การเตรียมพร้อมสำหรับการสร้างแบบจำลองส่วนประสมการตลาด: สิ่งที่คุณต้องรู้

คุณเห็นการเข้าชมที่ "ไม่ได้กำหนด" และ "โดยตรง" ในบัญชี Google Analytics ของคุณมากขึ้น แม้ว่าคุณจะระมัดระวังในการติดแท็ก UTM หรือไม่? นั่นเป็นเพราะว่ากฎระเบียบความเป็นส่วนตัวของข้อมูลปกป้องผู้ใช้ที่เยี่ยมชมเว็บไซต์ของคุณ

เมื่อกฎระเบียบด้านความเป็นส่วนตัวของข้อมูลเพิ่มมากขึ้น โมเดลการระบุแหล่งที่มาอาจต้องดิ้นรนเพื่อรักษาความถูกต้องและมีคุณค่า หลายๆ คนใช้ Google Analytics 4 ในการสร้างรูปแบบการระบุแหล่งที่มา แต่ไม่เป็นไปตาม GDPR ด้วยเหตุนี้ รูปแบบการระบุแหล่งที่มาเช่นจาก Google Analytics จึงมีประสิทธิภาพน้อยลง พวกเขาจะไม่แสดงอย่างถูกต้องว่าช่องใดใช้งานได้ นี่คือที่มาของการสร้างแบบจำลองส่วนประสมการตลาด

บทความนี้จะสำรวจความเกี่ยวข้องที่เพิ่มขึ้นของการสร้างแบบจำลองส่วนประสมการตลาดในปัจจุบัน ความแตกต่างจากรูปแบบการระบุแหล่งที่มาอย่างไร และวิธีควบคุมรูปแบบดังกล่าวอย่างมีประสิทธิผลภายในกรอบงานเชิงกลยุทธ์

การเปรียบเทียบรูปแบบการระบุแหล่งที่มาและการสร้างแบบจำลองส่วนประสมทางการตลาด

การสร้างแบบจำลองการระบุแหล่งที่มาและการสร้างแบบจำลองส่วนประสมการตลาดเป็นสองวิธีที่แตกต่างกันที่ใช้ในการวิเคราะห์การตลาดเพื่อทำความเข้าใจผลกระทบของกิจกรรมทางการตลาดต่างๆ ที่มีต่อผลลัพธ์ทางธุรกิจ แม้ว่าทั้งสองมีเป้าหมายเพื่อให้ข้อมูลเชิงลึกเกี่ยวกับประสิทธิผลของความพยายามทางการตลาด แต่ก็มีวิธีการ ขอบเขต และการประยุกต์ใช้ที่แตกต่างกัน

การสร้างแบบจำลองการระบุแหล่งที่มา ชุดกฎที่กำหนดวิธีกำหนดเครดิตสำหรับ Conversion โมเดลเหล่านี้ใช้ทัชพอยต์ดิจิทัลในเส้นทาง Conversion ตัวอย่างเช่น รูปแบบการสัมผัสสุดท้ายจะกำหนดเครดิต 100% ให้กับจุดติดต่อสุดท้ายก่อนเกิด Conversion ทันที นอกจากนี้ยังมีโมเดลสัมผัสแรก การสลายตัวของเวลา เชิงเส้น และแบบจำลองที่ขับเคลื่อนด้วยข้อมูล และอื่นๆ อีกมากมาย

การสร้างแบบจำลองส่วนประสมการตลาด เทคนิคการวิเคราะห์ที่ช่วยให้นักการตลาดวัดผลกระทบของแคมเปญการตลาดและการโฆษณาของตน พวกเขาสามารถดูได้ว่าตัวแปรต่างๆ มีส่วนช่วยให้บรรลุเป้าหมายได้อย่างไร เป้าหมายมักได้แก่รายได้ Conversion การกรอกแบบฟอร์ม หรือการสมัครสมาชิก

พูดง่ายๆ:

• รูปแบบการระบุแหล่งที่มาจะบอกคุณว่ากิจกรรมการขายหรือการตลาดใดที่ได้รับเครดิตสำหรับผู้ใช้ที่ดำเนินการบางอย่าง ในด้านการตลาด เรามักจะใช้การรายงานการระบุแหล่งที่มาเพื่อดูว่าการกระทำใดที่ทำให้เกิด Conversion เฉพาะเจาะจง ตัวอย่างเช่น เราสามารถเรียนรู้ได้ว่าการเปิดอีเมลนำไปสู่การกรอกแบบฟอร์มหรือไม่
• แบบจำลองส่วนประสมทางการตลาดคือแบบจำลองการถดถอยขนาดใหญ่ โมเดลการถดถอยพยายามทำความเข้าใจความสัมพันธ์ระหว่างตัวแปร ตัวอย่างนี้อาจเป็นรูปแบบสภาพอากาศและรายได้ คุณยังคงพยายามทำความเข้าใจว่าการกระทำใดที่นำไปสู่ ​​Conversion ได้ แต่รูปแบบส่วนประสมการตลาดช่วยให้คุณแนะนำข้อมูลเพิ่มเติมได้ การวิเคราะห์สามารถบอกคุณถึงความสัมพันธ์ระหว่างตัวแปรได้ เมื่ออากาศแจ่มใส ผู้คนจะมาเยี่ยมชมหน้าร้านจริงของคุณมากขึ้น ซึ่งส่งผลให้ยอดขายเพิ่มขึ้น

ทั้งสองอย่างมีคุณค่าในการทำความเข้าใจการตลาดของคุณ คุณยังสามารถดำเนินการได้โดยใช้การเรียนรู้ของเครื่องและการเขียนโค้ด

วิธีเข้าถึงการสร้างแบบจำลองส่วนประสมการตลาดในปัจจุบัน

เพื่อหลีกเลี่ยงข้อผิดพลาด ให้จัดระเบียบการวิเคราะห์ของคุณก่อนที่จะทำงานกับโมเดลที่ซับซ้อนเหล่านี้ ตัวอย่างเช่น เมื่อเร็วๆ นี้ฉันได้ดูรายงานประจำเดือนบางฉบับ เราดำเนินการรายงานการระบุแหล่งที่มาสำหรับตัวเราเองและลูกค้าของเรา เนื่องจากฉันรู้ข้อมูลของเราดี ฉันจึงแจ้งสิ่งที่ดูเหมือนจะไม่ถูกต้อง

เราใช้เวลาสองชั่วโมงในการตรวจสอบและพบความแตกต่างอย่างมากระหว่างข้อมูลเว็บไซต์ของเรากับ Google Analytics โดยเฉพาะอย่างยิ่ง ความคลาดเคลื่อนเกิดขึ้นระหว่าง data API และอินเทอร์เฟซ Google Analytics

เรารู้ว่าเมตริกควรเป็นอย่างไร แต่แหล่งข้อมูลของเราก็ไม่ตรงกันเลย ปัญหาคือเราถูกจำกัดไว้เพียงชุดข้อมูลเดียวสำหรับรูปแบบการระบุแหล่งที่มา เราสามารถมองข้ามข้อมูลที่เป็นปัญหาได้หากเราใช้โมเดลส่วนประสมการตลาดแทน เนื่องจากสามารถรวบรวมข้อมูลจากระบบอื่นเพื่อบอกเราว่าอะไรได้ผล

ก่อนที่เราจะสามารถวิเคราะห์ได้ เราต้องคำนึงถึงสินค้าคงคลังเสียก่อน ตัวอย่างแสดงสาเหตุที่คุณควรรวบรวมข้อกำหนดและมีการกำกับดูแลข้อมูลที่ดี ก่อนที่จะใช้แบบจำลองส่วนประสมทางการตลาด หากคุณไม่มีการจัดการที่ดีเกี่ยวกับสิ่งที่ข้อมูลของคุณควรบอกคุณ การวิเคราะห์ที่ซับซ้อนก็ไม่ช่วยอะไร

เพื่อให้เข้าใจถึงสิ่งที่เรากำลังดำเนินการ เราสามารถใช้กรอบงาน “5 Ps” เพื่อกำหนด:

• วัตถุประสงค์.
• ประชากร.
• กระบวนการ.
• แพลตฟอร์ม.
• ผลงาน.

วัตถุประสงค์

นี่คือที่ที่คุณจะระบุว่าทำไมคุณถึงต้องการใช้โมเดลส่วนประสมทางการตลาด วิธีที่ดีที่สุดในการจัดระเบียบความคิดของคุณคือการใช้เรื่องราวของผู้ใช้

“ในฐานะ [บุคคล] ฉัน [ต้องการ] ดังนั้น [นั้น]”

เรื่องราวของผู้ใช้จะบอกคุณว่า Ps อื่นๆ คืออะไร

• [Persona] บอกคุณผู้คน
• [ต้องการ] บอกกระบวนการและแพลตฟอร์มให้คุณทราบ
• [นั่น] บอกคุณถึงประสิทธิภาพ

นี่คือลักษณะของฉัน:

• ในฐานะ CEO ฉันต้องการเข้าใจว่าความพยายามทางการตลาดดิจิทัลใดของฉันที่ส่งผลให้เกิดยอดขาย เพื่อที่ฉันจะได้จัดลำดับความสำคัญของงบประมาณและทรัพยากรได้

ในข้อความนี้ ฉันมีข้อมูลมากมาย มาทำลายมันกันต่อไป

ประชากร

ฉันระบุว่าฉันต้องการทำความเข้าใจข้อมูล ดังนั้นฉันจึงเป็นคนแรกที่เกี่ยวข้อง เมื่อรู้ว่าฉันไม่ได้รับผิดชอบแต่เพียงผู้เดียวในการรวบรวมและการวิเคราะห์ข้อมูล ฉันจึงสรุปได้ว่าจะต้องให้นักวิเคราะห์เข้ามาเกี่ยวข้อง เรายังต้องการทรัพยากรการพัฒนาธุรกิจของเราเพื่อนำข้อมูลการขาย

กระบวนการ

ฉันระบุว่าจุดประสงค์ของฉันคือการทำความเข้าใจความพยายามทางการตลาดและการขายดิจิทัลของฉัน ในแง่ของกระบวนการ ข้อความนี้บอกฉันว่าฉันต้องทำสองสิ่ง ฉันจำเป็นต้องรู้ว่าข้อมูลนั้นถูกรวบรวมอย่างไร ความถี่และรูปแบบ นี่คือจุดที่ฉันต้องมีการกำกับดูแลข้อมูล เพื่อให้กระบวนการรวบรวมข้อมูลไม่ถือเป็นอุปสรรคต่อการใช้โมเดลส่วนประสมการตลาด

เมื่อฉันระบุได้ว่าฉันต้องดึงข้อมูลมาจากระบบใด (ในขั้นตอนถัดไป) ฉันสามารถวนกลับไปสู่กระบวนการต่างๆ เพื่อให้แน่ใจว่าฉันสามารถส่งออกข้อมูลที่จำเป็นได้ หากทำไม่ได้ ฉันจะต้องพัฒนาและดำเนินการกระบวนการใหม่ๆ ในแผนโดยรวม ฉันยังจะต้องสร้างกระบวนการเพื่อล้างและทำให้ข้อมูลเป็นมาตรฐานเมื่อแยกออกมาเพื่อวิเคราะห์ข้อมูลจากแหล่งต่างๆ

หากฉันได้รับเรื่องราวของผู้ใช้จากผู้มีส่วนได้ส่วนเสีย ฉันคงจะถอยกลับและขอกรอบเวลาที่เฉพาะเจาะจงมากขึ้น นี่คือที่ที่คุณจะใช้เวลาส่วนใหญ่ระหว่างกระบวนการและแพลตฟอร์ม

คุณสามารถใช้แบบจำลองส่วนประสมการตลาดเพื่อวิเคราะห์ข้อมูลจากแหล่งต่างๆ แหล่งที่มาเหล่านี้อาจมีรูปแบบไม่เหมือนกัน ดังนั้นคุณต้องสร้างกระบวนการเพื่อรวมเข้าด้วยกันเพื่อการวิเคราะห์ ยิ่งคุณต้องการใช้ข้อมูลจากแพลตฟอร์มต่างๆ มากเท่าไร คุณก็ยิ่งต้องพัฒนากระบวนการมากขึ้น โดยเฉพาะหากคุณต้องการรันโมเดลส่วนประสมทางการตลาดซ้ำๆ

แพลตฟอร์ม

ฉันใช้ข้อความตรงกลางอีกครั้งโดยระบุว่าจุดประสงค์ของฉันคือการทำความเข้าใจความพยายามทางการตลาดและการขายดิจิทัลของฉัน ข้อมูลนี้จะบอกฉันว่าฉันต้องดึงข้อมูลมาจากแพลตฟอร์มใด เนื่องจากฉันต้องการทำความเข้าใจข้อมูลการขาย ซึ่งอาจเป็น CRM หรือซอฟต์แวร์บัญชีของฉัน

ฉันยังต้องการเข้าใจความพยายามทางการตลาดดิจิทัลของฉันด้วย ซึ่งหมายความว่าฉันต้องรู้กลยุทธ์การตลาดดิจิทัลทั้งหมดก่อน จากนั้นค่อยหาว่าแพลตฟอร์มใดมีข้อมูลที่ฉันสามารถดึงออกมาได้ ตัวอย่างเช่น LinkedIn ตระหนี่กับการดึงข้อมูล ดังนั้นนั่นอาจเป็นปัญหาได้หากเป็นช่องทางที่ฉันสนใจ ฉันสามารถลงเอยด้วยข้อมูลจากแพลตฟอร์มกว่าครึ่งโหลได้อย่างง่ายดาย ในขณะที่รูปแบบการระบุแหล่งที่มา โดยทั่วไปแล้ว คุณจะมีข้อมูลจากแหล่งที่มาหนึ่งหรือสองแหล่งเท่านั้น

หากฉันมีเรื่องราวของผู้ใช้ที่ผ่านการคิดมาเป็นอย่างดี ฉันจะไม่รู้สึกหนักใจในการรวบรวมข้อมูลจากระบบทั้งหมดของฉัน เรื่องราวของผู้ใช้ของฉันระบุว่า “ความพยายามทางการตลาดดิจิทัล” เมื่อฉันมีแคมเปญและกลยุทธ์มากมาย ฉันสามารถมุ่งเน้นไปที่ช่องทางไม่กี่ช่องทางหรือช่วงวันที่ที่สั้นลงเพื่อให้จัดการได้ง่ายขึ้น

ผลงาน

นี่เป็นเรื่องราวสุดท้ายของผู้ใช้ หากคุณไม่ได้สร้างเรื่องราวของผู้ใช้ด้วยผลลัพธ์ที่วัดผลได้ ให้ลองอีกครั้ง ในเรื่องราวของผู้ใช้ของฉัน ฉันระบุว่าฉันต้องการจัดลำดับความสำคัญของทรัพยากรและงบประมาณ นั่นไม่ใช่ผลลัพธ์ที่ดี มันอาจจะจริงแต่ก็วัดผลไม่ได้มากนัก ฉันจะรู้ได้อย่างไรว่าฉันทำสิ่งนั้นโดยจัดลำดับความสำคัญ?

คำแนะนำคือให้กลับไปที่เรื่องราวของผู้ใช้แล้วเขียนใหม่ให้แม่นยำยิ่งขึ้น เวอร์ชันอื่นอาจพูดว่า "เพื่อลดการใช้จ่ายในช่องทางที่ไม่มีประสิทธิภาพและเพิ่มกลยุทธ์ที่ประสบความสำเร็จ"

คุณไม่จำเป็นต้องดำเนินการเรื่อง People, Process และ Platform ตามลำดับใดๆ คุณอาจรู้จักแพลตฟอร์มที่จะแจ้งกระบวนการและผู้คน แต่อย่าข้ามป.ล.เหล่านี้ หากคุณข้ามการรวบรวมข้อกำหนดและการจัดการข้อมูล อาจทำให้เกิดข้อผิดพลาดและทรัพยากรที่สิ้นเปลืองได้

เมื่อมองย้อนกลับไปที่การตรวจสอบครั้งแรก ฉันพบว่ามีงานต้องทำอีกมากก่อนที่จะพิจารณาใช้โมเดลส่วนประสมทางการตลาด หลายทีมจะใช้โมเดลส่วนประสมทางการตลาดโดยใช้โค้ดและการเรียนรู้ของเครื่อง การมีแผนก่อนที่คุณจะเริ่มต้นด้วยโค้ดจะทำให้การดำเนินการของคุณมีประสิทธิภาพมากขึ้น แทนที่จะแก้ไขปัญหาในข้อมูล คุณสามารถใช้เวลาในการปรับแต่งและสร้างแผนปฏิบัติการได้

ข่าวดีก็คือฉันสามารถแบ่งมันออกเป็นชิ้นเล็กๆ และควบคุมได้มากขึ้น ฉันสามารถสร้างกระบวนการที่ทำซ้ำได้เพื่อแยกข้อมูลและรันแบบจำลองส่วนประสมทางการตลาดอีกครั้ง การเลือกเส้นทางนี้หมายความว่าการพัฒนาล่วงหน้าจะใช้เวลานานกว่า อย่างไรก็ตาม กระบวนการจะมีประสิทธิภาพมากขึ้นเมื่อฉันต้องดำเนินการวิเคราะห์อีกครั้ง

ใช้การสร้างแบบจำลองส่วนประสมการตลาดเพื่อข้อมูลเชิงลึกที่ครอบคลุม

โมเดลส่วนประสมทางการตลาดสามารถเป็นส่วนที่มีประสิทธิภาพมากในพอร์ตโฟลิโอการวิเคราะห์ของคุณ เมื่อทำงานในโครงการข้อมูล การเตรียมตัวเองให้พร้อมสำหรับความสำเร็จถือเป็นสิ่งสำคัญ การรวบรวมข้อกำหนดและการกำกับดูแลเป็นส่วนที่เราทุกคนต้องการเร่งความเร็ว แต่การใช้ทางลัดที่นี่ไม่คุ้มค่า ใช้เวลาล่วงหน้าในการวางแผน การวิเคราะห์ของคุณจะมีคุณค่าและนำไปปฏิบัติได้มากขึ้น

เจาะลึก: การระบุแหล่งที่มาทางการตลาดและแพลตฟอร์มการจัดการประสิทธิภาพคืออะไร