어트리뷰션을 설정할 때 퍼널 단계를 올바르게 선택하는 방법

광고 비용을 최적화하고 ROAS를 높이려면 판매 전에 체인의 각 채널 기여도를 고려하고 올바르게 평가하십시오. 서비스에서 사용할 수 있는 기여 모델의 절반이 거래의 모든 가치를 체인의 모든 채널에 제공하기 때문에 표준 Google 애널리틱스 도구로는 충분하지 않습니다. 그리고 모델의 후반부는 실제 메트릭이 아닌 조건부 규칙에 따라 채널을 추정합니다.

표준 GA 모델과 달리 OWOX BI Attribution은 전환에 대한 채널의 상호 영향과 유입경로에 대한 사용자 발전을 고려합니다. 또한 현재 GA 및 OWOX BI 모델의 광고 성과를 비교하여 저평가 또는 고평가된 캠페인을 볼 수 있습니다.

결과적으로 전환으로 사용자를 끌어들이는 채널에 예산을 재분배할 수 있지만 Google Analytics의 마지막 간접 클릭으로는 아무런 가치도 얻지 못합니다.

이 기사에서는 AIDA 모델에서 퍼널 단계에 대한 전환 이벤트를 강조 표시하고 이러한 단계를 기반으로 OWOX BI에서 기여 모델을 구축하는 방법을 설명합니다.

판매 유입 경로는 사용자가 사이트를 처음 접하고 구매하기까지 이동하는 경로입니다. AIDA 마케팅 모델에 따르면 이 경로는 4단계로 구성됩니다.

1. 주의 — 사람이 사이트에 주의를 기울였습니다.
2. 관심 — 상품에 관심을 갖게 되었습니다.
3. 욕망 - 상품을 사고 싶었습니다.
4. 액션 — 구매했습니다.

이론상으로는 간단하고 일관성 있게 들립니다. 실제로는 상황이 조금 더 복잡합니다. 사이트의 청중이 예상대로 행동하지 않을 수 있습니다. 다른 광고 채널에서 온 방문자는 다르게 행동합니다. 사람은 여러 번 사이트에 갔다가 아무 것도하지 않고 떠날 수 있습니다. 장바구니에 상품을 던지십시오. 다른 배너 등을 클릭하십시오. 예, 그의 작업은 일관되지만 각 사용자는 고유한 순서를 갖습니다.

또한 커뮤니케이션 채널의 선택은 사용자가 있는 깔때기의 단계에 따라 다릅니다. 예를 들어, 미디어 광고는 관심을 불러일으킬 필요가 있는 유입경로의 시작 부분에서 냉담한 청중과 완벽하게 작동합니다. 그리고 이메일은 유입경로의 마지막 단계에서 청중과 더 잘 어울립니다. 이들은 브랜드에 익숙한 충성도가 높은 사용자이므로 메일링에서 전환이 더 높습니다.

사이트 방문자에서 구매자로의 전환을 늘리려면 잠재고객의 행동을 조사하고 기여 모델에서 사용할 유입경로 단계를 올바르게 선택해야 합니다.

올바른 판매 유입경로를 사용하여 다음을 수행할 수 있습니다.

1. 마케팅 효과를 정확하게 평가하고, 저평가된 트래픽 소스를 찾아내고, 광고 예산을 최적으로 재분배합니다.
2. 사용자에게 적절한 제안을 제공하기 위해 사용자의 요구 사항을 이해합니다.
3. 유입경로 사용자가 어느 단계에 있는지에 따라 잠재고객을 세그먼트로 나누고 각 세그먼트와의 커뮤니케이션을 개인화합니다.
4. 유입경로에서 병목 현상을 찾아 최적화합니다.

유입경로의 각 단계에서 광고의 임무는 사용자가 구매에 더 가까운 다음 단계로 이동하도록 동기를 부여하는 것입니다. 예를 들어 전환 액션은 항목 카드 보기, 메일링 리스트 구독, 장바구니에 항목 추가 등일 수 있습니다. AIDA 유입경로 구축에 적합한 조치를 어떻게 결정할 수 있습니까?

이 시점에서 첫 번째 지불과 같이 사용자가 전환하기 전에 사이트에서 수행하는 모든 비즈니스 크리티컬한 작업을 수행해야 합니다.

선택한 작업은 사이트에서 추적되어 Google BigQuery로 전송되어야 합니다. 이렇게 하면 다음 단계를 수행할 수 있습니다.

다음과 같은 다양한 섹션에서 전환 액션을 분석할 수 있습니다.

• 활동에서 전환까지의 시간입니다.
• 전환 액션으로 인한 전환 확률입니다.

먼저 선택한 모든 이벤트로 다음과 같은 테이블을 만들어야 합니다.

이벤트 수에 제한을 두어서는 안 됩니다. 분석에 사용하는 작업이 많을수록 더 좋습니다. 물론 동시에 상식도 잊지 마십시오.

그런 다음 이 표를 기반으로 그래프를 만들어야 합니다. 다음은 그러한 그래프의 예입니다.

그래프는 전환 액션에 따라 전환 전 시간이 어떻게 변하는지 보여줍니다.

양호 — 선택한 이벤트가 그래프에 고르게 분포되어 있는 경우입니다. 이렇게 하면 이러한 이벤트를 클러스터로 나누어 유입경로를 구축할 수 있으며, 각 클러스터는 기여도에서 유입경로의 한 단계가 됩니다.

나쁨 — 이벤트가 그래프에서 한 곳으로 그룹화되는 경우. 그러면 깔때기에서 한두 단계만 얻을 수 있습니다. 이러한 경우 모델 계산의 품질이 낮아집니다.

분석된 이벤트에 대한 잠재적 AIDA 유입 경로의 예:

OWOX BI에 프로젝트가 없다면 바로 무료로 사용할 수 있습니다.

속성 계산을 실행하기 전에 Google BigQuery 클라우드 스토리지의 모든 데이터를 수집해야 합니다. OWOX BI를 사용하면 사이트에서 사용자의 행동(페이지 보기, 이벤트, 거래 등), 비용 데이터, 통화 추적 통계 및 이메일 마케팅 서비스에 대한 원시 데이터를 Google Analytics에서 GBQ로 보낼 수 있습니다.

CRM에서 BigQuery로 주문 상태 정보와 사용자를 수동으로 로드할 수도 있습니다. GBQ의 데이터는 SQL 쿼리로 액세스할 수 있으며 테이블로 응답할 수 있습니다.

추가 작업 및 시각화를 위해 이러한 테이블을 예를 들어 무료 애드온을 사용하여 CSV 또는 Google 스프레드시트에 업로드할 수 있습니다. 이 솔루션을 사용하면 GA 인터페이스에 있는 샘플링 및 기타 제한 없이 보고서를 작성할 수 있습니다.

사이트에 Google Analytics용 Enhanced E-Commerce를 구성한 경우 OWOX BI의 세션 데이터가 있는 첫 번째 테이블이 BigQuery에 나타날 때 기여 모델이 자동으로 생성됩니다.

새 모델을 생성하거나 기존 모델을 수정할 수 있습니다. 편집하려면 모델 설정을 열고 각 단계에서 OR 조건을 통해 변환 이벤트를 나열합니다.

그런 다음 계산을 시작합니다. 결과적으로 선택한 전환 액션으로 이어진 트래픽 소스에 대한 정보를 받게 됩니다.

OWOX BI 모델 계산 결과는 소스/매체/캠페인 섹션에서 마지막 간접 클릭 모델의 결과와 비교할 수 있습니다.

이렇게 하면 전환 액션으로 이어졌지만 여전히 저평가된 트래픽 소스가 강조표시됩니다. 예를 들어, 이 스크린샷에서 yandex/organic이 저평가되었으며 더 많은 노력에 투자할 가치가 있음을 알 수 있습니다.

다음으로, 전환 액션의 수를 늘리기 위해 예산을 재분배하기만 하면 됩니다.

아래 화면에서 트래픽 소스가 유입경로의 여러 단계에서 어떻게 분포되는지 확인할 수 있습니다. AIDA 유입경로 이벤트가 잘 선택되면(위 차트 참조) 광고 소스 간에 예산을 재분배할 수 있습니다.

이벤트가 성공적으로 선택되지 않으면 모든 이벤트가 하나 또는 두 개의 광고 채널에 속하게 되며 광고 예산을 재분배할 채널 사이에 옵션이 없습니다.

추신: 데이터를 Google BigQuery에 결합하고 속성을 설정하는 데 도움이 필요하면 언제든지 도와드리겠습니다. 데모에 등록하면 자세한 내용을 논의하겠습니다.