สาเหตุและวิธีการของการระบุแหล่งที่มาทางการตลาด: คู่มือที่ขับเคลื่อนด้วยข้อมูล

แบรนด์ธรรมดาเดาว่า : “ดูเหมือนว่าโฆษณาบน Facebook ล่าสุดของเราจะทำงานได้ดี”

แบรนด์ชั้นนำรู้ว่า : “ชุดโฆษณา Facebook ในปัจจุบันของเรากำลังเพิ่มปริมาณการเข้าชม แต่พิกเซลการกำหนดเป้าหมายใหม่ของเราต่างหากที่เปลี่ยนลูกค้า”

ความเข้าใจที่ขับเคลื่อนด้วยข้อมูลว่าอะไรได้ผลและอะไรไม่ได้ผล ซึ่งแยกนักการตลาดที่เก่งกาจออกจากกลุ่ม

รูปแบบการระบุแหล่งที่มาทางการตลาดช่วยให้นักการตลาดประเมินข้อมูลที่อยู่เบื้องหลังจุดติดต่อผู้ใช้และคอนเวอร์ชั่นเพื่อทำความเข้าใจผลกระทบต่อ ROI

ในบทความนี้ คุณจะได้เรียนรู้วิธีการทำงานของการระบุแหล่งที่มาทางการตลาด วิธีวัดผลได้ด้วยรูปแบบที่แตกต่างกัน 6 รูปแบบ และวิธีตัดสินใจจากข้อมูลเพื่อปรับปรุงงบประมาณด้านการตลาดของคุณ

การระบุแหล่งที่มาทางการตลาดคืออะไร และเหตุใดจึงมีความสำคัญ

การระบุแหล่งที่มาทางการตลาดเป็นวิธีปฏิบัติในการวิเคราะห์วิธีที่ลูกค้ามีส่วนร่วมกับจุดสัมผัสทางการตลาดตลอดเส้นทางการซื้อ

คุณเลือกรูปแบบการระบุแหล่งที่มา (ชุดของกฎที่ควบคุมวิธีที่คุณระบุแหล่งที่มาของเครดิต Conversion ไปยังจุดติดต่อแต่ละจุด) เพื่อทำความเข้าใจว่ากลยุทธ์ทางการตลาดของคุณมีส่วนช่วยในการเติบโตของรายได้อย่างไร

การระบุแหล่งที่มาทางการตลาดให้ข้อมูลที่สนับสนุนข้อมูลเชิงลึก เช่น:

• Google Ads เป็นตัวขับเคลื่อนรายได้ที่สำคัญที่สุดของเรา
• แคมเปญการเลี้ยงดูทางอีเมลนี้ใช้ไม่ได้ผลและจำเป็นต้องสร้างใหม่
• ลูกค้าส่วนใหญ่ของเราค้นพบเราผ่านเนื้อหาออร์แกนิกของเรา

หากไม่มีข้อมูลนี้ การตัดสินใจทางการตลาดจะขึ้นอยู่กับสัญชาตญาณเป็นหลัก

สมมติว่าคุณได้รับมอบหมายให้ท้าทายในการเพิ่มโอกาสในการขาย 25% สำหรับไตรมาสถัดไป เพื่อบรรลุเป้าหมายด้านรายได้ขององค์กรของคุณสำหรับปีนี้

ตัวอย่างเช่น ข้อมูลการระบุแหล่งที่มาทางการตลาดสามารถแสดงให้คุณเห็นว่าเนื้อหาออร์แกนิกของคุณเป็นจุดติดต่อแรกที่พบบ่อยที่สุดในเส้นทางของลูกค้าโดยทั่วไป กล่าวอีกนัยหนึ่ง เนื้อหาเป็นวิธีที่ลูกค้าส่วนใหญ่ค้นพบบริษัทของคุณ

หากไม่มีข้อมูลนี้ คุณอาจดูช่องทางการตลาดและกลยุทธ์ที่คุณมีอยู่ในขณะนี้ แล้วพูดว่า “มาจัดสรรงบประมาณด้านเนื้อหาในไตรมาสนี้ใหม่ให้กับ Google Ads เราจำเป็นต้องดำเนินการตามเป้าหมายรายได้นี้”

ในกรณีนี้ การลดความสำคัญความพยายามในการเผยแพร่เนื้อหาเป็นการดำเนินการที่ผิด แต่คุณสามารถทำได้ง่ายๆ หากคุณไม่มีสิทธิ์เข้าถึงข้อมูลการระบุแหล่งที่มา

ข้อมูลเชิงลึกเหล่านี้มีประสิทธิภาพเพียงใดขึ้นอยู่กับ วิธี วัดการระบุแหล่งที่มาทางการตลาด

วิธีวัดการระบุแหล่งที่มาทางการตลาด

นักการตลาดส่วนใหญ่จะใช้รูปแบบใดรูปแบบหนึ่งที่ไม่ซ้ำใครในซอฟต์แวร์ระบุแหล่งที่มาของตน แม้ว่าสิ่งเหล่านี้จะมีข้อบกพร่อง (ซึ่งเราจะพูดถึงในไม่ช้า) สิ่งเหล่านี้ให้ความเข้าใจพื้นฐานว่าลูกค้าโต้ตอบกับจุดสัมผัสทางการตลาดอย่างไร

รูปแบบการระบุแหล่งที่มาแบบสัมผัสเดียว

รูปแบบการระบุแหล่งที่มาแบบสัมผัสเดียวให้เครดิตกับจุดสัมผัสเพียงจุดเดียวในการเดินทางของลูกค้า

ข้อเสียตรงนี้เห็นได้ชัดในทันที: ลูกค้าไม่ค่อยเปลี่ยนใจจากจุดติดต่อลูกค้าจุดเดียว

พิจารณาแผนที่การเดินทางของลูกค้านี้จากที่ปรึกษาการขายดิจิทัล Columbia Road โดยมีจุดติดต่อ 10 จุดระหว่างการตัดสินใจ

อย่างไรก็ตาม รูปแบบการระบุแหล่งที่มาแบบง่ายๆ เหล่านี้ก็มีข้อดีอยู่ บ้าง พิจารณาการเดินทางของลูกค้านี้ ซึ่งประมาณเส้นทางทั่วไปที่ลูกค้าใช้ในการซื้อจากแบรนด์อีคอมเมิร์ซ:

• ลูกค้ามาที่เว็บไซต์ของคุณผ่านโฆษณา Google
• พวกเขาเพิ่มสินค้าลงในรถเข็น แต่ไม่แปลง
• การดำเนินการนี้จะเรียกอีเมลสำหรับรถเข็นที่ถูกละทิ้ง ซึ่งลูกค้าจะเห็นแต่ไม่ได้คลิก
• ลูกค้ายังเห็นโฆษณาที่กำหนดเป้าหมายใหม่บน Facebook ซึ่งหนึ่งในนั้นทำให้เกิดการซื้อ

มูลค่าที่ตราไว้ โฆษณา Facebook รับผิดชอบทั้งหมดสำหรับการแปลง

แต่รูปแบบการระบุแหล่งที่มาสัมผัสแรกเน้นที่ตัวเร่งปฏิกิริยาโฆษณาของ Google

รูปแบบการระบุแหล่งที่มาแบบสัมผัสเดียวอาจไม่ครอบคลุม แต่จะช่วยให้คุณเข้าใจว่าจุดติดต่อเชื่อมโยงกันอย่างไรเพื่อให้คุณระบุได้ดีขึ้นว่าสิ่งใดใช้การได้

การระบุแหล่งที่มาสัมผัสแรก

การระบุแหล่งที่มาสัมผัสแรกให้เครดิตทั้งหมดแก่การโต้ตอบครั้งแรกที่ลูกค้ามีกับแบรนด์ของคุณ

ไม่สำคัญว่าจะมีกี่ช่องทางติดต่อหลังจากนั้น หรือลูกค้าใช้เวลานานเท่าใดในการซื้อหลังจากการโต้ตอบครั้งแรกนั้น คลิกแรกรับ 100% ของเครดิต

ในตัวอย่างข้างต้น โฆษณา Google เริ่มแรกจะได้รับเครดิตการระบุแหล่งที่มาทั้งหมด

แม้ว่าจะจำกัด แต่รูปแบบการระบุแหล่งที่มานี้มีประโยชน์ในการทำความเข้าใจว่ากิจกรรมทางการตลาดใดที่ดึงดูดลูกค้าได้

คุณสามารถใช้ข้อมูลดังกล่าวเพื่อเพิ่มประสิทธิภาพกิจกรรมบนช่องทางและกระตุ้นให้เกิดโอกาสในการขายใหม่ๆ

การระบุแหล่งที่มาแบบสัมผัสครั้งสุดท้าย

การระบุแหล่งที่มาแบบสัมผัสครั้งสุดท้ายให้เครดิตทั้งหมดแก่จุดติดต่อสุดท้ายในการเดินทางของลูกค้า นี่จะเป็นโฆษณา Facebook ที่กำหนดเป้าหมายใหม่จากตัวอย่างด้านบน

เป็นรูปแบบการระบุแหล่งที่มาแบบสัมผัสเดียวที่ใช้กันอย่างแพร่หลายที่สุด โดยเฉพาะอย่างยิ่งสำหรับธุรกิจที่มีวงจรการซื้อและขั้นตอนการพิจารณาสั้น ในกรณีดังกล่าว การโต้ตอบครั้งสุดท้ายมีแนวโน้มที่จะกระตุ้นให้ซื้อ

Take Wish ตลาดออนไลน์ที่ขึ้นชื่อเรื่องการขายสินค้าแปลก ๆ ที่คุณไม่เคยคิดว่าจะซื้อเป็นอย่างอื่น อาจไม่มีการเดินทางของลูกค้าที่ซับซ้อน ดังนั้นการระบุแหล่งที่มาแบบสัมผัสสุดท้ายจึงเป็นรูปแบบที่เหมาะสม

การระบุแหล่งที่มาของคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย

รูปแบบการระบุแหล่งที่มาของคลิกที่ไม่ใช่โดยตรงสุดท้ายจะคล้ายกับรูปแบบสัมผัสสุดท้าย ยกเว้นว่าจะลดการเข้าชมโดยตรง

ลองพิจารณาเส้นทางการซื้ออีคอมเมิร์ซที่แตกต่างกันเล็กน้อย:

• ลูกค้ามาที่เว็บไซต์ของคุณผ่านโฆษณา Google
• พวกเขาเพิ่มสินค้าลงในรถเข็น แต่ไม่แปลง
• การดำเนินการนี้จะเรียกอีเมลสำหรับรถเข็นที่ถูกละทิ้ง ซึ่งลูกค้าจะเห็นแต่ไม่ได้คลิก
• หลังจากนั้น ลูกค้ากลับมาที่ไซต์ของคุณโดยตรงและซื้อ

ภายใต้รูปแบบการระบุแหล่งที่มาแบบคลิกสุดท้าย มันจะไปที่การเข้าชมโดยตรง เมื่อใช้โมเดลการโต้ตอบที่ไม่ใช่โดยตรงล่าสุด อีเมลกู้คืนรถเข็นจะได้รับเครดิตทั้งหมด

รูปแบบนี้เหมาะสมหากลูกค้าทำ Conversion อย่างรวดเร็วเพียงครั้งเดียวบนไซต์ของคุณ (เช่น พวกเขาเพิ่มผลิตภัณฑ์ที่ต้องการลงในรถเข็นและมุ่งตรงไปยังจุดชำระเงิน)

หลีกเลี่ยงรูปแบบนี้หากลูกค้าของคุณใช้เวลานานในการแปลง เนื่องจากไม่สนใจปัจจัยที่มีอิทธิพล (เช่น CTA และบทวิจารณ์แนะนำจากลูกค้า) ในการแปลง

รูปแบบการระบุแหล่งที่มาแบบมัลติทัช

รูปแบบการระบุแหล่งที่มาแบบมัลติทัชคำนึงถึงจุดติดต่อดิจิทัลทั้งหมดและกำหนดเครดิตอัตราการแปลงเป็นอย่างน้อยให้กับการโต้ตอบแต่ละครั้ง

พิจารณาเส้นทางที่ผู้ซื้อ B2B อาจใช้ในการซื้อแพลตฟอร์มการจัดการโครงการ

ลูกค้าเห็นโฆษณาผลิตภัณฑ์สำหรับ Asana บน YouTube และคลิก CTA พวกเขาอ่านผ่านหน้า Landing Page แต่ไม่แปลง

เมื่อพิจารณาถึงปัญหาที่นำเสนอในโฆษณาวิดีโอ (เช่น การจัดการทีมฟรีแลนซ์) ลูกค้าทำการค้นหาโดย Google สำหรับ "การจัดการฟรีแลนซ์" ลูกค้าคลิกที่โพสต์ของ Asana จดจำแบรนด์ได้

มีประโยชน์และพวกเขาตัดสินใจที่จะใช้กลยุทธ์บางอย่าง ต่อมา พวกเขาเห็นโฆษณาสำหรับ Asana บน LinkedIn และคลิกที่ CTA เพื่อดาวน์โหลด ebook

ต่อจากนั้น พวกเขาจะได้รับอีเมลแนะนำการเลี้ยงดูอาสนะหลายชุด ข้อสุดท้ายคือข้อเสนอสำหรับเดือนแรกฟรีเมื่อสมัครแผนรายปี ซึ่งพวกเขายอมรับ

ในการเดินทางครั้งนี้ มีหกช่องทางการตลาดดิจิทัลที่เกี่ยวข้อง:

• โฆษณา YouTube
• แลนดิ้งเพจ
• เนื้อหาอินทรีย์
• โฆษณา LinkedIn
• อีบุ๊ก
• แคมเปญการดูแลอีเมล

โดยธรรมชาติแล้ว รูปแบบการระบุแหล่งที่มาแบบแตะครั้งเดียวจะไม่สนใจการโต้ตอบ 5 ใน 6 ของการโต้ตอบเหล่านี้ โมเดลมัลติทัชแบ่งปันเครดิตการระบุแหล่งที่มาในทุกช่องทาง แม้ว่า วิธี การกระจายเครดิตจะขึ้นอยู่กับโมเดลที่คุณใช้

การระบุแหล่งที่มาเชิงเส้น

รูปแบบการระบุแหล่งที่มาเชิงเส้นจะกำหนดเครดิตให้เท่าๆ กันในทุกช่องทางการติดต่อ ในตัวอย่างข้างต้น จุดติดต่อแต่ละแห่งจากหกจุดจะได้รับเครดิตการระบุแหล่งที่มา 16.67%

รุ่นนี้เหมาะสมหากคุณไม่มีงบประมาณหรือข้อมูลในการระบุน้ำหนักที่แม่นยำมากขึ้น แต่ไม่สามารถยอมรับข้อจำกัดของรุ่นสัมผัสเดียวได้

หากคุณเป็นบริษัทที่มั่นคงและมีทรัพยากรเพียงพอ ให้ลงทุนในการกำหนดที่แม่นยำยิ่งขึ้น

การระบุแหล่งที่มาตามตำแหน่ง

การระบุแหล่งที่มาตามตำแหน่ง (หรือที่เรียกว่าการระบุแหล่งที่มารูปตัวยู) ให้น้ำหนักกับการโต้ตอบครั้งแรกและครั้งสุดท้ายมากขึ้น ถึงกระนั้นก็กำหนดเครดิตให้กับจุดติดต่อระหว่างนั้น

รูปแบบที่พบบ่อยที่สุดคือการกำหนด 40% ให้กับจุดสัมผัสแรกและจุดติดต่อสุดท้าย โดย 20% ที่เหลือจะกระจายเท่าๆ กันในส่วนที่เหลือ

ในตัวอย่างข้างต้น การกระจายสินเชื่อจะมีลักษณะดังนี้:

• โฆษณา YouTube – 40%
• หน้า Landing Page - 5%
• เนื้อหาอินทรีย์ - 5%
• โฆษณา LinkedIn – 5%
• อีบุ๊ค – 5%
• แคมเปญดูแลอีเมล – 40%

การระบุแหล่งที่มาตามตำแหน่งจะมีประโยชน์หากวงจรการขายของคุณยาวนานและมีจุดสัมผัสหลายจุดที่เกี่ยวข้องกับการตัดสินใจซื้อ เช่น ในการซื้อแบบ B2B สำหรับวงจรการซื้อที่ยาวนาน สิ่งสำคัญคือต้องให้เครดิตอย่างน้อยแก่การโต้ตอบแต่ละครั้งที่ทำให้การสนทนาดำเนินต่อไป

การระบุแหล่งที่มาของการสลายตัวของเวลา

รูปแบบการระบุแหล่งที่มาที่ลดลงตามเวลาจะกระจายเครดิตตามเวลาที่ผ่านไปนับตั้งแต่การโต้ตอบ

จุดติดต่อสุดท้ายจะได้รับเครดิตมากที่สุดเสมอ และจุดติดต่อแรกจะได้รับเครดิตน้อยที่สุด

ในตัวอย่าง Asana ของเรา การกระจายเครดิตอาจมีลักษณะดังนี้:

• โฆษณา YouTube – 5%
• หน้า Landing Page – 7.5%
• เนื้อหาอินทรีย์ – 12.5%
• โฆษณา LinkedIn – 20%
• อีบุ๊ค – 25%
• แคมเปญดูแลอีเมล – 30%

แบบจำลองการลดเวลาจะมีประโยชน์เมื่อการสร้างความสัมพันธ์เป็นปัจจัยสำคัญ เช่น ในการขายขององค์กร เนื่องจากการโต้ตอบเริ่มต้นมักจะมีความสำคัญน้อยกว่าต่อการแปลง

หากการสร้างแบรนด์และช่องทางการรับรู้มีความสำคัญต่อเป้าหมายทางธุรกิจของคุณ ให้ใช้แบบจำลองตามตำแหน่ง

ความท้าทายและข้อจำกัดของการระบุแหล่งที่มาทางการตลาด

แม้ว่ารูปแบบการระบุแหล่งที่มาจะช่วยให้นักการตลาดได้รับความเข้าใจพื้นฐานเกี่ยวกับพฤติกรรมของลูกค้า แต่ก็ไม่สมบูรณ์และไม่สมบูรณ์ พวกเขาถูกจำกัดให้จับภาพมากกว่าการสร้างความต้องการ

โมเดลแบบดั้งเดิมส่วนใหญ่จะขาดตลาดเนื่องจากใช้การคาดเดาหรือพลาดกิจกรรมช่องทางมืดไปโดยสิ้นเชิง

รูปแบบการระบุแหล่งที่มาที่ซับซ้อนมีประสิทธิภาพดีกว่ารูปแบบพื้นฐาน แต่ควรคำนึงถึงข้อจำกัดเหล่านี้ก่อนเลือกทิศทาง

การเลือกรูปแบบการระบุแหล่งที่มานั้นขึ้นอยู่กับอำเภอใจเป็นส่วนใหญ่

การเลือกรูปแบบการระบุแหล่งที่มาส่วนใหญ่ขึ้นอยู่กับสัญชาตญาณ ไม่ใช่ข้อมูลที่ยาก

ตัวอย่างเช่น คุณอาจเลือกรูปแบบการระบุแหล่งที่มาตามตำแหน่ง หากเห็นว่าเหมาะสมที่จะกำหนดเครดิตส่วนใหญ่ให้กับจุดติดต่อแรกและจุดติดต่อสุดท้าย

แต่ทำไมแต่ละคนสมควรได้รับ 40%? ทำไมไม่ 30% สำหรับการโต้ตอบครั้งแรกและ 50% สำหรับการโต้ตอบครั้งสุดท้าย หรือในทางกลับกัน การกระจายเครดิตขึ้นอยู่กับความรู้สึกไม่ใช่ข้อมูลที่ยาก

ทางออกที่ดีคือการใช้รูปแบบการระบุแหล่งที่มาจากข้อมูลหรืออัลกอริทึมโดยใช้แพลตฟอร์มอย่าง Impact.com หรือ Google Analytics 360

เครื่องมือสร้างแบบจำลองเหล่านี้ใช้การคำนวณทางสถิติขั้นสูงและการเรียนรู้ของเครื่องเพื่อทำความเข้าใจความแตกต่างระหว่างลูกค้าที่ทำ Conversion และผู้ที่ไม่ได้ทำ จากนั้น ตีความรูปแบบการมีส่วนร่วมเหล่านั้นเพื่อกำหนดวิธีการระบุแหล่งที่มาของเครดิตในจุดติดต่อต่างๆ อย่างมีประสิทธิภาพ

ขออภัย ผลิตภัณฑ์เหล่านี้มีราคาแพงมากสำหรับบางธุรกิจ (สมาชิก Google Analytics 360 เริ่มต้นที่ $150,000 ต่อปี)

หากรูปแบบการระบุแหล่งที่มาระดับนี้อยู่นอกเหนือการเข้าถึง วิธีที่ดีที่สุดคือ:

1. เลือกรูปแบบการระบุแหล่งที่มามาตรฐานที่เหมาะสมกับกลยุทธ์ของคุณมากที่สุด
2. เพิ่มประสิทธิภาพและปรับแต่งในขณะที่คุณเรียนรู้เพิ่มเติมเกี่ยวกับสิ่งที่ได้ผลและสิ่งที่ไม่ได้ผล
3. ทำความเข้าใจข้อจำกัดของการระบุแหล่งที่มาที่ไม่ใช่อัลกอริทึม เมื่อใช้ข้อมูลเชิงลึกเพื่อเป็นข้อมูลในการตัดสินใจทางการตลาด

รูปแบบการระบุแหล่งที่มาส่วนใหญ่ไม่คำนึงถึงทัชพอยต์ที่ไม่ใช่ดิจิทัล

รูปแบบการระบุแหล่งที่มาทั้งหมดที่กล่าวถึงข้างต้นรองรับช่องทางติดต่อลูกค้าดิจิทัล แต่เส้นทางการซื้อไม่ใช่ช่องทางดิจิทัลเพียงอย่างเดียว

โดยเฉพาะอย่างยิ่งในอุตสาหกรรมการค้าปลีก เช่น เสื้อผ้าและเครื่องนุ่งห่ม ซึ่งมีรูปแบบการซื้อที่แตกต่างกัน 2 รูปแบบเกิดขึ้นนอกเหนือจากแนวทางออนไลน์และออฟไลน์แบบมาตรฐาน:

• ROPO (หาข้อมูลออนไลน์ ซื้อแบบออฟไลน์) ผู้ซื้อผ่านช่องทางส่วนใหญ่ทางออนไลน์ แต่จากนั้นทำการซื้อให้เสร็จสิ้นในร้านค้าจริง
• โชว์รูม ผู้ซื้อตรวจสอบผลิตภัณฑ์ในร้านค้าจริง แล้วซื้อทางออนไลน์

ไม่ว่าในกรณีใด รูปแบบการระบุแหล่งที่มาแบบดิจิทัลทั้งหมดจะไม่คำนึงถึงจุดติดต่อทั้งหมด

การหาทางออกที่สมบูรณ์สำหรับความท้าทายนี้เป็นเรื่องยาก กลยุทธ์หนึ่งคือการใช้บัตรสะสมคะแนนเพื่อเชื่อมต่อการซื้อออฟไลน์กับโปรไฟล์ดิจิทัล

แพลตฟอร์มอย่าง Yotpo และ Stampme ช่วยให้แบรนด์ต่าง ๆ ผสานรวมโปรแกรมความภักดี เพื่อให้พวกเขาสามารถติดตามช่องทางติดต่อแบบออฟไลน์ได้อย่างมีประสิทธิภาพ

อีกกลยุทธ์หนึ่งคือการนำลูกค้าไปสู่ออฟไลน์ เช่น ผู้ผลิตเฟอร์นิเจอร์และของตกแต่ง VOX

แอปพลิเคชัน VOXBOX ช่วยให้ลูกค้าออกแบบเค้าโครงเฟอร์นิเจอร์เสมือนจริงทางออนไลน์ได้ จากนั้นจึงแนะนำให้ผู้ซื้อนัดหมายการปรึกษาด้วยตนเองที่หน้าร้านจริง

ซึ่งช่วยให้ VOX ควบคุมการเปลี่ยนเส้นทางการซื้อจากออนไลน์เป็นออฟไลน์ ทำให้รวมจุดติดต่อออฟไลน์เข้ากับรูปแบบการระบุแหล่งที่มาได้

หากเหมาะสมกับแบรนด์และอุตสาหกรรมของคุณ ให้พิจารณาใช้หนึ่งในกลยุทธ์เหล่านี้เพื่อติดตามการโต้ตอบแบบออฟไลน์ มิฉะนั้น โปรดจำไว้ว่ารูปแบบการระบุแหล่งที่มาแบบดิจิทัลเท่านั้นอาจไม่สามารถจับภาพได้ทั้งหมด

การทำบัญชีสำหรับลูกค้าที่มีอยู่แล้วในตลาดเป็นสิ่งที่ท้าทาย

รูปแบบการระบุแหล่งที่มาทางการตลาดมักจะนำไปสู่อคติที่อิงตามความสัมพันธ์ โดยถือว่าเหตุการณ์ต่างๆ ในการเดินทางของลูกค้า (เช่น คอนเวอร์ชั่น) เกิด จากเหตุการณ์อื่น (เช่น จุดติดต่อสุดท้าย) ในความเป็นจริงอาจไม่เป็นเช่นนั้น

โดยเฉพาะอย่างยิ่ง นักการตลาดอาจกำหนดแหล่งที่มาของ Conversion อย่างไม่เหมาะสมให้กับลูกค้าที่อยู่ในตลาดเพื่อซื้อผลิตภัณฑ์นั้นอยู่แล้ว

พิจารณาโฆษณา Facebook ที่กำหนดเป้าหมายนี้จาก Shopify

สมมติว่า Shopify ตั้งค่าโฆษณานี้เพื่อกำหนดเป้าหมายผู้ชมที่มีส่วนร่วมกับหน้าที่เกี่ยวข้องกับอีคอมเมิร์ซบน Facebook

ผู้ชมมีส่วนร่วมกับหน้าเหล่านี้และมักพูดถึงเครื่องมือที่ดีที่สุดในตลาด มีโอกาสสูงที่พวกเขาพิจารณาแล้วว่า Shopify เป็นตัวเลือกที่เหมาะสมก่อนที่โฆษณาจะปรากฏขึ้น

ดังนั้น เมื่อพวกเขาเห็นและคลิก มันรับผิดชอบต่อการแปลงหรือไม่?

คำนึงถึงอคติในตลาดด้วยการทำแบบสำรวจหลังการซื้อ ไปไกลกว่าการถามว่า “คุณรู้จักเราได้อย่างไร” แล้วถามว่า “อะไรทำให้คุณตัดสินใจซื้อกับเรา”

สำหรับข้อมูลเชิงคุณภาพเพิ่มเติม ให้รวมคำถาม เช่น “ก่อนสมัครใช้งาน Shopify คุณได้คลิกโฆษณาบน Facebook นี้ โฆษณานี้มีอิทธิพลต่อการซื้อของคุณมากแค่ไหน” ให้ลูกค้าให้คะแนนการตอบกลับในระดับ 1–5 วิธีนี้จะช่วยให้คุณเข้าใจได้ดีขึ้นว่าโฆษณาของคุณ มีอิทธิพลต่อ Conversion อย่างแท้จริงหรือไม่ หรือเพียงแค่นั่งขวางทางการซื้อที่กำลังจะเกิดขึ้น

การใช้รูปแบบการระบุแหล่งที่มาแบบกำหนดเองสำหรับการระบุแหล่งที่มาขั้นสูง

โมเดลด้านบนเป็นโมเดลการระบุแหล่งที่มาพื้นฐาน ซึ่งเป็นโมเดลที่อิงตามการวิเคราะห์พฤติกรรมอย่างง่ายและนอกกรอบที่พบใน Google Analytics พวกเขาทั้งหมดให้คำตอบแก่คุณ แต่นักการตลาดชั้นนำจะตั้งคำถามถึงความถูกต้องของพวกเขา

คุณยังสามารถสร้างโมเดลที่กำหนดเองบนโมเดลตามกฎนอกกรอบใน Google Analytics

คุณยังสามารถสร้างโมเดลที่กำหนดเองบนโมเดลตามกฎนอกกรอบใน Google Analytics

อย่างไรก็ตาม แม้แต่โมเดลแบบกำหนดเองก็ยังเสี่ยงที่จะเอนเอียงไปสู่อคติและข้อสันนิษฐาน ซึ่งเป็นไปตามอำเภอใจและขึ้นอยู่กับความแตกต่างของการเดินทางของลูกค้าของคุณ

เรายังได้เห็นบทความที่น่าสนใจเกี่ยวกับการใช้ Markov Models ภายใน Google Analytics สิ่งเหล่านี้มีประโยชน์เมื่อคุณไม่พอใจกับโมเดลที่สรุปไว้ด้านบน โดยเฉพาะอย่างยิ่งหากคุณขาดจุดข้อมูลบางอย่างเพื่อให้ได้ภาพที่สมบูรณ์ของการเดินทางของลูกค้า

หากต้องการลดความซับซ้อนของโมเดล Markov ในกรณีการใช้งานนี้ ให้ดูความเป็นไปได้ของขั้นตอนถัดไปในเส้นทางการแปลงที่กำหนด คำนวณความสำคัญสัมพัทธ์ของทัชพอยต์ที่กำหนดตามการนำออก:

Markov Models มีประโยชน์ดังต่อไปนี้ ดังที่อธิบายไว้ในบทความนี้:

• ความเที่ยงธรรม - ไม่มีความรู้สึกอุบาทว์
• ความแม่นยำในการทำนาย – คาดการณ์เหตุการณ์คอนเวอร์ชั่น
• ความทนทาน – ผลลัพธ์ที่ถูกต้องและเชื่อถือได้
• การตีความ - โปร่งใสและตีความได้ง่าย
• ความเก่งกาจ – ไม่ขึ้นอยู่กับชุดข้อมูล สามารถปรับให้เข้ากับข้อมูลใหม่ได้
• ประสิทธิภาพของอัลกอริทึม – ให้ผลลัพธ์ที่ทันท่วงที

นี่คือโพสต์ที่ดีที่อธิบายวิธีการทำ นี่คืออีก นักวิเคราะห์ข้อมูลที่ดีจะสามารถใช้สิ่งนี้กับรูปแบบการระบุแหล่งที่มาของคุณได้

วัดประสิทธิภาพของการดำเนินการเฉพาะโดยใช้กลุ่ม

กลุ่มประชากรตามรุ่นตามเวลาสามารถเป็นกุญแจสำคัญในการค้นหาประสิทธิภาพของการเปลี่ยนแปลงที่เกิดขึ้นกับกิจกรรมทางการตลาดหรือช่องทางที่พวกเขากำลังปรับใช้ อย่างน้อยที่สุด คุณสามารถค้นหาข้อบ่งชี้ถึงประสิทธิภาพได้โดยการรวมการวิเคราะห์ตามรุ่นเข้ากับการทดลองที่มีการควบคุมเพื่อความถูกต้องที่มากขึ้น

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

ฉันคิดว่าคนใน SaaS ที่ทำงานกับการวิเคราะห์ตามรุ่นทำได้ดี

ดังนั้นคุณลองดูคนที่ลงทะเบียนในเดือนมกราคม และเมื่อถึงเดือนมีนาคมเปอร์เซ็นต์นี้ก็หลุดออกไป เราสามารถเชื่อมโยงสิ่งนั้นกับความพยายามส่งเสริมการขายที่เราทำในช่วงเวลานั้น

แต่จากนั้นเราดูที่กลุ่มประชากรตามรุ่นที่เริ่มในเดือนมีนาคม เรามีความพยายามในการส่งเสริมการขายที่แตกต่างกันไป และเรามีการแปลงจาก freemium เป็นแบบเสียเงินหรืออะไรก็ตามในรูปแบบนั้นดีกว่ามาก

สิ่งที่เกี่ยวข้องกับสิ่งนี้คือการทดสอบการดำรงอยู่ประเภทหนึ่ง ซึ่งคุณอนุมานถึงประสิทธิภาพของช่องทางหนึ่งๆ โดยทิ้งมันไว้เล็กน้อย จิมแนะนำให้ทดสอบเพื่อดูว่าคุณสามารถอยู่ได้โดยปราศจากมันหรือไม่:

หากคุณคิดว่า [ดิสเพลย์] มีค่ามากในแง่ของการช่วยเหลือแคมเปญอื่นๆ ทำไมคุณไม่ลองฆ่ามันสักสัปดาห์หรือสองสัปดาห์แล้วดูว่าเกิดอะไรขึ้น แล้วเพิ่มกลับเข้าไป

คุณทำการทดสอบแบบนั้นไม่ได้เหรอ? มันคุ้มไหมที่คุณจะเอาเงินนั้นไปลงทุนที่อื่น? คุณจริงจังแค่ไหนกับการหามูลค่าของจอแสดงผล

กิจกรรมที่คุณทำมาตลอดอาจไม่สร้างผลกระทบได้มากเท่าที่คุณเชื่อ การทดสอบเป็นศิลปะในการกำจัดพอๆ กับการเพิ่ม นี่เป็นการตัดความคิดริเริ่มทั้งหมดออกไปโดยสิ้นเชิง

วิธีใช้การระบุแหล่งที่มาทางการตลาดเพื่อทำการตัดสินใจที่แข็งแกร่งขึ้นจากข้อมูล

มีรูปแบบการระบุแหล่งที่มาเพื่อปรับปรุงการมองเห็นและข้อมูลเชิงลึกเกี่ยวกับการเดินทางของลูกค้า เมื่อทำถูกต้อง พวกเขาจะเปิดเผย วิธีที่ ลูกค้าโต้ตอบกับจุดสัมผัสและ สิ่งที่ มีอิทธิพลต่อพฤติกรรมการซื้อ

ป้อนการค้นพบเหล่านี้ลงในความพยายามทางการตลาดของคุณเพื่อพัฒนากลยุทธ์ที่ขับเคลื่อนด้วยข้อมูลที่มีประสิทธิภาพมากขึ้น

สร้างแผนที่การเดินทางของลูกค้าที่สมจริงยิ่งขึ้น

แผนที่การเดินทางของลูกค้าสามารถเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการจัดจุดติดต่อและส่งข้อความตลอดวงจรการซื้อ

น่าเสียดายที่หลายคนมีพื้นฐานเกินกว่าจะเป็นประโยชน์ได้ทั้งหมด ตัวอย่างเช่น แผนที่นี้แทบจะไม่ครอบคลุมจุดสัมผัสที่เป็นไปได้มากกว่าหนึ่งจุดในแต่ละด่าน และไม่ได้ให้รายละเอียดเพียงพอ ตัวอย่างเช่น การวิจัยผลิตภัณฑ์เกิดขึ้นที่ใด

เมื่อเข้าใจว่าจุดสัมผัสใดที่ลูกค้ามีส่วนร่วมและจุดใดในการเดินทางของพวกเขา คุณจะสามารถสร้างแผนที่การเดินทางที่ครอบคลุม เช่น แผนที่นี้จาก Rail Europe

ในแผนที่การเดินทางของลูกค้านี้ มีจุดติดต่อหลายจุดสำหรับแต่ละขั้นตอน เนื่องจากประสบการณ์ของลูกค้าแต่ละรายไม่เหมือนกัน Rail Europe คำนึงถึงความแตกต่างนี้และรวมจุดติดต่อที่เป็นไปได้ทั้งหมดที่ระบุผ่านการระบุแหล่งที่มา การระบุแหล่งที่มาแบบกำหนดเองช่วยเชื่อมโยงการโต้ตอบและการเดินทางของลูกค้าที่ซับซ้อน

ใช้ข้อมูลการระบุแหล่งที่มาของคุณเพื่อสร้างแผนที่การเดินทางของลูกค้าที่สมจริงยิ่งขึ้น และพิจารณาว่าส่วนใดที่อาจจำเป็นต้องมีการแบ่งส่วน

ตัวอย่างเช่น แบรนด์อีคอมเมิร์ซอาจระบุเส้นทางทั่วไปสองทางในการซื้อ:

1. โฆษณาที่กำหนดเป้าหมายบน Facebook > เรียกดูเว็บไซต์ > เพิ่มสินค้าในรถเข็น > ตีกลับ > อีเมลกู้คืนรถเข็นที่ถูกละทิ้ง > การแปลง
2. การค้นหาทั่วไป > เรียกดูเว็บไซต์ > สมัครสมาชิกสมาชิก > ตีกลับ > ซื้อในร้านค้า

ค้นหาแนวโน้มในข้อมูลการระบุแหล่งที่มา และแบ่งกลุ่มการเดินทางของลูกค้าตามความเหมาะสม

ใช้การระบุแหล่งที่มาทางการตลาดเพื่อให้การจัดสรรการใช้จ่ายสอดคล้องกับเป้าหมายขององค์กร

ใช้การระบุแหล่งที่มาทางการตลาดเพื่อแจ้งให้ทราบว่าคุณลงทุนในช่องทางและช่องทางติดต่อต่างๆ อย่างไร และเพิ่มประสิทธิภาพการจัดสรรงบประมาณโดยใช้ข้อมูลจริง

เพิ่มเป็นสองเท่าในกิจกรรมที่ชุดการวิเคราะห์ของคุณระบุว่ามีอิทธิพลมากที่สุด ตัวอย่างเช่น หากแพลตฟอร์มการระบุแหล่งที่มาของคุณบอกคุณว่า Google Ads ทำงานได้ดี คุณควรเพิ่มการลงทุนในช่องทางนี้

โปรดจำไว้ว่ารูปแบบการระบุแหล่งที่มาและการจัดสรรเครดิตของคุณเป็นตัวขับเคลื่อนข้อมูลเชิงลึกเหล่านี้

สมมติว่าในตัวอย่างนี้ คุณกำลังใช้รูปแบบการระบุแหล่งที่มาแบบสัมผัสแรก

ข้อมูลนี้บอกคุณว่า Google Ads ของคุณทำงานได้ดีในการโต้ตอบครั้งแรก แต่ไม่จำเป็นต้องทำอะไรมากมายเมื่อพูดถึง Conversion การลดค่าโฆษณาลงสองเท่าจะช่วยผลักดันให้ผู้มีโอกาสเป็นลูกค้าขึ้นไปสู่จุดสูงสุดของกระบวนการ แต่ไม่ จำเป็นต้อง เปลี่ยนผู้มีโอกาสเป็นลูกค้าให้มีประสิทธิภาพมากขึ้น

แต่ให้วิเคราะห์รูปแบบการระบุแหล่งที่มาหลายรูปแบบเพื่อให้ได้มุมมองแบบ 360 องศา จากนั้นใช้ข้อมูลเชิงลึกเหล่านี้เพื่อจัดการจัดสรรการใช้จ่ายให้สอดคล้องกับเป้าหมายของบริษัท

ในกรณีนี้ คุณยังอาจวิเคราะห์ว่าการระบุแหล่งที่มามีลักษณะอย่างไรโดยใช้รูปแบบสัมผัสสุดท้าย เพื่อให้ข้อมูลเชิงลึกว่าช่องทางใดทำงานได้ดีในอีกด้านหนึ่งของการเดินทาง

จากนั้น ปรับการใช้จ่ายตามเป้าหมายของบริษัทของคุณ หากการได้ลูกค้าใหม่มีความสำคัญเป็นลำดับแรก ให้ลงทุนให้มากขึ้นในการโต้ตอบแบบสัมผัสครั้งสุดท้าย หากการสร้างการรับรู้ถึงแบรนด์และโมเมนตัมบนช่องทางมีความสำคัญมากกว่า ให้ลงทุนในทัชพอยต์แรก

ทำความเข้าใจผลกระทบของการส่งข้อความต่อประสิทธิภาพของจุดติดต่อ

ข้อสันนิษฐานทั่วไปเกี่ยวกับการระบุแหล่งที่มาทางการตลาดคือหากช่องใดช่องหนึ่งทำงานได้ไม่ดีเท่ากับช่องอื่นๆ ช่องนั้นจะถูกตำหนิ ลูกค้าของคุณไม่ได้อยู่ใน LinkedIn คุณพูด

แต่นั่นไม่จำเป็นต้องเป็นความจริง ตัวอย่างเช่น อาจ เป็นไปได้ว่าลูกค้าของคุณอยู่ที่นั่นแต่ข้อความของคุณไม่เชื่อมต่อ

การระบุแหล่งที่มาทางการตลาดสามารถใช้เพื่อทำความเข้าใจว่าการส่งข้อความที่แตกต่างกันส่งผลต่อประสิทธิภาพของจุดติดต่ออย่างไร

สมมติว่าโฆษณาที่กำหนดเป้าหมายใหม่บน Facebook ของคุณมีการแปลงที่ดีเป็นพิเศษ แต่โฆษณา LinkedIn ของคุณมีประสิทธิภาพต่ำ พิจารณาข้อความที่คุณใช้ภายในบริบทที่นำเสนอ

สิ่งที่ได้ผลสำหรับแชนเนลหนึ่งไม่จำเป็นต้องแปลเป็นอีกแชนเนล และการส่งข้อความที่โดนใจผู้มีโอกาสเป็นลูกค้าบนสุดของช่องทางจะไม่ได้รับผู้ซื้อที่อยู่ล่างสุดของแชนเนลตลอดสาย

ใช้รูปแบบการระบุแหล่งที่มาที่แตกต่างกันเพื่อวัดผลกระทบของการส่งข้อความในขั้นตอนช่องทางต่างๆ

ตัวอย่างเช่น หาก Google Ads ดูแข็งแกร่งภายใต้รูปแบบสัมผัสแรก ให้พิจารณาว่าคุณจะทำซ้ำข้อความนี้ในช่องทางอื่นๆ เพื่อกำหนดเป้าหมายไปยังผู้ซื้อระยะเริ่มต้นได้อย่างไร จากนั้น วิเคราะห์ว่าเครดิตการระบุแหล่งที่มาเปลี่ยนไปอย่างไรเมื่อการเปลี่ยนแปลงเหล่านี้มีผล

คุณอาจใช้ข้อความเดียวกันจากโฆษณา Google ในการแสดงโฆษณา LinkedIn ใหม่เพื่อทดสอบผลกระทบของข้อความนี้ที่มีต่อช่อง

หากเครดิตการระบุแหล่งที่มาเปลี่ยนไปใช้ LinkedIn แสดงว่าการเปลี่ยนแปลงนั้นได้ผล ถ้าไม่ คุณได้เรียนรู้ว่าข้อความนี้ใช้ไม่ได้กับผู้ชม LinkedIn ของคุณ ทดสอบ วิเคราะห์ และเพิ่มประสิทธิภาพ

เครื่องมือระบุแหล่งที่มาทางการตลาด: วิธีเลือกเครื่องมือที่เหมาะกับธุรกิจของคุณ

Google Analytics เป็นเครื่องมือที่ใช้กันอย่างแพร่หลายที่สุดสำหรับการระบุแหล่งที่มาทางการตลาด แต่ไม่ใช่เครื่องมือเดียว

Ruler Analytics เป็นเครื่องมือที่มีประสิทธิภาพในการเชื่อมโยงรายได้เข้ากับการระบุแหล่งที่มา คุณจึงสามารถวัดจุดสัมผัสทางการตลาดในระดับดอลลาร์ได้ Oktopost ให้การวิเคราะห์ที่มีประสิทธิภาพเกี่ยวกับการใช้โซเชียลมีเดียของ B2B และจุดติดต่อทางสังคมที่เอื้อต่อการแปลง AppsFlyer พิจารณาการระบุแหล่งที่มาทางการตลาดภายในบริบทของการเติบโตของแอปบนอุปกรณ์เคลื่อนที่

ขึ้นอยู่กับอุตสาหกรรมของคุณ ขั้นตอนการเติบโต และเป้าหมายทางธุรกิจ คุณอาจเลือกใช้แพลตฟอร์มเหล่านี้อย่างใดอย่างหนึ่งหรือหลายอย่างร่วมกัน

Google Analytics

ข้อดีอย่างหนึ่งของ Google Analytics คือแม้ว่าจะเป็นผลิตภัณฑ์ที่มีประสิทธิภาพ แต่ก็ฟรี

สิ่งนี้ทำให้ง่ายสำหรับผู้เริ่มต้นในการเข้าสู่โลกของการระบุแหล่งที่มาทางการตลาด และเริ่มต้นด้วยรูปแบบพื้นฐานบางอย่าง เช่น คลิกแรกหรือคลิกสุดท้าย

Google Analytics เหมาะสำหรับการตรวจสอบการระบุแหล่งที่มาพื้นฐานในช่องทางต่างๆ เหล่านี้:

• การค้นหาที่เสียค่าใช้จ่ายและการค้นหาทั่วไป (ในเครื่องมือค้นหาทั้งหมด ไม่ใช่แค่ Google)
• เว็บไซต์อ้างอิงและพันธมิตร
• เครือข่ายโซเชียลมีเดีย
• อีเมล
• แคมเปญที่กำหนดเอง หากคุณตั้งค่าไว้ใน Google Analytics (เช่น แคมเปญออฟไลน์ที่นำการเข้าชมไปยัง vanity URL)

หากคุณแปลงลูกค้ามากกว่า 600 รายในแต่ละช่วงเวลา 30 วัน คุณจะสามารถใช้ประโยชน์จากรูปแบบการระบุแหล่งที่มาจากข้อมูลของ Google Analytics (ปัจจุบันอยู่ในรุ่นเบต้า) โมเดลนี้ใช้แมชชีนเลิร์นนิงเพื่อทำความเข้าใจว่าทัชพอยต์ใดมีแนวโน้มที่จะกระตุ้น Conversion มากที่สุด และกำหนดเครดิตการระบุแหล่งที่มาตามนั้น

การวิเคราะห์ไม้บรรทัด

Ruler Analytics มีฟีเจอร์ที่เป็นประโยชน์มากมายนอกเหนือจากการระบุแหล่งที่มาทางการตลาด เช่น การสร้างแบบจำลองส่วนประสมทางการตลาดและการวิเคราะห์เชิงคาดการณ์

อย่างไรก็ตาม ประโยชน์หลักของมันคือความสามารถในการเชื่อมต่อแพลตฟอร์มกับ CRM ของคุณและดึงข้อมูลรายได้เข้าสู่รูปแบบการระบุแหล่งที่มาของคุณ

การระบุแหล่งที่มาโดยใช้รูปแบบมาตรฐานจะบอกคุณว่าทัชพอยต์และแชแนลใดที่กระตุ้นให้เกิด Conversion ด้วย Ruler Analytics คุณจะเข้าใจว่าทัชพอยต์เหล่านี้มีอิทธิพลต่อรายได้อย่างไร

สมมติว่าคุณสามารถระบุได้ว่าคุณมีเส้นทางการแปลงหลักสองเส้นทาง

• เส้นทางที่หนึ่ง: 70% ของลูกค้าของคุณใช้แนวทางนี้ และขับเคลื่อนมูลค่าลูกค้าต่อปีที่ 4,500 ดอลลาร์สหรัฐฯ
• เส้นทางที่สอง: 30% ของลูกค้าของคุณดำเนินการ (รวมถึงลูกค้าองค์กรทุกราย) และมูลค่าลูกค้าต่อปีคือ 560,000 ดอลลาร์

หากไม่ได้ปิดวงจรรายได้ คุณอาจต้องลงทุนมากขึ้นในเส้นทางแรก ซึ่งจริงๆ แล้วจะเปลี่ยนลูกค้าที่มีมูลค่าต่ำกว่า

ใช้ Ruler Analytics เพื่อทำความเข้าใจที่ดีขึ้นว่าจุดติดต่อในแคมเปญการตลาดของคุณมีอิทธิพลต่อรายได้อย่างไร ไม่ใช่แค่ Conversion

Oktopost

Oktopost ไม่ใช่เครื่องมือระบุแหล่งที่มาทางการตลาด เป็นแพลตฟอร์มการจัดการการมีส่วนร่วมบนโซเชียลมีเดียสำหรับทีมการตลาด B2B

นักการตลาด B2B กำลังตระหนักถึงคุณค่าของโซเชียลมากขึ้น ไม่ว่าจะเป็นการแสดงโฆษณาบน LinkedIn หรือการให้ตัวแทนขายสร้างแบรนด์ส่วนบุคคลบน Twitter

Oktopost ช่วยให้นักการตลาดวัดผลและระบุคุณค่าของกิจกรรมเหล่านี้ได้อย่างแม่นยำ

คุณจะสามารถวัดการมีส่วนร่วมตามช่อง ประเภทเนื้อหา และภูมิภาค คุณยังสามารถเจาะลึกลงไปที่ระดับโพสต์เพื่อวิเคราะห์ว่าการส่งข้อความ คำหลัก แฮชแท็ก และประเภทสื่อเกี่ยวข้องกับการมีส่วนร่วมอย่างไร

หากคุณอยู่ในธุรกิจ B2B ให้ใช้ Oktopost เพื่อเจาะลึกลงไปว่าสื่อสังคมออนไลน์ส่งผลต่อการแปลงอย่างไร โดยที่คุณไม่ต้องรู้ว่า LinkedIn ทำงานเพื่อเพิ่มการรับรู้

แอพ Flyer

AppsFlyer เป็นแพลตฟอร์มการวิเคราะห์ทางการตลาดสำหรับการวัดการเติบโตของแอปโดยเฉพาะ

ในขณะที่เครื่องมือระบุแหล่งที่มาอื่นๆ มักจะมุ่งเน้นไปที่การแปลงภายในบริบทของเว็บไซต์ AppsFlyer จะดูที่รูปแบบการระบุแหล่งที่มาภายในระบบนิเวศของอุปกรณ์เคลื่อนที่

ด้วย AppsFlyer คุณสามารถระบุเครดิตไปยังจุดติดต่อซึ่งนำไปสู่การติดตั้งแอป ตัวอย่างเช่น คุณสามารถดูการมีส่วนร่วมกับโฆษณาในแอปพลิเคชันอื่นๆ และดูว่าโฆษณาเหล่านั้นมีส่วนทำให้ลูกค้าใหม่ดาวน์โหลดโฆษณาของคุณเองได้อย่างไร

รูปแบบการระบุแหล่งที่มาของพวกเขาขยายไปถึงการวัดเหตุการณ์ภายในแอปด้วย ดังนั้นคุณจึงสามารถระบุแหล่งที่มาของการติดตั้งแอปและคอนเวอร์ชั่นแยกจากแผนชำระเงินได้

ใช้ AppsFlyer เพื่อทำความเข้าใจว่าเครือข่ายโฆษณาของคุณมีอิทธิพลต่อการดาวน์โหลดแอปอย่างไร และปรับปรุงประสิทธิภาพของการจัดสรรค่าโฆษณาของคุณ

บทสรุป

เพื่อให้ได้ความเข้าใจพื้นฐานเกี่ยวกับวิธีที่ลูกค้าโต้ตอบกับจุดสัมผัสทางการตลาดต่างๆ รูปแบบการระบุแหล่งที่มามาตรฐานที่มีอยู่ในแพลตฟอร์มการวิเคราะห์ส่วนใหญ่จะเพียงพอ

หากต้องการข้อมูลที่ครอบคลุมมากขึ้นเกี่ยวกับช่องทางและกลยุทธ์ที่มีอิทธิพลต่อการแปลง และในการตัดสินใจโดยใช้ข้อมูลในการจัดสรรค่าใช้จ่ายทางการตลาด ให้มองไปที่โมเดลอัลกอริทึมที่ขับเคลื่อนด้วย AI

ยกระดับทักษะการแสดงที่มาของคุณด้วยหลักสูตรออนไลน์ของเราที่อัดแน่นไปด้วยข้อมูลเชิงลึกจากผู้เชี่ยวชาญ: เก่งขึ้นที่ Attribution