Głos Bazaru

Opublikowany: 2023-09-06

Między innymi Gartner i Harvard Business Review często donoszą o braku wiedzy marketerów na temat pomiaru sukcesu marketingu wielokanałowego i wielokanałowego. W tym artykule omówiono ten problem i zaproponowano rozwiązania, pokazując, dlaczego atrybucja wielodotykowa to najlepszy sposób śledzenia wydajności i określania sukcesu.

Rozdziały:

  1. Co to jest atrybucja wielodotykowa?
  2. Jak zebrać odpowiednie dane do atrybucji wielodotykowej
  3. Atrybucja wielodotykowa i podróż klienta
  4. Rodzaje wielodotykowego modelu atrybucji
  5. Wielodotykowe narzędzia atrybucji dla świata stawiającego na prywatność
  6. Dane nie powiedzą Ci wszystkiego


W świecie, w którym najważniejsza jest prywatność , dotychczasowe podejścia do atrybucji wielodotykowej nie są ani dokładne, ani niezawodne. Usługi reklamowe, takie jak Meta i Google, w odpowiedzi na przepisy w dalszym ciągu usuwają ze swoich raportów funkcje śledzenia na poziomie użytkownika, a marketerzy, którzy polegają na plikach cookie innych firm w celu ilościowego określenia stanu pośredniego ścieżki, są skazani na porażkę.

Dane na poziomie użytkownika są mniej niezawodne niż kiedykolwiek, a niska dokładność nie jest dobrym początkiem podejmowania decyzji w oparciu o dane.

Co zatem mają zrobić marketerzy zorientowani na dane — wrócić do wydzielonych, jednodotykowych modeli atrybucji dostępnych w Web 2.0? W środowisku wielokanałowym, w którym konsumenci wchodzą w interakcję z markami w różnych kanałach przed konwersją, atrybucja za pomocą jednego dotknięcia nie ma sensu. Skuteczna strategia marketingowa wymaga spójnego zestawu taktyk, które opierają się na wzajemnych wysiłkach, aby stworzyć i utrzymać dynamikę w określonym kierunku.

Atrybucja jednodotykowa pozwala marketerom patrzeć tylko na jedną taktykę na raz, zwykle na etapie odkrywania lub konwersji. Marketerzy, którzy polegają na atrybucji za jednym dotknięciem, aby zrozumieć strategie wielokanałowe, ryzykują krótkowzroczność w podejmowaniu decyzji, ignorując krytyczne taktyki w połowie ścieżki. Marki potrzebują pełniejszego obrazu tego, co przyczynia się do sukcesu, aby móc podejmować świadome, wielokanałowe decyzje.

Co to jest atrybucja wielodotykowa?

Atrybucja wielodotykowa to model marketingowy, który mierzy każdy punkt kontaktu na ścieżce klienta, przypisując wartość liczbową do każdego kanału, dzięki czemu marketerzy mogą zobaczyć wpływ każdego punktu kontaktu na konwersje.

Środek lejka jest trudny do zmierzenia, ale inwestowanie w ilościowe określenie środka lejka się opłaca. Marketing w połowie ścieżki zwiększa skuteczność przejęć marki, podnosząc współczynniki konwersji w wielu kanałach. Wygładza także ścieżkę do utrzymania klienta, budując wsparcie na wczesnym etapie, poprawiając LTV i zmniejszając presję na pozyskiwanie klientów.

Atrybucja wielodotykowa — przypisywanie wartości każdemu etapowi podróży klienta — to nadal ważny model, ale dzisiejsza wersja znacznie różni się od uwielbianego przez marketerów podejścia opartego na plikach cookie innych firm.

Jak zbierać właściwe dane

Dane stron trzecich gromadzone za pomocą pikseli i plików cookie były głównym źródłem atrybucji wielodotykowej. Jeśli marketer chciał śledzić zachowania użytkowników w różnych kanałach, urządzeniach i platformach, musiał po prostu dodać fragment kodu do swojej witryny. Ruch byłby automatycznie oznaczany za pomocą pliku cookie Facebooka lub Google bez zgody użytkownika. Ten plik cookie będzie podążał za użytkownikiem w Internecie, aby zobaczyć, co zrobił, i ponownie skierować do niego odpowiednie reklamy. Marketerzy agregowaliby dane z plików cookie stron trzecich w wielodotykowe raporty atrybucji, aby zrozumieć zachowania użytkowników i zoptymalizować podróże klientów.

Obecnie dostęp do tych samych danych na poziomie użytkownika jest trudniejszy. RODO i CCPA skłoniły Google, Facebooka i inne platformy do stopniowego wycofywania plików cookie stron trzecich, co zmusiło marketerów do porzucenia sprawdzonych metod atrybucji wielodotykowej.

Marketerzy zorientowani na dane zaczęli dostosowywać się do nowego krajobrazu analitycznego, wykorzystując dane własne i dane strony zerowej do ilościowego określenia wydajności na całej ścieżce marketingowej.

Źródło obrazu

Rozróżnienie między danymi strony zerowej a danymi pierwszej strony jest stosunkowo nowe. Do niedawna wszystkie dane gromadzone przez markę były uznawane za „pierwsze”.

Obecnie dane własne odnoszą się do zachowań ilościowych, które marka śledzi w swoich interakcjach z klientami. Własne pliki cookie, tagi i moduły śledzenia Urchin (UTM) to powszechne metody wykorzystywane przez marki konsumenckie do gromadzenia danych własnych. Sprzedawcy zajmujący się sprzedażą wielokanałową mogą również śledzić wizyty w sklepach stacjonarnych w połączeniu z zachowaniami klientów handlu elektronicznego, takimi jak porzucanie koszyków i kliknięcia e-maili. Pliki cookie zgodne z RODO mogą zastąpić niektóre wskaźniki wykorzystywane przez marketerów do śledzenia za pomocą plików cookie stron trzecich.

Właściwe korzystanie z nich wymaga strategii stawiającej na prywatność, która wymaga zgody i umożliwia użytkownikom zażądanie usunięcia ich danych osobowych.

Dane zerowe to informacje jakościowe, które klient dobrowolnie przekazuje marce. Rozmowy z obsługą klienta, recenzje produktów, odpowiedzi na ankiety i komentarze w mediach społecznościowych wchodzą w zakres danych strony zerowej. Jakościowe dane o klientach mogą być bezcenne dla marki, jeśli zostaną odpowiednio wykorzystane, ale znalezienie znaczących spostrzeżeń w tekście może stanowić wyzwanie dla marketerów przyzwyczajonych do polegania wyłącznie na raportach ilościowych.

W dobie zaostrzonych przepisów i wycofywania systemów śledzenia najlepsi marketerzy konsumencki polegają na jakościowych spostrzeżeniach Bazaarvoice, które pozwalają na rozjaśnienie podróży kupujących i znalezienie możliwości rozwoju.

Atrybucja wielodotykowa i podróż klienta

Stosowanie atrybucji wielodotykowej w marketingu wielokanałowym odkrywa taktykę zwiększania współczynnika konwersji, skracania średniego czasu zakupu i poprawy średniej wartości zamówienia (AOV).

Taktyki marketingowe nie istnieją w próżni – istnieją w ekosystemie wielokanałowym. Przypisywanie pełnego uznania dowolnej taktyce poprzez atrybucję za jednym dotknięciem, bez względu na to, gdzie ona się znajduje na ścieżce klienta, ignoruje wszystko inne, co odgrywa rolę w pozyskiwaniu klienta. Relacja marki z potencjalnymi klientami na środkowym etapie ścieżki sprzedaży ma kluczowe znaczenie dla zwiększenia przychodów i zwiększenia przychodów.

W środowisku marketingu wielokanałowego atrybucja wielodotykowa jest kluczem do zrozumienia, co i dlaczego działa. Rozważmy tę fikcyjną, składającą się z sześciu kroków podróż do zakupu odkurzacza Dyson za 500 dolarów.

Etap lejka Zachowanie użytkownika Metoda gromadzenia danych
ODKRYCIE Użytkownik wyszukuje w Google hasło „odkurzacze bezprzewodowe”. Klikają reklamę w wyszukiwarce i wyświetlają stronę produktu w witrynie Dyson. Własny plik cookie w witrynie Dyson
ŚWIADOMOŚĆ Użytkownik zatrzymuje się, aby obejrzeć reklamę retargetingową odkurzacza podczas przeglądania Instagrama i przewija ją bez klikania. Statystyki reklam na Facebooku
ŚWIADOMOŚĆ Użytkownik widzi kolejną reklamę retargetingową, tym razem na TikToku. Reklama to treść generowana przez użytkowników (UGC) przedstawiająca osobę zachwyconą bezprzewodowym odkurzaczem Dyson. Statystyki reklam TikTok
NAMYSŁ Użytkownik omawia zakup ze swoim partnerem podczas kolacji, przeglądając opcje na stronie internetowej Dyson. Własny plik cookie w witrynie Dyson
NAMYSŁ Użytkownik czyta biuletyn Substack, w którym poleca odkurzacz Dyson. Klikają link partnerski Amazon i dodają odkurzacz do swojego koszyka. Raport partnera Amazon
KONWERSJA Użytkownik otrzymuje e-mail z powiadomieniem od Amazona, że ​​cena odkurzacza spadła do 500 dolarów. Kupują odkurzacz. Raport o aukcjach Amazona

Korzystając z atrybucji pierwszego kontaktu, zespół marketingowy może dojść do wniosku, że płatne wyszukiwanie było wyraźnym zwycięzcą. Ale płatne wyszukiwanie to nie cała historia. Dyson może nie uzyskać tak wielu konwersji bez dowodów społecznościowych pochodzących od użytkowników i podmiotów stowarzyszonych, których atrybucja za pierwszym dotknięciem nie jest w stanie rzucić światła.

Gdyby Dyson polegał wyłącznie na atrybucji „ostatniego kontaktu”, zespół mógłby zdecydować się na zbudowanie swojej strategii marketingowej na rabatach – co byłoby trudnym posunięciem dla gracza na rynku premium. Produkty Dysona są bezkompromisowo drogie, a strategia cenowa sprawdza się dzięki zastrzeżonej technologii Dyson i silnej marce. Wysokie rabaty zniweczyłyby supermoce marki Dyson, zamiast je uzupełniać, tworząc wyścig na sam dół, którego nikt nie może wygrać.

Atrybucja wielodotykowa pozwala Dysonowi lepiej zrozumieć ścieżki konwersji, co daje więcej możliwości eksperymentowania. Ponieważ wiadomo, że UGC poprawia współczynnik konwersji i odgrywa rolę w (fikcyjnej) podróży klienta, Dyson może zdecydować się na eksperymentowanie z większą liczbą reklam UGC w następnym kwartale, aby zwiększyć przychody.

Rodzaje wielodotykowego modelu atrybucji

Marketerzy konsumencki używają modeli liniowych, w kształcie litery J, odwróconego kształtu J i U, aby przypisać wydajność na całej długości podróży klienta.

Atrybucja liniowa nadaje równą wagę każdemu etapowi podróży klienta i zapewnia marketerom zrównoważony obraz ścieżki do konwersji. W porównaniu z innymi modelami przypisuje większe znaczenie taktyce środkowej ścieżki, co może być przydatne, gdy po raz pierwszy skupiasz się na środkowej ścieżce.

To dobry punkt wyjścia, ale może zawyżać wartość nieistotnych interakcji i niedoceniać kluczowych taktyk. Liniowy model atrybucji może zatem pomóc marketerom podważyć ich własne założenia dotyczące tego, co się sprawdza, ale w dłuższej perspektywie rzadko jest wystarczająco dokładne, aby sprawdzić się w każdym scenariuszu.

Tradycyjny model w kształcie litery J przypisuje większą wagę ostatnim etapom podróży klienta, podczas gdy odwrócony model w kształcie litery J kładzie większą wagę na początkowe etapy podróży klienta.

Modele w kształcie litery U , zwane także modelami opartymi na pozycji, przypisują tę samą wagę pierwszemu i ostatniemu dotknięciu, a mniejszy procent przypisuje się wszystkiemu pomiędzy.

Przyjrzyjmy się, jak każdy rodzaj atrybucji wielodotykowej przypisuje wartość naszej fikcyjnej podróży kupującego próżniowo za 500 dolarów.

Fikcyjna podróż kupującego:
odkurzacz bezprzewodowy
Atrybucja liniowa Atrybucja w kształcie litery J Atrybucja w kształcie odwrotnej litery J Atrybucja w kształcie litery U Atrybucja za pierwszym dotknięciem (jedno dotknięcie)
Użytkownik wyszukuje w Google hasło „odkurzacze bezprzewodowe”. Klikają reklamę w wyszukiwarce, która przenosi ich na stronę produktu Dyson. 16% (80 USD) 20% (100 USD) 60% (300 USD) 40% (200 USD) 100% (500 USD)
Użytkownik widzi reklamę retargetingową odkurzacza podczas przeglądania Instagrama, ale przewija ją bez kliknięcia. 16% (80 USD) 5% (25 USD) 5% (25 USD) 5% (25 USD) 0% (0 USD)
Użytkownik widzi reklamę odkurzacza Dyson na TikTok. 16% (80 USD) 5% (25 USD) 5% (25 USD) 5% (25 USD) 0% (0 USD)
Użytkownik omawia zakup ze swoim partnerem, przeglądając wspólnie opcje na stronie internetowej Dyson. 16% (80 USD) 5% (25 USD) 5% (25 USD) 5% (25 USD) 0% (0 USD)
Użytkownik czyta biuletyn Substack na temat odkurzacza Dyson. Klikają link partnerski i dodają przedmiot do koszyka. 16% (80 USD) 5% (25 USD) 5% (25 USD) 5% (25 USD) 0% (0 USD)
Użytkownik otrzymuje e-mail z informacją, że cena odkurzacza spadła do 500 dolarów. Kupują to. 16% (80 USD) 60% (300 USD) 20% (100 USD) 40% (200 USD) 0% (0 USD)

Model atrybucji wybrany przez markę zależy od jej scenariusza, priorytetów i filozofii. Zespoły skupione na budowaniu odkryć mogą używać modelu w kształcie odwrotnej litery j, aby zrozumieć początkowe etapy podróży klienta, natomiast zespoły skupiające się na środkowej części ścieżki mogą zastosować model liniowy do generowania spostrzeżeń.

Wykorzystanie wielodotykowego modelu atrybucji w marketingu wielokanałowym

Oto scenariusz: marka odzieży dziecięcej chce znaleźć możliwości rozwoju dla swojego kanału e-commerce.

Korzystając z atrybucji pierwszego kontaktu, zespół doszedł do wniosku, że ruch z płatnych wyników wyszukiwania bez marki ma wyższą średnią wartość zamówienia (AOV) niż klienci pozyskani za pośrednictwem płatnych mediów społecznościowych, ale ogólnie generuje mniejsze przychody.

Gdyby na tym poprzestali, marka odzieżowa mogłaby dojść do wniosku, że pomimo mniejszego wolumenu płatne wyszukiwanie pozwala lepiej wykorzystać czas i pieniądze. Mogłoby to mieć sens, ale zwiększałoby przychody na koniec miesiąca (EOM) o stosunkowo niewielką marżę.

Fikcyjny model:
marka odzieży dziecięcej
Linia bazowa :
Płatne wyszukiwanie
Linia bazowa :
Płatne społecznościowe
SCENARIUSZ A :
Zainwestuj więcej budżetu w płatne wyszukiwanie
AOV 99 dolarów 79 dolarów 99 dolarów
Współczynnik konwersji (pierwsze dotknięcie) 1,5% 0,5% 1,5%
Nowe wizyty 10 000 500 000 20 000
Konwersje 150 2500 300
Przychody (pierwsze dotknięcie) 14850 dolarów 197 500 dolarów 29 700 dolarów
Wzrost przychodów 14850 dolarów

Bazowe przychody z operacji EOM: 212 350 USD

Połączenie wielodotykowego modelu atrybucji z raportem pierwszego kontaktu daje zespołowi więcej opcji.

Kiedy uruchamiają raport podróży kupującego w Segment, zespół odkrywa, że ​​kupujący z wyższym AOV z ruchu w płatnych wynikach wyszukiwania zwykle odwiedzają stronę z opiniami w sklepie w dniach poprzedzających zakup. Na stronie znajdują się recenzje zadowolonych klientów, a linki znajdują się na stronach produktów.

Ponieważ marka patrzy na wydajność z punktu widzenia przejęć, decyduje się zastosować model odwróconego kształtu litery J, aby zrozumieć ścieżkę do konwersji z płatnego wyszukiwania, czyli podróży klienta o wysokim AOV.

Fikcyjna podróż klienta w płatnym wyszukiwaniu: odzież dziecięca

AOV: 99 dolarów
Wartość interakcji (atrybucja w kształcie odwrotnej litery J) Wartość interakcji (atrybucja pierwszego kontaktu) Metoda gromadzenia danych
Użytkownik wyszukuje w Google hasło „stroje na powrót do szkoły”. Klikają reklamę w wyszukiwarce, która przenosi ich na stronę kolekcji. Użytkownik dodaje kilka rzeczy do koszyka, ale zamyka okno bez dokonywania zakupów. 60% (59 USD) 100% (99 USD) Własny plik cookie
Użytkownik klika wiadomość e-mail o porzuceniu koszyka, która przenosi go do koszyka. Odwiedzają stronę produktu dotyczącą dżinsów dziecięcych i klikają łącze do strony z opiniami. Otwierają pięć zdjęć klientów i rozwijają siedem recenzji. 10% (10 USD) 0% (0 USD) Informacje e-mailowe, mapy cieplne
Użytkownik widzi na Instagramie reklamę dżinsów retargetującą, ale przewija ją bez interakcji. 10% (10 USD) 0% (0 USD) Statystyki reklam na Facebooku
Użytkownik otrzymuje powiadomienie e-mailem, że marka odzieżowa organizuje wyprzedaż związaną z powrotem do szkoły. Klikają e-mail, dodają dżinsy do koszyka wraz z kilkoma koszulami i dokonują zakupu. 20% (20 USD) 0% (0 USD) Informacje e-mailowe, własne pliki cookie

Po porównaniu względnej wartości każdej interakcji z interakcjami z podróży kupujących o niższym AOV, zespół decyduje się skierować płatny ruch społecznościowy na stronę z opiniami poprzez kampanię retargetingową, która może zwiększyć AOV z tego kanału.

Wprowadź scenariusz B: Wykorzystaj UGC, w tym przypadku oceny i recenzje, aby poprawić AOV i uzyskać większe przychody z płatnych mediów społecznościowych. Zespół stawia hipotezę, że w wyniku eksperymentu AOV z płatnych mediów społecznościowych wzrośnie do 99 dolarów. Jeśli się powiedzie, eksperyment zwiększy przychody w większym stopniu niż w scenariuszu A.

Fikcyjny model:
Marka odzieży dziecięcej
Linia bazowa :
Płatne wyszukiwanie
Linia bazowa :
Płatne społecznościowe
SCENARIUSZ A :
Zainwestuj więcej budżetu w płatne wyszukiwanie
SCENARIUSZ B :
Kieruj płatny ruch społecznościowy na stronę z referencjami
AOV 99 dolarów 79 dolarów 99 dolarów 99 dolarów
Współczynnik konwersji (pierwsze dotknięcie) 1,5% 0,5% 1,5% 0,5%
Nowe wizyty 10 000 500 000 20 000 500 000
Konwersje 150 2500 300 2500
Przychód 14850 dolarów 197 500 dolarów 29 700 dolarów 247 500 dolarów
Wzrost przychodów (w porównaniu z podstawowymi przychodami EOM) 14850 dolarów 232 650 dolarów

Bazowe przychody z operacji EOM: 212 350 USD

Atrybucja wielodotykowa umieszcza taktykę uzupełniającą w kontekście, dając zespołowi to, czego potrzebuje do podejmowania zróżnicowanych decyzji, mając na uwadze ograniczenia rynku i mocne strony organizacji.

Wielodotykowe narzędzia atrybucji dla świata stawiającego na prywatność

Zestaw narzędzi do handlu wielokanałowego Bazaarvoice to najlepszy sposób na gromadzenie danych typu zero-party.

Hardys Wines, marka win nr 1 w Wielkiej Brytanii, korzysta z Bazaarvoice do gromadzenia danych pochodzących od stron zerowych na podstawie ocen i recenzji, czyli dwóch najważniejszych czynników wpływających na decyzję o zakupie. Po rozpowszechnieniu recenzji wśród sprzedawców detalicznych za pośrednictwem platformy Bazaarvoice, firma Hardys zwiększyła liczbę recenzji o 2300% i poprawiła swoją średnią ocenę w gwiazdkach z 4,32 do 4,59.

Źródło: Studium przypadku Hardys

Ponieważ wielu kupujących online filtruje wyniki, aby wyświetlić produkty z oceną 4,5 gwiazdki lub wyższą, Hardys był w stanie dotrzeć do większej liczby potencjalnych klientów, budując przychody w wielu kanałach za pomocą jednej taktyki na środkowym etapie ścieżki. Statystyki i raporty w Bazaarvoice pomagają markom takim jak Hardys maksymalizować wartość danych typu zero-party.

Połącz narzędzia Bazaarvoice z posiadaną platformą marketingową, taką jak Klaviyo, aby zbierać dane behawioralne, które uzupełniają spostrzeżenia jakościowe stron zerowych. Profile klientów Klaviyo pozwalają markom mapować ścieżki zakupowe na poziomie użytkownika, a następnie zapewniać spersonalizowane doświadczenia za pośrednictwem pakietu narzędzi e-mailowych i marketingowych.

Wykorzystaj narzędzia agregujące, takie jak Segment, aby ilościowo określić podróż klienta w różnych kanałach i odkryć wzorce zakupów na dużą skalę. Segment integruje przepływy danych własnych z wielu źródeł, łącząc spostrzeżenia, aby pomóc markom konsumenckim zrozumieć typowe ścieżki zakupowe i atrybuty wydajności na całej drodze zakupowej.

Dzięki połączonym profilom segmentu marki konsumenckie mogą segmentować klientów na podstawie podobieństwa, wzorców zakupów i nastrojów, uzyskując bardziej szczegółową atrybucję wielodotykową w celu zwiększenia zaangażowania i lojalności.

Dane nie powiedzą Ci wszystkiego

Modele atrybucji to właśnie modele. Każdy model ma wady, słabe punkty i martwe punkty. Marki, które traktują dane ilościowe dosłownie, nie pozostawiając miejsca na niuanse, spostrzeżenia i intuicję, ponoszą większe ryzyko, a nie większe bezpieczeństwo, w związku z nadmiernym poleganiem na danych.

Atrybucja wielodotykowa nie jest doskonała — nawet w czasach poprzedzających RODO modele atrybucji wielodotykowej nigdy nie stanowiły bezstronnego obrazu rzeczywistości ani niezawodnego planu sukcesu. Każda firma stosuje nieco inne podejście do atrybucji marketingowej — żadna nie jest „błędna”, ale wszystkie odzwierciedlają różne priorytety i wewnętrzne uprzedzenia.

Podejście do atrybucji wielodotykowej jak do modelu, a nie do recepty, jest kluczem do otwarcia drzwi do strategicznych rozmów i znaczących spostrzeżeń.

Aby uzyskać pełny obraz zachowań klientów, połącz ilościowe modele atrybucji z jakościowymi danymi użytkowników z Bazaarvoice. Oceny, recenzje i treści tworzone przez użytkowników to kopalnia wiedzy, którą marki konsumenckie mogą wykorzystać, aby zrozumieć swoich odbiorców.

Narzędzia Bazaarvoice Insights & Reports zapewniają markom dane na temat nastrojów, analizy społecznościowe i trendy opinii klientów, aby zoptymalizować środkową ścieżkę i poprawić konwersję we wszystkich kanałach.

Poproś o demonstrację