부여합니다.

그 이후에 얼마나 많은 터치포인트가 왔는지 또는 첫 번째 상호작용 후 고객이 구매하는 데 걸리는 시간은 중요하지 않습니다. 첫 번째 클릭은 크레딧의 100%를 받습니다.

위의 예에서 초기 Google 광고는 모든 기여 기여도를 받습니다.

제한적이긴 하지만 이 기여 모델은 어떤 마케팅 활동이 고객을 유치하는지 이해하는 데 유용합니다.

해당 데이터를 사용하여 퍼널 상단 활동을 최적화하고 더 많은 신규 리드를 유도할 수 있습니다.

마지막 접촉 기여

마지막 터치 속성은 고객 여정의 마지막 터치포인트에 모든 크레딧을 부여합니다. 이것은 위의 예에서 나온 재타겟팅 Facebook 광고입니다.

특히 구매 주기와 고려 단계가 짧은 비즈니스에 가장 널리 사용되는 원터치 기여 분석 모델입니다. 이러한 경우 마지막 상호작용이 구매 동기를 부여했을 가능성이 더 큽니다.

다른 방법으로는 구매할 생각이 전혀 없는 이상한 제품을 판매하는 것으로 알려진 온라인 마켓플레이스인 Wish를 예로 들어 보겠습니다. 정교한 고객 여정이 없을 수 있으므로 마지막 터치 기여가 적절한 모델이 될 것입니다.

마지막 간접 클릭 어트리뷰션

마지막 간접 클릭 속성 모델은 직접 트래픽을 할인한다는 점을 제외하면 마지막 터치 모델과 유사합니다.

약간 다른 전자 상거래 구매 여정을 고려해 보겠습니다.

• 고객이 Google 광고를 통해 웹사이트를 방문합니다.
• 장바구니에 제품을 추가하지만 전환하지 않음
• 이렇게 하면 고객이 볼 수 있지만 클릭하지 않는 버려진 카트 이메일이 트리거됩니다.
• 나중에 고객이 사이트로 직접 돌아와 구매합니다.

마지막 클릭 기여 모델에서는 직접 트래픽으로 이동합니다. 마지막 비직접 상호 작용 모델을 사용하여 카트 복구 이메일이 모든 크레딧을 얻습니다.

이 모델은 고객이 사이트에서 한 번 빠르게 전환하는 경우에 적합합니다(예: 원하는 제품을 장바구니에 추가하고 바로 결제로 이동).

전환 시 영향을 미치는 요소(예: CTA 및 주요 고객 리뷰)를 무시하기 때문에 고객이 전환하는 데 시간이 오래 걸리는 경우 이 모델을 피하십시오.

멀티터치 기여 분석 모델

멀티터치 기여도 모델은 모든 디지털 터치포인트를 고려하고 각 상호작용에 전환율 기여도를 어느 정도 할당합니다.

B2B 구매자가 프로젝트 관리 플랫폼을 구매하기 위해 취할 수 있는 경로를 고려하십시오.

고객은 YouTube에서 Asana의 제품 광고를 보고 CTA를 클릭합니다. 랜딩 페이지를 읽지만 전환하지는 않습니다.

동영상 광고에 제시된 문제(예: 프리랜서 팀 관리)를 숙고하면서 고객은 "프리랜서 관리"에 대해 Google 검색을 수행합니다. 고객은 Asana의 게시물을 클릭하고 브랜드를 인식합니다.

도움이 되었고 그들은 몇 가지 전략을 구현하기로 결정했습니다. 나중에 LinkedIn에서 Asana 광고를 보고 CTA를 클릭하여 eBook을 다운로드합니다.

다음으로 일련의 Asana 리드 육성 이메일을 받습니다. 마지막은 그들이 수락하는 연간 요금제에 가입할 때 첫 달 무료 제공입니다.

이 여정에는 6개의 고유한 디지털 마케팅 채널이 포함됩니다.

• 유튜브 광고
• 방문 페이지
• 유기농 콘텐츠
• LinkedIn 광고
• 전자책
• 이메일 육성 캠페인

싱글터치 속성 모델은 본질적으로 이러한 상호작용 중 6개 중 5개를 무시합니다. 멀티터치 모델은 모든 채널에서 기여 기여도를 공유하지만 기여도가 어떻게 분배되는지는 구현하는 모델에 따라 다릅니다.

선형 기여

선형 기여 모델은 모든 터치포인트에 균등하게 기여도를 부여합니다. 위의 예에서 6개의 터치포인트 각각은 기여 기여도의 16.67%를 받게 됩니다.

이 모델은 더 정확한 가중치를 결정할 예산이나 데이터가 없지만 원터치 모델 제한에 만족할 수 없는 경우에 적합합니다.

충분한 리소스를 갖춘 확고한 회사라면 더 정확한 결정에 투자하십시오.

위치 기반 기여

위치 기반 기여도(U자형 기여도라고도 함)는 첫 번째와 마지막 상호작용에 더 많은 가중치를 부여합니다. 그래도 그 사이의 터치포인트에 약간의 공로를 부여합니다.

가장 일반적인 모델은 첫 번째 터치포인트와 마지막 터치포인트에 각각 40%를 할당하고 나머지 20%는 나머지에 균등하게 분배하는 것입니다.

위의 예에서 크레딧 분배는 다음과 같습니다.

• 유튜브 광고 – 40%
• 방문 페이지 – 5%
• 유기물 함량 – 5%
• LinkedIn 광고 – 5%
• 전자책 – 5%
• 이메일 육성 캠페인 – 40%

위치 기반 속성은 판매 주기가 길고 B2B 구매와 같이 구매 결정과 관련된 여러 접점이 있는 경우에 유용합니다. 긴 구매 주기의 경우 대화를 생생하게 유지한 각 상호 작용에 최소한 어느 정도 기여하는 것이 중요합니다.

시간 소멸 속성

시간 가치 하락 기여 모델은 상호작용 이후 경과된 시간에 따라 기여도를 분배합니다.

마지막 터치포인트는 항상 가장 많은 크레딧을 받고 첫 번째 터치포인트는 가장 적은 크레딧을 받습니다.

Asana 예에서 크레딧 분배는 다음과 같을 수 있습니다.

• YouTube 광고 – 5%
• 방문 페이지 – 7.5%
• 유기물 함량 – 12.5%
• LinkedIn 광고 – 20%
• 전자책 – 25%
• 이메일 육성 캠페인 – 30%

초기 상호작용이 전환에 덜 중요한 경향이 있기 때문에 기업 판매와 같이 관계 구축이 핵심 요소인 경우 시간 소멸 모델이 유용합니다.

그러나 브랜드 구축 및 인지 채널이 비즈니스 목표에 중요한 경우 위치 기반 모델을 사용하십시오.

마케팅 속성의 도전과 한계

기여 모델은 마케터가 고객 행동에 대한 기본 이해를 얻는 데 도움이 되지만 불완전하고 불완전합니다. 그들은 수요를 창출하는 것이 아니라 포착하는 것으로 제한됩니다.

대부분의 기존 모델은 추측을 기반으로 하거나 다크 퍼널 활동을 완전히 놓치기 때문에 부족합니다.

정교한 기여 모델은 기본 모델보다 성능이 우수하지만 방향을 선택하기 전에 이러한 제한 사항을 염두에 두어야 합니다.

기여 모델 선택은 대체로 임의적입니다.

귀인 모델을 선택하는 것은 주로 하드 데이터가 아닌 직관에 기반합니다.

예를 들어 첫 번째와 마지막 터치포인트에 가장 많은 기여도를 할당하는 것이 합리적이라고 생각되면 위치 기반 기여 모델을 선택할 수 있습니다.

그런데 왜 각각 40%를 받아야 할까요? 첫 번째 상호작용에 30%, 마지막 상호작용에 50%, 또는 그 반대가 아닌 이유는 무엇입니까? 크레딧 분포는 하드 데이터가 아닌 직감에 기반합니다.

이상적인 솔루션은 Impact.com 또는 Google Analytics 360과 같은 플랫폼을 사용하여 데이터 기반 또는 알고리즘 기여 모델을 구현하는 것입니다.

이러한 모델링 도구는 고급 통계 계산 및 기계 학습을 사용하여 전환하는 고객과 전환하지 않는 고객 간의 차이를 이해합니다. 그런 다음 이러한 참여 패턴을 해석하여 접점에서 효과적으로 기여도를 부여하는 방법을 결정합니다.

안타깝게도 이러한 제품은 일부 비즈니스에서는 엄청나게 비쌉니다(Google 애널리틱스 360 멤버십은 연간 $150,000부터 시작).

이 수준의 속성 모델링이 불가능할 경우 가장 좋은 경로는 다음과 같습니다.

1. 전략에 가장 적합한 표준 기여 분석 모델을 선택하세요.
2. 효과가 있는 것과 그렇지 않은 것에 대해 자세히 알아보면서 최적화 및 사용자 지정
3. 인사이트를 사용하여 마케팅 결정을 내릴 때 비알고리즘 기여의 한계 이해

대부분의 기여 분석 모델은 디지털이 아닌 터치포인트를 고려하지 않습니다.

위에서 논의한 모든 기여 모델은 디지털 접점에 적합하지만 구매 여정은 완전히 디지털이 아닙니다.

이것은 의류 및 의류와 같은 소매 산업에서 특히 그렇습니다. 여기서는 표준 온라인 대 오프라인 접근 방식 외에 두 가지 뚜렷한 구매 패턴이 등장하고 있습니다.

• ROPO(온라인 조사, 오프라인 구매). 구매자는 온라인에서 대부분의 유입경로를 거친 다음 실제 매장에서 구매를 완료합니다.
• 쇼루밍. 구매자는 실제 매장에서 제품을 살펴보고 온라인으로 구매합니다.

두 경우 모두 완전 디지털 기여 분석 모델은 모든 터치포인트를 고려하지 않습니다.

이 문제에 대한 완벽한 솔루션을 찾는 것은 어렵습니다. 한 가지 전략은 로열티 카드를 사용하여 오프라인 구매를 디지털 프로필과 연결하는 것입니다.

Yotpo 및 Stampme와 같은 플랫폼을 통해 브랜드는 충성도 프로그램을 통합하여 오프라인 접점을 효과적으로 추적할 수 있습니다.

또 다른 전술은 가구 및 장식품 생산업체인 VOX와 같이 의도적으로 고객을 오프라인으로 유도하는 것입니다.

그들의 VOXBOX 응용 프로그램을 통해 고객은 가상 가구 레이아웃을 온라인으로 디자인할 수 있습니다. 그런 다음 구매자에게 실제 매장에서 대면 상담 일정을 잡도록 권장합니다.

이를 통해 VOX는 온라인에서 오프라인으로의 구매 여정 전환을 제어하여 오프라인 접점을 기여 모델에 통합할 수 있습니다.

브랜드 및 산업에 적합한 경우 이러한 전략 중 하나를 구현하여 오프라인 상호 작용을 추적하는 것을 고려하십시오. 그렇지 않으면 디지털 전용 속성 모델이 전체 그림을 캡처하지 못할 수 있음을 명심하십시오.

이미 시장에 진출한 고객을 회계 처리하는 것은 어려운 일입니다.

마케팅 속성 모델은 종종 고객 여정의 이벤트(예: 전환)가 다른 이벤트(예: 최종 접점)에 의해 발생 한다고 가정하는 상관관계 기반 편향으로 이어집니다. 실제로는 그렇지 않을 수도 있습니다.

특히 마케터는 어쨌든 해당 제품을 구매하기 위해 시장에 있었던 고객에게 전환 속성을 부적절하게 할당할 수 있습니다.

Shopify의 이 타겟팅된 Facebook 광고를 고려하십시오.

Shopify가 Facebook의 특정 전자상거래 관련 페이지에 참여하는 대상을 타겟팅하기 위해 이 광고를 설정했다고 가정해 보겠습니다.

청중은 이러한 페이지에 참여하고 시장에서 가장 좋은 도구에 대해 자주 논의합니다. 광고가 표시되기 전에 Shopify가 올바른 선택이라고 결정했을 가능성이 큽니다.

그래서 그들이 그것을 보고 클릭할 때 전환에 책임이 있습니까?

구매 후 설문조사를 수행하여 시장 내 편향을 설명합니다. "우리에 대해 어떻게 알게 되었습니까?" "무엇 때문에 저희 제품을 구매하기로 결정하셨습니까?"

보다 정성적인 데이터를 보려면 “Shopify에 가입하기 전에 이 Facebook 광고를 클릭했습니다. 이 광고가 구매에 얼마나 영향을 미쳤습니까?” 고객이 1~5점 척도로 응답을 평가하도록 합니다. 이렇게 하면 광고가 실제로 전환에 영향을 미치는지 아니면 앞으로 발생할 구매를 방해하는 것인지 더 잘 이해할 수 있습니다.

고급 기여도를 위한 맞춤 기여도 모델링 사용

위의 모델은 Google 애널리틱스에서 볼 수 있는 간단한 휴리스틱 기반 및 즉시 사용 가능한 모델인 기본 기여 분석 모델입니다. 그들은 모두 당신에게 답을 주지만 최고의 마케터들은 그들의 정확성에 의문을 가질 것입니다.

Google 애널리틱스의 기본 규칙 기반 모델 위에 맞춤 모델을 구축할 수도 있습니다.

Google 애널리틱스의 기본 규칙 기반 모델 위에 맞춤 모델을 구축할 수도 있습니다.

그러나 사용자 지정 모델도 고객 여정의 뉘앙스에 따라 임의적이며 편견과 가정에 의존할 위험이 있습니다.

또한 Google Analytics 내에서 Markov 모델을 적용하는 방법에 대한 몇 가지 흥미로운 기사를 보았습니다. 이는 위에서 설명한 모델에 만족하지 않을 때, 특히 고객 여정을 완벽하게 파악하기 위한 특정 데이터 포인트가 부족한 경우에 유용합니다.

이 사용 사례에서 Markov 모델을 단순화하려면 주어진 전환 경로에서 다음 단계의 가능성을 살펴보십시오. 제거를 기준으로 지정된 터치포인트의 상대적 중요도를 계산합니다.

Markov 모델에는 이 백서에 설명된 대로 다음과 같은 이점이 있습니다.

• 객관성 – 직감이 없습니다.
• 예측 정확도 – 전환 이벤트를 예측합니다.
• 견고성 – 유효하고 신뢰할 수 있는 결과.
• 해석 가능성 – 투명하고 상대적으로 해석하기 쉽습니다.
• 다양성 – 데이터 세트에 의존하지 않습니다. 새로운 데이터에 적응할 수 있습니다.
• 알고리즘 효율성 - 적시에 결과를 제공합니다.

다음은 이를 수행하는 방법을 설명하는 좋은 게시물입니다. 여기 또 있습니다. 훌륭한 데이터 분석가는 이를 귀인 모델에 적용할 수 있습니다.

코호트를 사용하여 특정 작업의 효과 측정

시간 기반 코호트는 마케팅 활동 또는 배포된 채널에 대한 변경의 효과를 찾는 데 핵심이 될 수 있습니다. 최소한 코호트 분석과 통제된 실험을 결합하여 더 큰 유효성을 확인함으로써 유효성의 지표를 찾을 수 있습니다.

특히, 코호트를 보면 특정 마케팅 활동이 적어도 상관적으로 얼마나 효과적인지 판단하는 데 도움이 될 수 있습니다. The Drilling Down Project의 창립자인 Jim Novo는 Digital Analytics Podcast 에피소드에서 다음과 같이 설명했습니다.

코호트 분석 작업을 하는 SaaS 사람들이 이 작업을 잘 수행하고 있다고 생각합니다.

1월에 등록한 사람들을 보면 3월이 되자 이 비율이 떨어졌습니다. 우리는 그것을 그 기간 동안 우리가 한 특정 프로모션 노력과 연관시킬 수 있습니다.

하지만 3월에 시작된 코호트를 보면 다른 종류의 판촉 활동이 진행 중이었고 해당 모델에서 부분 유료화 등으로 훨씬 더 잘 전환되었습니다.

이와 관련하여 특정 채널을 믹스에서 잠시 떨어뜨림으로써 특정 채널의 효율성을 추론하는 일종의 존재 테스트가 있습니다. Jim은 채널 없이도 살 수 있는지 테스트할 것을 제안합니다.

[디스플레이]가 다른 캠페인을 돕는 측면에서 매우 가치가 있다고 생각한다면, 1~2주만 죽이고 무슨 일이 일어나는지 지켜보는 건 어떨까요? 그런 다음 다시 추가하십시오.

그런 테스트를 할 수 없습니까? 그 돈을 다른 곳에 투자할 가치가 있습니까? 디스플레이의 가치를 파악하는 데 얼마나 진지합니까?

당신이 항상 해온 활동이 당신이 생각하는 것만큼 큰 영향을 미치지 않을 수도 있습니다. 테스팅은 추가만큼이나 제거의 기술입니다. 이것은 전체 이니셔티브를 완전히 제거하는 데 사용됩니다.

마케팅 속성을 사용하여 보다 강력한 데이터 기반 결정을 내리는 방법

귀속 모델은 고객 여정에 대한 가시성과 통찰력을 향상시키기 위해 존재합니다. 올바르게 수행하면 고객이 터치포인트와 상호 작용하는 방식 과 구매 행동에 영향을 미치는 요소 에 대한 베일이 벗겨집니다.

이러한 결과를 마케팅 활동에 반영하여 보다 효과적인 데이터 기반 전략을 개발하십시오.

보다 현실적인 고객 여정 지도 구축

고객 여정 지도는 구매 주기 전반에 걸쳐 접점과 메시징을 조정하는 강력한 도구가 될 수 있습니다.

불행히도 그들 중 많은 것들이 너무 기초적이어서 그다지 도움이 되지 않습니다. 예를 들어 이 맵은 각 단계에서 하나 이상의 잠재적 터치포인트를 거의 다루지 않으며 충분히 자세히 설명하지 않습니다. 예를 들어 제품 조사는 어디에서 이루어지나요?

고객이 어떤 터치포인트와 여정의 어느 시점에 참여하는지 이해함으로써 Rail Europe의 것과 같은 포괄적인 여정 지도를 구축할 수 있습니다.

이 고객 여정 맵에는 모든 고객 경험이 동일하지 않기 때문에 각 단계에 여러 접점이 존재합니다. Rail Europe은 이러한 차이점을 설명하고 속성을 통해 식별된 가능한 모든 접점을 통합합니다. 맞춤형 속성은 복잡한 고객 상호 작용 및 여정을 매핑하는 데 도움이 됩니다.

귀속 데이터를 사용하여 보다 현실적인 고객 여정 맵을 작성하고 세분화가 필요한 위치를 고려하십시오.

예를 들어, 전자상거래 브랜드는 두 가지 일반적인 구매 경로를 식별할 수 있습니다.

1. Facebook의 타겟 광고 > 웹사이트 탐색 > 장바구니에 제품 추가 > 바운스 > 포기한 장바구니 복구 이메일 > 전환
2. 유기적 검색 > 웹사이트 탐색 > 로열티 회원가입 > Bounce > Buy in store

귀인 데이터에서 추세를 찾고 해당하는 경우 고객 여정을 세분화합니다.

마케팅 속성을 사용하여 지출 할당을 조직 목표에 맞춥니다.

마케팅 속성을 사용하여 다양한 채널과 접점에 투자하는 방법을 알리고 실제 데이터를 사용하여 예산 할당을 최적화하십시오.

분석 제품군이 가장 영향력 있는 활동이라고 부르는 활동을 두 배로 늘리십시오. 예를 들어 귀인 플랫폼에서 Google Ads 실적이 좋다고 알려준다면 이 채널에 대한 투자를 늘리는 것이 좋습니다.

귀사의 귀속 모델과 크레딧 할당이 이러한 통찰력을 이끌어낸다는 점을 기억하십시오.

이 예에서 첫 접촉 기여 모델을 사용하고 있다고 가정해 보겠습니다.

이 데이터가 알려주는 것은 Google Ads가 초기 상호작용으로 잘 수행되고 있지만 전환과 관련하여 반드시 힘든 작업을 수행하지는 않는다는 것입니다. 광고 지출을 두 배로 줄이면 더 많은 잠재 고객을 퍼널 상단으로 유도할 수 있지만 반드시 더 효과적으로 전환하지는 않습니다.

대신 여러 속성 모델을 분석하여 360도 관점을 얻은 다음 이러한 통찰력을 사용하여 지출 할당을 회사 목표에 맞춥니다.

이 경우 마지막 접촉 모델을 사용하여 귀속이 어떻게 보이는지 분석하여 여정의 다른 쪽 끝에서 어떤 채널이 잘 작동하는지에 대한 통찰력을 제공할 수도 있습니다.

그런 다음 회사 목표에 따라 지출을 조정합니다. 신규 고객 확보가 우선이라면 마지막 접촉 상호 작용에 더 많은 투자를 하십시오. 브랜드 인지도 구축과 퍼널 상단 모멘텀이 더 중요하다면 첫 번째 터치포인트에 투자하세요.

메시징이 터치포인트 효과에 미치는 영향 이해

마케팅 속성에 대한 일반적인 가정은 한 채널이 다른 채널만큼 성과가 좋지 않으면 해당 채널이 책임이 있다는 것입니다. 귀하의 고객은 단순히 LinkedIn에 있지 않다고 말합니다.

하지만 반드시 그런 것은 아닙니다. 예를 들어 고객이 있지만 메시지가 연결되지 않는 경우 가 있습니다 .

마케팅 속성을 사용하여 서로 다른 메시징이 접점 효율성에 미치는 영향을 이해할 수 있습니다.

Facebook 리타게팅 광고는 매우 잘 전환되고 있지만 LinkedIn 광고는 실적이 저조하다고 가정해 보겠습니다. 제시된 컨텍스트 내에서 사용 중인 메시지를 고려하십시오.

한 채널에 효과가 있는 것이 반드시 다른 채널로 변환되는 것은 아니며 퍼널 상단의 잠재 고객에게 공감을 불러일으키는 메시지가 퍼널 하단의 구매자를 라인 전체로 끌어들일 수는 없습니다.

다양한 기여 모델을 사용하여 다양한 유입경로 단계에서 메시징 영향을 측정하세요.

예를 들어 첫 접촉 모델에서 Google Ads가 강력해 보인다면 이 메시지를 다른 채널에 복제하여 초기 단계 구매자를 타겟팅할 수 있는 방법을 고려하세요. 그런 다음 이러한 변화가 작용함에 따라 기여 기여도가 어떻게 변하는지 분석합니다.

새로운 LinkedIn 광고 실행에서 Google 광고의 동일한 메시지를 사용하여 이 메시지가 채널에 미치는 영향을 테스트할 수 있습니다.

기여 기여도가 LinkedIn에 유리하게 바뀌면 변경 사항이 적용됩니다. 그렇지 않다면 이 특정 메시지가 LinkedIn 청중에게 적합하지 않다는 것을 알게 된 것입니다. 테스트, 분석 및 최적화.

마케팅 기여 도구: 비즈니스에 적합한 도구를 선택하는 방법

Google 애널리틱스는 마케팅 기여를 위해 가장 널리 사용되는 도구이지만 유일한 도구는 아닙니다.

Ruler Analytics는 매출과 귀속을 연결하는 강력한 도구이므로 달러 수준에서 마케팅 접점을 측정할 수 있습니다. Oktopost는 전환에 기여하는 B2B 소셜 미디어 사용 및 소셜 접점에 대한 강력한 분석을 제공합니다. AppsFlyer는 모바일 앱 성장의 맥락에서 마케팅 속성을 살펴봅니다.

산업, 성장 단계 및 비즈니스 목표에 따라 이러한 플랫폼 중 하나 또는 조합을 사용하도록 선택할 수 있습니다.

구글 애널리틱스

Google Analytics의 가장 큰 매력 중 하나는 강력한 제품임에도 불구하고 무료라는 점입니다.

이를 통해 초보자는 쉽게 마케팅 기여의 세계에 발을 담그고 첫 번째 또는 마지막 클릭과 같은 더 기본적인 모델로 시작할 수 있습니다.

Google 애널리틱스는 다음 채널에서 기준 기여도를 모니터링하는 데 적합합니다.

• 유료 및 자연 검색(Google뿐만 아니라 모든 검색 엔진에서)
• 추천 및 제휴 웹사이트
• 소셜 미디어 네트워크
• 이메일
• 맞춤 캠페인(Google 애널리틱스에서 설정한 경우(예: 가상 URL로 트래픽을 유도하는 오프라인 캠페인)

30일 동안 600명 이상의 고객을 전환하는 경우 Google Analytics의 데이터 기반 기여 분석 모델(현재 베타 버전)을 활용할 수도 있습니다. 이 모델은 기계 학습을 사용하여 전환을 유도할 가능성이 가장 높은 터치포인트를 파악하고 그에 따라 기여도를 할당합니다.

눈금자 분석

Ruler Analytics는 마케팅 믹스 모델링 및 예측 분석과 같은 마케팅 속성 외에 다양한 유용한 기능을 제공합니다.

그러나 주요 이점은 플랫폼을 CRM과 연결하고 수익 데이터를 기여 모델로 가져오는 기능입니다.

표준 모델을 사용한 기여도는 어떤 터치포인트와 채널이 전환을 유도하는지 알려줍니다. Ruler Analytics를 사용하면 이러한 접점이 수익에 미치는 영향을 이해할 수 있습니다.

두 가지 주요 전환 경로가 있음을 확인할 수 있다고 가정해 보겠습니다.

• 경로 1: 고객의 70%가 이를 선택하고 연간 고객 가치를 4,500달러로 끌어올립니다.
• 경로 2: 고객의 30%가 이를 선택하고(모든 기업 고객 포함) 연간 고객 가치는 $560,000입니다.

수익 루프를 닫지 않았다면 실제로 가치가 낮은 고객을 전환하는 첫 번째 경로에 더 많은 투자를 했을 것입니다.

Ruler Analytics를 사용하여 마케팅 캠페인의 접점이 전환뿐만 아니라 수익에 어떤 영향을 미치는지 더 잘 이해할 수 있습니다.

옥토포스트

Oktopost는 정확하게 마케팅 기여 도구가 아닙니다. B2B 마케팅 팀을 위한 소셜 미디어 참여 관리 플랫폼입니다.

B2B 마케터는 LinkedIn에서 광고를 게재하거나 판매 담당자가 Twitter에서 개인 브랜드를 구축하도록 하는 등 소셜의 가치를 점점 더 깨닫고 있습니다.

Oktopost는 마케터가 이러한 활동의 ​​가치를 정확하게 측정하고 기여하도록 돕습니다.

채널, 콘텐츠 유형 및 지역별로 참여도를 측정할 수 있습니다. 메시지, 키워드, 해시태그 및 미디어 유형이 참여와 어떤 관련이 있는지 분석하기 위해 게시물 수준까지 파헤칠 수도 있습니다.

B2B에 있다면 Oktopost를 사용하여 LinkedIn이 인지도를 높이는 데 작동한다는 사실을 아는 것 이상으로 소셜 미디어가 전환에 어떤 영향을 미치는지 더 깊이 파고들 수 있습니다.

앱스플라이어

AppsFlyer는 앱 성장을 측정하기 위한 마케팅 분석 플랫폼입니다.

다른 어트리뷰션 도구는 웹사이트 컨텍스트 내에서 전환에 초점을 맞추는 경향이 있지만 AppsFlyer는 모바일 생태계 내에서 어트리뷰션 모델링을 살펴봅니다.

AppsFlyer를 사용하면 앱 설치로 이어지는 터치포인트에 공로를 돌릴 수 있습니다. 예를 들어 다른 애플리케이션의 광고에 대한 참여를 살펴보고 새로운 고객이 자신의 앱을 다운로드하는 데 어떻게 기여했는지 확인할 수 있습니다.

귀인 모델링은 앱 내 이벤트 측정까지 확장되므로 앱 설치 및 전환을 유료 플랜에 별도로 귀속시킬 수 있습니다.

AppsFlyer를 사용하여 광고 네트워크가 앱 다운로드에 미치는 영향을 이해하고 광고 지출 할당의 효율성을 개선하십시오.

결론

고객이 다양한 마케팅 접점과 어떻게 상호 작용하는지에 대한 기본적인 이해를 얻으려면 대부분의 분석 플랫폼에서 사용할 수 있는 표준 속성 모델로 충분합니다.

전환에 영향을 미치는 채널과 전술을 보다 포괄적으로 살펴보고 마케팅 지출 할당에 대한 데이터 기반 결정을 내리려면 AI 기반 알고리즘 모델을 살펴보십시오.

전문가의 통찰력이 가득한 온라인 과정을 통해 귀인 기술을 향상시키십시오. 귀인에 능숙해지십시오.