八步構建跨渠道歸因分析
原文參考：Multichannel Attribution: How to Measure the Unmeasurable 原文作者：Mariia Bocheva 譯文作者：Judy |
最簡單好理解的歸因模型應該是基于位置的歸因，比如根據第一次或最后一次點擊的來源，從而進行轉化歸因。
但大多數情況下，客戶的轉化路徑是非線性的而且相當復雜，很多環節都會影響轉化。營銷人員很難考慮所有的客戶觸點，雖然大多數企業都有大量關于客戶行為的數據，比如客戶用來購買的移動設備、客戶點擊的廣告、關鍵詞、客戶掃描的二維碼等等，但這些數據存儲在不同的系統中，處理和更新的速度也不同。要想把所有這些數據放在一起，經過清理、合并后再建立相關的歸因模型是很復雜的。
有機構對營銷測量狀態的研究發現，只有11%的營銷人員對他們的歸因模型的準確性感到“非常有信心”。畢馬威 (KPMG)的數據顯示，只有35%的受訪企業高度信任其公司內部對數據分析的使用。
目前常見的客戶購買路徑如下：
純線上：在網上尋找和購買產品。
純線下：在實體店檢查和購買產品。
線上搜索線下購買：簡稱ROPO（Researching online and buying offline），即在網上搜索了解產品，然后在線下購買。
展廳：在實體店的感受產品并在網上購買。
上述購買路徑，線上搜索線下購買的路徑最難歸因，也是本文著重剖析的歸因場景。
根據DigitasLBi的數據，全球88%的消費者在購買產品前會在網上進行研究，約65%的人在商店里用手機查價格。這類型的購買路徑主要集中3C數碼類的產品、價格較貴的美妝產品等等。而產生線上搜索線下購買的驅動因素主要是以下幾個方面：
購物者希望近距離查看商品
立馬想用，等不及快遞
想要避免運費
需要面對面的建議或者直接試用
接下來給大家介紹如何通過八個步驟，在分散的數據和可操作的分析之間架起一座橋梁，建立一個有效的歸因分析流程。
圖片來源：網絡
步驟一:明確你想要歸因的場景
從假設開始，提出你想要回答的問題。例如，你想知道你線下銷售額多大程度上受到了線上廣告活動的影響。或者，你可能想知道轉化漏斗的哪個環節是引導顧客進行購買的最佳時機和最佳渠道。把這些問題寫下來，并對他們進行優先級排序，以此定義你歸因的最小可行性（MVP）場景。
步驟二：準備數據
有了想要分析的歸因場景，就要找到公司中相關的數據源，可以是廣告平臺、電子郵件營銷平臺、客服系統、數據分析系統、CRM和ERP等。
然后找到可以讓不同數據源的數據進行合并的字段，進行數據合并，為每個客戶形成完整單一視圖。很多公司通常遇到的最大問題是無法將同一個客戶線上線下的行為進行合并。
這里介紹五種可以打通線上和線下行為的方法：
1.重視注冊
企業可以通過內容和活動激勵客戶在各個渠道提供實名注冊信息，其中包含可以作為唯一識別ID的手機號、郵箱地址等。例如：客戶可以提供郵箱地址訂閱的“特價”電子郵件；促銷和活動需要通過報名才能參與；提供手機和郵箱獲取視頻教程和手冊等等。
2.會員卡綁定
引導客戶通過手機號碼、電子郵件等信息激活會員卡，會員卡線上線下通用，完成綁定后，通過會員ID即可跟蹤客戶跨線上線下渠道的行為路徑。
3.線上主動引導客戶進店
這里舉個例子，波蘭一個家具和裝飾品生產商開發了一款應用，顧客可以在上面設計自己的家具。用戶設計完家具后，該應用會邀請他們到實體店咨詢，到店任務會自動發送到商店助理。這個流程很有效的幫助企業獲得線上線下連貫打通的行為數據。
4.在門店放置Beacon
這是一種運行在低功耗藍牙上的微型設備，可以放置在實體店。當客戶將您的App安裝到他們的移動設備上，Beacon與App之間產生通信，傳送客戶的ID、信號強度和其他屬性數據。通過使用這項技術，您可以看到客戶訪問的商店區域，甚至他們購買的產品。
5.統一企業內部用戶ID
規劃企業內部唯一ID生成體系，將網站、App、CRM和POS上的行為數據串聯。
步驟三：數據歸因分析
在客戶數據完成合并之后，基于完整統一的客戶視圖，數據分析師可以根據業務規則和需求進行挖掘分析。結合前面兩個步驟，我通過一個具體的例子來進行講述：
Darjeeling是法國女性內衣市場的頂級零售商，全法國大約有155家商店，每年有超過870萬的客戶光顧。該公司每年銷售超過500萬件商品，年營業額達1億歐元。
Darjeeling使用不同的系統來收集、存儲和處理數據。用戶行為數據被發送到分析系統中，而有關成本和訂單完成的數據則在公司的CRM中收集。兩個系統之間的數據結構不同。為了評估在線廣告對線下銷售的影響，Darjeeling需要將所有這些數據合并到一個獨立的系統，在這個系統中收集關于在線會話、線下銷售和訂單完成率的數據。為了將有關在線會話和訂單完成率的數據合并到單個視圖中，Darjeeling給登錄到公司網站的每個用戶生成user_id。而這個user_id也關聯到會員卡號，并存儲在CRM中。當用戶訪問網站時，他們的user_id與另外兩個屬性transaction_id和time，一并發送給分析系統。
通過這些數據，分析師計算了從最初的網站訪問到購買之間的天數，分為7天、10天、14天、30天和60天以上幾個組別。這項分析顯示，ROPO采購的所有Darjeeling產品中，85%是在14天內完成的。最后，Darjeeling的營銷人員根據收集到的數據創建報告和儀表盤，并確定有30-40%的客戶在線下購買之前會訪問公司的網站。這些數據反過來又幫助他們優化了廣告預算，并證明了加大在線廣告投入的合理性。
步驟四：驗證數據質量
可靠的數據需要有正確的人和正確的知識加上足夠的關注，時間和毅力。確保您的UTM標記和其他數據類型分類正確，并且有一個user ID字段來跨設備跟蹤客戶。另外，花點時間實施一個適當的測試計劃。
步驟五：培訓數據解讀能力
你的團隊是否具備必要的數據素養？每個人都以同樣的方式理解數據的度量標準嗎？你知道理解數據統計背后的商業意義嗎？
如果沒有則需要規劃相關的培訓，并制作標準化數據使用文檔以提高團隊的數據素養。你的數據文化直接反映了你公司的價值觀，你需要有人致力于內部培訓并制作相關工具，讓團隊成員有能力自主理解數據的意義。
步驟六：構建儀表板
如果一切就緒，您可以進入報告階段。所有計算都必須事先完成，并存儲在儀表板所指的數據集中。把計算和報表可視化兩部分分步運行更易于控制和管理，數據不容易出現混亂。在構建儀表板之前，定義基本指標，確保KPI計算邏輯非常透明并得到團隊的批準。
步驟七:根據結果采取行動
還記得你一開始提出的歸因分析需求嗎，通過上述步驟現在你有了答案，那么就需要根據結果采取行動。要知道儀表盤再好看，如果你不基于結果調整策略，也沒有任何意義。
步驟八：易用的工具
確保實現數據抓取、整合、分析的系統工具是業務人員可以直接使用的，并確保它是可靠的，允許協作，并不斷與新的數據源進行對接，比如Linkflow CDP。
我們知道跨線上線下渠道的轉化歸因是很復雜的，看起來它是“不可測量的”。雖然沒有一個歸因模型能提供完美的數據，但一個好的歸因分析流程絕對能幫助企業獲得方向上的指引。
在跨渠道歸因分析過程中，Linkflow CDP作為幫助企業追蹤端到端的客戶數據的平臺。可以幫助市場部門高效的獲取基礎數據并通過可視化的方式進行報表展現，降低數據準備和工具的門檻，讓業務人員專注歸因策略的制定和優化。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）