為營銷組合建模做準備：您需要了解什麼

即使您對 UTM 標記非常小心，您是否會在 Google Analytics（分析）帳戶中看到更多“未分配”和“直接”流量？ 這是因為數據隱私法規保護訪問您網站的用戶。

隨著數據隱私法規的增加，歸因模型可能很難保持準確性和價值。 許多人使用 Google Analytics 4 進行歸因建模，但它不符合 GDPR。 因此，像 Google Analytics 這樣的歸因模型的效果會較差。 他們不會準確地顯示哪些渠道正在運作。 這就是營銷組合建模的用武之地。

本文探討了當今營銷組合建模日益增長的相關性、它與歸因建模的不同之處以及如何在戰略框架內有效利用它。

比較歸因建模和營銷組合建模

歸因建模和營銷組合建模是營銷分析中使用的兩種不同方法，用於了解各種營銷活動對業務成果的影響。 雖然兩者都旨在提供對營銷工作有效性的見解，但它們在方法、範圍和應用方面有所不同。

歸因建模。 一組規則，用於確定如何分配轉化功勞。 這些模型在轉化路徑中使用數字接觸點。 例如，最後一個接觸模型將 100% 的功勞分配給緊鄰轉化之前的最終接觸點。 還有首次接觸、時間衰減、線性和數據驅動模型等。

營銷組合建模。 一種分析技術，可幫助營銷人員衡量營銷和廣告活動的影響。 他們可以看到不同的變量如何有助於他們的目標。 目標通常是收入、轉化、表格填寫或訂閱。

簡單的說：

• 歸因模型告訴您哪些銷售或營銷活動因用戶採取特定操作而獲得功勞。 在營銷中，我們經常使用歸因報告來查看哪些操作導致了特定的轉化。 例如，我們可以了解打開電子郵件是否會導致填寫表格。
• 營銷組合模型是一個大型回歸模型。 回歸模型試圖理解變量之間的關係。 天氣模式和收入就是一個例子。 您仍然可以嘗試了解哪些操作會帶來轉化，但營銷組合模型允許您引入更多數據。 然後分析可以告訴您變量之間的關係。 天氣晴朗時，會有更多人光臨您的實體店，從而導致銷售額增加。

兩者對於理解您的營銷都很有價值。 您還可以使用機器學習和編碼來執行它們。

當今如何進行營銷組合建模

為了避免錯誤，請在使用這些複雜模型之前組織您的分析。 例如，我最近正在瀏覽一些月度報告。 我們為我們自己和我們的客戶運行歸因報告。 因為我非常了解我們的數據，所以我標記了一些看起來不准確的內容。

我們花了兩個小時進行調查，發現我們的網站數據和 Google Analytics 之間存在很大差異。 更具體地說，數據 API 和 Google Analytics 界面之間存在差異。

我們知道指標應該是什麼，但我們的數據源都不匹配。 問題是我們的歸因模型僅限於一個數據集。 如果我們使用營銷組合模型，我們就可以忽略有問題的數據，因為可以從其他系統收集數據來告訴我們什麼是有效的。

在進行分析之前，我們必須盤點一下。 該示例說明了為什麼在使用營銷組合模型之前應該收集需求並進行良好的數據治理。 如果您不能很好地掌握數據應該告訴您什麼，那麼複雜的分析將無濟於事。

為了了解我們正在做什麼，我們可以使用“5 P”框架來確定您的：

• 目的。
• 人們。
• 過程。
• 平台。
• 表現。

目的

您將在此處說明為什麼要運行營銷組合模型。 組織想法的最好方法是使用用戶故事。

“作為一個[角色]，我[想要]，所以[那個]。”

用戶故事告訴你其他 P 是什麼。

• [Persona]告訴你人們。
• 【想要】告訴你流程和平台。
• [那]告訴你表現。

這是我的樣子：

• 作為首席執行官，我想了解我的哪些數字營銷工作帶來了銷售，以便我可以優先考慮預算和資源。

在這個聲明中，我有很多信息。 讓我們繼續分解它。

人們

我說我想了解數據，所以我是第一個參與的人。 知道我不僅僅負責數據收集和分析，我可以假設我需要我的分析師參與。 我們還需要我們的業務開發資源來帶來銷售數據。

過程

我表示我的目的是了解我的數字營銷工作和銷售情況。 就流程而言，此聲明告訴我需要做幾件事。 我需要知道數據是如何收集的、頻率和格式。 這就是我需要進行數據治理的地方，這樣數據收集過程就不會阻礙營銷組合模型的運行。

一旦確定需要從哪些系統提取數據（在下一步中），我就可以返回到流程，確保可以導出所需的數據。 如果做不到，我將需要開發新流程並將其納入總體計劃中。 我還需要創建一個流程來清理和標準化提取的數據，以分析來自不同來源的數據。

如果我從利益相關者那裡獲得用戶故事，我可能會拒絕並要求更具體的時間範圍。 您可能會在流程和平台之間花費大部分時間。

您可以使用營銷組合模型來分析來自不同來源的數據。 這些來源可能不具有相同的格式，因此您必須創建一個流程來將它們組合起來進行分析。 您想要使用來自不同平台的數據越多，您需要開發的流程就越多 - 特別是如果您想反復重新運行營銷組合模型。

平台

再次使用聲明的中間部分，我表示我的目的是了解我的數字營銷工作和銷售情況。 這告訴我需要從哪些平台提取數據，因為我想了解銷售數據，這些數據可以是我的 CRM 或會計軟件。

我還想了解我的數字營銷工作。 這意味著我需要首先了解所有數字營銷策略，然後找出哪些平台有我可以提取的數據。 例如，LinkedIn 在數據提取方面很吝嗇，因此如果這是我關心的渠道，這可能會成為一個問題。 我可以輕鬆地從六個平台獲得數據。 而使用歸因模型時，您通常只擁有來自一兩個來源的數據。

如果我有一個經過深思熟慮的用戶故事，我就不會因嘗試從所有系統收集數據而不知所措。 我的用戶故事指出，“數字營銷工作”。 當我有很多活動和策略時，我可以專注於幾個頻道或更短的日期範圍，以使其更容易處理。

表現

這是用戶故事的最後一部分。 如果您沒有創建具有可衡量結果的用戶故事，請重試。 在我的用戶故事中，我表示我希望能夠優先考慮資源和預算。 嗯，這不是一個好的結果。 這可能是真的，但它不是超級可衡量的。 我怎麼知道我已經做到了這一點，並優先考慮？

建議返回用戶故事並重寫它以使其更加精確。 另一個版本可能會說，“減少無效渠道的支出，增加成功策略的支出。”

您不必按任何特定順序執行人員、流程和平台。 您可能知道可以為流程和人員提供信息的平台。 但不要跳過這些 P。 如果您跳過收集需求和管理數據，可能會導致代價高昂的錯誤和資源浪費。

回顧我的初步審計，我發現在考慮運行營銷組合模型之前我還有很多工作要做。 許多團隊將使用代碼和機器學習來運行營銷組合模型。 在開始編寫代碼之前製定計劃將使您的執行更加高效。 您可以花時間微調和創建行動計劃，而不是修復數據中的問題。

好消息是我可以將其分解為更小、更可控的部分。 我可以創建可重複的流程來提取數據並重新運行營銷組合模型。 選擇這條路線意味著前期開發將需要更長的時間。 但是，當我需要重新運行分析時，該過程會更加有效。

採用營銷組合模型以獲得全面的見解

營銷組合模型可以成為您的分析組合中非常強大的一部分。 在從事數據項目時，為成功做好準備非常重要。 需求收集和治理是我們都希望加快完成的部分，但在這裡走捷徑是不值得的。 提前花時間制定計劃； 您的分析將更有價值且更具可操作性。

深入挖掘：什麼是營銷歸因和績效管理平台？

獲取營銷技術！ 日常的。 自由的。 在您的收件箱中。

企業電子郵件地址

訂閱 加工...

查看條款。