อธิบายแบบจำลองการระบุแหล่งที่มาของการตลาดดิจิทัล

กลยุทธ์การตลาดที่มีประสิทธิภาพมักจะกระจายไปตามช่องทางต่างๆ เพื่อเข้าถึงผู้ชมสูงสุดและมีผลกระทบที่เหมาะสมที่สุด คุณเขียนบล็อกโพสต์ที่น่าสนใจ ลงทุนในโซเชียลมีเดียและโฆษณา Google สร้างแคมเปญอีเมล และขยายทรัพยากรเพื่อนำเสนอตัวเองในทุกที่ที่คุณอาจสังเกตเห็นโดยผู้มีโอกาสเป็นลูกค้า

อย่างไรก็ตาม ไม่ใช่ว่าทุกแพลตฟอร์มจะทำงานได้ดีเท่ากันสำหรับทุกธุรกิจหรือสำหรับแคมเปญต่างๆ ภายในบริษัทเดียวกัน

คุณต้องรู้วิธีกระจายทรัพยากรเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดและผลตอบแทนจากการลงทุนหรือ ROI สูงสุด ทั้งนี้ขึ้นอยู่กับเป้าหมายของกลยุทธ์ของคุณ ช่องทางการตลาดส่วนใหญ่มีการวิเคราะห์ในตัวซึ่งช่วยให้คุณตรวจสอบประสิทธิภาพภายในแคมเปญในพื้นที่ได้

แต่คุณจะทราบได้อย่างไรว่า ช่องทางใดให้ผลลัพธ์ที่น่าพึงพอใจที่สุด สำหรับแง่มุมต่างๆ ของแคมเปญของคุณ ข้อใดทำงานได้ดีที่สุดสำหรับการรับรู้ถึงแบรนด์ การสร้างความสนใจในตัวสินค้า และหวังว่าจะเป็น Conversion

เพื่อให้ได้ภาพที่ชัดเจนขึ้นเกี่ยวกับเส้นทางของลูกค้าของคุณจากบนลงล่างของช่องทาง คุณต้อง เปรียบเทียบประสิทธิภาพของช่องทาง ด้วยวิธีนี้ คุณจะเข้าใจบทบาทของแต่ละคนในการเดินทางและจะสามารถกำหนด ROI ได้ และไม่มีอะไรสำคัญในด้านการตลาดมากไปกว่าการรู้ว่าจะลงทุนทรัพยากรที่ไหนเพื่อทำกำไร

กระบวนการ เปรียบเทียบประสิทธิภาพของช่องทาง ตามจุดสัมผัส ความสัมพันธ์ และผลลัพธ์ของลูกค้า เรียกว่า Marketing Attribution Modeling

มันอาจจะฟังดูเป็นนามธรรมในตอนแรก แต่อดทนไว้ ในตอนท้ายของบทความ คุณจะรู้สึกเหมือนเป็นมืออาชีพ

การสร้างแบบจำลองการระบุแหล่งที่มาทางการตลาดคืออะไร?

กล่าวโดยสรุปคือ รูปแบบการระบุแหล่งที่มาทางการตลาดใช้เพื่อกำหนด ช่องทางหลัก และ ช่องทางหลักประกัน ที่มีบทบาทในการแปลงของลูกค้า โมเดลต่างๆ ให้ความสำคัญกับจุดสัมผัสที่แตกต่างกันระหว่างแบรนด์และลูกค้าของคุณ และกระจาย ROI ตามนั้น

การสร้างและเปรียบเทียบรูปแบบการระบุแหล่งที่มาช่วยให้คุณตรวจสอบได้ว่าองค์ประกอบใดของกลยุทธ์ทางการตลาดที่ได้ผลจริงและนำไปสู่ ​​Conversion คุณสามารถประมาณได้ว่าสิ่งใดช่วยให้เกิดผลลัพธ์สำหรับการรับรู้ถึงแบรนด์ ซึ่งดีที่สุดสำหรับการสร้างโอกาสในการขาย และประเภทใดที่จะให้เครดิตสำหรับการขายขั้นสุดท้าย

สิ่งนี้เกิดขึ้นโดยการตรึงจุดติดต่อแต่ละจุดระหว่างแบรนด์ของคุณและลูกค้าตลอดการเดินทาง และประเมินมูลค่าใน ROI ตามตำแหน่งในห่วงโซ่ของเหตุการณ์

อย่างไรก็ตาม เพื่อให้ได้ผลลัพธ์ที่วัดผลได้อย่างแท้จริง คุณต้องรวมช่องทางทั้งหมดที่ใช้ในแคมเปญของคุณไว้ในแบบจำลองของคุณ มิฉะนั้น ข้อมูลจะไม่สมบูรณ์ ROI จะไม่ถูกเครดิตอย่างยุติธรรม และเวลาของคุณจะสูญเปล่า

แบบจำลองการระบุแหล่งที่มาทางการตลาดจะทำงานอย่างไรหากไม่มีคุกกี้

จุดสัมผัสของลูกค้าถูกกำหนดด้วยวิธีการต่างๆ อาจเป็นคุกกี้ ข้อมูลบุคคลที่สาม การติดแท็กทั่วเว็บไซต์ ข้อมูลการเข้าสู่ระบบ หรือเบรดครัมบ์ทั้งหมดที่ผู้ใช้ทิ้งไว้เมื่อท่องอินเทอร์เน็ต

เมื่อ Google กำจัดคุกกี้ในเร็วๆ นี้ ทำให้เกิดความไม่แน่นอนเกี่ยวกับกระบวนการวิวัฒนาการและวิธีที่นักการตลาดสามารถติดตามเส้นทางของลูกค้าได้

โชคดีที่เราจะไม่ถูกทิ้งให้ตาบอด Google ได้ทำการทดสอบทางเลือกแทนคุกกี้ที่เรียกว่า Federated Learning of Cohorts (FLoC) เทคโนโลยีนี้อาศัยการเรียนรู้ของเครื่องและจัดกลุ่มคนที่มีความสนใจคล้ายคลึงกันในกลุ่มประชากรตามรุ่น จะส่งรายงานที่มีข้อมูลที่รวบรวมมาซึ่งจะให้ข้อมูลที่ถูกต้องเกี่ยวกับผู้เข้าชมเว็บไซต์และการแปลง แต่ในขณะเดียวกันก็จะรับรองความเป็นส่วนตัวของผู้ใช้แต่ละราย

ดังนั้น ไม่ต้องกังวล การสร้างแบบจำลองการระบุแหล่งที่มาจะยังคงเป็นไปได้ในโลกหลังคุกกี้ และด้วยการพัฒนาเทคโนโลยี FLoC อาจแม่นยำยิ่งขึ้นไปอีก

ประโยชน์ของการสร้างแบบจำลองการระบุแหล่งที่มา

เมื่อคุณใช้กลยุทธ์ Omnichannel ไม่ใช่เรื่องง่ายเสมอไปที่จะตัดสินว่าสตรีมใดรับผิดชอบต่อคุณภาพของประสบการณ์ลูกค้าของคุณ และส่วนใดของความพยายามของคุณที่ทำให้พวกเขาเชื่อว่าคุณเป็นตัวเลือกที่ดีที่สุดของพวกเขา

รูปแบบการระบุแหล่งที่มาช่วยให้คุณ แยกย่อยทุกย่างก้าวของเส้นทาง ไปสู่เส้นทางที่ครอบคลุมของจุดติดต่อที่นำไปสู่การขาย การวิเคราะห์แบบจำลองต่างๆ สามารถช่วยให้คุณถอดรหัสลำดับเหตุการณ์ที่ขับเคลื่อนผู้มีแนวโน้มไปสู่ ​​Conversion ขจัดจุดอ่อน และบังคับใช้จุดที่แข็งแกร่ง

สิ่งนี้ช่วยให้คุณเข้าใจ ROI ของทุกช่องทาง อย่างชัดเจนและวัดประสิทธิภาพของกลยุทธ์ เมื่อคุณมุ่งเน้นความพยายามบนแพลตฟอร์มที่ให้ผลลัพธ์ที่มั่นคงสำหรับเป้าหมายที่ตั้งไว้ การเพิ่มประสิทธิภาพให้เหมาะสมควรให้ประสิทธิภาพที่ดียิ่งขึ้น

สินทรัพย์ที่ยอดเยี่ยมอีกประการหนึ่งของการสร้างแบบจำลองการระบุแหล่งที่มาคือการเรียนรู้ว่าแชแนลต่างๆ สัมพันธ์กันในกลยุทธ์ของคุณอย่างไร และวิธีเสริมสร้างความเชื่อมโยงเหล่านั้นด้วยเนื้อหาที่มีคุณภาพ

เครื่องมือแสดงที่มาและซอฟต์แวร์

การสร้างแบบจำลองการระบุแหล่งที่มาสามารถทำได้ด้วยตนเองหรือผ่านซอฟต์แวร์ กระบวนการด้วยตนเองนั้นซับซ้อนมากและต้องใช้ความรู้และทักษะทางการตลาดขั้นสูง ซึ่งมักจะคุ้นเคยกับนักวิเคราะห์ที่ผ่านการฝึกอบรมเท่านั้น เราจะเน้นที่ตัวเลือกดิจิทัลที่ธุรกิจเข้าถึงได้ง่าย

มีเครื่องมือทั้งแบบฟรีและมีค่าใช้จ่ายมากมายที่จะช่วยคุณในการสร้างแบบจำลองการระบุแหล่งที่มา Google Attribution เป็นตัวเลือกฟรีที่ได้รับความนิยมมากที่สุด ดังนั้นคุณอาจลองใช้ก่อน ซึ่งจะให้ข้อมูลเชิงลึกเกี่ยวกับวิธีการทำงานของรูปแบบการระบุแหล่งที่มาและความหมายของรูปแบบจุดติดต่อต่างๆ

ประโยชน์ของ Google Attribution มักถูกมองข้าม แม้ว่าจะให้บริการฟรี แต่ก็ครอบคลุมทุกรุ่นทั่วไปและมีการตั้งค่าด้วยตนเอง เมื่อคุณคุ้นเคยกับกระบวนการเบื้องหลังการสร้างแบบจำลองการระบุแหล่งที่มาแล้ว คุณสามารถสร้างแบบจำลองส่วนบุคคลเพื่อตอบสนองความต้องการของแคมเปญของคุณได้

เครื่องมือแบบชำระเงินบางส่วน เช่น Bizible, TrackMaven และ Nielsen มีคุณสมบัติขั้นสูงมากกว่า และหากคุณเต็มใจที่จะลงทุนและเรียนรู้เพิ่มเติม คุณสามารถสร้างโมเดลที่ซับซ้อนได้

แต่ก่อนที่คุณจะดำดิ่งลึกเกินไป เรามาเน้นที่พื้นฐานกันก่อน

ประเภทของรูปแบบการระบุแหล่งที่มา

คงจะดีไม่น้อยถ้ามีคนเข้ามาที่ไซต์ของคุณและเริ่มแจกข้อมูลส่วนตัวและซื้อของโดยไม่ได้คิดอะไรเลย น่าเสียดายที่นี่ไม่ใช่กรณี ส่วนใหญ่ การเดินทางของลูกค้าประกอบด้วยขั้นตอนอย่างน้อยสองสามขั้นตอนก่อนที่จะทำการซื้อ

ด้วยรูปแบบการระบุแหล่งที่มา คุณจะแยกย่อยและวิเคราะห์ขั้นตอนการเดินทางของลูกค้าเพื่อค้นหาว่าแชแนลใดได้รับเครดิตสำหรับ Conversion ทุกรุ่นจัดลำดับความสำคัญของจุดสัมผัสที่แตกต่างกันและแอตทริบิวต์มูลค่าที่แตกต่างกันตามความสำคัญสำหรับการขาย

ลองวิเคราะห์ตัวอย่างต่อไปนี้

ลองเรียกเธอว่าแอนนี่ ค้นหาบล็อกโพสต์ของคุณผ่านการค้นหาทั่วไป อ่านแล้วออกจากเว็บไซต์ของคุณ ไม่กี่วันต่อมา เธอสะดุดกับโฆษณา Facebook ของคุณและนึกถึงแบรนด์เจ๋งๆ ของคุณ เธอคลิกโฆษณา เรียกดูเว็บไซต์ของคุณอีกครั้ง เริ่มสนใจมากขึ้น แอนนี่ยังไม่พร้อมที่จะซื้อ แต่เธอกรอกแบบฟอร์มการเลือกรับข้อมูลอัปเดตจากคุณ หวังว่าส่วนลดจะมาถึงเร็วๆ นี้ ในอีกสองสามวัน คุณจะส่งอีเมลถึงแอนนี่พร้อมข้อเสนอจัดส่งฟรีหรือบัตรกำนัลส่วนลดสำหรับการซื้อครั้งแรก เธอตื่นเต้นคลิกลิงก์ด้วยความตั้งใจที่จะซื้อแต่ฟุ้งซ่านและละทิ้งตะกร้าสินค้าของเธอ วันรุ่งขึ้น เธอจำแบรนด์ของคุณได้ พิมพ์ URL เว็บไซต์ของคุณ (หรืออาจคลิกลิงก์ที่เธอบันทึกไว้) และทำการซื้อให้เสร็จสิ้น

แล้วช่องทางใดที่ได้รับเครดิตสำหรับการเปลี่ยนใจเลื่อมใสของแอนนี่ บล็อกของคุณ โฆษณาบน Facebook อีเมลที่ยอดเยี่ยม หรือการเข้าชมโดยตรง

ขึ้นอยู่กับรูปแบบการระบุแหล่งที่มาที่คุณตัดสินใจใช้ มาดูกันเลย

1. การระบุแหล่งที่มาของการโต้ตอบสุดท้าย

อย่างที่คุณเดาได้จากชื่อ รูปแบบการโต้ตอบสุดท้ายจะระบุมูลค่าของการขายทั้งหมดไปยังช่องทางติดต่อลูกค้าล่าสุดกับธุรกิจของคุณ

ซึ่งหมายความว่าในกรณีของแอนนี่ เครดิตจะถูกส่งไปยังการเข้าชมโดยตรง คุณจะเห็นได้ว่าเหตุใดโมเดลนี้จึงอาจถือว่าไม่ถูกต้อง

ในตัวอย่างข้างต้น การเข้าชมโดยตรงมีข้อมูลเพียงเล็กน้อยในเส้นทางของลูกค้า แอนนี่ค้นพบแบรนด์ของคุณผ่านการค้นหาทั่วไปและบล็อกของคุณ หากไม่ใช่เพราะผู้ติดต่อรายแรกๆ นี้ เธอจะไม่ทราบถึงแบรนด์และ URL เว็บไซต์ของคุณ และจะไม่มีการขายเกิดขึ้น

อย่างไรก็ตาม การโต้ตอบครั้งสุดท้ายอาจมีประโยชน์มากในบางกรณี หากคุณมีวงจรชีวิตลูกค้าที่สั้น โดยไม่มีจุดสัมผัสที่ซับซ้อนระหว่างนั้น โมเดลนี้จะช่วยให้คุณระบุได้ว่าช่องทางใดที่น่าเชื่อถือที่สุดในการขาย

ในกรณีของแอนนี่ นั่นหมายความว่าเว็บไซต์แบรนด์ของคุณจดจำได้ง่าย และช่องทางการรับรู้ถึงแบรนด์ของคุณก็ให้ผลลัพธ์เช่นกัน

สำหรับลิงก์ที่บันทึกไว้ คุณจะระบุแหล่งที่มาของมูลค่าได้ง่ายขึ้นหากคุณติดแท็ก URL เพื่อติดตามประสิทธิภาพของช่องในแคมเปญ

2. คลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย

โมเดล Last Non-Direct Click คือรูปแบบหนึ่งของรูปแบบการโต้ตอบสุดท้าย ซึ่งออกแบบมาเพื่อแก้ไขปัญหาเฉพาะที่เรามีกับกรณีของ Annie ด้านบน

เครดิตสำหรับการขายนั้นจะไปที่การคลิกที่ไม่ใช่โดยตรงครั้งสุดท้ายดังที่คุณบอกได้จากชื่อ ในตัวอย่างของเรา นี่คืออีเมลส่วนลดที่ยอดเยี่ยมของคุณ

ในสถานการณ์เช่นนี้เห็นได้ชัดว่าอีเมลมีส่วนสำคัญอย่างยิ่งในการขายและการเพิกเฉยต่อคุณค่าของอีเมลนั้นไม่ยุติธรรมต่อความพยายามของคุณในการออกแบบและกำหนดเป้าหมาย

การใช้รูปแบบการระบุแหล่งที่มาล่าสุด ในกลุ่มเหตุการณ์เช่นนี้ อาจทำให้คุณเชื่อว่าการส่งอีเมลเป้าหมายไม่ใช่ส่วนสำคัญของกลยุทธ์ของคุณ และคุณอาจตีความความสำคัญของช่องนี้ผิดใน ROI ของกลยุทธ์ของคุณ

3. การระบุแหล่งที่มาของการโต้ตอบครั้งแรก

แม้ว่ารูปแบบการโต้ตอบครั้งแรกอาจดูมีนัยสำคัญเพียงเล็กน้อยเมื่อเทียบกับช่องทางการขายที่ประสบความสำเร็จ แต่ก็ไม่ควรมองข้าม โดยเฉพาะอย่างยิ่งหากแคมเปญของคุณมีเป้าหมายเพื่อเพิ่มการรับรู้ถึงแบรนด์ด้วย

ในกรณีของแอนนี่ การค้นหาทั่วไปและเนื้อหาในบล็อกของคุณเป็นสิ่งที่ทำให้เธอรู้จักแบรนด์ของคุณและดึงดูดให้เธอเข้ามา ดังนั้น โมเดลนี้จะถือว่าเครดิตทั้งหมดสำหรับการขายมาจากจุดสัมผัสแรกนี้

ข้อเสียของแนวทางดังกล่าวคือไม่คำนึงถึงเวลาที่ Annie ใช้ในเว็บไซต์ของคุณ เธออาจจะตีกลับเมื่อเปิดมันขึ้นมาในตอนแรก และบางทีเธออาจจะไม่มีวันมองย้อนกลับไปถ้าไม่ใช่เพราะโฆษณาบน Facebook ที่เธอเห็นในภายหลังและอีเมลที่คุณส่งถึงเธอ

แต่อย่างที่เราได้กล่าวไปแล้ว โมเดลนี้ยังคงเป็นทางเลือกที่ดี หากคุณต้องการแน่ใจว่าแพลตฟอร์มการตลาดใดให้ผลลัพธ์ที่ดีที่สุดสำหรับการนำเสนอชื่อของคุณออกไปและแนะนำแบรนด์ของคุณให้กับผู้ชมในวงกว้าง

4. การระบุแหล่งที่มาเชิงเส้น

วิธีการเชิงเส้นจะกระจายมูลค่าการขายอย่างเท่าเทียมกันระหว่างช่องทางทั้งหมดที่เกี่ยวข้องกับการเดินทางของลูกค้า

ในตัวอย่างของเรา นี่หมายความว่าบล็อกของคุณ โฆษณาบน Facebook อีเมลที่ยอดเยี่ยม และการเข้าชมโดยตรงจะได้รับเครดิตจำนวนเท่ากันสำหรับการซื้อของ Annie

ข้อเสียของโมเดลเชิงเส้นตรงคือทำให้แชแนลทั้งหมดอยู่ในระดับที่เท่ากัน และไม่สามารถแยกแยะได้ว่าอันใดมีอินพุตที่ใหญ่ที่สุดสำหรับการขาย

อย่างไรก็ตาม สิ่งที่ทำคือแสดงภาพที่ชัดเจนของการเดินทางของลูกค้าทั้งหมด และความสำคัญของการมีกลยุทธ์ทางการตลาดแบบ Omnichannel

นอกจากนี้ยังทำหน้าที่เป็นเครื่องเตือนใจว่าทุกช่องมีความสำคัญและผลกระทบ การข้ามเพียงรายการเดียวอาจส่งผลให้เกิดการทำลายห่วงโซ่ของเหตุการณ์ที่นำไปสู่การขายและป้องกันไม่ให้เกิดขึ้นอีก

5. การระบุที่มาของเวลาลดลง

แบบจำลอง Time Decay นั้นคล้ายกับแบบ Linear มาก เนื่องจากเป็นการกระจายมูลค่าการซื้อในทุกช่องทางที่มีส่วนร่วมในเส้นทางของลูกค้า

ความแตกต่างในที่นี้คือ ยิ่งจุดสัมผัสใกล้กับการขายมากเท่าใด ก็ยิ่งได้รับเครดิตมากขึ้นเท่านั้น

ในเส้นทางการช็อปปิ้งของ Annie ROI ของช่องทางการตลาดที่เธอโต้ตอบด้วยจะค่อยๆ เพิ่มขึ้นโดยที่การค้นหาทั่วไปได้รับเปอร์เซ็นต์ต่ำสุด และการเข้าชมโดยตรงจะสูงสุด

ข้อเสียของแนวทางดังกล่าวคือไม่คำนึงถึงระยะเวลาที่ลูกค้าโต้ตอบกับเว็บไซต์ ณ จุดใด ๆ ของการเดินทาง หรือผลกระทบจากการแสดงผลครั้งแรกนั้นยอดเยี่ยมเพียงใด แอนนี่อาจตัดสินใจทำธุรกิจกับคุณในครั้งแรกที่เธอพบแบรนด์ของคุณ แต่นางแบบคนนี้คงเพิกเฉยต่อสิ่งนี้โดยสิ้นเชิง

ประโยชน์ในที่นี้อยู่ที่การพิจารณาว่าช่องทางใดทำให้เกิด Conversion และการขายจริง โมเดลนี้เป็นตัวเลือกที่ดีโดยมีวงจรชีวิตลูกค้าที่ยาวนานขึ้น เช่น การมีปฏิสัมพันธ์แบบ B2B หรือการซื้อสินค้าราคาแพงที่ต้องพิจารณาและวิจัยมากขึ้น เช่น ในอุตสาหกรรมยานยนต์

6. การระบุแหล่งที่มาตามตำแหน่ง รูปตัวยู

รูปแบบการระบุแหล่งที่มาตามตำแหน่งหรือที่เรียกว่าการระบุแหล่งที่มารูปตัวยู ให้เครดิต 40% แก่การโต้ตอบครั้งแรกและครั้งสุดท้ายของลูกค้ากับธุรกิจของคุณ และแบ่ง 20% ที่เหลือจากช่องทางอื่นๆ ในระหว่างนั้น

ความประทับใจแรกที่คุณมอบให้กับผู้มีแนวโน้มจะเป็นลูกค้าและความประทับใจสุดท้ายที่ทำให้การขายเกิดขึ้น ถือเป็นสิ่งที่สำคัญที่สุดในโมเดลนี้ ในขณะที่ขั้นตอนอื่น ๆ ในกระบวนการนี้ไม่ถือว่าไม่สำคัญอย่างสมบูรณ์

ทำให้โมเดลรูปตัว U เป็นตัวเลือกที่ใช้กันทั่วไปสำหรับนักการตลาดและเป็นตัวเลือกที่สมเหตุสมผล ข้อมูลนี้ให้มุมมองเกี่ยวกับจุดแข็งที่สุดของกลยุทธ์ และเหมาะสำหรับธุรกิจที่มีวงจรชีวิตลูกค้ายาวนานขึ้นและมีปฏิสัมพันธ์ที่หลากหลายตลอดเส้นทาง

7. การระบุแหล่งที่มาตามตำแหน่ง รูปตัว W

รูปแบบการระบุแหล่งที่มารูปตัว W เป็นรูปแบบหนึ่งของรูปแบบตามตำแหน่ง แต่ให้เครดิตเพิ่มเติมแก่จุดติดต่อที่เปลี่ยนผู้มีแนวโน้มจะเป็นลูกค้าเป้าหมาย

ในตัวอย่างข้างต้น การค้นหาทั่วไปและการเข้าชมโดยตรงจะได้รับเครดิตที่เท่ากันอีกครั้ง แต่คราวนี้อีเมลลดราคาสุดเจ๋งที่คุณส่งไปก็เช่นกัน ซึ่งชักจูงให้แอนนี่บอกรายละเอียดของเธอกับคุณและทำให้เธอเป็นผู้นำ จุดสัมผัสอื่นๆ ในการเดินทางของเธอจะแบ่งส่วนที่เหลือ

โมเดลนี้แสดงถึงคุณค่าของจุดสัมผัสที่สำคัญที่สุดที่ลูกค้ามีกับแบรนด์ของคุณ สิ่งนี้ทำให้เป็นตัวเลือกที่ดียิ่งขึ้นหากคุณต้องการทราบด้วยว่าช่องทางใดที่สร้างโอกาสในการขายมากที่สุดสำหรับธุรกิจของคุณ

8. การระบุแหล่งที่มาของการสัมผัสที่นำไปสู่การเปลี่ยนแปลง

รูปแบบการระบุแหล่งที่มาของ Lead Conversion Touch ให้เครดิตกับจุดติดต่อในกลุ่มเหตุการณ์ที่เกิด Conversion เท่านั้น

ในกรณีของแอนนี่ นี่อาจเป็นอีเมลดีๆ ที่เธอได้รับจากคุณ

เช่นเดียวกับสองแชแนลแรกที่เน้นที่จุดสัมผัสเดียวของการเดินทาง ช่องนี้ก็มีคุณค่าสำหรับแคมเปญที่เฉพาะเจาะจงมากเป็นส่วนใหญ่

หากวัตถุประสงค์หลักของแคมเปญของคุณคือการสร้างลีดให้มากขึ้น นี่เป็นรูปแบบที่จะทำให้คุณมองเห็นช่องทางที่ชัดเจนซึ่งทำให้เกิด Conversion มากที่สุด และจะช่วยให้คุณทุ่มเทความพยายามที่นั่นได้

9. การระบุแหล่งที่มาที่กำหนดเอง

Custom Attribution Models ตามที่ระบุชื่อ ช่วยให้คุณสร้างแบบจำลองของคุณเองโดยขึ้นอยู่กับกลยุทธ์ทางการตลาดเฉพาะและลำดับความสำคัญทางธุรกิจของคุณ

การสร้างแบบจำลองที่กำหนดเองนั้นต้องการความเข้าใจอย่างลึกซึ้งเกี่ยวกับการสร้างแบบจำลองการระบุแหล่งที่มาทางการตลาดและความรู้ขั้นสูงเกี่ยวกับเครื่องมือที่คุณจะใช้ นั่นคือเหตุผลที่เราแนะนำให้คุณทำความคุ้นเคยกับกระบวนการก่อน ก่อนที่คุณจะกระโดดลงไปในส่วนลึก

ในรูปแบบที่กำหนดเอง คุณสามารถรวมข้อมูลจากกลยุทธ์ออนไลน์และออฟไลน์ และรับความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับเส้นทางของลูกค้าของคุณ

ทุกวันนี้มีคนเพียงไม่กี่คนที่ได้รับอิทธิพลจากช่องทางดิจิทัลเพียงอย่างเดียว และแม้แต่น้อยก็พึ่งพาแหล่งข้อมูลออฟไลน์เท่านั้น การจัดการเพื่อแบ่งกลุ่มข้อมูลของคุณและสร้างแบบจำลองตามกลยุทธ์ทางการตลาดเต็มรูปแบบของคุณจะทำให้คุณมองเห็นภาพรวมของกระบวนการทั้งหมดและข้อมูลเชิงลึกซึ่งเป็นจุดติดต่อที่แข็งแกร่งที่สุดกับลูกค้าของคุณ

สรุป

การสร้างแบบจำลองการระบุแหล่งที่มาเป็นส่วนที่ซับซ้อนที่สุดของการตลาด ต้องใช้เวลา ทักษะในการวิเคราะห์ ความรู้เชิงลึกเกี่ยวกับกระบวนการทางการตลาด และข้อมูลเชิงลึกเกี่ยวกับโปรไฟล์และเป้าหมายของธุรกิจ

โชคดีที่เทคโนโลยีสมัยใหม่รองรับส่วนที่ยาก เช่น การคำนวณและการตรึงจุดสัมผัสของลูกค้า และทำให้เราได้เปรียบ

การสร้างรูปแบบการระบุแหล่งที่มาสำหรับแคมเปญของคุณจะช่วยให้คุณระบุรูปแบบที่ให้ ROI ที่มั่นคงและเพิ่มประสิทธิภาพการทำงานของทีมการตลาดของคุณ