รูปแบบการระบุแหล่งที่มาสำหรับนักการตลาด: วิธีรับข้อมูลเชิงลึกที่ถูกต้องซึ่งมีความสำคัญ

คุณได้ทำงานทั้งไตรมาสในซีรีส์การตลาดเนื้อหาใหม่และคอนเวอร์ชั่นกำลังเพิ่มขึ้น

คุณระบุแหล่งที่มาของ Conversion เหล่านี้เฉพาะกับเนื้อหาของคุณหรือไม่ แล้วลูกค้าที่คลิกผ่านไปยังบทความของคุณจากหน้าโซเชียลมีเดียของคุณล่ะ คุณระบุแหล่งที่มาของ Conversion เหล่านั้นเป็นโซเชียลหรือบทความ (หรือทั้งสองอย่าง) ไหม

การใช้จ่ายด้านการตลาดให้เหมาะสมเป็นสิ่งสำคัญที่สุดสำหรับนักการตลาด แต่ก็ยากที่จะรู้ว่าควรทุ่มเทความพยายามของคุณไปที่ใดเมื่อช่องทางเชิงเส้นกำลังหายไปในตำนาน

รูปแบบการระบุแหล่งที่มาแบบมัลติทัชพยายามแก้ปัญหานี้ แต่นักการตลาดจำนวนมากใช้รูปแบบที่ไม่ถูกต้องในการวัดผลแคมเปญของตน

ในบทความนี้ เราจะเจาะลึกถึงรูปแบบการระบุแหล่งที่มายอดนิยมที่ทำงานและอธิบายวิธีรับข้อมูลการระบุแหล่งที่มาที่แม่นยำที่สุด เพื่อให้คุณเห็นภาพ ROI ที่ถูกต้อง

รูปแบบการระบุแหล่งที่มาคืออะไร?

รูปแบบการระบุแหล่งที่มา คือชุดของกฎที่ควบคุมวิธีการจัดสรรเครดิตให้กับการตลาดและการขายที่ส่งผลให้เกิด Conversion กล่าวอีกนัยหนึ่ง มีจุดมุ่งหมายเพื่อตอบคำถาม "ช่องทางหรือแคมเปญใดที่สร้างผู้ใช้ โอกาสในการขาย หรือการขายนี้"

ในรูปแบบการตลาดแบบดั้งเดิม การระบุแหล่งที่มาเป็นเรื่องง่าย ลูกค้าเยี่ยมชมร้านค้าของคุณด้วยการตัดหนังสือพิมพ์ และคุณระบุว่าการขายนั้นเป็นโฆษณาทางหนังสือพิมพ์ล่าสุดของคุณ

เนื่องจากตอนนี้จุดติดต่อเกิดขึ้นในช่องทางต่างๆ มากมาย (โดยมากมักเป็นช่วงวันหรือหลายชั่วโมง) เส้นทาง Conversion จึงมีความซับซ้อนมากขึ้นและเป็นเส้นตรงน้อยลงมาก:

ปัจจุบันลูกค้ามีปฏิสัมพันธ์กับแบรนด์ผ่านโซเชียลมีเดีย อีเมล Google Ads บล็อกโพสต์ ฯลฯ ซึ่งทำให้ยากขึ้นในการพัฒนารูปแบบการวัดค่าจุดติดต่อที่แม่นยำ (และทำให้ทราบว่าควรจัดสรรงบประมาณที่ใด)

ตัวอย่างของรูปแบบการระบุแหล่งที่มา

ใช้การเดินทางของลูกค้าที่ค่อนข้างตรงไปตรงมานี้:

• ลูกค้าค้นหาใน Google เพื่อแก้ไขจุดบกพร่อง และพบหนึ่งในบล็อกโพสต์ของคุณ
• บทความจะแนะนำวิธีแก้ปัญหาสำหรับความท้าทายของพวกเขา และพวกเขาดาวน์โหลด ebook ของคุณเพื่อเรียนรู้เพิ่มเติม
• แม่เหล็กนำจะเรียกลำดับการดูแลอีเมลของคุณเพื่อส่งเคล็ดลับรายสัปดาห์เพื่อให้อยู่เหนือจุดปวดนี้
• ในบางช่วงของแคมเปญอีเมล คุณเสนอการสาธิตผลิตภัณฑ์ส่วนบุคคล
• หลังจากการสาธิต ลูกค้าจะสมัครเป็นสมาชิกแพลตฟอร์มของคุณ

ในเส้นทางนี้ จุดติดต่อใดรับผิดชอบการแปลง

คุณสามารถโต้แย้ง:

• บล็อกโพสต์ดึงดูดลูกค้ามาที่ไซต์ของคุณตั้งแต่แรก แม้ว่าพวกเขาอาจยังไม่พร้อมที่จะซื้อก็ตาม
• แคมเปญอีเมลให้ความรู้แก่ลูกค้าเกี่ยวกับความท้าทายที่พวกเขายังไม่เข้าใจ แต่พวกเขาก็ยังไม่พร้อมที่จะซื้อ
• การสาธิตการขายนำไปสู่การขาย—แต่พวกเขาเห็นเพียงการสาธิตเพราะพวกเขาดาวน์โหลด ebook

ในความเป็นจริง จุดสัมผัสแต่ละจุดน่าจะมีส่วนร่วมไม่ทางใดก็ทางหนึ่ง รูปแบบการระบุแหล่งที่มาหลายช่องที่มีประสิทธิภาพช่วยให้คุณกำหนดได้ว่าช่องใดมีอิทธิพลมากที่สุด คุณจึงสามารถตัดสินใจทางการตลาดได้ดีขึ้น

ตัวอย่างเช่น คุณอาจพบว่าแคมเปญอีเมลของคุณมีอิทธิพลเพียงเล็กน้อยต่อการแปลง และเนื้อหาโซเชียลที่พวกเขามีส่วนร่วมด้วยหลายสัปดาห์หลังจากดาวน์โหลด ebook คือสิ่งที่กระตุ้นยอดขาย การจัดลำดับอีเมลนั้นให้สอดคล้องกับเนื้อหาโซเชียลของคุณอาจทำให้วงจรการขายเร็วขึ้น ลดต้นทุนการหาลูกค้า (CAC)

คุณจะเข้าถึงข้อมูลเชิงลึกเหล่านี้ได้ก็ต่อเมื่อคุณได้กำหนดรูปแบบการระบุแหล่งที่มาที่เหมาะสมที่สุดสำหรับแบรนด์ของคุณแล้วเท่านั้น

นอกกรอบ: รูปแบบการระบุแหล่งที่มามาตรฐาน

ไม่มีรูปแบบการระบุแหล่งที่มาทางการตลาดใดที่สมบูรณ์แบบ แต่ รูปแบบที่เหมาะสมในบริบทที่ถูกต้องจะช่วยให้คุณประหยัด งบประมาณด้านการตลาด ได้มากขึ้น

Google Analytics ซึ่งเป็นแพลตฟอร์มที่ใช้กันอย่างแพร่หลายที่สุดสำหรับการติดตามการระบุแหล่งที่มาทางการตลาด นำเสนอเครื่องมือเปรียบเทียบรูปแบบช่องทางหลายช่อง (MCF) เพื่อช่วยคุณพิจารณาว่ารูปแบบใดเหมาะสมที่สุดสำหรับแคมเปญของคุณ

ใช้รูปแบบการระบุแหล่งที่มาต่างๆ ด้านล่างเพื่อเป็นแนวทางในการตัดสินใจ และเตรียมพร้อมที่จะเข้าร่วมในการทดลองเพื่อค้นหารูปแบบที่เหมาะสมสำหรับกลยุทธ์ทางการตลาดของคุณ

พวกเขามาจากไหน? รูปแบบการระบุแหล่งที่มาของการโต้ตอบสุดท้าย

การระบุแหล่งที่มาของการโต้ตอบครั้งสุดท้าย หรือที่เรียกว่าการระบุแหล่งที่มาแบบสัมผัสครั้งสุดท้ายหรือการระบุแหล่งที่มาแบบคลิกสุดท้าย เป็นค่าเริ่มต้นในเครื่องมือวิเคราะห์ส่วนใหญ่และใช้กันอย่างแพร่หลาย

พิจารณาเส้นทางนี้:

• ลูกค้าเห็นโฆษณา Google ของคุณเมื่อค้นหาผลิตภัณฑ์ที่คุณขาย
• พวกเขาเพิ่มสินค้าลงในรถเข็นแต่ไม่ได้ซื้อ
• คุณส่งอีเมลละทิ้งรถเข็น
• การละทิ้งรถเข็นของพวกเขายังเรียกโฆษณาที่กำหนดเป้าหมายใหม่
• ลูกค้าคลิกที่โฆษณา Facebook ที่กำหนดเป้าหมายใหม่และซื้อ

ในรูปแบบการโต้ตอบล่าสุด โฆษณาที่กำหนดเป้าหมายใหม่จะได้รับเครดิตการระบุแหล่งที่มา 100%

รูปแบบการระบุแหล่งที่มานี้ให้น้ำหนักทั้งหมดกับการโต้ตอบครั้งสุดท้ายกับแบรนด์ของคุณ โดยไม่คำนึงว่าทัชพอยต์อื่นๆ ใดมาก่อน

แม้ว่าจะเป็นรูปแบบการระบุแหล่งที่มาเริ่มต้น แต่คลิกสุดท้ายก็มีข้อบกพร่องโดยพื้นฐาน แทบไม่เคยเกิดขึ้นเลยที่ทัชพอยต์สุดท้ายจะรับผิดชอบแต่เพียงผู้เดียวสำหรับ Conversion

ในทางเดินตัวอย่างด้านบน ลูกค้าอาจไม่มาที่ไซต์ของคุณโดยไม่เห็นโฆษณาเริ่มต้น พวกเขาอาจวางแผนที่จะซื้อในเย็นวันนั้นหลังจากได้รับส่วนลดในอีเมลการละทิ้งรถเข็น

ดังที่ Avinash Kaushik กล่าวไว้ว่า “การใช้เพียงการระบุแหล่งที่มาแบบคลิกสุดท้ายในตอนนี้คือการทำให้คุณถูกไล่ออก หลีกเลี่ยงมัน."

ควรใช้รูปแบบการระบุแหล่งที่มาแบบคลิกสุดท้ายเมื่อใด

หลีกเลี่ยงรูปแบบการโต้ตอบสุดท้ายเมื่อวงจรการซื้อของคุณยาวนาน ผู้มีอำนาจตัดสินใจจำนวนมากมีส่วนร่วม หรือคุณขายสินค้าที่มีราคาสูง มีการพิจารณามากมายที่เกี่ยวข้องในธุรกรรมเหล่านี้ และคลิกสุดท้ายจะไม่บอกคุณว่าจุดติดต่อใดมีประสิทธิภาพมากที่สุด

ใช้รูปแบบคลิกสุดท้ายเมื่อวงจรการซื้อสั้นและมีการไตร่ตรองเพียงเล็กน้อย เช่น ในภาคสินค้าอุปโภคบริโภคที่เคลื่อนไหวเร็ว (FMCG)

พวกเขาเริ่มต้นที่ไหน รูปแบบการระบุแหล่งที่มาของการโต้ตอบแรก

การระบุแหล่งที่มาแบบโต้ตอบแรก หรือที่เรียกว่าการระบุแหล่งที่มาแบบสัมผัสแรกหรือคลิกแรก เป็นสิ่งที่ตรงกันข้ามกับรูปแบบการระบุแหล่งที่มาแบบคลิกสุดท้าย ให้เครดิตกับทัชพอยต์แรกทั้งหมด

ระลึกถึงเส้นทางที่กล่าวถึงในโมเดลก่อนหน้า ภายใต้รูปแบบการโต้ตอบแรก โฆษณา Google เริ่มแรกจะได้รับความรับผิดชอบ 100% ในการโน้มน้าวการขาย โดยไม่คำนึงถึงช่องทางติดต่ออื่นๆ ที่ตามมาหลังจากนั้น

มีความถูกต้องในการใช้โมเดลนี้ (จุดสัมผัสต่อไปนี้จะไม่เกิดขึ้นหากไม่มีจุดสัมผัสแรก) แต่ก็ยังมีข้อบกพร่อง ผู้ซื้อไม่ค่อยทำ Conversion ตามการโต้ตอบครั้งแรกเพียงครั้งเดียว เช่น การอ่านบล็อกโพสต์หรือดูโฆษณาบนโซเชียลมีเดีย

ดังที่ Avinash เขียน ว่า “การระบุแหล่งที่มาของคลิกแรกนั้นคล้ายกับการให้เครดิตแฟนคนแรกของฉัน 100% สำหรับการแต่งงานกับภรรยาของฉัน”

ควรใช้รูปแบบการระบุแหล่งที่มาแบบคลิกแรกเมื่อใด

รูปแบบการระบุแหล่งที่มาที่สัมผัสได้ก่อนอาจเหมาะสมในกรณีที่การสร้างแบรนด์เป็นข้อกังวลหลักของคุณ เช่น หากคุณเป็นลูกค้าใหม่ในตลาด

ในตัวอย่างนี้ วัตถุประสงค์ของคุณคือเพื่อให้ความพยายามทางการตลาดของคุณเข้าถึงผู้มีโอกาสเป็นลูกค้าให้ได้มากที่สุดเท่าที่จะเป็นไปได้ ดังนั้นการโต้ตอบสัมผัสแรกเหล่านั้นจึงมีความสำคัญต่อการบรรลุเป้าหมายนั้น

พวกเขาทำอะไรก่อนที่จะทำอย่างนั้น? รูปแบบการระบุแหล่งที่มาแบบคลิกที่ไม่ใช่โดยตรงรุ่นสุดท้าย

การระบุแหล่งที่มาของคลิกที่ไม่ใช่โดยตรงครั้งสุดท้ายนั้นคล้ายกับรูปแบบคลิกสุดท้าย ยกเว้นว่าจะลดการเข้าชมโดยตรง

พิจารณาเส้นทางอีคอมเมิร์ซที่มีลักษณะดังนี้:

• ลูกค้าทำการค้นหาทั่วไปสำหรับผลิตภัณฑ์หนึ่งๆ บน Google;
• คำหลักนี้เรียกหนึ่งในโฆษณา Google ของคุณ
• ลูกค้าคลิกผ่านโฆษณา เลือกดูสินค้า และเพิ่มสินค้าในรถเข็น
• พวกเขาไม่ดำเนินการซื้อซึ่งทำให้อีเมลละทิ้งรถเข็น
• หลังจากนั้น ลูกค้าจะกลับไปที่เว็บไซต์ของคุณโดยตรงและดำเนินการซื้อต่อ

ภายใต้รูปแบบการโต้ตอบสุดท้าย Conversion นี้จะมาจากการเข้าชมโดยตรง ในรูปแบบการคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย จะมาจากอีเมลการละทิ้งรถเข็น

ควรใช้รูปแบบการระบุแหล่งที่มาแบบคลิกที่ไม่ใช่โดยตรงครั้งสุดท้ายเมื่อใด

สำหรับธุรกิจส่วนใหญ่ รูปแบบการคลิกที่ไม่ใช่โดยตรงสุดท้ายยังพื้นฐานเกินไปที่จะอธิบายเส้นทางการซื้อส่วนใหญ่ มันมักจะนำเครดิตที่ไม่ครบกำหนด

หากการเข้าชมโดยตรงของคุณแปลงอย่างรวดเร็ว คุณอาจได้รับประโยชน์จากรูปแบบนี้ อย่างไรก็ตาม หากลูกค้ามักจะเรียกดูไซต์ของคุณระหว่างการซื้อ ให้หลีกเลี่ยงรูปแบบนี้ อาจเป็นอย่างอื่นที่โน้มน้าวใจให้ซื้อ

ดังที่ Avinash ได้กล่าวไว้ว่า “ทำไมต้องประเมินค่า Direct ต่ำเกินไป? เหตุใดจึงลดค่าความพยายามของนักการตลาดในการสร้างการจดจำแบรนด์และมูลค่าแบรนด์”

แบ่งเครดิตเท่าๆ กัน: รูปแบบการระบุแหล่งที่มาเชิงเส้น

การระบุแหล่งที่มาเชิงเส้นเป็นขั้นตอนที่ดีกว่ารูปแบบจุดสัมผัสเดียว คำนึงถึงการโต้ตอบที่ติดตามได้ทั้งหมดและกระจายเครดิตการระบุแหล่งที่มาอย่างเท่าเทียมกัน

แม้ว่าทัชพอยต์แต่ละจุดจะได้รับรางวัลการมีส่วนร่วมสำหรับการมีส่วนร่วมในการขาย โมเดลไม่ได้คำนึงถึงว่าส่วนแบ่งนั้นสมควรได้รับเพียงใด

ลองดูเส้นทางของลูกค้านี้:

• ลูกค้าเห็นทวีตเชิงบวกเกี่ยวกับแบรนด์ของคุณจากผู้มีอิทธิพลที่พวกเขาชื่นชม ดังนั้นพวกเขาจึงใช้เวลาหนึ่งชั่วโมงหรือมากกว่านั้นในการสำรวจเนื้อหาบนเว็บไซต์ของคุณ
• จากเว็บไซต์ของคุณ พวกเขาคลิกที่ไอคอนโซเชียลมีเดียของคุณและติดตามคุณในหลายช่องทาง และพวกเขายังสมัครรับจดหมายข่าวของคุณด้วย
• ในอีกไม่กี่เดือนข้างหน้า ลูกค้าจะเลื่อนดูโพสต์จากแบรนด์ของคุณบนโซเชียลมีเดีย โดยแทบจะไม่หยุดอ่านเลย
• พวกเขาไม่เคยเปิดจดหมายข่าวของคุณด้วย
• สถานการณ์ในที่ทำงานทำให้ลูกค้าต้องการโซลูชันของคุณอย่างรวดเร็ว และผู้มีอิทธิพลจะโพสต์เกี่ยวกับแบรนด์ของคุณอีกครั้งในวันเดียวกัน
• ลูกค้าเปิดจดหมายข่าวล่าสุดของคุณในกล่องจดหมายและสมัครรับข้อมูลแพลตฟอร์มของคุณผ่าน CTA ที่ด้านล่าง

รูปแบบการระบุแหล่งที่มาเชิงเส้นจะให้เครดิตแก่สื่อสังคมออนไลน์ เว็บไซต์ของคุณ และจดหมายข่าวของคุณเท่ากัน แม้ว่าพวกเขาจะเลื่อนผ่านโพสต์ของคุณและไม่ได้อ่านอีเมลของคุณก็ตาม

ด้วยตรรกะนี้ คุณน่าจะอยากแบ่งค่าใช้จ่ายด้านการตลาดเท่าๆ กันสำหรับแต่ละช่องทาง อย่างไรก็ตาม คุณอาจโต้แย้งว่าการตลาดที่ใช้อินฟลูเอนเซอร์และเนื้อหาบนเว็บไซต์ของคุณมีประสิทธิภาพมากที่สุดที่นี่

ควรใช้รูปแบบการระบุแหล่งที่มาเชิงเส้นเมื่อใด

บริษัทขนาดใหญ่หรือบริษัทที่ก่อตั้งมากขึ้นซึ่งมีงบประมาณด้านการตลาดที่เหมาะสมควรให้ความสำคัญกับการกำหนดเปอร์เซ็นต์การระบุแหล่งที่มาให้แม่นยำยิ่งขึ้น

หากคุณไม่มีงบประมาณหรือข้อมูลที่จะจัดสรรเปอร์เซ็นต์ที่แม่นยำกว่านี้ อย่างน้อยโมเดลเชิงเส้นจะอธิบายถึงจุดสัมผัสหลายจุด แทนที่จะรวมทุกอย่างไว้ในเรือลำเดียว

การจัดลำดับความสำคัญของจุดติดต่อแรกและจุดสุดท้าย: รูปแบบการระบุแหล่งที่มาตามตำแหน่ง

รูปแบบการระบุแหล่งที่มาตามตำแหน่ง (บางครั้งเรียกว่าการระบุแหล่งที่มารูปตัวยู) เป็นการผสมผสานระหว่างรูปแบบการโต้ตอบเชิงเส้น การโต้ตอบสุดท้าย และการโต้ตอบแรก

โมเดลนี้ให้เครดิตส่วนใหญ่แก่การโต้ตอบครั้งแรกและครั้งสุดท้าย โดยเครดิตที่เหลือจะกระจายเท่าๆ กันในทุกช่องทางติดต่ออื่นๆ

โมเดลนี้ดูจะเข้าท่าที่สุด จุดสัมผัสแรกและจุดสุดท้ายมีอิทธิพลอย่างมากอย่างชัดเจน โดยตระหนักถึงสองขั้นตอนที่สำคัญในเส้นทางของผู้ซื้อ ในขณะที่ยังคงคำนึงถึงขั้นตอนอื่นๆ ระหว่างทาง

ควรใช้รูปแบบการระบุแหล่งที่มาตามตำแหน่งเมื่อใด

ใช้รูปแบบการระบุแหล่งที่มาตามตำแหน่งหากธุรกิจของคุณมีจุดสัมผัสหลายจุดก่อนที่ลูกค้าจะทำการซื้อ (เช่น ธุรกิจที่มีวงจรการขายที่ยาวนาน)

ความสำคัญเพิ่มขึ้น: รูปแบบการระบุแหล่งที่มาที่ลดลงตามเวลา

รูปแบบการระบุแหล่งที่มาที่ลดลงตามเวลานั้นอิงตามหลักการที่ว่าจุดติดต่อทั้งหมดมีค่าบางอย่าง แต่จุดที่ใกล้เคียงกับ Conversion มากที่สุดนั้นมีค่ามากกว่า

การโต้ตอบสุดท้ายจะได้รับเครดิตมากที่สุด และการโต้ตอบทั้งหมดก่อนหน้านั้นจะได้รับการระบุแหล่งที่มาในจำนวนที่ลดลง

คำวิจารณ์ที่ใหญ่ที่สุดของรูปแบบนี้คือการประเมินมูลค่าของความพยายามทางการตลาดบนช่องทางต่ำเกินไป ซึ่งแนะนำลูกค้าให้รู้จักกับแบรนด์ตั้งแต่แรก

เมื่อใดควรใช้รูปแบบการระบุแหล่งที่มาที่ลดลงตามเวลา

ใช้แบบจำลองการลดลงของเวลาในสถานการณ์ที่มีวงจรการซื้อที่ยาวนาน และเมื่อการสร้างความสัมพันธ์เป็นปัจจัยสำคัญในความสำเร็จของการขาย (โดยเฉพาะใน B2B)

เหนือกว่ารูปแบบมาตรฐานสำหรับข้อมูลการระบุแหล่งที่มาทางการตลาดที่แม่นยำยิ่งขึ้น

รูปแบบการระบุแหล่งที่มาแบบดั้งเดิม 6 ประเภทที่กล่าวถึงข้างต้นเป็นจุดเริ่มต้นที่ดี แต่รูปแบบเหล่านี้ค่อนข้างจำกัดในการนำไปใช้

การเลือกรูปแบบการระบุแหล่งที่มามาตรฐานแบบใดแบบหนึ่งเป็นความคิดเห็นส่วนตัว โดยพิจารณาจากความรู้สึกที่แน่วแน่ของนักการตลาดเกี่ยวกับสถานที่และเวลาที่ลูกค้าตัดสินใจซื้อ การตัดสินใจเชิงอัตนัยอาจไม่ถูกต้อง นำไปสู่การสูญเสียความพยายามและการใช้จ่าย

การปรับแต่งรูปแบบการระบุแหล่งที่มามาตรฐานจะช่วยให้คุณเข้าใกล้ความแม่นยำมากขึ้น

เป็นไปได้ที่จะสร้างรูปแบบการระบุแหล่งที่มาที่กำหนดเองบนโมเดล Google Analytics นอกกรอบ

ตัวอย่างเช่น คุณสามารถปรับการให้น้ำหนักของการโต้ตอบในรูปแบบตามตำแหน่งเพื่อให้เครดิตน้อยลงสำหรับการโต้ตอบครั้งแรกหรือครั้งสุดท้าย

คุณสามารถปรับแต่งรูปแบบการระบุแหล่งที่มาเพิ่มเติมได้โดยการรวม Google Analytics และ R ซึ่งเป็นภาษาการเขียนโปรแกรมสำหรับการคำนวณทางสถิติ

ใช้โมเดล Markov (โมเดลกระบวนการสุ่มที่สะท้อนถึงระบบที่เปลี่ยนแปลง) เพื่อปรับปรุงการติดตามการระบุแหล่งที่มา ในระดับสูง โมเดลของ Markov จะพิจารณาถึงความเป็นไปได้ของขั้นตอนที่ตามมาในเส้นทาง Conversion และพยายามคำนวณความสำคัญของจุดติดต่อตามการนำออก

Kaelin Tessier จาก Bounteous ซึ่งเป็นเอเจนซีด้านประสบการณ์ดิจิทัล อธิบายถึงประโยชน์ของการใช้โมเดล Markov สำหรับการระบุแหล่งที่มา:

ความเที่ยงธรรม - ไม่มีความรู้สึกอุบาทว์ที่นี่! ข้อเท็จจริงเท่านั้น
ความแม่นยำในการทำนาย – คาดการณ์เหตุการณ์คอนเวอร์ชั่น
ความทนทาน – ผลลัพธ์ที่ถูกต้องและเชื่อถือได้
การตีความ - โปร่งใสและตีความได้ง่าย
ความเก่งกาจ - ไม่ขึ้นอยู่กับชุดข้อมูล สามารถปรับให้เข้ากับข้อมูลใหม่ได้
ประสิทธิภาพของอัลกอริทึม – ให้ผลลัพธ์ที่ทันท่วงที

แบบจำลอง Markov แก้ปัญหาความท้าทายที่ใหญ่ที่สุดของแบบจำลอง GA ที่ใช้ฮิวริสติก: ความเที่ยงธรรม ตัวแบบจะกำหนดความสำคัญของจุดสัมผัสแต่ละจุด ไม่ใช่ตัวนักการตลาด

แต่ก็ยังมีความแตกต่างมากมายที่ต้องพิจารณา ตัวอย่างเช่น จะเกิดอะไรขึ้นหากลูกค้าเป้าหมายติดตาม CEO ของคุณบน LinkedIn และได้รับอิทธิพลจากเนื้อหา ที่พวกเขา เผยแพร่ การอ้างถึง "ช่องทางมืด" อาจเป็นเรื่องยุ่งยาก

สำหรับข้อมูลเชิงลึกในการระบุแหล่งที่มาที่แม่นยำที่สุด ให้มองหาโมเดลที่ขับเคลื่อนด้วยข้อมูล

เพิ่มความแม่นยำด้วยรูปแบบการระบุแหล่งที่มาจากข้อมูล

เนื่องจากการเดินทางของลูกค้ามีความซับซ้อนมากขึ้น รูปแบบการระบุแหล่งที่มาจึงต้องมี การบังคับการเดินทางของลูกค้าให้อยู่ในกล่องเล็กๆ ที่ดูเรียบร้อยนั้นแทบจะแสดงให้เห็นได้อย่างแม่นยำว่าการตัดสินใจซื้อเกิดขึ้นได้อย่างไร

สำหรับตอนนี้ แนวทางแบบอัลกอริทึมหรือแบบขับเคลื่อนด้วยข้อมูลถือเป็นมาตรฐานทองคำของการระบุแหล่งที่มาทางการตลาด

ดังที่ Bill Macaitis อดีต CMO ของ Slack กล่าวในการให้สัมภาษณ์:

บิล มาไคติส:

“ทุกวันนี้ การระบุแหล่งที่มาด้วยอัลกอริทึมได้กลายเป็นแนวทางปฏิบัติที่ดีที่สุดสำหรับนักการตลาดและบริษัทที่ขับเคลื่อนด้วยข้อมูล

ตอนนี้เราสามารถใช้การรวบรวมข้อมูล เครื่องมือ และโมเดลที่มีอยู่ทั้งหมดเพื่อเข้าถึงจุดสัมผัสต่างๆ เมื่อตั้งค่าอย่างเหมาะสม เราสามารถติดตามจุดสัมผัสแต่ละจุดและเมตริกช่องทางดาวน์สตรีมทั้งหมดได้ และด้วยการให้น้ำหนักตามสัดส่วนในชุดข้อมูลขนาดใหญ่มาก เราสามารถระบุได้อย่างแม่นยำและแม่นยำมากขึ้นว่าสิ่งใดควรได้รับเครดิต ซึ่งรวมถึงการโฆษณาทั้งทางออนไลน์ ออฟไลน์ อิงตามประสิทธิภาพ และแบรนด์

มันไม่สมบูรณ์แบบ และมันไม่ง่ายเลย การบอกต่อแบบปากต่อปาก สังคมมืด และ “สัมผัสที่ซ่อนอยู่” อื่นๆ เป็นเรื่องยาก แต่จะช่วยผลักดันให้เกิดความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับเส้นทางของผู้ซื้อ และความพยายามทางการตลาดใดของคุณที่ได้ผล"

ผลิตภัณฑ์ต่างๆ เช่น Google Analytics 360 และ Impact.com ใช้การเรียนรู้ของเครื่องและการคำนวณทางสถิติขั้นสูง เช่น การถดถอยโลจิสติก เพื่อกำหนดวิธีการกระจายเครดิตสำหรับจุดติดต่อทางการตลาด

ในระดับสูง การระบุแหล่งที่มาจากข้อมูลจะวิเคราะห์ความแตกต่างในการมีส่วนร่วมของจุดติดต่อลูกค้าระหว่างลูกค้าที่แปลงและผู้ที่ไม่ได้ทำ รูปแบบการมีส่วนร่วม ซึ่งตอนนี้คิดเป็น Conversion อย่างรวดเร็วและโอกาสที่พลาดไป แจ้งการระบุแหล่งที่มาของเครดิตที่ถูกต้องและเป็นสัดส่วนมากขึ้น

แบบจำลองอัลกอริทึมมีวัตถุประสงค์และเป็นไปโดยอัตโนมัติ โดยขจัดการตัดสินใจที่ "สัญชาตญาณ" ที่นักการตลาดทำเมื่อพวกเขาตัดสินใจว่าขั้นตอนใด ดูเหมือนว่า สำคัญที่สุด

โมเดลอัลกอริทึมมีความซับซ้อนสูงและมุ่งเป้าไปที่องค์กร มันจะเกินความจำเป็นสำหรับธุรกิจจำนวนมาก โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงต้นทุนของผลิตภัณฑ์เหล่านี้ (Google Analytics 360 เริ่มต้นที่ $150,000 ต่อปี)

หากการระบุแหล่งที่มาแบบอัลกอริทึมไม่สามารถเข้าถึงได้ แนวทางที่ดีที่สุดของคุณคือการใช้รูปแบบมาตรฐานที่เหมาะกับกลยุทธ์ของคุณมากที่สุด ปรับแต่งและเพิ่มประสิทธิภาพอย่างต่อเนื่องเมื่อคุณเรียนรู้ว่าอะไรได้ผลและอะไรไม่ได้ผล

แยกจุดอ่อนผ่านการทดสอบการดำรงอยู่

“การทดสอบการดำรงอยู่” กำลังอนุมานถึงประสิทธิภาพของช่องทางใดช่องทางหนึ่งโดยทิ้งมันไว้เล็กน้อย นี่คือสิ่งที่โมเดลที่ขับเคลื่อนด้วยข้อมูลหลายๆ รุ่นด้านบนอิงจากวิธีการ แต่ตามสเกล

Jim Novo ผู้ก่อตั้ง The Drilling Down Project กล่าวถึงตอน Digital Analytics Podcast:

จิม โนโว:

“ถ้าคุณคิดว่า [ดิสเพลย์] มีค่ามากในแง่ของการช่วยเหลือแคมเปญอื่นๆ ทำไมคุณไม่ลองฆ่ามันสักสัปดาห์หรือสองสัปดาห์แล้วดูว่าเกิดอะไรขึ้น แล้วเพิ่มกลับเข้าไป

คุณทำการทดสอบแบบนั้นไม่ได้เหรอ? มันคุ้มไหมที่คุณจะเอาเงินนั้นไปลงทุนที่อื่น? คุณจริงจังแค่ไหนกับการหามูลค่าของจอแสดงผล”

เชื่อมโยงจุดระหว่างพฤติกรรมออฟไลน์และออนไลน์

พฤติกรรมการซื้อสมัยใหม่รวมถึงกิจกรรมต่างๆ ของลูกค้า คุณอาจมีลูกค้าที่มีส่วนร่วมในสิ่งต่อไปนี้อย่างใดอย่างหนึ่งหรือหลายอย่างรวมกัน:

• ค้นคว้าและซื้อทางออนไลน์ล้วนๆ
• ค้นคว้าและซื้อแบบออฟไลน์เท่านั้น
• หาข้อมูลออนไลน์และซื้อออฟไลน์ (หรือที่เรียกว่า ROPO หรือเว็บรูมมิ่ง)
• การทดสอบผลิตภัณฑ์ในร้านค้าและการซื้อออนไลน์ (หรือที่เรียกว่าโชว์รูม)

รูปแบบการระบุแหล่งที่มามาตรฐานมักจะคำนึงถึงการตลาดดิจิทัลและพฤติกรรมออนไลน์เท่านั้น แม้แต่การติดตามช่องทางออฟไลน์ เช่น สื่อสิ่งพิมพ์และไดเร็กเมล ก็สามารถทำได้ด้วย URL เฉพาะ

แล้วนักการตลาดจะติดตามสิ่งที่เกิดขึ้นแบบออฟไลน์ได้อย่างไร

มีหลายวิธีที่ธุรกิจสามารถอธิบายกิจกรรมในร้านและเชื่อมโยงจุดต่างๆ กับกิจกรรมออนไลน์ได้

1. บีคอนบลูทูธพลังงานต่ำ (BLE)

บีคอนสามารถเป็นประโยชน์สำหรับลูกค้าของคุณในขณะเดียวกันก็ให้ข้อมูลกลับเกี่ยวกับพฤติกรรมการซื้อของพวกเขา

โดยทั่วไปจะทำงานเหมือนกับ "จีพีเอสในร้านค้า" เมื่อลูกค้าที่ติดตั้งแอปของคุณบนอุปกรณ์ของพวกเขาเข้ามาในร้านของคุณ บีคอนจะสื่อสารกับแอปและเชื่อมโยงพฤติกรรมออนไลน์ของผู้ใช้กับการซื้อในร้านค้าของพวกเขา

Target ใช้บีคอนเพื่อช่วยลูกค้าค้นหาสินค้าในรายการช้อปปิ้ง ค้นหาความช่วยเหลือในร้านค้า และแม้กระทั่งมีฟีดข่าวตามภูมิศาสตร์

Macy's ใช้บีคอนเพื่อเสนอคำแนะนำ ส่งโปรโมชันแบบเรียลไทม์ ติดตามและระบุการซื้อตั้งแต่ปี 2014

แม้ว่าการติดตามแบบนี้จะได้รับความนิยมในร้านค้าปลีก แต่ลูกค้าบางคนอาจรู้สึกไม่สบายใจ ดึงดูดความสนใจล่วงหน้าโดยการสำรวจผู้ซื้อ จากนั้นทดสอบกับกลุ่มเล็กๆ ก่อนเปิดตัว

2. บัตรสะสมคะแนน

บัตรสะสมคะแนนเป็นวิธีง่ายๆ ในการเชื่อมต่อโปรไฟล์ดิจิทัลกับผู้ซื้อออฟไลน์ โดยต้องเปิดใช้งานบัตรออนไลน์

หลายแพลตฟอร์มนำเสนอโปรแกรมความภักดีแบบบูรณาการสำหรับธุรกิจ เช่น Yotpo และ Stampme

แพลตฟอร์มเหล่านี้เชื่อมต่อประสบการณ์ออนไลน์และออฟไลน์ โดยปกติแล้วผู้ใช้จะสแกนบัตรสะสมคะแนนที่จุดชำระเงิน เพื่อให้ผู้ใช้สามารถสะสมคะแนนได้ทุกที่ที่จับจ่าย

3. นำลูกค้าออฟไลน์

ผู้ผลิตเฟอร์นิเจอร์และของตกแต่ง VOX ขับเคลื่อนการเดินทางของลูกค้าไปสู่จุดสูงสุดด้วยการให้คำปรึกษาแบบตัวต่อตัวโดยใช้แอปพลิเคชันที่เรียกว่า VOXBOX

VOXBOX ช่วยให้ลูกค้าสามารถออกแบบเลย์เอาต์เฟอร์นิเจอร์เสมือนจริง จากนั้นจึงแนะนำให้ลูกค้านัดหมายการให้คำปรึกษาแบบตัวต่อตัวที่ร้านค้าจริงแห่งใดแห่งหนึ่ง

ด้วยวิธีการนี้ VOX สามารถติดตามจุดสัมผัสทั้งหมดสำหรับลูกค้ารายนั้น รวมถึงกิจกรรมออฟไลน์

บทสรุป

รูปแบบการระบุแหล่งที่มาไม่มีรูปแบบเดียวที่เหมาะกับทุกคน โซลูชันที่มีประสิทธิภาพมากที่สุดใช้การสร้างแบบจำลองอัลกอริทึมเพื่อกำหนดเครดิตการระบุแหล่งที่มา แต่มีค่าใช้จ่ายสูง

หากการระบุแหล่งที่มาแบบอัลกอริทึมไม่ได้อยู่ใน wheelhouse ของคุณ วิธีที่ดีที่สุดคือการสร้างแบบจำลองที่กำหนดเองบนข้อเสนอพื้นฐานในชุดการวิเคราะห์ที่คุณต้องการ เพิ่มประสิทธิภาพการระบุแหล่งที่มาของคุณในขณะที่คุณเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่ลูกค้าโต้ตอบกับจุดสัมผัสทางการตลาด

มาเป็นผู้เชี่ยวชาญด้านการระบุแหล่งที่มาด้วยหลักสูตรการระบุแหล่งที่มาทางการตลาดของเรา