集市之声
已发表: 2023-09-06Gartner 和哈佛商业评论等经常报告营销人员缺乏如何衡量多渠道和全渠道营销成功与否的知识。 本文通过演示为什么多点触控归因是跟踪性能和确定成功的最佳方式来解决该问题并提供解决方案。
章节：
- 什么是多点触控归因？
- 如何收集多点触控归因的正确数据
- 多点触控归因和客户旅程
- 多点触控归因模型的类型
- 打造隐私第一世界的多点触控归因工具
- 数据并不能告诉你一切
在隐私至上的世界中，传统的多点触控归因方法既不准确也不可靠。 为了响应法规，Meta 和 Google 等广告服务继续从其报告中删除用户级跟踪功能，而依赖第三方 cookie 来量化中间漏斗的营销人员注定要失败。
用户级数据的可靠性比以往任何时候都低，并且低准确性并不是数据驱动决策的成功开始。
那么，数据驱动的营销人员应该做什么——回到 Web 2.0 孤立的、单点触控归因模型？ 在全渠道环境中，消费者在转化之前跨渠道与品牌互动，单点触控归因没有意义。 有效的营销策略需要一套有凝聚力的策略，这些策略建立在彼此努力的基础上，在一个重点方向上创造和保持动力。
单点触控归因仅允许营销人员一次查看一种策略，通常是在发现或转换阶段。 依靠单点归因来了解多渠道策略的营销人员可能会因忽视关键的漏斗中部策略而做出短视决策。 品牌需要更全面地了解成功的因素，以便做出明智的多渠道决策。
什么是多点触控归因？
多点触控归因是一种营销模型，通过为每个渠道分配数值来衡量客户旅程中的每个接触点，以便营销人员可以看到每个接触点对转化的影响。
漏斗中部很难衡量，但投入资源来量化漏斗中部是有回报的。 漏斗中段营销通过提高多个渠道的转化率，使品牌的收购工作更加成功。 它还通过尽早建立宣传、提高生命周期价值和减轻客户获取压力，为保留客户铺平道路。
多点触控归因（为客户旅程的每个阶段分配价值）仍然是一个重要的框架，但今天的版本与营销人员过去喜欢的基于第三方 cookie 的方法相去甚远。
如何收集正确的数据
通过像素和 cookie 收集的第三方数据曾经是多点触控归因的主要来源。 如果营销人员想要跨渠道、设备和平台跟踪用户行为，他们只需向其网站添加一段代码即可。 未经用户同意，流量将自动使用 Facebook 或 Google cookie 进行标记。 该 cookie 会在网络上跟踪用户，观察他们做了什么，并通过相关广告重新定位他们。 营销人员会将来自第三方 cookie 的数据汇总到多点触控归因报告中，以了解用户行为并优化客户旅程。
如今，相同的用户级数据更难访问。 GDPR 和 CCPA 促使 Google、Facebook 和其他平台逐步淘汰第三方 cookie，此举迫使营销人员放弃久经考验的多点触控归因方法。
数据驱动的营销人员已经开始适应新的分析环境，利用第一方数据和零方数据来量化整个营销渠道的绩效。
零方数据和第一方数据之间的区别相对较新。 直到最近，品牌收集的所有数据都被视为“第一方”。
如今，第一方数据是指品牌通过与客户互动来跟踪的定量行为。 第一方 Cookie、标签和顽固跟踪模块 (UTM) 是消费者品牌用来收集第一方数据的常用方法。 全渠道零售商还可以跟踪实体店的访问情况以及电子商务客户的行为，例如购物车放弃和电子邮件点击。 符合 GDPR 的 cookie 可以取代营销人员使用第三方 cookie 进行跟踪的一些指标。
正确使用它们需要隐私优先的策略，征求同意并允许用户请求删除其个人数据。
零方数据是指客户自愿告诉品牌的定性信息。 客户支持对话、产品评论、调查回复和社交媒体评论都属于零方数据的范畴。 如果利用得当，定性客户数据对于品牌来说可能是无价的，但对于习惯于仅依赖定量报告的营销人员来说，在文本中找到有意义的见解可能具有挑战性。
在监管加强和跟踪系统逐步淘汰的时代，最好的消费者营销人员依靠 Bazaarvoice 的零方定性洞察来阐明买家旅程并寻找增长机会。
多点触控归因和客户旅程
在多渠道营销中使用多点触控归因可以揭示提高转化率、缩短平均购买时间并提高平均订单价值 (AOV) 的策略。
营销策略并不存在于真空中——它们存在于多渠道生态系统中。 通过单点归因对任何一种策略给予充分信任，无论它位于客户旅程的哪个阶段，都会忽略在客户获取中发挥作用的其他一切。 品牌与渠道中部潜在客户的关系对于赢得更多业务和增加收入至关重要。
在多渠道营销环境中，多点触控归因是了解有效方法及其原因的关键。 考虑这个虚构的 500 美元戴森吸尘器的六步购买过程。
| 漏斗阶段 | 用户行为 | 数据采集方法 |
|---|---|---|
| 发现 | 用户在 Google 上搜索“无绳吸尘器”。 他们点击搜索广告并查看戴森网站上的产品页面。 | 戴森网站上的第一方 cookie |
| 意识 | 用户在浏览 Instagram 时暂停观看真空吸尘器的重定向广告，然后滚动浏览该广告而不点击。 | Facebook 广告洞察 |
| 意识 | 用户看到另一个重定向广告，这次是在 TikTok 上。 该广告是用户生成的内容 (UGC)，内容是一个人对她的戴森无绳吸尘器赞不绝口。 | TikTok 广告洞察 |
| 考虑 | 用户在晚餐时与伴侣讨论购买事宜，同时仔细阅读戴森网站上的选项。 | 戴森网站上的第一方 cookie |
| 考虑 | 用户阅读推荐戴森吸尘器的 Substack 时事通讯。 他们点击亚马逊附属链接并将真空吸尘器添加到购物车中。 | 亚马逊联盟报告 |
| 转换 | 用户收到来自亚马逊的电子邮件提醒，该吸尘器的价格已降至 500 美元。 他们购买真空吸尘器。 | 亚马逊列表报告 |
使用首次接触归因，营销团队可能会得出结论：付费搜索显然是赢家。 但付费搜索并不是全部。 如果没有 UGC 和附属机构的社会证明，戴森可能不会推动那么多转化，而首次接触归因无法说明这一点。
如果戴森仅依赖于最后一次接触归因，那么团队可能会决定以折扣为基础制定营销策略——这对于高端市场参与者来说是一个棘手的举动。 戴森的产品价格昂贵，这一定价策略之所以有效，是因为戴森拥有专有技术和强大的品牌。 大幅折扣会抵消戴森的品牌超能力，而不是补充它们，从而引发一场无人能赢的逐底竞争。
多点触控归因让戴森更好地了解他们的转化路径，这为实验提供了更多选择。 由于 UGC 众所周知可以提高转化率并在（虚构的）客户旅程中发挥作用，戴森可能会决定在下个季度尝试更多 UGC 广告以增加收入。
多点触控归因模型的类型
消费者营销人员使用线性、J 形、反 J 形和 U 形模型来归因整个客户旅程中的绩效。
线性归因对客户旅程中的每个阶段给予同等的重视，并为营销人员提供了转化路径的平衡视图。 与其他模型相比，它更加重视漏斗中部策略，这在第一次关注漏斗中部时非常有用。
这是一个很好的起点，但它可能会夸大不重要的互动的价值并低估关键策略的价值。 因此，线性归因模型可以帮助营销人员挑战他们自己关于什么有效的假设，但从长远来看，它很少足够准确，无法适用于所有场景。
传统的J 形模型将更多的功劳分配给客户旅程的最后阶段，而逆 J 形模型则将更多的权重分配给客户旅程的开始阶段。
U 形模型，也称为基于位置的模型，为第一次和最后一次触摸分配相同的权重，而为中间的所有触摸分配较小的百分比。
让我们看看每种类型的多点触控归因如何为我们虚构的 500 美元真空吸尘器买家的旅程分配价值。
| 虚构买家的旅程： 无线吸尘器 | 线性归因 | J型归因 | 逆J形归因 | U型归因 | 首次触摸归因（单次触摸） |
| 用户在谷歌上搜索“无绳吸尘器”。 他们点击搜索广告，将他们带到戴森产品页面。 | 16%（80 美元） | 20%（100 美元） | 60%（300 美元） | 40%（200 美元） | 100% （500 美元） |
| 用户在浏览 Instagram 时看到吸尘器的重定向广告，但没有点击就滚动过去。 | 16%（80 美元） | 5%（25 美元） | 5%（25 美元） | 5%（25 美元） | 0% (0 美元) |
| 用户在 TikTok 上看到戴森吸尘器广告。 | 16%（80 美元） | 5%（25 美元） | 5%（25 美元） | 5%（25 美元） | 0% (0 美元) |
| 用户与合作伙伴讨论购买事宜，同时在戴森网站上一起查看选项。 | 16%（80 美元） | 5%（25 美元） | 5%（25 美元） | 5%（25 美元） | 0% (0 美元) |
| 用户阅读有关戴森吸尘器的 Substack 时事通讯。 他们点击附属链接并将商品添加到购物车。 | 16%（80 美元） | 5%（25 美元） | 5%（25 美元） | 5%（25 美元） | 0% (0 美元) |
| 用户收到一封电子邮件，告知真空吸尘器的价格已降至 500 美元。 他们购买它。 | 16%（80 美元） | 60%（300 美元） | 20%（100 美元） | 40%（200 美元） | 0% (0 美元) |
品牌选择的归因模型取决于他们的场景、优先级和理念。 专注于构建发现的团队可能会使用逆 j 形模型来了解客户旅程的开始阶段，而专注于中间漏斗的团队可能会应用线性模型来生成见解。
在多渠道营销中利用多点触控归因模型
这是一个场景：一家童装品牌希望为其电子商务渠道寻找增长机会。
通过首次接触归因，团队得出结论，无品牌付费搜索流量的平均订单价值 (AOV) 高于通过付费社交获得的客户，但总体收入较少。
如果他们就此打住，服装品牌可能会得出这样的结论：尽管销量较低，但付费搜索可以更好地利用他们的时间和金钱。 这可能是有道理的，但会以相对较小的幅度增加月末 (EOM) 收入。
| 虚构模型： 童装品牌 | 基线： 付费搜索 | 基线： 付费社交 | 场景A ： 将更多预算投入付费搜索 |
| 平均面积 | 99 美元 | 79 美元 | 99 美元 |
| 转化率（首次接触） | 1.5% | 0.5% | 1.5% |
| 新访问 | 10,000 | 50万 | 20,000 |
| 转换 | 150 | 2,500 人 | 300 |
| 收入（首次接触） | $14,850 | 197,500 美元 | $29,700 |
| 收入提升 | $14,850 |
EOM 基线收入：212,350 美元
将多点触摸归因模型与首次触摸报告配对为团队提供了更多选择。
当他们在细分中运行买家旅程报告时，团队发现来自付费搜索流量的较高 AOV 买家往往会在购买前几天访问商店的推荐页面。 该页面突出显示满意客户的评论，并链接到产品页面。
由于该品牌从获取的角度来看待绩效，因此他们决定使用逆 J 形模型来了解从付费搜索到高 AOV 客户旅程的转化路径。
| 虚构付费搜索客户旅程：童装 平均售价：99 美元 | 互动价值（逆J型归因） | 互动价值（首次接触归因） | 数据采集方法 |
| 用户在 Google 上搜索“返校服装”。 他们点击搜索广告，将他们带到集合页面。 用户向购物车添加了一些商品，但没有购买就关闭了窗口。 | 60%（59 美元） | 100%（99 美元） | 第一方 cookie |
| 用户点击购物车放弃电子邮件，将他们带到购物车。 他们访问儿童牛仔裤的产品页面，然后单击指向推荐页面的链接。 他们打开五张客户图片并展开七条评论。 | 10%（10 美元） | 0% (0 美元) | 电子邮件洞察、热图 |
| 用户在 Instagram 上看到一条牛仔裤的重定向广告，但滚动过去但没有互动。 | 10%（10 美元） | 0% (0 美元) | Facebook 广告洞察 |
| 用户会收到一封电子邮件提醒，告知该服装品牌正在进行返校促销。 他们点击电子邮件，将牛仔裤与几件衬衫一起添加到购物车中，然后进行购买。 | 20%（20 美元） | 0% (0 美元) | 电子邮件见解、第一方 cookie |
在将每次互动的相对价值与较低 AOV 买家旅程的相对价值进行比较后，团队决定通过重定向活动将付费社交流量引导至推荐页面，这可能会增加该渠道的 AOV。
进入场景 B：利用 UGC（在本例中为评级和评论）来提高 AOV 并从付费社交中获得更多收入。 该团队假设实验结果表明，付费社交的 AOV 将增加至 99 美元。 如果可行，该实验将比场景 A 增加更多的收入。
| 虚构模型： 童装品牌 | 基线： 付费搜索 | 基线： 付费社交 | 场景A ： 在付费搜索上投入更多预算 | 场景 B ： 将付费社交流量直接引导至推荐页面 |
| 平均面积 | 99 美元 | 79 美元 | 99 美元 | 99 美元 |
| 转化率（首次接触） | 1.5% | 0.5% | 1.5% | 0.5% |
| 新访问 | 10,000 | 50万 | 20,000 | 50万 |
| 转换 | 150 | 2,500 人 | 300 | 2,500 人 |
| 收入 | $14,850 | 197,500 美元 | $29,700 | $247,500 |
| 收入提升（与基线 EOM 收入相比） | $14,850 | $232,650 美元 |
EOM 基线收入：212,350 美元
多点触控归因将互补策略置于上下文中，为团队提供根据市场限制和组织优势做出细致入微决策所需的信息。
打造隐私第一世界的多点触控归因工具
Bazaarvoice 的全渠道商务工具套件是收集零方数据的最佳方式。
英国排名第一的葡萄酒品牌 Hardys Wines 使用 Bazaarvoice 通过评级和评论收集零方数据，这是影响购买决策的两个最重要的因素。 通过 Bazaarvoice 平台整合零售商之间的评论后，Hardys 的评论量增加了 2,300%，平均星级从 4.32 提高到 4.59。
由于许多在线购物者会筛选结果以显示评分为 4.5 星或更高的产品，Hardys 能够吸引更多潜在客户，通过一种漏斗中部策略跨多个渠道创造收入。 Bazaarvoice 内部的见解和报告可帮助 Hardys 等品牌最大限度地发挥零方数据的价值。
将 Bazaarvoice 的工具与 Klaviyo 等自有营销平台配对，收集行为数据，补充零方定性洞察。 Klaviyo 的客户档案允许品牌在用户级别绘制买家旅程，然后通过其电子邮件和营销工具套件提供个性化体验。
利用细分等聚合工具来量化跨渠道的客户旅程并大规模揭示购买模式。 Segment 集成了来自多个来源的第一方数据流，连接洞察力，帮助消费品牌了解常见买家的旅程并在整个购买旅程中归因表现。
借助 Segment 的链接资料，消费品牌可以根据亲和力、购买模式和情绪对客户进行细分，通过多点触控归因获得更具体的信息，以提高参与度和忠诚度。
数据并不能告诉你一切
归因模型就是模型。 每个模型都有缺陷、漏洞和盲点。 如果品牌只看表面价值，不留任何细微差别、洞察力和直觉的空间，就会因过度依赖数据而招致更多风险，而不是更安全。
多点触控归因并不完美 - 即使在 GDPR 之前，多点触控归因模型也从来都不是公正的现实图景，也不是万无一失的成功蓝图。 每个企业使用的营销归因方法都略有不同——没有一种方法是“错误的”，但它们都反映了不同的优先事项和内在偏见。
将多点触控归因视为模型而不是处方，是打开战略对话和有意义的见解之门的关键。
为了全面了解客户行为，请将定量归因模型与 Bazaarvoice 的定性用户数据配对。 评级、评论和用户生成的内容是洞察的金矿，消费品牌可以利用它们来了解其受众。
Bazaarvoice 的洞察和报告工具为品牌提供情绪数据、社交分析和客户反馈趋势，以优化中间漏斗并提高跨渠道转化。
请求演示