如何使用算法归因来游戏化转化并推动全渠道增长
已发表: 2022-07-06如果您不确定将营销资金分配到哪里，您如何推动盈利增长？ 在当今日益分散的世界中——买家的旅程跨越多个设备、渠道和接触点，然后才导致转化——这个问题比以往任何时候都更加重要。
答案是算法归因。
随着新数字渠道和技术的加速发展，消费者变得更加精明（注意力持续时间越来越短）。 根据思科的一项研究，客户平均需要 56 个接触点才能进行购买。 对于希望全面了解绩效的营销人员来说，现在是时候转向更全面的营销衡量形式了。
什么是算法多点触控归因 (MTA) 模型？
多年来，单点归因一直是主流模式； 它的易用性和受欢迎程度源于它与 Google Analytics 的联系。 但是，单点触摸归因模型仅将 100% 的转化功劳归于一个接触点，而无法评估导致转化的每个单独接触点（以及用户在该会话期间采取的操作）的影响。 以下是一些单点触控归因模型的示例：
- 最后接触：将 100% 的功劳归功于转化前的最后一个营销接触点
- 最终点击：将 100% 的功劳归于转化前的“最终点击”
- 首次接触：将 100% 的功劳归功于第一个营销接触点（获得客户的渠道或活动）
- 首次点击：将 100% 的功劳归功于“首次点击”
简而言之，毫无道理地盲目地将功劳分配给单个转化接触点是没有意义的。 您可能已经将您的广告资金投入到不同的渠道和活动中——那么为什么不成为具有远见的营销人员并开始根据数据为每个用户行为分配功劳，根据他们对转化的真正贡献呢？
算法 MTA 模型是一种新的最佳实践，通过扩大营销人员对不同渠道交互如何直接影响营销绩效的理解，为客户接触点分配最准确、最相关的信用。 以下是典型客户旅程的示例：
通过优化测量每个接触点（以及这些接触点期间的用户操作）的性能——算法 MTA 已被证明比第一次接触或最后一次接触模型要优越得多。
更深入地讲，算法归因会寻找转化的客户与未转化的客户在营销方式上的差异，从而使营销人员能够客观地将功劳归于那些转化率更高的参与。 从本质上讲，它寻找有利可图的受众而不是无利可图的受众之间的模式。 当它在转换的人的序列中找到一致的模式时，它会更加关注这些模式。
选择适用于您的核心业务的归因模型的主要考虑因素
Google Ads 和 Google Analytics 目前使用数据驱动方法 (DDA) 进行多点触控归因，该方法根据人们如何与您的各种广告互动并决定成为您的客户来获得转化功劳。 但是，您不仅应该考虑使用 DDA 或第三方 MTA 模型，还应该更进一步，将“软转换”作为接触点添加到您的平台中。 常见的软转化是客户添加到购物车，对您的产品或服务表现出明显的兴趣。 虽然许多营销人员已经在 Google Analytics 中跟踪该事件以协助再营销，但可以通过将购物车放弃作为平台中的一个目标来更深入地挖掘，以跟踪他们在哪里失去了客户。 以下是访问者在最终购买之前与多个软转化进行交互的示例：
在网站停留 30 秒→ 访问了 3+ 个产品详细信息页面→ 查看页面上产品的评论→ 加入购物车→ 开始结帐→ 购买
营销人员不能将 100% 的价值分配给最终接触点（购买），而是必须转向算法 MTA 模型，该模型将存在于该转换路径中的其他软转换考虑在内。 对算法核心至关重要的某些指标和特征包括：
- 考虑所有活跃的营销渠道
- 接触点的性质（例如点击、下载、注册）
- 现场用户参与度（例如在页面上花费的时间）
- 适应媒体组合的发展
通过更全面地了解您的客户，您可以将这些数据输入到您的自动和手动出价技术中，并相应地优化广告系列。 通过 MTA 共享信用以及通过算法归因为软转化分配价值的组合可以导致绩效营销的最终游戏化。
使用算法 MTA 模型最大化营销投资回报
虽然捷径是简单地免费使用 Google Analytics，并根据他们的最终点击模型来确定转化的来源，但这根本不能真实反映当今的客户旅程。
算法 MTA 模型允许您识别的不仅仅是在任何给定接触点表现良好的渠道。 这种方法的真正威力在于它能够帮助营销人员了解他们的渠道如何携手合作，从而将客户沿着渠道转移到最终的转化。 其他优点包括：
- 统一衡量：更好地洞察营销工作，以全面、综合地了解客户参与度
- 实时优化：详细了解在正确的时间以正确的信息覆盖正确的受众的工作原理
- 更明智的投资：强大的营销情报可做出更明智的支出决策并获得更高的投资回报 (ROI)
简而言之：它可以帮助营销人员确定哪些有效，哪些无效，并将资金投入到提供最高投资回报率的渠道中。 如果以下任何一项适用于您的业务，则您应该使用合格的算法 MTA：
- 您正在通过多个渠道和网络进行营销：除非您通过多个广告平台进行营销，否则算法归因不会有太大的附加值。 在这一点上，您的客户的购买路径并不那么简单，这意味着您需要一种更复杂的方式来通知跨广告平台的预算分配。
- 您正在考虑或积极购买线下渠道：当您参与线下营销（如印刷媒体、贸易展览等）时，Google Analytics（分析）就无法提供相关数据。 如果你无法衡量你的线下营销，你就无法知道在哪里增加或减少支出。
- 您的团队设定了切合实际的目标和期望：算法模型的好处很少能在一夜之间实现。 所有参与的团队都应该明白，您正在为未来几年而不是明天建立必要的营销基础。 在最初的几个月里，您的广告系列可能会在没有任何算法优化的情况下运行，以建立基准性能基准。
- 你需要展示你的营销是如何产生结果的：在一个理想的世界里，将营销资金投入到每个可能的渠道中会很好。 但是，实际上，营销人员的预算有限，需要全面提高投资回报率。 解决方案：算法归因策略使营销团队可以优化他们的活动，以便为每一美元花费带来更多收入，并切断任何表现不佳的策略。
如何选择适合您需求的正确归因软件
下一步是搜索营销归因软件，它可以让您测量的不仅仅是点击次数，收集来自各个平台的转化，并整合它们以获得准确的整体转化数据。 以下是一些入门提示：
- 考虑管理和跟踪复杂 MTA 模型的软件工具，例如分析仪表板或报告机制，可提供有关每个渠道和接触点性能的高级和细粒度详细信息
- 寻找能够了解客户在多个渠道中的行为方式以及与您的品牌互动方式的解决方案。 拥有集中式仪表板可提供跨渠道分析所需的准确洞察力。
- 最重要的是，确保系统将数据通过管道传输回平台。 虽然复杂的 MTA 模型可能会帮助人们更好地了解什么是有效的，什么是无效的，但我们还需要通知拍卖期间发生的自动出价，以便真正释放 MTA 的好处。
请记住，数据本身是无用的； 推动获得可操作的见解是任何企业的最终目标。
通过持续优化应用和深化客户洞察
算法 MTA 不是一劳永逸的事件。 为了释放其全部潜力，持续测试、分析和进一步优化您的模型以告知您的营销工作并确保您在正确的时间接触到正确的客户至关重要。
例如，识别和跟踪诸如放弃购物车之类的软转化可以带来重要的洞察力——并且是持续优化的第一步。
算法归因策略的真正目的是帮助营销人员投资于被证明可以推动增长的体验。 虽然现实情况是，大多数营销人员往往对消费者的动机有不完整（甚至错误）的理解，但这种方法可以帮助他们更确定地了解某些营销策略对其更广泛的受众群体所起的作用。
成功的营销人员不断深化他们的洞察力并利用数据来测试绩效。 建立在关键学习的坚实基础之上的绩效营销框架——并由数据和策略的持续交互推动——将为您的营销、客户关系和底线创造奇迹。