Базар Голос

Опубликовано: 2023-09-06

Gartner и Harvard Business Review, среди прочих, часто сообщают о нехватке знаний у маркетологов о том, как измерить успех многоканального и омниканального маркетинга. В этой статье рассматривается эта проблема и предлагаются решения, демонстрируя, почему мультитач-атрибуция — лучший способ отслеживать эффективность и определять успех.

Главы:

  1. Что такое мультитач-атрибуция?
  2. Как собрать нужные данные для мультитач-атрибуции
  3. Мультитач-атрибуция и путь клиента
  4. Виды модели мультитач-атрибуции
  5. Инструменты мультитач-атрибуции для мира, где конфиденциальность превыше всего
  6. Данные не скажут вам всего


В мире, где конфиденциальность превыше всего , устаревшие подходы к мультитач-атрибуции не являются ни точными, ни надежными. Рекламные сервисы, такие как Meta и Google, продолжают удалять возможности отслеживания на уровне пользователя из своих отчетов в ответ на правила, а маркетологи, которые полагаются на сторонние файлы cookie для количественной оценки середины воронки, обречены.

Данные на уровне пользователя менее надежны, чем когда-либо, и низкая точность не является выигрышным началом для принятия решений на основе данных.

Итак, что же делать маркетологам, ориентированным на данные — вернуться к разрозненным моделям атрибуции «одним касанием» Web 2.0? В омниканальной среде, где потребители взаимодействуют с брендами по разным каналам до конверсии, атрибуция одним касанием не имеет смысла. Эффективная маркетинговая стратегия требует связного набора тактик, основанных на усилиях друг друга по созданию и поддержанию импульса в определенном направлении.

Атрибуция одним касанием позволяет маркетологам одновременно рассматривать только одну тактику, обычно на этапах открытия или конверсии. Маркетологи, которые полагаются на атрибуцию одним касанием для понимания многоканальных стратегий, рискуют принять близорукие решения, игнорируя критически важные тактики в середине воронки. Брендам необходимо более полное представление о том, что способствует успеху, чтобы принимать обоснованные многоканальные решения.

Что такое мультитач-атрибуция?

Мультитач-атрибуция — это маркетинговая модель, которая измеряет каждую точку взаимодействия на пути клиента, присваивая числовое значение каждому каналу, чтобы маркетологи могли видеть влияние каждой точки взаимодействия на конверсии.

Середину воронки трудно измерить, но вложение ресурсов в ее количественную оценку окупается. Маркетинг в середине воронки делает усилия по привлечению бренда более успешными, повышая коэффициент конверсии по нескольким каналам. Это также упрощает путь к удержанию клиентов за счет раннего проведения информационно-пропагандистской работы, повышения LTV и снижения нагрузки на процесс привлечения клиентов.

Мультитач-атрибуция — определение ценности на каждом этапе пути клиента — по-прежнему является важной основой, но сегодняшняя версия далека от подхода, основанного на сторонних файлах cookie, который раньше любили маркетологи.

Как собрать нужные данные

Сторонние данные, собранные с помощью пикселей и файлов cookie, раньше были основным источником мультитач-атрибуции. Если маркетолог хотел отслеживать поведение пользователей на разных каналах, устройствах и платформах, ему просто нужно было добавить фрагмент кода на свой веб-сайт. Трафик будет автоматически помечен файлом cookie Facebook или Google без согласия пользователя. Этот файл cookie будет следовать за пользователем в Интернете, следить за тем, что он делает, и перенаправлять его с помощью релевантной рекламы. Маркетологи будут объединять данные сторонних файлов cookie в отчеты мультитач-атрибуции, чтобы понять поведение пользователей и оптимизировать путь клиента.

Сегодня к тем же данным пользовательского уровня сложнее получить доступ. GDPR и CCPA побудили Google, Facebook и другие платформы постепенно отказаться от сторонних файлов cookie, что заставило маркетологов отказаться от проверенных методов мультитач-атрибуции.

Маркетологи, ориентированные на данные, начали адаптироваться к новой аналитической среде, используя собственные и сторонние данные для количественной оценки эффективности всей маркетинговой воронки.

Источник изображения

Различие между данными нулевой стороны и данными первой стороны появилось относительно недавно. До недавнего времени все данные, которые собирал бренд, считались «собственными».

Сегодня собственные данные относятся к количественному поведению, которое бренд отслеживает во время взаимодействия с клиентами. Собственные файлы cookie, теги и модули отслеживания ежедневных пользователей (UTM) — это распространенные методы, которые потребительские бренды используют для сбора собственных данных. Омниканальные ритейлеры могут также отслеживать посещения обычных магазинов в тандеме с поведением клиентов электронной коммерции, например, оставлением корзины и кликами по электронной почте. Файлы cookie, соответствующие GDPR, могут заменить некоторые показатели, используемые маркетологами для отслеживания использования сторонних файлов cookie.

Их правильное использование требует стратегии конфиденциальности, которая запрашивает согласие и позволяет пользователям запрашивать удаление их личных данных.

Данные нулевой стороны относятся к качественной информации, которую клиент сообщает бренду добровольно. Разговоры со службой поддержки, обзоры продуктов, ответы на опросы и комментарии в социальных сетях — все это подпадает под действие сторонних данных. Качественные данные о клиентах могут иметь неоценимое значение для бренда, если их правильно использовать, но поиск значимой информации в тексте может оказаться сложной задачей для маркетологов, привыкших полагаться исключительно на количественные отчеты.

В эпоху ужесточения регулирования и постепенного отказа от систем отслеживания лучшие маркетологи полагаются на качественную информацию Bazaarvoice, чтобы осветить путь покупателя и найти возможности для роста.

Мультитач-атрибуция и путь клиента

Использование мультитач-атрибуции в многоканальном маркетинге открывает возможности для повышения коэффициента конверсии, сокращения среднего времени покупки и повышения средней стоимости заказа (AOV).

Маркетинговая тактика не существует в вакууме — она существует в многоканальной экосистеме. Отдавая должное какой-либо одной тактике посредством атрибуции одним касанием, независимо от того, на каком этапе пути клиента она находится, игнорируется все остальное, что играет роль в привлечении клиентов. Отношения бренда с потенциальными клиентами в середине воронки имеют решающее значение для увеличения бизнеса и увеличения доходов.

В условиях многоканального маркетинга мультитач-атрибуция является ключом к пониманию того, что работает и почему. Рассмотрим этот вымышленный шестиэтапный путь покупки пылесоса Dyson за 500 долларов.

Этап воронки Поведение пользователя Метод сбора данных
ОТКРЫТИЕ Пользователь ищет в Google «беспроводные пылесосы». Они нажимают на поисковое объявление и просматривают страницу продукта на веб-сайте Dyson. Основные файлы cookie на веб-сайте Dyson
ОСВЕДОМЛЕННОСТЬ Пользователь делает паузу, чтобы посмотреть ретаргетинговую рекламу ради вакуума во время просмотра Instagram, и прокручивает ее, не нажимая. Статистика рекламы в Facebook
ОСВЕДОМЛЕННОСТЬ Пользователь видит еще одну ретаргетинговую рекламу, на этот раз в TikTok. Реклама представляет собой пользовательский контент (UGC), созданный человеком, который в восторге от своего беспроводного пылесоса Dyson. Рекламная статистика в TikTok
РАССМОТРЕНИЕ Пользователь обсуждает покупку со своим партнером за ужином, просматривая варианты на сайте Dyson. Основные файлы cookie на веб-сайте Dyson
РАССМОТРЕНИЕ Пользователь читает информационный бюллетень Substack, в котором рекомендуется пылесос Dyson. Они нажимают на партнерскую ссылку Amazon и добавляют пылесос в корзину. Партнерский отчет Amazon
КОНВЕРСИЯ Пользователь получает уведомление по электронной почте от Amazon о том, что цена пылесоса упала до 500 долларов. Они покупают пылесос. Отчет о листингах Amazon

Используя атрибуцию первого касания, маркетинговая команда может прийти к выводу, что платный поиск является явным победителем. Но платный поиск — это еще не все. Dyson, возможно, не сможет обеспечить столько конверсий без социальных доказательств со стороны пользовательского контента и филиалов, которые атрибуция по первому касанию не может выявить.

Если бы Dyson полагался только на атрибуцию «последним касанием», команда могла бы решить построить свою маркетинговую стратегию на скидках — непростая задача для игрока премиального рынка. Продукция Dyson стоит непростительно дорого, и эта стратегия ценообразования работает благодаря запатентованной технологии Dyson и сильному бренду. Большие скидки будут противодействовать сверхспособностям бренда Dyson, а не дополнять их, создавая гонку на дно, в которой никто не сможет выиграть.

Мультитач-атрибуция дает Dyson лучшее понимание пути к конверсии, что открывает больше возможностей для экспериментов. Поскольку известно, что пользовательский контент повышает коэффициент конверсии и играет роль в (вымышленном) пути клиента, Дайсон может решить в следующем квартале поэкспериментировать с большим количеством пользовательских объявлений, чтобы увеличить доход.

Виды модели мультитач-атрибуции

Специалисты по потребительскому маркетингу используют линейные, J-образные, перевернутые J-образные и U-образные модели, чтобы оценить эффективность на протяжении всего пути клиента.

Линейная атрибуция придает равный вес каждому этапу пути клиента и дает маркетологам сбалансированное представление о пути к конверсии. Это дает больше внимания тактике в середине воронки, чем другие модели, что может быть полезно, когда вы впервые сосредотачиваетесь на середине воронки.

Это хорошая отправная точка, но она может преувеличить ценность несущественных взаимодействий и недооценить важные тактики. Таким образом, моделирование линейной атрибуции может помочь маркетологам бросить вызов своим собственным предположениям о том, что работает, но редко бывает достаточно точным в долгосрочной перспективе, чтобы работать для каждого сценария.

Традиционная J-образная модель придает больше значения последним этапам пути клиента, в то время как обратная J-образная модель придает больший вес начальным этапам пути клиента.

U-образные модели , также называемые моделями на основе позиции, присваивают равный вес первому и последнему касанию, а всему, что между ними, приписывается меньший процент.

Давайте посмотрим, как каждый тип мультитач-атрибуции повысит ценность пути нашего воображаемого покупателя пылесоса за 500 долларов.

Путешествие вымышленного покупателя:
беспроводной пылесос
Линейная атрибуция J-образная атрибуция Обратная J-образная атрибуция U-образная атрибуция Атрибуция по первому касанию (одно касание)
Пользователь ищет в Google «беспроводные пылесосы». Они нажимают на поисковое объявление, которое перенаправляет их на страницу продукта Dyson. 16% (80 долларов США) 20% (100 долларов США) 60% (300 долларов США) 40% (200 долларов США) 100% (500 долларов США)
Пользователь видит ретаргетинговую рекламу пылесоса во время просмотра Instagram, но прокручивает его, не нажимая. 16% (80 долларов США) 5% (25 долларов США) 5% (25 долларов США) 5% (25 долларов США) 0% (0 долларов США)
Пользователь видит рекламу пылесоса Dyson в TikTok. 16% (80 долларов США) 5% (25 долларов США) 5% (25 долларов США) 5% (25 долларов США) 0% (0 долларов США)
Пользователь обсуждает покупку со своим партнером и вместе просматривает варианты на сайте Dyson. 16% (80 долларов США) 5% (25 долларов США) 5% (25 долларов США) 5% (25 долларов США) 0% (0 долларов США)
Пользователь читает информационный бюллетень Substack о пылесосе Dyson. Они нажимают партнерскую ссылку и добавляют товар в корзину. 16% (80 долларов США) 5% (25 долларов США) 5% (25 долларов США) 5% (25 долларов США) 0% (0 долларов США)
Пользователь получает электронное письмо о том, что цена пылесоса упала до 500 долларов. Они покупают это. 16% (80 долларов США) 60% (300 долларов США) 20% (100 долларов США) 40% (200 долларов США) 0% (0 долларов США)

Модель атрибуции, которую выбирает бренд, зависит от его сценария, приоритетов и философии. Команды, которые сосредоточены на открытии, могут использовать обратную J-образную модель, чтобы понять начальные этапы пути клиента, в то время как команды, которые сосредоточены на середине воронки, могут применять линейную модель для получения информации.

Использование модели мультитач-атрибуции в многоканальном маркетинге

Вот сценарий: бренд детской одежды хочет найти возможности роста для своего канала электронной коммерции.

Используя атрибуцию первого касания, команда пришла к выводу, что небрендовый платный поисковый трафик имеет более высокую среднюю стоимость заказа (AOV), чем клиенты, привлеченные через платные социальные сети, но в целом приносит меньший доход.

Если бы они остановились на этом, бренд одежды мог бы прийти к выводу, что, несмотря на меньший объем, платный поиск является более эффективным использованием их времени и денег. Это могло бы иметь смысл, но привело бы к относительно небольшому увеличению доходов на конец месяца (EOM).

Вымышленная модель:
бренд детской одежды
Базовый уровень :
Платный поиск
Базовый уровень :
Платные соц.
СЦЕНАРИЙ А :
Инвестируйте больше бюджета в платный поиск
АОВ 99 долларов США 79 долларов США 99 долларов США
Коэффициент конверсии (первое касание) 1,5% 0,5% 1,5%
Новые визиты 10 000 500 000 20 000
Конверсии 150 2500 300
Доход (первое касание) 14 850 долларов США 197 500 долларов США 29 700 долларов США
Рост доходов 14 850 долларов США

Базовый доход EOM: 212 350 долларов США.

Сочетание модели мультитач-атрибуции с отчетом по первому касанию дает команде больше возможностей.

Когда они просматривают отчет о пути покупателя в Segment, команда обнаруживает, что покупатели с более высоким AOV из платного поискового трафика, как правило, посещают страницу с отзывами в магазине в дни, предшествующие покупке. На странице представлены отзывы довольных клиентов, и на нее есть ссылки на страницах продуктов.

Поскольку бренд рассматривает эффективность с точки зрения привлечения клиентов, они решают использовать обратную J-образную модель, чтобы понять путь к конверсии из платного поиска — пути клиента с высоким AOV.

Вымышленное путешествие покупателя при платном поиске: детская одежда

Средняя стоимость: 99 долларов США.
Ценность взаимодействия (обратная J-образная атрибуция) Ценность взаимодействия (атрибуция по первому контакту) Метод сбора данных
Пользователь ищет в Google «одежда для возвращения в школу». Они нажимают на поисковое объявление, которое переводит их на страницу коллекции. Пользователь добавляет несколько товаров в корзину, но закрывает окно, не совершая покупки. 60% (59 долларов США) 100% (99 долларов США) Основной файл cookie
Пользователь нажимает на электронное письмо об отказе от корзины, которое перемещает его в корзину. Они посещают страницу товара, посвященную детским джинсам, и нажимают ссылку на страницу с отзывами. Они открывают пять изображений клиентов и расширяют семь обзоров. 10% (10 долларов США) 0% (0 долларов США) Анализ электронной почты, тепловые карты
Пользователь видит ретаргетинговую рекламу джинсов в Instagram, но прокручивает ее, не взаимодействуя. 10% (10 долларов США) 0% (0 долларов США) Статистика рекламы в Facebook
Пользователь получает уведомление по электронной почте о том, что бренд одежды проводит распродажу перед школой. Они нажимают на электронное письмо, добавляют джинсы в корзину вместе с несколькими рубашками и покупают. 20% (20 долларов США) 0% (0 долларов США) Статистика электронной почты, собственные файлы cookie

После сравнения относительной ценности каждого взаимодействия с покупательскими поездками с более низким AOV команда решает направить платный социальный трафик на страницу отзывов с помощью кампании ретаргетинга, что может увеличить AOV с этого канала.

Введите сценарий Б: используйте пользовательский контент, в данном случае рейтинги и обзоры, для улучшения AOV и получения большего дохода от платных социальных сетей. Команда предполагает, что в результате эксперимента AOV от платных социальных сетей вырастет до 99 долларов. Если это сработает, эксперимент увеличит доход на больший прирост, чем сценарий А.

Вымышленная модель:
Бренд детской одежды
Базовый уровень :
Платный поиск
Базовый уровень :
Платные социальные сети
СЦЕНАРИЙ А :
Инвестируйте больше бюджета в платный поиск
СЦЕНАРИЙ Б :
Направьте платный социальный трафик на страницу отзывов
АОВ 99 долларов США 79 долларов США 99 долларов США 99 долларов США
Коэффициент конверсии (первое касание) 1,5% 0,5% 1,5% 0,5%
Новые визиты 10 000 500 000 20 000 500 000
Конверсии 150 2500 300 2500
Доход 14 850 долларов США 197 500 долларов США 29 700 долларов США 247 500 долларов США
Увеличение дохода (по сравнению с базовым доходом EOM) 14 850 долларов США 232 650 долларов США

Базовый доход EOM: 212 350 долларов США.

Мультитач-атрибуция ставит дополнительные тактики в контекст, предоставляя команде все необходимое для принятия тонких решений с учетом ограничений рынка и сильных сторон организации.

Инструменты мультитач-атрибуции для мира, где конфиденциальность превыше всего

Набор инструментов омниканальной коммерции Bazaarvoice — лучший способ сбора сторонних данных.

Hardys Wines, винный бренд №1 в Великобритании, использует Bazaarvoice для сбора сторонних данных с помощью рейтингов и обзоров, которые являются двумя наиболее важными факторами, влияющими на решение о покупке. После объединения отзывов среди ритейлеров через платформу Bazaarvoice компания Hardys увеличила объем отзывов на 2300 % и улучшила средний рейтинг с 4,32 до 4,59.

Источник: тематическое исследование Hardys.

Поскольку многие интернет-покупатели фильтруют результаты, чтобы показать товары с рейтингом 4,5 звезды или выше, Hardys удалось привлечь больше потенциальных клиентов, увеличив доход по нескольким каналам с помощью одной тактики в середине воронки. Аналитика и отчеты внутри Bazaarvoice помогают таким брендам, как Hardys, максимизировать ценность сторонних данных.

Объедините инструменты Bazaarvoice с собственной маркетинговой платформой, такой как Klaviyo, для сбора поведенческих данных, которые дополняют качественную информацию от нулевой стороны. Профили клиентов Klaviyo позволяют брендам составлять карту пути покупателя на уровне пользователя, а затем предоставлять персонализированный опыт с помощью набора электронной почты и маркетинговых инструментов.

Используйте инструменты агрегирования, такие как сегментация, для количественной оценки пути клиента по каналам и выявления моделей покупок в масштабе. Сегмент объединяет потоки собственных данных из нескольких источников, объединяя аналитические данные, которые помогают потребительским брендам понять пути обычных покупателей и определить эффективность на протяжении всего пути покупки.

С помощью связанных профилей Segment потребительские бренды могут сегментировать клиентов на основе предпочтений, моделей покупок и настроений, становясь более конкретными с помощью мультитач-атрибуции для повышения вовлеченности и лояльности.

Данные не скажут вам всего

Модели атрибуции — это всего лишь модели. У каждой модели есть недостатки, уязвимости и слепые зоны. Бренды, которые принимают количественные данные за чистую монету, не оставляя места для нюансов, понимания и интуиции, подвергаются большему риску, а не большей безопасности, из-за чрезмерной уверенности в данных.

Мультитач-атрибуция не идеальна — даже во времена, предшествовавшие GDPR, модели мультитач-атрибуции никогда не были объективной картиной реальности или надежным планом достижения успеха. Каждый бизнес использует немного другой подход к маркетинговой атрибуции — ни один из них не является «неправильным», но все они отражают разные приоритеты и внутренние предубеждения.

Подход к мультитач-атрибуции как к модели, а не как к рецепту, является ключом к открытию двери для стратегических переговоров и значимого понимания.

Чтобы получить всестороннее представление о поведении клиентов, сочетайте модели количественной атрибуции с качественными пользовательскими данными от Bazaarvoice. Рейтинги, обзоры и пользовательский контент — это кладезь информации, которую потребительские бренды могут использовать для понимания своей аудитории.

Инструменты Insights & Reports от Bazaarvoice предоставляют брендам данные о настроениях, социальную аналитику и тенденции отзывов клиентов для оптимизации середины воронки и улучшения конверсии по всем каналам.

Запросить демо-версию