投資報酬率的行銷歸因：行銷人員的終極指南

已發表: 2024-04-03

蘇詹·帕特爾

2024 年 3 月 26 日

內容

當今的營銷格局是由數據運行的。但要理解這些數據，您需要確保您了解它的來源。輸入行銷歸因。行銷歸因可以幫助行銷人員了解他們的轉換來自哪裡以及如何使用這些資訊做出更好的決策。

什麼是行銷歸因？

行銷歸因是一種確定行銷傳播對轉換做出貢獻的方法。換句話說，這是找出哪些行銷活動促使某人購買的過程。

例如，假設同一客戶同時看到了 Facebook 廣告和 LinkedIn 廣告。行銷歸因將告訴行銷人員哪個廣告導致了購買。從那裡，他們可以重組他們的活動來解決這個問題。

最終，行銷歸因可以幫助行銷人員進行更有效率的行銷活動。此外，它還確保他們的行銷預算直接用於最成功的接觸點。

為什麼行銷歸因只會變得越來越難

幾年前，大多數人只有一種用於瀏覽網路的設備：電腦。最終，它發展到了桌上型電腦和筆記型電腦，然後添加了智慧型手機，然後是平板電腦，等等。

現在，同一位消費者可以在同一天透過桌上型電腦、筆記型電腦、工作筆記型電腦、智慧型手機、平板電腦和 VR 耳機瀏覽網路。每一個都可能看起來像是您的分析工具上的唯一訪客。正如您可能想的那樣，解析哪個行銷接觸點導致了轉換是一項艱鉅的挑戰。

如何衡量投資報酬率的行銷歸因

第一步是設定 Google Analytics 或 WordPress 等分析工具。一切準備就緒後，您就可以繼續選擇適合您需求的行銷歸因模型。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互動或看到的第一個廣告是獲得銷售全部功勞的廣告。

背後的理論是這樣的：無論消費者看到多少廣告，他們最終都會在看到第一個廣告後無意識地做出轉換的決定。因此，廣告獲得 100% 的轉換功勞。

當然，事情從來沒有這麼明確，但首次接觸歸因出於實際原因做出了這個假設。這種類型的歸因很容易在 Google Analytics 上設置，但它也遺漏了許多數據。

最後一次接觸歸因

最後觸摸歸因基本上與首次觸摸歸因相反。這種歸因形式不是將功勞歸功於消費者看到的第一個廣告，而是將功勞歸功於消費者在轉換前看到的最後一個廣告。

從本質上講，最後接觸歸因假設您最後看到的廣告是最有說服力的，這就是將您推向邊緣並促使您進行轉換的廣告。因此，它給予它 100% 的信任，並且不關注它之前的任何接觸點。

不幸的是，就像首次觸摸歸因一樣，該模型僅考慮最後一個接觸點，從而忽略了圖片的很大一部分。

最後一次非直接點擊

最後非直接點擊歸因與最後觸摸歸因類似。但是，它將 100% 歸功於消費者在購買前在您網站外部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，然後進行購買，他們點擊的廣告將獲得積分，即使第二個廣告稍後出現。

什麼是多點觸控歸因及其運作原理？

雖然我們研究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會考慮所有接觸點。因此，它們通常被認為更準確。

為了理解所有這些數據，多點觸摸歸因模型通常會對接觸點進行不同的加權。因此，您有一些模型對後來的接觸點的權重比對早期接觸點的權重更大，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—對點擊、轉換接近程度或其他任何因素沒有偏好。

例如，如果您有 20 個接觸點，則每個接觸點將獲得 5% 的功勞。這有點基礎，但對於某些情況和廣告模式可能很有用。

線性歸因的好處之一是它允許行銷人員全面考慮。但是，它也不提供接觸點之間的任何差異。

時間衰減歸因

此模型與最後一次觸摸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給予距離轉換事件較近的接觸點。

本質上，接觸點距離轉換越近，其權重就越高。最終，最後一個接觸點將獲得最多的功勞，而第一個接觸點將獲得最少的功勞。

該模型成功地幫助行銷人員更輕鬆地識別導致轉換事件的接觸點。但是，它沒有提供有關客戶最初如何找到該公司的任何信息，這一點很重要。

U 型（基於位置）歸因

此歸因方案試圖在首次接觸和最後接觸歸因之間找到折衷方案。簡而言之，它將 40% 分配給第一個接觸點，40% 分配給最後一個接觸點，然後將剩餘的 20% 分配給中間的多個接觸點。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，行銷人員試圖對第一次和最後一次接觸點給予最大的重視——理論上，是第一次向客戶介紹業務，然後是購買前的最後一個廣告。

常見的行銷歸因挑戰與錯誤

即使您已經確定了要使用的歸因方法，您仍然可能會犯錯並遇到挑戰。犯下這些錯誤可能會損害資料和見解的完整性。

品牌與行為

行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其的反應。當行銷僅簡化為加權接觸點時，可能很難了解全貌。

基於相關性的偏差

如果您曾經上過科學或數學課，您可能聽說過「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，這意味著你不能僅僅因為有某種東西看似將兩者聯繫在一起就推斷出一件事導致了另一件事。當你尋找模式時，你的大腦有時會開始編造它們，在不存在模式的地方看到它們，或傾向於特定的結果，這就是相關性偏差的來源。

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過於著迷。不要因為有幾個人在看到特定廣告後進行了轉化，就認為一定存在因果關係。有可能只是存在相關性，真正的原因是完全不同的廣告。

市場偏見

市場偏見是有問題的，因為它包括所有看到你的廣告但無論如何都會轉換的人。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，然後在有機會購買之前碰巧在 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。

重點：投資報酬率的營銷歸因

行銷歸因很重要，因為它可以幫助行銷人員追蹤哪些溝通和活動正在發揮作用。透過了解促使客戶購買的因素，您可以提取有價值的見解並開展更有效率的行銷活動。

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才能找到最適合您業務的解決方案。