ROI 的营销归因：营销人员终极指南

当今的营销格局是由数据运行的。 但要理解这些数据，您需要确保了解它的来源。 输入营销归因。 营销归因可帮助营销人员了解他们的转化来自何处以及如何使用该信息做出更好的决策。

什么是营销归因？

营销归因是一种确定哪些营销传播促成了转化的方法。 换句话说，这是找出哪些营销活动促使某人进行购买的过程。

例如，假设同一客户同时看到 Facebook 广告和 LinkedIn 广告。 营销归因会告诉营销人员是哪个广告促成了购买。 从那里，他们可以重组他们的活动来解决这个问题。

最终，营销归因有助于营销人员开展更有效的活动。 此外，它确保他们的营销预算直接用于最成功的接触点。

为什么营销归因只会越来越难

几年前，大多数人只有一个用来浏览互联网的设备：他们的电脑。 最终，它发展到台式机和笔记本电脑，然后是智能手机，然后是平板电脑，等等。

现在，同一位消费者可能会在同一天通过台式机、笔记本电脑、工作笔记本电脑、智能手机、平板电脑和 VR 耳机浏览网页。 在您的分析工具中，每一个都可能看起来像一个独特的访问者。 正如您可能想象的那样，解析哪个营销接触点导致了转化是一项艰巨的挑战。

如何衡量投资回报率的营销归因

第一步是设置一个分析工具，如 Google Analytics 或 WordPress。 一切准备就绪后，您就可以继续选择适合您需求的营销归因模型。 这些包括：

首次接触归因

顾名思义，首次接触归因意味着潜在客户与之互动或看到的第一个广告是获得销售全部功劳的广告。

其背后的理论是这样的：无论消费者看了多少广告，他们最终都会在看到第一条广告后下意识地做出转化的决定。 因此，该广告获得了 100% 的转化功劳。

当然，事情从来没有这么明确，但是出于实际原因，首次接触归因会做出这种假设。 这种类型的归因很容易在谷歌分析上设置，但它也会留下很多数据。

最后接触归因

最后接触归因基本上与第一次接触归因相反。 这种归因形式不是将功劳归于消费者看到的第一个广告，而是归于消费者在转化之前看到的最后一个广告。

本质上，最后接触归因假设您看到的最后一个广告是最有说服力的，这就是将您推向边缘并让您转化的广告。 因此，它给予它 100% 的信任，并且不注意它之前的任何接触点。

不幸的是，就像第一次接触归因一样，这个模型忽略了图片的很大一部分，只考虑了最后一个接触点。

最后非直接点击

最终非直接点击归因类似于最终触摸归因。 但是，它会将 100% 的功劳归功于消费者在购买之前在您的网站之外点击的最后一个广告。

例如，如果消费者看到一个广告，点击它，没有购买，看到另一个广告，然后购买，他们点击的广告将获得信用，即使第二个广告出现得较晚。

什么是多点触控归因以及它是如何工作的？

虽然我们查看的最后几个归因模型只关注一个接触点，但多点触控归因模型考虑了所有接触点。 因此，它们通常被认为更准确。

为了理解所有这些数据，多点触控归因模型通常对接触点进行不同的加权。 因此，您有一些模型比早期接触点更重视后期接触点，反之亦然。

线性归因

线性归因将功劳平均分配给每个接触点——没有优先考虑点击次数、接近转化率或其他任何内容。

例如，如果您有 20 个接触点，每个接触点将获得 5% 的功劳。 它有点基本，但对于某些情况和广告模型可能很有用。

线性归因的好处之一是它允许营销人员考虑整体情况。 但是，它也没有提供接触点之间的任何区别。

时间衰减归因

此模型与最后一次接触和最后一次非直接点击归因最相似。 与平均分配功劳的线性归因不同，时间衰减归因将更多功劳分配给更接近转化事件的接触点。

本质上，接触点越接近转化，其权重就越高。 最终，最后一个接触点将获得最多的信任，而第一个接触点将获得最少的信任。

该模型成功地帮助营销人员更轻松地识别导致转化事件的接触点。 但是，它没有提供任何关于客户最初是如何找到该业务的信息，这一点很重要。

U 形（基于位置）归因

这种归因方案试图在首次接触和最后接触归因之间找到折衷。 简而言之，它将 40% 分配给第一个接触点，将 40% 分配给最后一个接触点，然后将剩余的 20% 分配给其他接触点，无论中间有多少接触点。 因此，如果有 20 个接触点，每个接触点将获得 1%。

在这个模型中，营销人员试图最重视第一个和最后一个接触点——理论上，客户第一次被介绍给企业，然后是购买前的最后一个广告。

常见的营销归因挑战和错误

即使您已经确定了要使用的归因方法，您仍然可能会犯错误和遇到挑战。 犯这些错误可能会损害您的数据和洞察力的完整性。

品牌与行为

营销归因的陷阱之一是它没有正确考虑品牌的价值以及人们对它的反应。 当营销仅简化为加权接触点时，可能很难全面了解情况。

基于相关的偏差

如果你曾经上过科学或数学课，你可能听说过“因果关系不是相关性”这句话。 尽管这是一个如此著名的短语，但很少有人在重要的时候记得它。

简而言之，这意味着您不能仅仅因为似乎有某种东西将两者联系在一起，就推断出一件事导致了另一件事。 当你在寻找模式时，你的大脑有时会开始编造它们，在没有的地方看到它们，或者偏爱特定的结果，这就是相关偏差的来源。

从本质上讲，当您查看数据时，重要的是不要对所看到的内容太过分了。 不要仅仅因为几个人在看到一个特定的广告后转化就认为一定存在因果关系。 有可能只是相关性，真正的原因是完全不同的广告。

市场偏差

市场偏见是有问题的，因为它包括所有看过你的广告但无论如何都会转化的人。 例如，这可能包括某人从朋友那里听说了您的产品，决定购买它，然后碰巧在他们有机会购买之前在 Facebook 上滚动浏览了您的广告。

不幸的是，没有简单的方法来解释这一点，因此您在分析数据时需要牢记这一点。 请记住，并非 100% 显示的数字都来自您的广告，您应该没问题。

关键要点：投资回报率的营销归因

营销归因很重要，因为它可以帮助营销人员跟踪哪些沟通和活动正在发挥作用。 通过了解导致客户购买的原因，您可以提取有价值的见解并拨打更有效的广告系列。

了解市场归因既是一门艺术，也是一门科学。 您需要尝试不同的类型以找到适合您业务的最佳解决方案。