有效衡量营销归因的 5 种方法

已发表: 2022-12-05

营销活动很复杂,而且永远不会完美。 有些努力将有效地将潜在客户保留在漏斗中并推动转化,而另一些努力可能根本不会产生任何作用(或者更糟糕的是,可能会导致潜在客户完全脱离漏斗)。 您真正了解哪些营销元素有效的唯一方法是有效使用营销归因。

什么是营销归因

营销归因是一种衡量客户旅程中不同步骤价值的方法,以便您了解哪些营销举措和宣传材料对您的业务最有价值。 了解这一点可以帮助您做出重大改变,以优化您的销售渠道并为您的业务带来更多收入。

但没有“正确”的方法来为您的营销材料赋予价值。 您必须选择适合您业务的归因模型才能获得最佳见解。 查看这 5 款热门型号,看看哪一款适合您。

1. 单点归因

单点归因是最简单的营销归因模型。 许多营销人员批评它,因为与其他模型相比,它缺乏复杂性,但每个新业务营销人员都必须从某个地方开始——单点归因可以告诉您很多有关销售渠道绩效的信息。

有两种方法可以实现单点触摸归因:

  • 首次接触— 100% 的功劳归功于发起与您的企业首次互动的活动。
  • 最后一次接触— 100% 的功劳归功于转化为付费客户之前与您的企业的最后一次互动。

这两种策略都有其优点和独特的见解。 首次接触归因可以告诉您很多有关推动渠道顶部的因素的信息,即哪种内容在可行的潜在客户准备购买之前吸引了他们。 另一方面,最后接触归因可以告诉您更多关于哪些关键内容最终将潜在客户转变为销售漏斗底部的客户的信息。

对于刚刚开始使用营销归因的企业来说,单点触控归因价格实惠且易于实施,但对于想要从数据中获得不仅仅是最基本的见解的企业来说,它过于简单化。 过于简单化的归因策略也会产生负面影响——您无法全面了解销售漏斗元素的价值。 因此,您最终可能会过度投资某些营销策略,而忽视其他潜在的改进机会。

2. 线性归因

单点触控归因的下一步是线性归因。 线性归因不是将所有功劳都分配给漏斗中的一个接触点,而是将功劳平均分配给所有潜在接触点。

假设潜在客户 (1) 访问您的网站,(2) 注册免费电子课程,(3) 参加会议,然后 (4) 在销售电话后转化。 线性归因会将 25% 的转化功劳分配给每个接触点。

线性归因的唯一真正问题是,并非所有接触点实际上都具有相同的价值。 与访问您的网站或注册电子课程相比,参加会议可能对人们的购买决定产生更大的影响。

3. 时间衰减归因

时间衰减归因是解决线性归因缺点的一种潜在解决方案。 时间衰减模型将更多功劳分配给最接近转化的接触点。 使用与上面相同的示例,时间衰减归因可能会像这样工作:

  • 访问您的网站 (10%)
  • 注册免费电子课程 (20%)
  • 参加会议(30%)
  • 销售拜访后转化 (40%)

就像每个归因模型一样,时间衰减也有其缺点。 也就是说,它往往会从销售漏斗的一开始就低估接触点。 例如,也许领导在参加会议后决定购买,而销售电话只是完成交易的形式。 在这种情况下,将 40% 的功劳归因于销售拜访将是不准确的。

4. 基于位置的归因

U 形(或基于位置)归因模型是另一种多点触摸策略,它为 2 个关键接触点提供更多信用:首次触摸和潜在客户转换触摸。 对于重点关注潜在客户开发以提高投资回报率的企业来说,这种归因模型是一个有价值的选择。

U 形归因模型为这 2 个接触点中的每一个提供 40% 的功劳,剩下的 20% 则由所有其他接触点分配。

U 形归因模型的另一种替代方法是 W 形归因。 它基于相同的概念,但将机会创造作为第三个有价值的接触点。 在此设置中,您将分别将 30% 的功劳归功于第一个接触点、潜在客户转化接触点和机会创造接触点,将剩余的 10% 留给其他接触点。

5. 自定义归因

衡量营销归因的最后也是最准确的方法是创建自定义模型。 自定义归因允许您根据哪些分析对您来说最重要,将不同数量的功劳归因于接触点。 例如,如果营销人员已经知道某个网络研讨会会带来大量转化,他们可以在归因模型中为其分配更多价值。

自定义归因是为已经深入了解不同接触点的内在价值的高级营销人员保留的策略。 新手营销人员试图根据假设而不是数据创建自定义归因模型,最终可能会错误地归因于不应有的价值。 尽管如此,从长远来看,自定义归因模型是所有营销人员都应该努力创建的模型。 因为根据您独特的内容和销售渠道量身定制的归因模型必然比我们讨论过的任何其他标准模型都更准确。

哪种策略适合您?

一些营销人员非常不喜欢其中一种或多种归因模型。 但实际上,进行营销归因并没有“错误的方式”。 其中一些模型将为您提供或多或少的洞察力,具体取决于您的业务模式和独特的销售渠道。

因此,最好的策略是测试各种模型,看看每种模型能为您带来什么见解。 随着时间的推移,您将确定哪些接触点对于提高营销投资回报率最重要,并且您可以使用此信息来构建和优化您自己的自定义归因模型。