文章開(kāi)始之前需要各位先了解一個(gè)事實(shí):歸應(yīng)分析模型是一個(gè)讓多數(shù)電子商務(wù)平臺(tái)感到困擾的非常棘手和復(fù)雜的存在。
歸因模型是關(guān)于如何分配消費(fèi)者眾多觸點(diǎn)對(duì)銷售或者轉(zhuǎn)化的分?jǐn)?shù)或者價(jià)值的模型。它涵蓋所有的數(shù)字媒體渠道——比如付費(fèi)搜索、展示類廣告、郵件營(yíng)銷、社會(huì)化媒體,直接搜索,引薦網(wǎng)站等,并且分析每個(gè)渠道對(duì)最終轉(zhuǎn)化的作用。
以前要做這種分析非常容易,打個(gè)比方來(lái)說(shuō),在電臺(tái)投放廣告后,獲得5個(gè)價(jià)值250美金的新客戶,那么電臺(tái)廣告這個(gè)觸點(diǎn)對(duì)于銷售達(dá)成的價(jià)值就是99.99%。
但是現(xiàn)如今情況變得很復(fù)雜,2016年內(nèi)容營(yíng)銷機(jī)構(gòu)年度報(bào)告顯示,目前市場(chǎng)營(yíng)銷人員在工作中平均會(huì)用到13種策略、7種不同的社交媒體平臺(tái)以及3個(gè)付費(fèi)廣告渠道。
消費(fèi)者發(fā)現(xiàn)產(chǎn)品,認(rèn)識(shí)品牌,并最終在線上商店中消費(fèi)的路徑變的漫長(zhǎng)且曲折。因而銷售轉(zhuǎn)化漏斗也變的十分復(fù)雜。
我們?cè)撊绾巫粉櫊I(yíng)銷的效果——借助歸因模型
在策略,戰(zhàn)術(shù)和推廣渠道越來(lái)越復(fù)雜的現(xiàn)在,需要用歸因模型核算他們各自的價(jià)值。這些模型可以是簡(jiǎn)單的、基于規(guī)則的,也可以是復(fù)雜的、基于算法的。分別針對(duì)單觸點(diǎn)或者多觸點(diǎn)分析。
目前至少有五種歸因模型被廣泛使用:
首次觸點(diǎn)模型(又被稱為首次點(diǎn)擊模型)
將99.99%的價(jià)值歸因給轉(zhuǎn)化路徑上的首個(gè)觸點(diǎn)。這有助于發(fā)現(xiàn)消費(fèi)者是如何找到你的,但是如果在最終銷售轉(zhuǎn)化之前消費(fèi)者還觸發(fā)了其他三個(gè)觸點(diǎn),那么將99.99%的價(jià)值歸給首次觸點(diǎn)合適嗎?
末次觸點(diǎn)模型(又稱為末次點(diǎn)擊模型)
將價(jià)值99.99%歸因給購(gòu)買或者轉(zhuǎn)化之前最后一次接觸的渠道,而完全不考慮整個(gè)過(guò)程中消費(fèi)者到底接觸過(guò)多少個(gè)觸點(diǎn)。該模型很容易建立和追蹤,但是目前被普遍認(rèn)為毫無(wú)價(jià)值。轉(zhuǎn)化之前發(fā)生了太多的事情,該模型完全忽視了漏斗上層和中層部分的行為對(duì)轉(zhuǎn)化的影響。
線性模型
將轉(zhuǎn)化路徑上的每一步都分配了相等的價(jià)值。如果消費(fèi)者歷經(jīng)四個(gè)接觸渠道后最終產(chǎn)生了購(gòu)買行為,那么每一個(gè)接觸渠道就可以得到25%的貢獻(xiàn)價(jià)值。該模型的優(yōu)點(diǎn)是每個(gè)接觸渠道都被考慮到并賦予了價(jià)值,但不足的是該模型會(huì)夸大非關(guān)鍵渠道的價(jià)值,低估關(guān)鍵接觸渠道的價(jià)值。
位置模型
強(qiáng)調(diào)首次及末次接觸渠道的價(jià)值。普遍的做法是賦予首尾兩個(gè)接觸渠道各自40%的價(jià)值,將剩下的20%價(jià)值平均分配給中間的所有接觸渠道。很明顯,該模型嚴(yán)重低估了中間觸點(diǎn)的價(jià)值,尤其針對(duì)那些很長(zhǎng)的轉(zhuǎn)化路徑。
時(shí)間衰減模型
通過(guò)簡(jiǎn)單的算法將價(jià)值按照離最終轉(zhuǎn)化的時(shí)間遠(yuǎn)近進(jìn)行分配。離轉(zhuǎn)化最近的接觸渠道獲得絕大部份的貢獻(xiàn)價(jià)值,離轉(zhuǎn)化越遠(yuǎn)的接觸渠道只會(huì)被賦予少量的價(jià)值。該模型雖然依舊會(huì)強(qiáng)調(diào)末次接觸渠道,但它同時(shí)也沒(méi)有忽視轉(zhuǎn)化過(guò)程中的其它接觸渠道,因此在實(shí)際工作中,該模型被很多營(yíng)銷人員和廣告主所接受。
還有一個(gè)的選項(xiàng)——自定義模型,即基于平臺(tái),受眾,市場(chǎng),和特定業(yè)務(wù)目標(biāo)的模型。Avinash Kaushik在他的博客Occam‘s Razor上提供了一個(gè)在Google Analytics中自定義歸因模型的攻略。但你有心理準(zhǔn)備,他在文章一開(kāi)始就提到 “在分析領(lǐng)域中(所有分析領(lǐng)域、大數(shù)據(jù)分析和巨量數(shù)據(jù)分析)鮮有比多渠道歸因模型更加復(fù)雜的事情了”
他并沒(méi)有危言聳聽(tīng)。歸因分析是復(fù)雜的、乏味的,常常讓人抓狂沮喪的,你將經(jīng)歷一個(gè)不斷的測(cè)試-失敗-再測(cè)試-再失敗的過(guò)程。
但是這一切都是值得的,歸因模型會(huì)幫助你理解什么會(huì)影響消費(fèi)者購(gòu)買,消費(fèi)者購(gòu)物行為是什么樣子的,他們來(lái)自哪里,以及哪些渠道和策略對(duì)最終購(gòu)買產(chǎn)生了價(jià)值,而這一切都有利于擴(kuò)大預(yù)算。
在電子商務(wù)的世界開(kāi)始?xì)w因冒險(xiǎn)之旅前,有五件事情需要時(shí)刻謹(jǐn)記。
真正影響銷售的是輔助轉(zhuǎn)化
高達(dá)98%的訪客一次訪問(wèn)網(wǎng)站時(shí)不會(huì)購(gòu)物。55%的訪客會(huì)在15秒內(nèi)離開(kāi)網(wǎng)站。
84%的訪客完全或者部分相信來(lái)自家人,朋友和同事對(duì)于產(chǎn)品的推薦。
88%的訪客認(rèn)為網(wǎng)絡(luò)上陌生人的推薦與相關(guān)熟人的推薦具有一樣的可信度。
購(gòu)物車平均放棄率為69.23%。
88%的消費(fèi)者在決定購(gòu)買前會(huì)先去查看網(wǎng)絡(luò)上的評(píng)論。
上面所有數(shù)據(jù)都清晰的描繪出了訪客的網(wǎng)上購(gòu)物行為——基本不會(huì)有訪客在一次訪問(wèn)網(wǎng)站時(shí)就購(gòu)物。他們?cè)L問(wèn)網(wǎng)站,查看一些信息,瀏覽網(wǎng)站上的商品評(píng)論,訪問(wèn)你在社交媒體上的賬戶,搜索降價(jià)或者優(yōu)惠信息,隨便看看商品,在Twitter賬號(hào)上看看別人如何評(píng)價(jià)你,最后當(dāng)他們下定決心花錢時(shí)再回到你的網(wǎng)站。
上面所有行為都讓顧客離最終銷售更近了一點(diǎn),每一次的互動(dòng)都有助于最終轉(zhuǎn)化的完成。絕大部分銷售都得益于這些輔助轉(zhuǎn)化,所以你需要去追蹤并賦予每個(gè)輔助轉(zhuǎn)化價(jià)值,這樣才能真正了解消費(fèi)者行為,以及該如何展開(kāi)營(yíng)銷。
想了解下自己網(wǎng)站的轉(zhuǎn)化情況?那趕緊打開(kāi)Google Analytics吧,通過(guò)Conversions > Multi-Channel Funnels > Path Length這個(gè)報(bào)告了解一次交互后有多少轉(zhuǎn)化,二次或者三次交互后發(fā)生多少轉(zhuǎn)化,你會(huì)大吃一驚的。
然后,查看Conversions > Multi-Channel Funnels > Assisted Conversions報(bào)告。仔細(xì)查看標(biāo)識(shí)為“Assisted/Last Click or Direct Conversions”的這一列數(shù)據(jù)。數(shù)值小于1?那么該渠道是轉(zhuǎn)化前的最后一個(gè)觸點(diǎn)。數(shù)值大于1?那么該渠道只是轉(zhuǎn)化路徑中的其中一步。而如果使用的是首次或是末次觸點(diǎn)模型?最有價(jià)值的渠道可能會(huì)被忽視。
再次重申:影響銷售的絕大部分因素來(lái)自輔助轉(zhuǎn)化。你的歸因模型一定要識(shí)別他們。
沒(méi)有好的歸因模型
任何模型都存在局限性和不足。在一個(gè)好的世界里,我們可以用一個(gè)足夠好的模型來(lái)衡量和處理所有事情,但是現(xiàn)實(shí)中這個(gè)好模型并不存在。
定制化的模型是最合適的,但需要時(shí)間收集必要的數(shù)據(jù)和理解顧客行為才能完成這個(gè)模型。如果數(shù)據(jù)是靠不住的,那么模型也只會(huì)產(chǎn)出靠不住的結(jié)果。
歸因模型是科學(xué)與藝術(shù)的結(jié)合,同時(shí)也是客觀數(shù)據(jù)與主觀推測(cè)的結(jié)合。
定制的歸因模型應(yīng)該同時(shí)反應(yīng)顧客屬性和商業(yè)特征。需要考慮那些對(duì)實(shí)現(xiàn)目標(biāo)很重要的行為,以及那些最終帶來(lái)銷售價(jià)值的“軟”轉(zhuǎn)化(比如:注冊(cè)新聞電子報(bào),要求客戶代表聯(lián)系他們等等)
最常見(jiàn)的轉(zhuǎn)化路徑和輔助轉(zhuǎn)化路徑是哪些?它們會(huì)幫助你理解顧客的行為。你是否已經(jīng)挖掘出這些路徑的全部潛在價(jià)值呢?是否將錢浪費(fèi)在哪些根本帶不來(lái)價(jià)值的渠道上?
用戶搜索、考慮的因素和購(gòu)買的途徑千差萬(wàn)別。因此很有必要?jiǎng)?chuàng)建一個(gè)適用于用戶和自身業(yè)務(wù)的模型。
要以數(shù)據(jù)為依據(jù)
使用歸因模型無(wú)需進(jìn)行盲目的猜測(cè),任何時(shí)候都應(yīng)該用真實(shí)的數(shù)據(jù)指導(dǎo)工作。
通過(guò)Google Analytics和enhanced ecommerce插件收集需要的數(shù)據(jù),建立目標(biāo)和轉(zhuǎn)化漏斗,最后根據(jù)報(bào)告做出決定。
應(yīng)盡可能準(zhǔn)確地追蹤所有操作,以保證數(shù)據(jù)和洞察的可靠性。
使用Adwords,Bing Ads和DoubleClick的自動(dòng)加碼功能。
使用UTM parmeters追蹤社會(huì)化媒體投放活動(dòng)的效果。
如果一件事情花費(fèi)了你的時(shí)間,精力或者金錢,那么就應(yīng)該收集它的相關(guān)數(shù)據(jù)。很多電子商務(wù)平臺(tái)并沒(méi)有積極的檢查和使用分析數(shù)據(jù),不要跟他們一樣。你是業(yè)務(wù)的所有者,需要懂得數(shù)據(jù)以及分析的重要性,僅僅統(tǒng)計(jì)數(shù)字是沒(méi)有價(jià)值的。
GA并不復(fù)雜,任何人都可以使用,而不必關(guān)心其背后的技術(shù)(受益于它與Magento, Shopify and WordPress plugins等多個(gè)第三方平臺(tái)的集成,所以使用者不必浪費(fèi)時(shí)間在相關(guān)代碼上)
獲取,運(yùn)算以及考量的數(shù)據(jù)越多,決策就會(huì)越精準(zhǔn),就能更好的理解消費(fèi)者最終購(gòu)物行為的轉(zhuǎn)化路徑。
想擴(kuò)大業(yè)務(wù)和提升利潤(rùn)?獲取數(shù)據(jù)并利用吧。21世紀(jì)各種第三方平臺(tái)百花爭(zhēng)艷,各種第三方服務(wù)都在各自領(lǐng)域提供數(shù)據(jù)收集和分析工具(有些還可與其他更通用的數(shù)據(jù)分析平臺(tái)集成)。你可以嘗試充分利用它們以獲取更多的價(jià)值。
顧客生命周期管理
你是希望一次性交易?還是希望用戶可以反復(fù)購(gòu)買?答案顯而易見(jiàn),所有人都希望用戶反復(fù)購(gòu)買,原因不言而喻。
所以需要考慮到每一個(gè)用戶的生命周期。那些最重要的用戶們——一般只占用戶群總量的1%,他們的消費(fèi)金額是全部用戶平均消費(fèi)金額的18倍。不幸的是,我們通常很少甚至并不關(guān)心這些回頭客和他們所能帶來(lái)的價(jià)值。
是的,他們被忽略了,連同他們的轉(zhuǎn)化路徑也一并被忽略了。這樣做很危險(xiǎn),他們的行為路徑與新用戶是完全不一樣的。他們的路徑是獨(dú)特的,需要認(rèn)真識(shí)別和分析——因?yàn)檫@群重要用戶會(huì)帶來(lái)不小的收入。
所以重新檢查轉(zhuǎn)化漏斗。你很可能會(huì)發(fā)現(xiàn)大部分的重復(fù)購(gòu)買用戶都是直接訪問(wèn)網(wǎng)站(直接在瀏覽器輸入地址或者使用瀏覽器的書簽頁(yè)),或者來(lái)自社交網(wǎng)站(當(dāng)你在社交賬戶上發(fā)布了一些特賣信息時(shí)),或者通過(guò)郵件直接點(diǎn)擊過(guò)來(lái)(千萬(wàn)不要忽略這些渠道,他是上帝賜予的禮物。盡早收集相關(guān)細(xì)節(jié)保證漏斗中的每個(gè)人都被及時(shí)通知到)。
新用戶則有可能來(lái)自付費(fèi)廣告,自然搜索,引薦網(wǎng)站,聯(lián)盟媒體或者社會(huì)化媒體。
這些都很重要,而且更重要的是,維護(hù)一個(gè)老用戶遠(yuǎn)比獲取一個(gè)新用戶要經(jīng)濟(jì)實(shí)惠的多。你需要在歸因模型中識(shí)別出那些帶來(lái)老用戶的路徑,與新用戶路徑相比,應(yīng)該給予它們更大的權(quán)重。
跳開(kāi)單一轉(zhuǎn)化事件的模式,思考的更長(zhǎng)遠(yuǎn)一些。重視顧客的生命周期價(jià)值,而不僅僅只看訂單價(jià)格。嘗試優(yōu)化那些對(duì)客戶生命周期產(chǎn)生真正幫助的渠道。
營(yíng)銷活動(dòng)追蹤必不可少
請(qǐng)記住這句名言:得追蹤者得天下。
我們?cè)谇懊嬉呀?jīng)提到過(guò)數(shù)據(jù)是多么重要。如果要保證一個(gè)穩(wěn)定、豐富的數(shù)據(jù)流供給,就需要營(yíng)銷活動(dòng)進(jìn)行追蹤——每一次的營(yíng)銷活動(dòng),每一個(gè)渠道。
可以通過(guò)MailChimp和AWeber等成熟的工具追蹤?quán)]件營(yíng)銷活動(dòng)。
可以用UTM Parameters生成定制化的URL。定制化的URL既可以手動(dòng)添加Tag的方式生成,也可以從GA的Campaign URL Builder網(wǎng)站在線生成。郵件,社會(huì)化媒體,新聞電子報(bào),付費(fèi)廣告,Banner等各種營(yíng)銷渠道都可以使用。UTM parameters能幫你很容易的追蹤每一個(gè)營(yíng)銷活動(dòng)的數(shù)據(jù)。
Google Analytics和Bing Webmaster Tools提供一站式的營(yíng)銷活動(dòng)數(shù)據(jù)與效果追蹤
解決方案。想更好的了解用戶,優(yōu)化點(diǎn)擊轉(zhuǎn)化?去Google Analytics和Bing Webmaster Tools中追蹤和探索你的營(yíng)銷活動(dòng)吧。
如果營(yíng)銷活動(dòng)涉及多個(gè)營(yíng)銷渠道,那么必須追蹤該營(yíng)銷活動(dòng)的效果,否則根本不知道效果如何,顧客是誰(shuí)?來(lái)自哪個(gè)渠道?哪些渠道可以優(yōu)化?又有哪些渠道需要被淘汰。
GA等分析工具可以展現(xiàn)訪客活動(dòng)行為,而歸因模型可以探索各個(gè)渠道的效果。它們是好的搭配。
可以確定的是,當(dāng)營(yíng)銷人員使用的渠道,方式方法和營(yíng)銷活動(dòng)越豐富,歸因模型就會(huì)越復(fù)雜。
研究表明,接近80%的轉(zhuǎn)化與多種交互行為相關(guān)。
盡管如此,還是有55.2%的營(yíng)銷人員只使用單觸點(diǎn)歸因模型(只有16.4%的營(yíng)銷人員會(huì)使用多觸點(diǎn)歸因模型,同時(shí)讓人意外的是還有28.4%的人不使用甚至完全不知道歸因模型)。
不要和他們一樣,我們要行動(dòng)起來(lái),搭建一個(gè)歸因模型,該模型會(huì)告訴你到底發(fā)生了什么(你還可以稍微多花些時(shí)間進(jìn)階學(xué)習(xí)如何在GA中使用的歸因模型等比較工具)。
分享文章:必須要掌握的5個(gè)電子商務(wù)歸因模型
分享鏈接:http://m.rwnh.cn/news14/164964.html
網(wǎng)站建設(shè)、網(wǎng)絡(luò)推廣公司-創(chuàng)新互聯(lián),是專注品牌與效果的網(wǎng)站制作,網(wǎng)絡(luò)營(yíng)銷seo公司;服務(wù)項(xiàng)目有網(wǎng)站建設(shè)等
廣告
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源:
創(chuàng)新互聯(lián)