营销人员数据驱动营销归因指南

营销归因是衡量潜在客户的营销活动和渠道价值的一种方式。

通过使用归因模型的结果，您可以了解哪些接触点对成功的买家旅程影响最大，并就如何优化对未来营销资源的投资做出更明智的决策。

但我们都知道，买家的旅程很少是直截了当的，成功之路可能漫长而曲折。

由于要考虑的接触点如此之多，很难区分真正的高影响和低影响交互，这可能导致信用划分不准确和营销绩效的虚假陈述。

这就是为您的企业选择最佳归因模型如此重要的原因。

在这篇文章中，我们将讨论不同归因模型的一些背景知识，并最终讨论如何构建自定义的、数据驱动的归因模型来衡量全球营销活动的效果。

传统营销归因模型的局限性

所有归因模型都有其优点和缺点，但传统模型的一个共同缺点是它们是基于规则的。 用户必须预先决定他们希望如何在接触点之间分配销售事件的功劳。

传统模型包括：

幸运的是，有更复杂的数据驱动方法能够通过建模接触点与买家以及彼此之间的实际互动来捕捉买家旅程的复杂性，以影响预期的销售结果。

我们还从合作博弈论评估了 Shapley 模型。 这种流行的（诺贝尔奖获得者）模型提供了比传统方法更深入的渠道性能洞察力，但它无法扩展以处理当今数字世界中大量的接触点。

Shapley 模型在相对较少的渠道上表现良好，但大多数公司需要对所有活动进行归因，这相当于买家旅程中的数百个接触点。

评估马尔可夫归因模型

马尔可夫的概率模型将买家旅程表示为一个图，图中的节点是接触点或“状态”，图的连接边是这些状态之间观察到的转换。

例如，买家观看产品网络研讨会（第一个状态），然后浏览到 LinkedIn（转换），在那里他们点击同一产品的广告展示（第二个状态）。

该模型的关键要素是转移概率（在状态之间移动的可能性）。

买家在两个状态之间转换的次数被转换为概率，完整的图可以用来衡量每个状态的重要性和最可能的成功路径。

例如，在一个买家旅程数据样本中，我们观察到网络研讨会接触点出现了 8 次，而买家观看网络研讨会后点击领英广告的次数仅为 3 次，因此两种状态之间的转换概率为 3 / 8 = 0.375 (37.5%)。

为完成图形的每个转换计算概率。

在我们开始计算广告系列归因之前，马尔可夫图可以告诉我们一些关于买家旅程的有用信息。

从上面的示例中可以看到，成功概率最高的路径是“开始 > 网络研讨会 > 营销活动 Z > 成功”，总概率为 42.5% (1.0 * 0.425 * 1.0)。

马尔可夫图也可以告诉我们整体的成功率； 也就是说，考虑到所有买家旅程的历史，成功买家旅程的可能性。 成功率是整体营销绩效的基准，也是衡量任何变化有效性的指标。

上面的示例马尔可夫图的成功率为 67.5%：

广告系列归因

马尔可夫图可用于通过计算所谓的移除效应来衡量每个活动的重要性。

活动的有效性是通过将其从图表中删除并模拟购买者旅程来衡量成功率的变化而确定的。

使用去除效应进行营销归因是最后一块拼图。 要计算每个广告系列的归因值，我们可以使用以下公式：

例如，假设在本财年的第一季度，所有成功的买家旅程的总美元价值为 100 万美元。

相同的买家旅程用于构建马尔可夫模型，它计算出我们的广告活动的移除效应为 0.7（即，当广告活动从马尔可夫图中移除时，买家旅程成功率下降了 70%）。

我们知道在输入数据中观察到的每个活动的移除效果值，在本例中假设它们的总和为 2.8。 通过将数字代入公式，我们计算出的广告活动的归因价值为 25 万美元。

开始使用您自己的模型

上面的营销归因应用程序是由 Cloudera 的营销和数据卓越中心开发的，但您今天就可以开始使用自己的模型。

通过利用数据驱动的归因模型，您可以消除与传统归因机制相关的偏差，并了解各种消息如何影响潜在客户以及地理和收入类型的差异。

一旦您在归因背后拥有可靠且可靠的数据，您就可以自信地使用结果来告知和推动营销组合策略和投资决策。 而且，当您与销售团队合作推动营销策略向前发展时，您可以依靠这些数字。

James Kinley 是 Cloudera 的首席数据科学家。 他从英国国防工业加入他们，专攻网络安全。