ROI 的營銷歸因：營銷人員終極指南

當今的營銷格局是由數據運行的。 但要理解這些數據，您需要確保了解它的來源。 輸入營銷歸因。 營銷歸因可幫助營銷人員了解他們的轉化來自何處以及如何使用該信息做出更好的決策。

什麼是營銷歸因？

營銷歸因是一種確定哪些營銷傳播促成了轉化的方法。 換句話說，這是找出哪些營銷活動促使某人進行購買的過程。

例如，假設同一客戶同時看到 Facebook 廣告和 LinkedIn 廣告。 營銷歸因會告訴營銷人員是哪個廣告促成了購買。 從那裡，他們可以重組他們的活動來解決這個問題。

最終，營銷歸因有助於營銷人員開展更有效的活動。 此外，它確保他們的營銷預算直接用於最成功的接觸點。

為什麼營銷歸因只會越來越難

幾年前，大多數人只有一個用來瀏覽互聯網的設備：他們的電腦。 最終，它發展到台式機和筆記本電腦，然後是智能手機，然後是平板電腦，等等。

現在，同一位消費者可能會在同一天通過台式機、筆記本電腦、工作筆記本電腦、智能手機、平板電腦和 VR 耳機瀏覽網頁。 在您的分析工具中，每一個都可能看起來像一個獨特的訪問者。 正如您可能想像的那樣，解析哪個營銷接觸點導致了轉化是一項艱鉅的挑戰。

如何衡量投資回報率的營銷歸因

第一步是設置一個分析工具，如 Google Analytics 或 WordPress。 一切準備就緒後，您就可以繼續選擇適合您需求的營銷歸因模型。 這些包括：

首次接觸歸因

顧名思義，首次接觸歸因意味著潛在客戶與之互動或看到的第一個廣告是獲得銷售全部功勞的廣告。

其背後的理論是這樣的：無論消費者看了多少廣告，他們最終都會在看到第一條廣告後下意識地做出轉化的決定。 因此，該廣告獲得了 100% 的轉化功勞。

當然，事情從來沒有這麼明確，但是出於實際原因，首次接觸歸因會做出這種假設。 這種類型的歸因很容易在谷歌分析上設置，但它也會留下很多數據。

最後接觸歸因

最後接觸歸因基本上與第一次接觸歸因相反。 這種歸因形式不是將功勞歸於消費者看到的第一個廣告，而是歸於消費者在轉化之前看到的最後一個廣告。

本質上，最後接觸歸因假設您看到的最後一個廣告是最有說服力的，這就是將您推向邊緣並讓您轉化的廣告。 因此，它給予它 100% 的信任，並且不注意它之前的任何接觸點。

不幸的是，就像第一次接觸歸因一樣，這個模型忽略了圖片的很大一部分，只考慮了最後一個接觸點。

最後非直接點擊

最終非直接點擊歸因類似於最終觸摸歸因。 但是，它會將 100% 的功勞歸功於消費者在購買之前在您的網站之外點擊的最後一個廣告。

例如，如果消費者看到一個廣告，點擊它，沒有購買，看到另一個廣告，然後購買，他們點擊的廣告將獲得信用，即使第二個廣告出現得較晚。

什麼是多點觸控歸因以及它是如何工作的？

雖然我們查看的最後幾個歸因模型只關註一個接觸點，但多點觸控歸因模型考慮了所有接觸點。 因此，它們通常被認為更準確。

為了理解所有這些數據，多點觸控歸因模型通常對接觸點進行不同的加權。 因此，您有一些模型比早期接觸點更重視後期接觸點，反之亦然。

線性歸因

線性歸因將功勞平均分配給每個接觸點——沒有優先考慮點擊次數、接近轉化率或其他任何內容。

例如，如果您有 20 個接觸點，每個接觸點將獲得 5% 的功勞。 它有點基本，但對於某些情況和廣告模型可能很有用。

線性歸因的好處之一是它允許營銷人員考慮整體情況。 但是，它也沒有提供接觸點之間的任何區別。

時間衰減歸因

此模型與最後一次接觸和最後一次非直接點擊歸因最相似。 與平均分配功勞的線性歸因不同，時間衰減歸因將更多功勞分配給更接近轉化事件的接觸點。

本質上，接觸點越接近轉化，其權重就越高。 最終，最後一個接觸點將獲得最多的信任，而第一個接觸點將獲得最少的信任。

該模型成功地幫助營銷人員更輕鬆地識別導致轉化事件的接觸點。 但是，它沒有提供任何關於客戶最初是如何找到該業務的信息，這一點很重要。

U 形（基於位置）歸因

這種歸因方案試圖在首次接觸和最後接觸歸因之間找到折衷。 簡而言之，它將 40% 分配給第一個接觸點，將 40% 分配給最後一個接觸點，然後將剩餘的 20% 分配給其他接觸點，無論中間有多少接觸點。 因此，如果有 20 個接觸點，每個接觸點將獲得 1%。

在這個模型中，營銷人員試圖最重視第一個和最後一個接觸點——理論上，客戶第一次被介紹給企業，然後是購買前的最後一個廣告。

常見的營銷歸因挑戰和錯誤

即使您已經確定了要使用的歸因方法，您仍然可能會犯錯誤和遇到挑戰。 犯這些錯誤可能會損害您的數據和洞察力的完整性。

品牌與行為

營銷歸因的陷阱之一是它沒有正確考慮品牌的價值以及人們對它的反應。 當營銷僅簡化為加權接觸點時，可能很難全面了解情況。

基於相關的偏差

如果你曾經上過科學或數學課，你可能聽說過“因果關係不是相關性”這句話。 儘管這是一個如此著名的短語，但很少有人在重要的時候記得它。

簡而言之，這意味著您不能僅僅因為似乎有某種東西將兩者聯繫在一起，就推斷出一件事導致了另一件事。 當你在尋找模式時，你的大腦有時會開始編造它們，在沒有的地方看到它們，或者偏愛特定的結果，這就是相關偏差的來源。

從本質上講，當您查看數據時，重要的是不要對所看到的內容太過分了。 不要僅僅因為幾個人在看到一個特定的廣告後轉化就認為一定存在因果關係。 有可能只是相關性，真正的原因是完全不同的廣告。

市場偏差

市場偏見是有問題的，因為它包括所有看過你的廣告但無論如何都會轉化的人。 例如，這可能包括某人從朋友那裡聽說了您的產品，決定購買它，然後碰巧在他們有機會購買之前在 Facebook 上滾動瀏覽了您的廣告。

不幸的是，沒有簡單的方法來解釋這一點，因此您在分析數據時需要牢記這一點。 請記住，並非 100% 顯示的數字都來自您的廣告，您應該沒問題。

關鍵要點：投資回報率的營銷歸因

營銷歸因很重要，因為它可以幫助營銷人員跟踪哪些溝通和活動正在發揮作用。 通過了解導致客戶購買的原因，您可以提取有價值的見解並撥打更有效的廣告系列。

了解市場歸因既是一門藝術，也是一門科學。 您需要嘗試不同的類型以找到適合您業務的最佳解決方案。