营销归因的原因和方法：数据驱动指南

平庸的品牌猜测：“看来我们最新的 Facebook 广告运行良好。”

顶级品牌知道：“我们目前的 Facebook 广告集正在推动流量，但我们的重定向像素正在转化客户。”

正是数据驱动的理解什么有效，什么无效，这使老练的营销人员脱颖而出。

营销归因模型可帮助营销人员评估用户接触点和转化背后的数据，以了解对投资回报率的影响。

在本文中，您将了解营销归因的工作原理、如何使用六种不同的模型对其进行衡量，以及如何制定数据驱动的决策来改善您的营销预算。

什么是营销归因，为什么它很重要？

营销归因是分析客户在整个购买过程中如何与营销接触点互动的做法。

您选择一个归因模型（一组规则，用于管理您如何将转化功劳归因于每个接触点）以了解您的营销策略如何促进收入增长。

营销归因提供支持洞察力的数据，例如：

• 我们的 Google Ads 是我们最重要的收入来源。
• 这种电子邮件培育活动无效，需要重建。
• 我们的大多数客户是通过我们的有机内容发现我们的。

没有这些数据，营销决策主要基于直觉。

假设您的任务是在下个季度将潜在客户生成量提高 25%，以实现贵组织当年的收入目标。

例如，营销归因数据可以向您表明，您的有机内容是典型客户旅程中最常见的第一个接触点。 换句话说，内容是大多数客户找到您公司的方式。

如果没有这些数据，您可能会查看您现在使用的营销渠道和策略并说，“让我们将本季度的内容预算重新分配给 Google Ads。 我们需要努力实现这个收入目标。”

在这种情况下，降低内容发布工作的优先级是错误的举动，但如果您无法访问归因数据，则很容易做到这一点。

这些见解的有效性取决于您如何衡量营销归因。

如何衡量营销归因

大多数营销人员会在其归因软件中使用一种开箱即用的模型。 尽管它们存在缺陷（我们将在稍后讨论），但它们确实提供了对客户如何与营销接触点互动的基本理解。

单点触控归因模型

单点接触归因模型只归功于客户旅程中的一个接触点。

这里的缺点是显而易见的：客户很少会在单个接触点后转换。

考虑这张来自数字销售咨询公司 Columbia Road 的客户旅程地图，其中有 10 个接触点可以帮助做出决定。

然而，这些简单的归因模型有一些优点。 考虑这个客户旅程，它近似于客户从电子商务品牌购买的典型路径：

• 客户通过 Google 广告访问您的网站
• 他们将产品添加到购物车，但没有转化
• 这会触发一封废弃的购物车电子邮件，客户会看到但不会点击
• 客户还在 Facebook 上看到重定向广告，其中一个广告触发了购买

从表面上看，Facebook 广告完全负责转化。

但首次接触归因模型突出了 Google Ad 催化剂。

单点触控归因模型可能并不全面，但它们确实可以帮助您了解接触点是如何组合在一起的，从而让您更好地了解什么是有效的。

首次接触归因

首次接触归因将所有功劳归功于客户与您的品牌的第一次互动。

之后有多少个接触点，或者客户在第一次互动后花了多长时间购买都无关紧要。 第一次点击获得 100% 的功劳。

在上面的示例中，初始 Google Ad 获得了所有归因功劳。

尽管有限，但这种归因模型对于了解哪些营销活动吸引了客户很有用。

您可以使用该数据来优化漏斗顶部活动并吸引更多新潜在客户。

最后接触归因

最后接触归因将所有功劳归于客户旅程中的最终接触点。 这将是我们上面示例中的重定向 Facebook 广告。

它是使用最广泛的单点归因模型，尤其适用于购买周期和考虑阶段较短的企业。 在这些情况下，最后一次互动更有可能促使购买。

以 Wish 为例，这是一个以销售您绝不会想购买的奇怪产品而闻名的在线市场。 它可能没有详细的客户旅程，因此最后接触归因将是一个合适的模型。

最终非直接点击归因

最后一次非直接点击归因模型类似于最后一次接触模型，只是它对直接流量进行了折扣。

让我们考虑一个略有不同的电子商务购买过程：

• 客户通过 Google 广告访问您的网站
• 他们将产品添加到购物车，但没有转化
• 这会触发一封废弃的购物车电子邮件，客户会看到但不会点击
• 稍后，客户直接返回您的网站并购买

在最后点击归因模型下，它将直接访问流量。 使用最后一个非直接交互模型，购物车恢复电子邮件获得了所有功劳。

如果客户在您的网站上快速转换（例如，他们将他们想要的产品添加到他们的购物车并直接前往结帐），则此模型是合适的。

如果您的客户需要更长时间才能转换，请避免使用此模型，因为它忽略了转换中的影响因素（如 CTA 和特色客户评论）。

多点触控归因模型

多点触控归因模型考虑了所有数字接触点，并至少为每次交互分配了一些转化率功劳。

考虑 B2B 买家可能采取的购买项目管理平台的途径。

客户在 YouTube 上看到 Asana 的产品广告并点击 CTA。 他们通读了着陆页，但没有转化。

思考视频广告中出现的问题（例如，管理自由职业者团队），客户执行 Google 搜索“管理自由职业者”。 客户点击 Asana 的帖子，认出了该品牌。

这很有帮助，他们决定实施一些策略。 后来，他们在 LinkedIn 上看到 Asana 的广告，然后点击 CTA 下载电子书。

接下来，他们会收到一系列 Asana 领导培养电子邮件。 最后一个是当他们注册年度计划时第一个月免费的优惠，他们接受了。

在此旅程中，涉及六个不同的数字营销渠道：

• YouTube 广告
• 登陆页面
• 有机含量
• 领英广告
• 电子书
• 电子邮件培育活动

单点触控归因模型本质上会忽略这些交互中的六分之五。 多点触控模型在所有渠道中共享归因功劳，但功劳的分配方式取决于您实施的模型。

线性归因

线性归因模型在所有接触点之间平均分配功劳。 在上面的示例中，六个接触点中的每一个都将获得 16.67% 的归因功劳。

如果您没有预算或数据来确定更准确的权重，但不能满足于单点触控模型的限制，则此模型是合适的。

如果您是一家拥有充足资源的老牌公司，请投资于更准确的决策。

基于位置的归因

基于位置的归因（也称为 U 形归因）为第一次和最后一次互动赋予更多权重。 尽管如此，它还是为两者之间的接触点分配了一些功劳。

最常见的模型是为第一个和最后一个接触点各分配 40%，其余 20% 平均分配给其余接触点。

在我们上面的示例中，信用分配如下所示：

• YouTube 广告 – 40%
• 着陆页 – 5%
• 有机含量 – 5%
• LinkedIn 广告 – 5%
• 电子书 – 5%
• 电子邮件培育活动——40%

如果您的销售周期很长并且购买决策涉及多个接触点，例如 B2B 购买，则基于位置的归因很有用。 对于较长的购买周期，重要的是至少要对保持对话活力的每次互动给予一定的信任。

时间衰减归因

时间衰减归因模型根据交互后经过的时间来分配信用。

最后一个接触点总是获得最多的功劳，而第一个接触点获得的功劳最少。

在我们的 Asana 示例中，信用分布可能如下所示：

• YouTube 广告 – 5%
• 着陆页 – 7.5%
• 有机含量 – 12.5%
• LinkedIn 广告 – 20%
• 电子书 – 25%
• 电子邮件培育活动——30%

当建立关系是关键因素时（例如在企业销售中），时间衰减模型很有用，因为初始交互往往对转化不太重要。

但是，如果品牌建设和知名度渠道对您的业务目标至关重要，请使用基于位置的模型。

营销归因的挑战和局限性

虽然归因模型可以帮助营销人员获得对客户行为的基本了解，但它们并不完美且不完整。 它们仅限于捕捉需求，而不是创造需求。

大多数传统模型都达不到要求，因为它们基于猜测或完全错过了暗漏斗活动。

复杂的归因模型优于基本归因模型，但在选择方向之前请记住这些限制。

归因模型的选择在很大程度上是任意的

选择归因模型很大程度上是基于直觉，而不是硬数据。

例如，如果将最多的功劳分配给第一个和最后一个接触点似乎是合理的，您可能会选择基于定位的归因模型。

但为什么每个人都应该得到 40%？ 为什么第一次互动不是 30% 而最后一次互动是 50%，反之亦然？ 信用分配基于直觉，而不是硬数据。

理想的解决方案是使用 Impact.com 或 Google Analytics 360 等平台实施数据驱动或算法归因模型。

这些建模工具使用高级统计计算和机器学习来了解转化客户与未转化客户之间的差异。 然后，解释这些参与模式以确定如何有效地跨接触点归因。

不幸的是，这些产品对于某些企业而言过于昂贵（Google Analytics 360 会员资格起价为每年 150,000 美元）。

如果无法达到此级别的归因建模，则最佳途径是：

1. 选择对您的策略最有意义的标准归因模型
2. 当您更多地了解哪些有效，哪些无效时，对其进行优化和自定义
3. 在使用洞察力为营销决策提供信息时，了解非算法归因的局限性

大多数归因模型不考虑非数字接触点

上面讨论的所有归因模型都迎合了数字接触点，但购买旅程并不是纯粹的数字化。

在服装和服装等零售行业尤其如此，除了标准的线上与线下方式外，还出现了两种截然不同的购买模式：

• ROPO（在线研究，线下购买）。 买家在网上完成大部分渠道，然后在实体店完成购买。
• 陈列室。 买家在实体店检查产品，然后在线购买。

在任何一种情况下，全数字归因模型都不会考虑所有接触点。

找到应对这一挑战的完整解决方案非常困难。 一种策略是使用会员卡将线下购买与数字资料联系起来。

Yotpo 和 Stampme 等平台允许品牌整合忠诚度计划，以便有效跟踪线下接触点。

另一种策略是有目的地引导客户线下，例如家具和装饰品生产商 VOX。

他们的 VOXBOX 应用程序允许客户在线设计虚拟家具布局。 然后，他们建议买家在实体店安排面对面的咨询。

这让 VOX 可以控制购买过程从线上到线下的转变，从而允许他们将线下接触点整合到他们的归因模型中。

如果适合您的品牌和行业，请考虑实施其中一种策略来跟踪线下互动。 否则，请记住，纯数字归因模型可能无法捕捉全貌。

对已经进入市场的客户进行会计处理具有挑战性

营销归因模型通常会导致基于相关性的偏差，其中客户旅程中的事件（例如转换）被假定是由另一个事件（例如最终接触点）引起的。 实际上，情况可能并非如此。

特别是，营销人员可能会不恰当地将转换归因分配给市场上无论如何都会购买该产品的客户。

考虑一下来自 Shopify 的这个有针对性的 Facebook 广告。

假设 Shopify 设置此广告以定位与 Facebook 上特定电子商务相关页面互动的受众。

观众参与这些页面并经常讨论市场上最好的工具。 他们很有可能在广告弹出之前就确定 Shopify 是正确的选择。

那么当他们看到并点击它时，它是否负责转换？

通过进行购买后调查来解释市场偏见。 不要问“你是怎么听说我们的？” 并问：“是什么让您决定向我们购买产品？”

要获得更多定性数据，请包括一个问题，例如“在注册 Shopify 之前，您点击了这个 Facebook 广告。 这个广告对你的购买有多大影响？” 让客户以 1–5 的等级对响应进行评分。 这有助于您更好地了解您的广告是否真正影响了转化，或者只是阻碍了无论如何都会发生的购买。

使用自定义归因模型进行高级归因

上述模型是基线归因模型——在 Google Analytics 中发现的简单的基于启发式的开箱即用模型。 他们都会给你一个答案，但顶级营销人员会质疑他们的准确性。

您还可以在 Google Analytics 中现成的基于规则的模型之上构建自定义模型。

您还可以在 Google Analytics 中现成的基于规则的模型之上构建自定义模型。

然而，即使是自定义模型也存在倾向于偏见和假设的风险，这些偏见和假设是任意的，并且基于您的客户旅程的细微差别。

我们还看到了一些关于在 Google Analytics 中应用马尔可夫模型的有趣文章。 当您对上述模型不满意时，这些会很有帮助，尤其是当您缺少某些数据点来全面了解您的客户旅程时。

要在此用例中简化马尔可夫模型，请查看给定转换路径中后续步骤的可能性。 根据给定接触点的移除计算其相对重要性：

如本文所述，马尔可夫模型具有以下优点：

• 客观——没有直觉。
• 预测准确性——预测转化事件。
• 稳健性——有效且可靠的结果。
• 可解释性——透明且相对容易解释。
• 多功能性——不依赖于数据集。 能够适应新的数据。
• 算法效率——提供及时的结果。

这是一篇很好的文章，解释了如何做到这一点。 这是另一个。 一个好的数据分析师将能够将其应用到您的归因模型中。

使用同类群组衡量特定行动的有效性

基于时间的队列可以掌握关键，以发现对营销活动或他们部署的渠道所做的更改的有效性。 至少，您可以通过将群组分析与对照实验相结合来找到有效性的指示，以获得更高的有效性。

具体来说，查看同类群组可以帮助您确定某个营销活动的有效性，至少是相关的。 The Drilling Down Project 的创始人 Jim Novo 在 Digital Analytics 播客节目中说得很好：

我认为从事同期群分析的 SaaS 人员在这方面做得很好。

所以你看看 1 月份注册的人，到 3 月份时，这个百分比已经下降了。 我们可以将其与我们在那个时间范围内所做的某种促销活动联系起来。

但是然后我们看看 3 月份开始的队列，我们​​正在进行一种不同的促销活动，并且我们在该模型中从免费增值到付费或其他任何方式的转换要好得多。

与此相关的是一种存在性测试，在这种测试中，您可以通过将某个渠道从混音中删除一点来推断其有效性，Jim 建议进行测试，看看您是否可以在没有它的情况下生活：

如果您认为 [display] 在帮助其他活动方面如此有价值，为什么不干掉它一两周，看看会发生什么？ 然后把它加回来。

你不能做那种测试吗？ 把这笔钱投资到别处对你来说值得吗？ 您对展示价值的重视程度如何？

您一直从事的活动可能不会产生您认为的那么大的影响。 测试既是添加的艺术，也是去除的艺术。 这适用于完全切断整个计划。

如何使用营销归因做出更强大的数据驱动决策

归因模型的存在是为了提高对客户旅程的可见性和洞察力。 如果做得好，他们会揭开客户如何与接触点互动以及影响购买行为的因素的面纱。

将这些发现纳入您的营销工作，以制定更有效的数据驱动战略。

构建更真实的客户旅程地图

客户旅程地图可以成为在整个购买周期中调整接触点和消息传递的强大工具。

不幸的是，他们中的许多人都太基础了，无法提供所有帮助。 例如，这张地图在每个阶段几乎只覆盖了一个以上的潜在接触点，而且没有提供足够的细节。 例如，产品研究在哪里进行？

通过了解客户参与的接触点以及他们在旅程中的哪个点，您可以构建一个全面的旅程地图，例如来自 Rail Europe 的这张地图。

在此客户旅程图中，每个阶段都存在多个接触点，因为并非每个客户体验都是相似的。 欧洲铁路公司考虑到了这种差异，并纳入了通过归因确定的所有可能的接触点。 自定义归因有助于映射复杂的客户交互和旅程。

使用您的归因数据构建更真实的客户旅程地图，并考虑可能需要细分的位置。

例如，电子商务品牌可能会确定两种常见的购买途径：

1. Facebook 上的定向广告 > 网站浏览 > 将产品添加到购物车 > 退回 > 废弃购物车恢复电子邮件 > 转化
2. 有机搜索 > 网站浏览 > 注册忠诚会员 > 弹跳 > 在商店购买

寻找归因数据的趋势，并在适当时细分客户旅程。

使用营销归因使支出分配与组织目标保持一致

使用营销归因来告知您如何投资于不同的渠道和接触点，并使用真实世界的数据优化预算分配。

加倍关注您的分析套件认为最具影响力的活动。 例如，如果您的归因平台告诉您 Google Ads 表现良好，那么增加对该渠道的投资是有意义的。

请记住，您的归因模型和功劳分配推动了这些见解。

比如说，在此示例中，您使用的是首次接触归因模型。

这些数据告诉您的是，您的 Google Ads 在初始互动中表现良好，但在转化方面未必有任何繁重的工作。 将广告支出加倍将把更多的潜在客户推向漏斗的顶端，但不一定能更有效地转化他们。

相反，分析多个归因模型以获得 360 度视角，然后使用这些见解使支出分配与您的公司目标保持一致。

在这种情况下，您还可以使用最后接触模型分析归因，从而深入了解哪些渠道在旅程的另一端运作良好。

然后，根据您的公司目标调整支出。 如果新客户获取是优先事项，请在最后接触互动方面投入更多资金。 如果建立品牌知名度和漏斗顶端势头更为重要，请投资于第一个接触点。

了解消息传递对接触点有效性的影响

营销归因的一般假设是，如果一个渠道的表现不如其他渠道，则应归咎于该渠道。 你说，你的客户根本不在 LinkedIn 上。

但这不一定是真的。 例如，可能是您的客户在那里，但您的消息传递没有连接。

营销归因可用于了解不同的消息传递如何影响接触点的有效性。

假设您的 Facebook 重新定位广告转换得非常好，但您的 LinkedIn 广告表现不佳。 考虑您在所呈现的上下文中使用的消息传递。

适用于一个渠道的内容不一定会转化为另一个渠道，与漏斗顶部潜在客户产生共鸣的消息不会让漏斗底部的买家越过这条线。

使用不同的归因模型来衡量不同漏斗阶段的消息传递影响。

例如，如果 Google Ads 在首次接触模型下看起来很强大，请考虑如何在其他渠道复制此消息以定位早期买家。 然后，分析随着这些变化的发生，归因信用如何变化。

您可以在新投放的 LinkedIn 广告中使用来自 Google 广告的相同消息来测试此消息对渠道的影响。

如果归因信用转移到有利于 LinkedIn，那么这种变化正在发挥作用。 如果不是，则您了解到此特定消息不适用于您的 LinkedIn 受众。 测试、分析和优化。

营销归因工具：如何为您的企业选择合适的工具

Google Analytics 无疑是使用最广泛的营销归因工具，但它并不是唯一的工具。

Ruler Analytics 是将收入与归因联系起来的强大工具，因此您可以在美元级别衡量营销接触点。 Oktopost 提供有关 B2B 社交媒体使用情况和有助于转化的社交接触点的强大分析。 AppsFlyer 在移动应用增长的背景下着眼于营销归因。

根据您的行业、成长阶段和业务目标，您可以选择使用这些平台中的一个或组合。

谷歌分析

Google Analytics 最大的吸引力之一是，尽管它是一款功能强大的产品，但它是免费的。

这让初学者很容易涉足营销归因的世界，并从一些更基本的模型开始，比如首次点击或最后点击。

Google Analytics 适用于跨这些渠道监控基线归因：

• 付费和自然搜索（在所有搜索引擎上，不仅仅是谷歌）
• 推荐和附属网站
• 社交媒体网络
• 电子邮件
• 自定义广告系列，如果您已在 Google Analytics 中设置它们（例如将流量定向到虚网址的离线广告系列）

如果您每 30 天转换超过 600 名客户，您还可以利用 Google Analytics（分析）的数据驱动归因模型（目前处于测试阶段）。 该模型使用机器学习来了解哪些接触点最有可能推动转化，并相应地分配归因功劳。

标尺分析

Ruler Analytics 提供了许多超越营销归因的有用功能，例如营销组合建模和预测分析。

然而，它的主要优势是能够将平台与您的 CRM 连接起来，并将收入数据提取到您的归因模型中。

使用标准模型的归因可以告诉您哪些接触点和渠道推动了转化。 通过 Ruler Analytics，您可以了解这些接触点如何影响收入。

假设您能够确定您有两个主要的转化途径。

• 途径一： 70% 的客户采用它，它每年带来 4,500 美元的客户价值。
• 途径二： 30% 的客户采用它（包括每个企业客户），年客户价值为 560,000 美元。

如果没有关闭收入循环，您可能会在第一种途径上投入更多，这实际上会转化为低价值客户。

使用 Ruler Analytics 更好地了解营销活动中的接触点如何影响收入，而不仅仅是转化。

十月邮局

Oktopost 不完全是一种营销归因工具； 它是 B2B 营销团队的社交媒体参与管理平台。

B2B 营销人员越来越意识到社交的价值，无论是在 LinkedIn 上投放广告还是让销售代表在 Twitter 上建立个人品牌。

Oktopost 帮助营销人员准确衡量和归因这些活动的价值。

您将能够按渠道、内容类型和地区衡量参与度。 您甚至可以深入到帖子级别来分析消息传递、关键字、主题标签和媒体类型与参与度的关系。

如果您在 B2B 领域，除了知道 LinkedIn 有助于提高知名度之外，还可以使用 Oktopost 深入了解社交媒体如何影响转化。

应用传单

AppsFlyer 是一个专门用于衡量应用增长的营销分析平台。

其他归因工具往往关注网站环境中的转化，而 AppsFlyer 着眼于移动生态系统中的归因建模。

使用 AppsFlyer，您可以将功劳归于导致应用安装的接触点。 例如，您可以查看与其他应用程序中的广告的互动情况，以及它们如何促成新客户下载您自己的应用程序。

他们的归因建模也扩展到衡量应用内的事件，因此您可以将应用安装和转化分别归因于付费计划。

使用 AppsFlyer 了解您的广告网络如何影响应用下载并提高广告支出分配的有效性。

结论

要基本了解客户如何与各种营销接触点互动，大多数分析平台中可用的标准归因模型就足够了。

要更全面地了解哪些渠道和策略会影响转化率，并在营销支出分配方面做出数据驱动的决策，请查看 AI 驱动的算法模型。

通过我们的在线课程提升您的归因技能，其中包含专家见解：精通归因。