为营销组合建模做准备：您需要了解什么

即使您对 UTM 标记非常小心，您是否会在 Google Analytics（分析）帐户中看到更多“未分配”和“直接”流量？ 这是因为数据隐私法规保护访问您网站的用户。

随着数据隐私法规的增加，归因模型可能很难保持准确性和价值。 许多人使用 Google Analytics 4 进行归因建模，但它不符合 GDPR。 因此，像 Google Analytics 这样的归因模型的效果会较差。 他们不会准确地显示哪些渠道正在运作。 这就是营销组合建模的用武之地。

本文探讨了当今营销组合建模日益增长的相关性、它与归因建模的不同之处以及如何在战略框架内有效利用它。

比较归因建模和营销组合建模

归因建模和营销组合建模是营销分析中使用的两种不同方法，用于了解各种营销活动对业务成果的影响。 虽然两者都旨在提供对营销工作有效性的见解，但它们在方法、范围和应用方面有所不同。

归因建模。 一组规则，用于确定如何分配转化功劳。 这些模型在转化路径中使用数字接触点。 例如，最后一个接触模型将 100% 的功劳分配给紧邻转化之前的最终接触点。 还有首次接触、时间衰减、线性和数据驱动模型等。

营销组合建模。 一种分析技术，可帮助营销人员衡量营销和广告活动的影响。 他们可以看到不同的变量如何有助于他们的目标。 目标通常是收入、转化、表格填写或订阅。

简单的说：

• 归因模型告诉您哪些销售或营销活动因用户采取特定操作而获得功劳。 在营销中，我们经常使用归因报告来查看哪些操作导致了特定的转化。 例如，我们可以了解打开电子邮件是否会导致填写表格。
• 营销组合模型是一个大型回归模型。 回归模型试图理解变量之间的关系。 天气模式和收入就是一个例子。 您仍然可以尝试了解哪些操作会带来转化，但营销组合模型允许您引入更多数据。 然后分析可以告诉您变量之间的关系。 天气晴朗时，会有更多人光临您的实体店，从而导致销售额增加。

两者对于理解您的营销都很有价值。 您还可以使用机器学习和编码来执行它们。

当今如何进行营销组合建模

为了避免错误，请在使用这些复杂模型之前组织您的分析。 例如，我最近正在浏览一些月度报告。 我们为我们自己和我们的客户运行归因报告。 因为我非常了解我们的数据，所以我标记了一些看起来不准确的内容。

我们花了两个小时进行调查，发现我们的网站数据和 Google Analytics 之间存在很大差异。 更具体地说，数据 API 和 Google Analytics 界面之间存在差异。

我们知道指标应该是什么，但我们的数据源都不匹配。 问题是我们的归因模型仅限于一个数据集。 如果我们使用营销组合模型，我们就可以忽略有问题的数据，因为可以从其他系统收集数据来告诉我们什么是有效的。

在进行分析之前，我们必须盘点一下。 该示例说明了为什么在使用营销组合模型之前应该收集需求并进行良好的数据治理。 如果您不能很好地掌握数据应该告诉您什么，那么复杂的分析将无济于事。

为了了解我们正在做什么，我们可以使用“5 P”框架来确定您的：

• 目的。
• 人们。
• 过程。
• 平台。
• 表现。

目的

您将在此处说明为什么要运行营销组合模型。 组织想法的最好方法是使用用户故事。

“作为一个[角色]，我[想要]，所以[那个]。”

用户故事告诉你其他 P 是什么。

• [Persona]告诉你人们。
• 【想要】告诉你流程和平台。
• [那]告诉你表现。

这是我的样子：

• 作为首席执行官，我想了解我的哪些数字营销工作带来了销售，以便我可以优先考虑预算和资源。

在这个声明中，我有很多信息。 让我们继续分解它。

人们

我说我想了解数据，所以我是第一个参与的人。 知道我不仅仅负责数据收集和分析，我可以假设我需要我的分析师参与。 我们还需要我们的业务开发资源来带来销售数据。

过程

我表示我的目的是了解我的数字营销工作和销售情况。 就流程而言，此声明告诉我需要做几件事。 我需要知道数据是如何收集的、频率和格式。 这就是我需要进行数据治理的地方，这样数据收集过程就不会阻碍营销组合模型的运行。

一旦确定需要从哪些系统提取数据（在下一步中），我就可以返回到流程，确保可以导出所需的数据。 如果做不到，我将需要开发新流程并将其纳入总体计划中。 我还需要创建一个流程来清理和标准化提取的数据，以分析来自不同来源的数据。

如果我从利益相关者那里获得用户故事，我可能会拒绝并要求更具体的时间范围。 您可能会在流程和平台之间花费大部分时间。

您可以使用营销组合模型来分析来自不同来源的数据。 这些来源可能不具有相同的格式，因此您必须创建一个流程来将它们组合起来进行分析。 您想要使用来自不同平台的数据越多，您需要开发的流程就越多，特别是如果您想反复重新运行营销组合模型。

平台

再次使用声明的中间部分，我表示我的目的是了解我的数字营销工作和销售情况。 这告诉我需要从哪些平台提取数据，因为我想了解销售数据，这些数据可以是我的 CRM 或会计软件。

我还想了解我的数字营销工作。 这意味着我需要首先了解所有数字营销策略，然后找出哪些平台有我可以提取的数据。 例如，LinkedIn 在数据提取方面很吝啬，因此如果这是我关心的渠道，这可能会成为一个问题。 我可以轻松地从六个平台获得数据。 而使用归因模型时，您通常只拥有来自一两个来源的数据。

如果我有一个经过深思熟虑的用户故事，我就不会因尝试从所有系统收集数据而不知所措。 我的用户故事指出，“数字营销工作”。 当我有很多活动和策略时，我可以专注于几个频道或更短的日期范围，以使其更容易处理。

表现

这是用户故事的最后一部分。 如果您没有创建具有可衡量结果的用户故事，请重试。 在我的用户故事中，我表示我希望能够优先考虑资源和预算。 嗯，这不是一个好的结果。 这可能是真的，但它不是超级可衡量的。 我怎么知道我已经做到了这一点，并优先考虑？

建议返回用户故事并重写它以使其更加精确。 另一个版本可能会说，“减少无效渠道的支出，增加成功策略的支出。”

您不必按任何特定顺序执行人员、流程和平台。 您可能知道可以为流程和人员提供信息的平台。 但不要跳过这些 P。 如果您跳过收集需求和管理数据，可能会导致代价高昂的错误和资源浪费。

回顾我的初步审计，我发现在考虑运行营销组合模型之前我还有很多工作要做。 许多团队将使用代码和机器学习来运行营销组合模型。 在开始编写代码之前制定计划将使您的执行更加高效。 您可以花时间微调和创建行动计划，而不是修复数据中的问题。

好消息是我可以将其分解为更小、更可控的部分。 我可以创建可重复的流程来提取数据并重新运行营销组合模型。 选择这条路线意味着前期开发将需要更长的时间。 但是，当我需要重新运行分析时，该过程会更加有效。

采用营销组合模型以获得全面的见解

营销组合模型可以成为您的分析组合中非常强大的一部分。 在从事数据项目时，为成功做好准备非常重要。 需求收集和治理是我们都希望加快完成的部分，但在这里走捷径是不值得的。 提前花时间制定计划； 您的分析将更有价值且更具可操作性。

深入挖掘：什么是营销归因和绩效管理平台？

获取营销技术！ 日常的。 自由的。 在您的收件箱中。

企业电子邮件地址

订阅 加工...

查看条款。