
最近,在與密切合作的分析公司的“午餐 + 學習”的演講會上,出乎意料的令人震驚和振奮。我們在一個引人注目的時刻。新的分析技術發(fā)展允許我們研究行為中非常深入和復雜的模式。然而更加難以抵擋的是,處理由購物者每天產生的 量以及難以置信購物路徑,包括多種接觸點以及多種設備。這引起了一些難題。銷售該歸功于哪個接觸點?哪個路徑帶來了最多的銷售?就轉化而言,一個接觸點組合是否優(yōu)于另一個?從歷史上來說,我們回答這些問題的能力很有限,通常需要使用最佳判斷。但是,稱為營銷歸因分析的新一代分析方法有望提供更加精確和有預測力的答案。
什么是營銷歸因分析?
營銷歸因分析是應用統(tǒng)計方法為購物路徑上的每一個接觸點分配值,這個值反應了營銷接觸點在帶來銷售上的相對強度。今天最受歡迎的是過分簡化的“單點接觸”歸因。這種方法假設第一次或最后一次的接觸產生了銷售,但是,我們知道這是不充分不準確的假設。簡化“多觸點”方法是一個進步,不過,許多仍然缺乏嚴謹。他們試圖通過判斷、相同權重、時間(接觸點與銷售之間的時間越長,獲得的權重越小),或者用基于回歸的方法來分配權重。盡管更加有效,當接觸點的數(shù)量或數(shù)據(jù)變得巨大時,他們的有效性也迅速消失,更高級多觸點方法顯示出了極大的希望,他們使用高級的統(tǒng)計模型(比如馬爾科夫鏈模型)作為分析基礎。
我們?yōu)槭裁葱枰獱I銷歸因分析?
我們需要這種更先進方法的原因是我們無法控制消費者在什么時間如何爆光在我們的信息中。今天的消費者完全控制他們的購物體驗。他們比以前有更多的方式與品牌交互。越來越多的研究在強化消費在一個消費旅程中將使用多種渠道,這決定于他們在特定時候的背景。當銷售這只有5個不同的渠道與你的品牌交互時,一個消費者在購買前可以有3,000多的路徑。
因為絕大多數(shù)營銷方案將納入五個以上的營銷渠道,并且管理人員將繼續(xù)要求營銷開支上的ROI,我們必須可以優(yōu)化營銷資源的使用,以便達成最大的回報。我們將需要可以:
將資源從沒有效果的渠道移走
知道哪個渠道在貢獻轉化
評估不同交互(交互組合)的影響
并且預測可以產生最大回報的下一步
最精明的多觸點營銷歸因模型將使這些決策成為可能。
馬上繼續(xù):它是如何工作的
在接下來的幾周,我將分享一些來自于我們的分析合作伙伴關于這種新方法如何工作的更多觀點。我將預先警告你 – 這不適合那些心臟不好的人。它需要花費一些智力上的堅韌和決心,但是這是值得的。在這個領域,花費時間和精力來發(fā)展能力的公司(特別是代理商)將有極大的競爭優(yōu)勢。他們將更加了解客戶,更加有效的使用他們的營銷資源,并且最終將獲得更多的收益。我相信每一個C級的管理者都會認為這是一個好事情。
在10月,我寫了營銷歸因分析世界的改變,以及為什么它這么重要,需要投入時間和資源在這個復雜形式的分析中。我收到了一些非常棒的問題和評論,許多都是關于“你是否把它弄的比需要的復雜?”或者“我們是不是想多了?”我的答案毋庸置疑是“不是!”
就在我今早的晨讀中,關于營銷碎片話的 、博客和文章已經數(shù)不勝數(shù)。與之前相比,消費者有更多的方式來和品牌交互,通常使用多個渠道在一個購物旅程中。會出現(xiàn)幾千的購物路徑組合,遠遠超出了我們快速便捷的理解和評估它們的能力,更不用說量化整個路徑上的每個接觸點(或觸點組合)影響。但是,我們仍然期望可以展示我們的媒體投資回報。
上個月我做了一個假設,因為這些碎片化路徑,我們收集我們需要的知識和洞察的方式需要使用比以往更加高級的分析方法。簡單來說,我知道,如果你的公司和我們的公司類似,在公司內部你可能沒有這些技能。因此,你如何完成這個任務?在我們的情況下,解決方案是與Analytic Marketing Innovations的數(shù)據(jù)科學家:Kurt Seemar、Trich Schultz和Jill Giele合作。因為,我沒有解釋這些新多觸點營銷方法的知識(目前沒有!),我問了Kurt Seemar、Trich Schultz和Jill Giele一些問題關于這些更高級的多觸點模型如何工作。
你可以總結一下為什么多觸點模型要比單觸點模型更好?
Jill: 營銷人員過去一直依賴“單觸點歸因”,將銷售歸因于最初或最后的接觸的歸因模型。這個方法很難說完美,但是,在現(xiàn)在被認為是有嚴重的瑕疵的,因為有非常多的潛在接觸點可能貢獻了銷售。
Kurt: 這些導致了近期在營銷分析世界的產生了推動力去尋找一種方式來為路徑上的每個接觸點賦值(歸因權重),基于“多觸點歸因”算法。這些更新的多觸點模型的一種常用的方式是為路徑上的每個步驟分配權重(要么相等或者主觀分配),但是,這仍然是有問題的,因為,它并不能真正告訴我們我們想要知道的 – 不同接觸點(接觸點組合)影響的真正區(qū)別 – 或者預測與品牌交互的消費者下一個最佳的接觸點是哪個。
這就是為什么在Analytic Marketing Innovations,我們設計了一個獨特的多觸點歸因模型來告訴我們需要知道的東西,通過應用被稱為馬爾科夫鏈的分析模型。
那么,什么是馬爾科夫鏈模型?
Trich: 馬爾科夫鏈模型(名字來自于數(shù)學家Andrew Markov)是一種為消費者旅行中任意數(shù)量步驟(只要步驟是有限)分配值的方法。
當數(shù)據(jù)科學家為多觸點歸因應用馬爾科夫模型后,我們可以看到到達銷售前多種消費者路徑上的可能事件鏈。馬爾科夫模型為轉化路徑上的每個接觸點分配權重,同時也序列化和預測每個步驟。
當然,所有這些都非常復雜,因為消費者與品牌交互的碎片正在增加,到銷售的路徑不僅僅只有幾條。使用馬爾科夫技術,可以找到并理解每一條統(tǒng)計顯著的路徑,這可能對一個營銷活動總量為幾千個的模型(路徑)。用傳統(tǒng)的技術和方法這可能很難完成,但是,用這種方法卻是有可能的,因為管理、整合和分析數(shù)據(jù)的方式。
為什么馬爾科夫鏈模型比其他模型更好?
Trich: 馬爾科夫模型更加有效是因為使用了高級、經過證明的統(tǒng)計方法來獲得消費者旅程每個接觸點的值,以及哪個觸點組合將最有效。這些知識讓人們可以更加有見地、客觀的進行決策(而不僅僅是等值加權或主觀判斷),反過來可以讓營銷努力更加有效和可量化。
Kurt: 重要的是,這些模型可以用于優(yōu)化營銷的整個執(zhí)行周期。歸因結果可以在實時應用,因為他們是與個體級別相關的。因為這一點,我們可以通過預測每個個體可能在每一個交互采取的最佳下一步來真正的優(yōu)化消費者旅程。例如,如果我們知道一個人收到了郵件,然后點擊了banner廣告,如果他收到了另一封email更可能購買,那么,營銷團隊可以確保發(fā)送這封郵件。另外的情況是,如果我們看到一個特定的營銷路徑創(chuàng)造了疲勞,那么營銷團隊可以召回一些消費者的這類營銷。
有沒有哪類品牌比其他品牌更適合這類方法?
Jill: 任何品牌對多渠道營銷都很興奮,都表示想要更多的學習如何讓他們的公司可以高效有效的從這類營銷歸因分析中收益。但是,投入是關鍵,因為這需要持續(xù)投入時間和努力在建立以及后面使用這些模型。
通常,最好是有三個月的數(shù)據(jù)來開始分析。第一步是設置活動跟蹤,與多種供應商協(xié)作,包括一個數(shù)據(jù)管理平臺(DMP)供應商,來幫助整合線上線上的接觸點。第二步是收集三個月的數(shù)據(jù)然后構建模型。最后一個步驟是分析產生的結果,來識別帶來轉化的熱門路徑,允許為活動的剩余部分開發(fā)營銷啟發(fā)式。
在營銷預算縮水的環(huán)境下,營銷部分有相當大的壓力要為每個渠道展示定量化的結果,好的多觸點營銷歸因分析在這類評估中將是無價的。這些洞察不僅僅改善整體結果,而且可以幫助將預算從低效的渠道轉移到那些真正貢獻銷售的渠道。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到決策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10