12 سببًا لاختيار OWOX BI ML Funnel Based Attribution

الهدف من الإحالة هو تقييم فعالية القنوات الإعلانية والحملات وتحديد قنوات الزيارات المدفوعة التي تؤدي إلى التحويلات. بمعرفة ذلك ، يمكنك إعادة توزيع ميزانيتك الإعلانية على القنوات الفعالة ، والتوقف عن إنفاق الأموال على القنوات غير الفعالة ، والحصول في النهاية على المزيد من التحويلات.

يعتمد نجاحك في تنفيذ خطة مبيعاتك وتنمية عملك على جودة نموذج الإحالة الخاص بك وصلاحيته. تكمن المشكلة في أن معظم التحويلات تحدث نتيجة لأكثر من جلسة: قبل الشراء ، يقوم المستخدم بزيارة الموقع عدة مرات. لذلك ، لتوزيع قيمة الإيرادات أو الربح بشكل موضوعي لطلب معين ، تحتاج إلى تقييم كل جلسة ، وليس الأخيرة فقط. لا تأخذ معظم نماذج الإحالة القياسية في الاعتبار جميع إجراءات المستخدم قبل الطلب وتعطي كل قيمتها لقناة واحدة في السلسلة. أو يقومون بتقييم القنوات وفقًا لقاعدة شرطية وليس وفقًا لمزايا حقيقية.

في OWOX BI ، أنشأنا نموذج الإحالة المستند إلى تعلم الآلة (ML) الخاص بنا والذي يأخذ في الاعتبار جميع إجراءات المستخدم عبر الإنترنت وغير متصل بالإضافة إلى بيانات الإيرادات الحقيقية من CRM ويظهر التأثير المتبادل للقنوات على التحويلات وترويج المستخدم من خلال قمع.

في هذه المقالة ، نصف ما يمكنك فعله باستخدام OWOX BI Attribution.

بادئ ذي بدء ، دعنا نحدث معرفتك النظرية.

الإحالة هي توزيع القيمة من التحويل بين القنوات التي تقدم المستخدم عبر مسار التحويل. يساعد في الإجابة عن مدى تأثير كل قناة على ترويج المستخدم من خلال مسار التحويل والعائد الذي تلقيته في النهاية.

يحدد نموذج الإحالة منطق توزيع هذه القيمة - على سبيل المثال ، على القنوات الإعلانية والحملات التي ساعدت في جذب المستخدمين. من الناحية المثالية ، يجب أن يكون نموذج الإحالة الخاص بك موثوقًا به (مع مراعاة المساهمة الموضوعية لكل جهد) وشفافًا (مما يجعل من الممكن فهم نتائج الحساب والتحقق منها).

من يحتاج إلى الإسناد ولماذا؟

الإحالة مطلوبة من قبل أولئك الذين يديرون الميزانية لقنوات التسويق ويريدون توزيعها بفعالية من أجل تقليل التكاليف وزيادة الإيرادات وتحقيق خطة المبيعات.

نماذج الإحالة القياسية في Google Analytics

1. أول نقرة. تُنسب كل القيم المشتقة من التحويل إلى المصدر الأول الذي قاد المستخدم إلى مسار التحويل.
2. النقرة الأخيرة. تذهب كل القيم إلى القناة الأخيرة التي اتصل بها المستخدم قبل التحويل.
3. آخر نقرة غير مباشرة. يتم تعيين كل القيم إلى القناة الأخيرة في السلسلة. إذا كانت حركة مرور مباشرة ، تُنسب القيمة إلى المصدر السابق.
4. خطي. يتم توزيع القيمة بالتساوي بين جميع المصادر في السلسلة.
5. اضمحلال الوقت. يتم توزيع القيمة بين القنوات على أساس تدريجي.
6. الموقف القائم. القناة التي عرفت المستخدم بالعلامة التجارية والقناة التي أنهت الصفقة تحصل على 40٪ من قيمة كل منهما. يتم تقسيم الـ 20٪ المتبقية بالتساوي بين جميع القنوات في منتصف مسار التحويل.

نماذج الإسناد في الخدمات الإعلانية

تتوفر نماذج إحالة مختلفة في خدمات إعلانية وأنظمة تحليلية مختلفة.

تستخدم معظم الخدمات آخر نموذج للنقر غير المباشر ؛ يوفر البعض نماذج عرض ما بعد أو عبر الأجهزة أو نماذج أخرى. لكن لا يمكن مقارنة هذه النماذج عبر الخدمات: يقيس Facebook الإعلانات بطريقته الخاصة ، بينما يتبع إعلانات Google نهجًا مختلفًا. نتيجة لذلك ، من المستحيل الحصول على صورة شاملة لجميع أدواتك الإعلانية.

لا تكون نماذج الإحالة القياسية مناسبة في الحالات التالية:

• يتم إجراء معظم الطلبات على موقع الويب الخاص بك في أكثر من جلسة واحدة - أي أن هناك زيارتان أو أكثر في السلسلة قبل المعاملة
• لديك عدد كبير من مصادر الإعلان
• تحتاج إلى تقييم التأثير المتبادل لكل قناة على ترويج مسار التحويل
• تريد أن تفهم كيف تعمل القنوات الإعلانية في حزمة
• لديك قمع مبيعات معقد وغير متسق.

لتقييم التأثير المتبادل لجميع المصادر ، تحتاج إلى دمج البيانات من خدمات إعلانية مختلفة ، و Google Analytics ، و CRM الخاص بك واستخدام نماذج إحالة معقدة: النموذج المستند إلى البيانات في Google Analytics 360 ، أو Markov Chains ، أو قيمة Shapley ، أو الخوارزميات المخصصة . لكن هذه النماذج لها أيضًا قيودها: الحد الأدنى من البيانات المطلوبة للحسابات ، وعدم القدرة على التفكير في تحويلات ما بعد العرض أو دمج البيانات من CRM الخاص بك ، ومنطق الحساب المخفي ، والتنفيذ المعقد والمكلف ، وما إلى ذلك.

تساعدك ML Funnel Based Attribution من OWOX BI على تجنب كل هذه القيود.

يقوم نموذج إحالة OWOX BI بتقييم فعالية حملاتك الإعلانية ، مع الأخذ في الاعتبار مساهمة كل قناة في ترويج العميل من خلال مسار التحويل. باستخدام هذا النموذج ، يمكنك:

• تخصيص ميزانيتك الإعلانية بشكل صحيح ، مع مراعاة المساهمة الحقيقية للقنوات في التحويلات وتأثيرها المتبادل
• تقليل نسبة الاحتياطي النقدي (CRR) مع زيادة الإيرادات
• زيادة عدد العملاء الجدد مع توفير ميزانيتك
• زيادة عدد المستخدمين المستهدفين الذين وصلت إليهم الحملات الإعلامية مع توفير ميزانيتك.

تستند الإحالة القائمة على مسار التحويل في OWOX BI إلى سلاسل ماركوف والتعلم الآلي. سلسلة ماركوف هي سلسلة من الأحداث التي يعتمد فيها كل حدث لاحق على السابق. تستخدم الإحالة المستندة إلى سلاسل ماركوف نموذجًا احتماليًا يحسب احتمالية التحولات بين خطوات مسار التحويل ، مما يسمح لك بتقييم التأثير المتبادل للخطوات على التحويلات ومعرفة الخطوات الأكثر أهمية.

لحساب الاحتمالات ، يتم تقديم جميع خطوات مسار التحويل المحددة في إعدادات نموذج إحالة OWOX BI ، بالإضافة إلى خطوة تسجيل الدخول إلى الموقع ، كنتائج في سلسلة ماركوف. بعد ذلك ، يتم حساب احتمال الانتقال بين هذه النتائج:

الرسم أعلاه هو مثال مبسط لسهولة الفهم. في الحالات الحقيقية ، يمكن أن يكون هناك المزيد من المعاملات.

اقرأ المزيد حول حساب نموذج الإحالة المستند إلى مسار التحويل OWOX BI في مركز المساعدة الخاص بنا.

1. اجمع بيانات سلوك المستخدم الأولية من موقع الويب الخاص بك في Google BigQuery. للقيام بذلك ، يمكنك استخدام دفق البيانات من OWOX BI أو BigQuery Export باستخدام Google Analytics 360.
2. استيراد بيانات التكلفة إلى Google BigQuery من الخدمات الإعلانية. للقيام بذلك ، يمكنك استخدام OWOX BI لاستكمال الإحصائيات الخاصة بحملات إعلانات Google في Google Analytics مع بيانات التكلفة من الخدمات الإعلانية الأخرى ، ثم استيراد كل هذه المعلومات إلى Google BigQuery. يمكنك أيضًا استخدام OWOX BI لاستيراد البيانات الأولية مباشرةً من Facebook إلى BigQuery.
3. إذا كنت ترغب في ذلك ، يمكنك استكمال البيانات في Google BigQuery بمعلومات من CRM / ERP ومركز الاتصال وأنظمة المحاسبة الداخلية. سيسمح لك ذلك باستخدام المبيعات غير المتصلة بالإنترنت وبيانات إيرادات CRM الفعلية في حسابات الإحالة الخاصة بك. يمكنك أيضًا استخدام الأحداث المخصصة كخطوات في مسار التحويل: المكالمات ورسائل البريد الإلكتروني والاجتماعات الشخصية وما إلى ذلك.
4. في مشروع OWOX BI الخاص بك ، أنشئ نموذج إحالة وقم بإجراء العمليات الحسابية.

يستخدم معظم عملائنا OWOX BI لتقييم الحملات الإعلانية الحالية بموضوعية والتخطيط للحملات المستقبلية. يعد هذا ضروريًا لتنفيذ خطة إيرادات مع مخطط عائد الإنفاق الإعلاني (ROAS).

فيما يلي الأسباب الرئيسية التي تجعلنا نعتقد أن OWOX BI هو الخيار الأفضل للمسوقين.

يعتمد نموذج الإحالة الخاص بنا على البيانات الكاملة: مرات ظهور إعلانات الوسائط وتحويلات ما بعد العرض ، ونشاط المستخدم على موقع الويب الخاص بك ، وبيانات التكلفة من الخدمات الإعلانية ، وبيانات المعاملات من CRM ، وأي أحداث أخرى عبر الإنترنت وغير متصلة بالإنترنت. نتيجة لذلك ، ترى الصورة الكاملة لتفاعلات المستخدمين مع عملك ويمكن أن تأخذ في الاعتبار تأثير جميع جهود التسويق على مؤشرات الأعمال.

غالبًا ما لا تتطابق الإيرادات في Google Analytics والعائدات من البضائع المشتراة في CRM الخاص بك. باستخدام OWOX BI ، يمكنك قياس مساهمة التسويق عبر الإنترنت في المبيعات الحقيقية من خلال مراعاة الإيرادات من المتاجر الفعلية والبيانات الخاصة بالطلبات المكتملة من CRM الخاص بك.

على عكس نماذج الإحالة القياسية ، يأخذ نموذج OWOX BI في الاعتبار كل خطوة للمستخدم قبل الطلب - وليس فقط النقرة الأخيرة. كلما كان اجتياز خطوة ما أكثر صعوبة ، زادت قيمة الجلسة التي ساعدت في تحقيقها. ومن خلال معرفة قيمة الجلسات ، يمكنك حساب قيمة الحملات ، مع مراعاة مساهمتها في الترويج للمستخدمين من خلال مسار التحويل.

يمكنك أن تنمو بشكل أسرع من منافسيك من خلال استغلال المزايا الفريدة لعملك. باستخدام OWOX BI ، يمكنك إنشاء مسار يتناسب مع هيكل عملك.

بالإضافة إلى إجراءات المستخدمين على موقع الويب الخاص بك ، يمكنك إضافة أي أحداث مخصصة من CRM ونظام تتبع المكالمات والأنظمة الأخرى كخطوات مسار التحويل. على سبيل المثال ، يمكنك تحميل بيانات حول المكالمات أو الاجتماعات أو رسائل البريد الإلكتروني إلى Google BigQuery. اجمع جميع جهود الأعمال التي تهدف إلى تحويل المستخدمين إلى مسار واحد لتقييم فعاليتهم بشكل أكثر دقة.

لا يكفي الحصول على تقييم شامل لحملتك الإعلانية. يجب تقسيم تقييمك إلى مراحل الوعي والاهتمام والتحويل باستخدام نموذج AIDA.

على سبيل المثال ، مع OWOX BI ، قد ترى أن الحملات تقريبًا لا تشكل وعيًا:

نتيجة لذلك ، قد تبدو الحملات المصممة للتأثير على المراحل التالية من مسار التحويل غير فعالة. قد يوضح لك تقييم عائد النفقات الإعلانية للحملات الحالية كيفية إعادة توزيع ميزانيتك بينها ، ولكنه لن يكشف عن نقص الجهد في المرحلة العليا من مسار التحويل. يمنحك OWOX BI فهمًا لمكان تركيز جهودك.

لا يمكن لأي خوارزمية أن تحل محل تجربتك. على سبيل المثال ، قد تعلم أن حملات علامتك التجارية قد استنفدت وأن عائد النفقات الإعلانية المرتفع لا يعني أنه يجب عليك زيادة الاستثمار فيها.

في OWOX BI ، يمكنك بسهولة تحديد القنوات التي لن تشارك في تقييمك:

نتيجة لذلك ، تحصل على تقييم للحملات التي يمكنك إدارتها بموضوعية فقط. من المهم أن تتمكن من القيام بذلك في أي وقت من خلال واجهة ملائمة دون الاتصال بالمطورين أو فريق الدعم الخاص بك.

يحسب OWOX BI قيمة كل جلسة. يتيح لك ذلك تخصيص نماذج الإحالة لمجموعات مختلفة من المستخدمين ، وحساب عائد الاستثمار / عائد النفقات الإعلانية للمستخدمين الجدد ومكرري الزيارة ، ومقارنة ربحية المجموعة النموذجية.

على سبيل المثال ، يمكن لمشغلي الهاتف المحمول تقييم مساهمة الحملات الإعلانية في بيع خدمات إضافية للعملاء الحاليين (مجموعة "العملاء الحاليين"). ويمكن للشركات في مجال بيع الأزياء بالتجزئة تقييم المشترين لأول مرة والمشترين في المرة القادمة بشكل منفصل لمعرفة القنوات الأفضل في جذب عملاء جدد إلى الأعمال التجارية.

أيضًا ، من خلال معرفة تكلفة الجلسة ، يمكنك حساب مقدار ما تنفقه ومقدار ربحه على كل مجموعة منتجات. باستخدام هذه المعلومات ، يمكنك تقييم فعالية الإعلان لمختلف المناطق والصفحات المقصودة وإصدارات تطبيقات الجوال والتطبيقات.

من المهم ليس فقط تقييم الحملات ولكن جعل التقييم شفافًا للشركات. سيكون أي تقييم للصندوق الأسود موضع تساؤل ولن يسمح لك بالعثور على الأخطاء.

في OWOX BI ، يمكنك معرفة كيفية توزيع القيمة عبر الحملات لكل معاملة يتفاعل معها المستخدم:

يمكن أن تكون الأخطاء والاستنتاجات غير الصحيحة التي تم الحصول عليها بسبب محاولات تطبيق التعلم الآلي على بيانات غير كافية مكلفة للشركات. تقوم الخوارزمية الخاصة بنا بالتحقق والتحكم تلقائيًا في الأهمية الإحصائية للحسابات. بالإضافة إلى ذلك ، يتيح OWOX BI للمحللين الوصول الكامل إلى جدول فترات الثقة لكل جزء. بفضل هذا ، يمكنك التأكد من نتائجك وفهم كيفية الحصول عليها.

تعتمد فعالية التسويق عبر الإنترنت بشكل متزايد ليس على التقنيات المستخدمة ولكن على جودة البيانات التي يتم تدريب النماذج عليها. لذلك ، فإن الإسناد في حد ذاته يخسر للنماذج التي تم إنشاؤها باستخدام بيانات السوق.

يأخذ نموذج التعلم الآلي OWOX BI في الاعتبار البيانات من عشرات الآلاف من المشاريع.

لكي يكون نموذج الإحالة فعالاً ، يجب أن يفي أيضًا بالمتطلبات التالية:

1. يجب تحضير بيانات الحسابات بشكل صحيح. لا يمكنك فقط تخطي البيانات التي تم جمعها بواسطة متتبع JavaScript الخاص بك من خلال التعلم الآلي. لهذا السبب ، يعد BigQuery ML مناسبًا للتجارب ولكن ليس للاستخدام التجاري.
2. تحتاج إلى النظر في المعلومات المتعلقة بالتفاعلات مع الجزء العلوي من مسار التحويل: مرات ظهور إعلانات الوسائط. للقيام بذلك ، قمنا بتطوير OWOX BI Post-View Pixel ، والذي يسمح لك بقياس إعلانات الوسائط على مستوى المستخدم. لقد قمنا أيضًا بدمج OWOX BI مع Google Ads Data Hub ، والذي يسمح لـ BigQuery بطلب معلومات من Campaign Manager (مدير حملة DoubleClick السابق) وبعض المصادر الأخرى حتى تتمكن الشركات من النظر في مساهمة إعلانات الوسائط وتقييمها بشفافية في المراحل العليا من القمع.
3. يجب أن يأخذ النموذج رأي الخبير في الاعتبار:

• ما هي القنوات المدارة؟
• ما هي سعة هذه القنوات؟
• ما هو دور قناة معينة في مسار التحويل؟
• ما هي فترة التحويل؟

يلبي نموذج إحالة OWOX BI جميع هذه المتطلبات.

تتطلب الإحالة المستندة إلى البيانات في Google Analytics 360 متطلبات بيانات عالية: 400 تحويل من كل نوع بطول مسار لا يقل عن تفاعلين. يوفر OWOX BI ، من خلال تجميع الأحداث ديناميكيًا في مراحل قمع ، نتائج مفيدة بكميات أقل من البيانات ويناسب العديد من الشركات الأخرى. في الوقت نفسه ، يتم التحكم تلقائيًا في الأهمية الإحصائية للحسابات على مستوى مجموعات المستخدمين ، لذا يمكنك التأكد من النتائج.

في OWOX BI Smart Data ، يمكنك إنشاء تقارير بناءً على بيانات الإسناد دون مساعدة المحللين أو أي معرفة بـ SQL. بمجرد حساب نموذج الإحالة ، تُبلغ Smart Data تلقائيًا الدخل وعدد التحويلات وعائد الاستثمار وعائد النفقات الإعلانية و CRR في سياق الأحداث المضافة. بالإضافة إلى ذلك ، يمكنك إنشاء تقاريرك الخاصة باستخدام أداة إنشاء التقارير المناسبة. ما عليك سوى تحديد المعلمات والأرقام الرئيسية التي تريد رؤيتها في تقريرك. ستوفر لك الخدمة على الفور مخططًا وجدولًا مفهومين.

فيما يلي بعض الأمثلة على تقارير إحالة البيانات الجاهزة التي يمكنك الحصول عليها في البيانات الذكية:

يتيح لك هذا التقرير مقارنة نتائج العمليات الحسابية باستخدام نماذج إحالة مختلفة. في حالتنا ، هذه هي النقرة الأخيرة غير المباشرة ، والتي تُستخدم في Google Analytics ، والإحالة القائمة على مسار ML من OWOX BI. يمكنك مشاهدة الأرباح المنسوبة وعائد النفقات الإعلانية حسب القناة والحملة ونوع المستخدم والمنطقة والمدينة والجهاز. الحملات التي يتم المبالغة في تقديرها لها فرق سلبي. الحملات التي تم الاستخفاف بها لها فرق / قيمة إيجابية. على سبيل المثال ، في لقطة الشاشة أعلاه ، نرى أن قناة yandex / display قد تم التقليل من شأنها وأن الأمر يستحق بذل المزيد من الجهد فيها.

يوضح التقرير التالي كيفية توزيع قيمة المصادر والقنوات من خلال خطوات مسار التحويل. في المثال أعلاه ، نرى أن أكبر عدد من عمليات الشراء (الشريط الأخضر الفاتح) تتم في وضع عدم الاتصال.

بالإضافة إلى الأحداث ، يمكنك إضافة معلمات أخرى إلى التقارير مثل نوع المستخدمين (الجدد أو العائدين):

يوضح التقرير أعلاه كيفية توزيع النفقات وخطوات مسار التحويل والمشتريات عبر مجموعات العملاء. باستخدامه ، يمكنك تحديد القنوات والحملات التي تجذب المعاملات من العملاء الجدد وتخصيص الميزانيات لهم. تساعدك هذه الحملات على زيادة قاعدة عملائك.

باستخدام OWOX BI ، يمكنك إنشاء شرائح جمهور محدثة تلقائيًا استنادًا إلى أي من بياناتك وتنزيل هذه الشرائح إلى إعلانات Google. بالإضافة إلى ذلك ، يمكنك إرسال نتائج حسابات الإحالة تلقائيًا إلى خدمات المزايدة K50 و Alytics وكذلك إلى إعلانات Google و Facebook لإدارة العطاءات مع مراعاة الفعالية الحقيقية لإعلانك.

في ريادتنا لتطوير الإحالة القائمة على التحويل ، قمنا بتجميع تجربة فريدة نشاركها مع عملائنا في عشرات المقالات والكثير من الوثائق. بالإضافة إلى ذلك ، نحن على استعداد لضمان مستوى من جمع البيانات وجودة المعالجة أعلى من 96٪ في اتفاقية مستوى الخدمة الخاصة بنا.

مع OWOX ، لا تحصل فقط على الفكرة الجميلة لاستخدام التعلم الآلي في التسويق ولكن تحصل على أدلة خطوة بخطوة وتوصيات عملية وأمثلة لحالات الاستخدام الناجحة.

تعرف على كيف يمكن أن تساعد إحالة OWOX BI عملك. اشترك في عرض توضيحي للمنتج لتقييم قدرات منتجاتنا.