12 เหตุผลในการเลือก OWOX BI ML Funnel Based Attribution

เป้าหมายของการระบุแหล่งที่มาคือการประเมินประสิทธิภาพของช่องทางการโฆษณาและแคมเปญ และระบุว่าช่องทางการรับส่งข้อมูลแบบชำระเงินใดนำไปสู่ ​​Conversion เมื่อทราบสิ่งนี้ คุณสามารถแจกจ่ายงบประมาณการโฆษณาของคุณไปยังช่องทางที่มีประสิทธิภาพ หยุดการใช้จ่ายเงินในช่องทางที่ไม่มีประสิทธิภาพ และได้รับ Conversion เพิ่มขึ้นในที่สุด

ความสำเร็จของคุณในการดำเนินแผนการขายและการขยายธุรกิจของคุณขึ้นอยู่กับคุณภาพและความถูกต้องของรูปแบบการระบุแหล่งที่มาของคุณ ปัญหาคือ Conversion ส่วนใหญ่เกิดขึ้นจากมากกว่าหนึ่งเซสชัน: ก่อนซื้อ ผู้ใช้เข้าชมไซต์หลายครั้ง ดังนั้น ในการกระจายมูลค่าของรายได้หรือกำไรสำหรับคำสั่งซื้อเฉพาะ คุณต้องประเมินแต่ละเซสชัน ไม่ใช่เฉพาะช่วงสุดท้าย รูปแบบการระบุแหล่งที่มามาตรฐานส่วนใหญ่ไม่ได้คำนึงถึงการดำเนินการของผู้ใช้ทั้งหมดก่อนคำสั่งซื้อ และให้คุณค่าทั้งหมดแก่ช่องทางเดียวในห่วงโซ่ หรือพวกเขาประเมินช่องตามกฎเงื่อนไขและไม่ใช่ตามบุญที่แท้จริง

ที่ OWOX BI เราได้สร้างแบบจำลองการระบุแหล่งที่มาตามช่องทางของแมชชีนเลิร์นนิง (ML) ซึ่งพิจารณาการกระทำของผู้ใช้ทั้งหมดทางออนไลน์และออฟไลน์ รวมทั้งข้อมูลรายได้จริงจาก CRM ของคุณและแสดงอิทธิพลร่วมกันของช่องทางในการแปลงและการโปรโมตผู้ใช้ผ่าน ช่องทาง

ในบทความนี้ เราจะอธิบายสิ่งที่คุณสามารถทำได้ด้วย OWOX BI Attribution

เริ่มต้นด้วยการรีเฟรชความรู้เชิงทฤษฎีของคุณ

การ ระบุแหล่งที่มา คือการกระจายมูลค่าจาก Conversion ระหว่างแชแนลที่ยกระดับผู้ใช้ผ่านช่องทาง ช่วยตอบคำถามว่าแต่ละช่องมีอิทธิพลต่อการโปรโมตของผู้ใช้ผ่านช่องทางและรายได้ที่คุณได้รับในตอนท้ายมากน้อยเพียงใด

รูปแบบการระบุแหล่ง ที่มากำหนดตรรกะของการกระจายมูลค่านี้ ตัวอย่างเช่น ไปยังช่องทางการโฆษณาและแคมเปญที่ช่วยดึงดูดผู้ใช้ ตามหลักการแล้ว รูปแบบการระบุแหล่งที่มาของคุณควรเชื่อถือได้ (โดยคำนึงถึงการมีส่วนร่วมตามวัตถุประสงค์ของความพยายามแต่ละครั้ง) และโปร่งใส (ทำให้สามารถเข้าใจและตรวจสอบผลลัพธ์ของการคำนวณได้)

ใครต้องการการระบุแหล่งที่มาและทำไม?

จำเป็นต้องมีการระบุแหล่งที่มาโดยผู้ที่จัดการงบประมาณสำหรับช่องทางการตลาดและต้องการแจกจ่ายอย่างมีประสิทธิภาพเพื่อลดต้นทุน เพิ่มรายได้ และดำเนินการตามแผนการขาย

รูปแบบการระบุแหล่งที่มามาตรฐานใน Google Analytics

1. คลิกแรก. มูลค่าทั้งหมดที่ได้รับจาก Conversion มาจากแหล่งที่มาแรกที่นำผู้ใช้ไปสู่เส้นทาง Conversion
2. คลิกสุดท้าย ค่าทั้งหมดไปที่แชแนลสุดท้ายที่ผู้ใช้ติดต่อด้วยก่อนเกิด Conversion
3. คลิกสุดท้ายที่ไม่ใช่โดยตรง ค่าทั้งหมดถูกกำหนดให้กับแชนเนลสุดท้ายในเชน หากเป็นการเข้าชมโดยตรง ค่าจะถือว่ามาจากแหล่งที่มาก่อนหน้า
4. เชิงเส้น ค่ามีการกระจายอย่างเท่าเทียมกันในทุกแหล่งที่มาในห่วงโซ่
5. การสลายตัวของเวลา มูลค่าจะกระจายไปตามช่องทางต่างๆ
6. ตามตำแหน่ง ช่องที่แนะนำผู้ใช้ให้รู้จักแบรนด์และช่องที่ปิดดีลจะได้รับ 40% ของมูลค่าแต่ละช่อง ส่วนที่เหลืออีก 20% จะถูกแบ่งเท่าๆ กันระหว่างทุกช่องที่อยู่ตรงกลางของช่องทาง

รูปแบบการระบุแหล่งที่มาในบริการโฆษณา

รูปแบบการระบุแหล่งที่มาที่แตกต่างกันมีอยู่ในบริการโฆษณาและระบบการวิเคราะห์ที่แตกต่างกัน

บริการส่วนใหญ่ใช้รูปแบบการคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย บางส่วนมีให้หลังการดู ข้ามอุปกรณ์ หรือรุ่นอื่นๆ แต่โมเดลเหล่านี้ไม่สามารถเปรียบเทียบระหว่างบริการต่างๆ ได้: Facebook วัดโฆษณาด้วยวิธีของตัวเอง ในขณะที่ Google Ads มีแนวทางที่แตกต่างออกไป ด้วยเหตุนี้ คุณจึงไม่สามารถเห็นภาพรวมของเครื่องมือโฆษณาทั้งหมดของคุณได้

รูปแบบการระบุแหล่งที่มามาตรฐานไม่เหมาะสมเมื่อ:

• คำสั่งซื้อส่วนใหญ่บนเว็บไซต์ของคุณเกิดขึ้นมากกว่า 1 เซสชัน กล่าวคือ มีการเข้าชมตั้งแต่สองครั้งขึ้นไปในห่วงโซ่ก่อนการทำธุรกรรม
• คุณมีแหล่งโฆษณาจำนวนมาก
• คุณต้องประเมินอิทธิพลร่วมกันของแต่ละช่องในการโปรโมตช่องทาง
• คุณต้องการทำความเข้าใจว่าช่องทางการโฆษณาทำงานอย่างไรในชุดรวม
• คุณมีช่องทางการขายที่ซับซ้อนและไม่สอดคล้องกัน

ในการประเมินอิทธิพลร่วมกันของแหล่งที่มาทั้งหมด คุณต้องรวมข้อมูลจากบริการโฆษณาต่างๆ, Google Analytics และ CRM ของคุณ และใช้รูปแบบการระบุแหล่งที่มาที่ซับซ้อน: โมเดลที่ขับเคลื่อนด้วยข้อมูลใน Google Analytics 360, Markov Chains, ค่า Shapley หรืออัลกอริทึมที่กำหนดเอง . แต่โมเดลเหล่านี้ก็มีข้อจำกัดเช่นกัน: จำนวนข้อมูลขั้นต่ำที่จำเป็นสำหรับการคำนวณ การไม่สามารถพิจารณา Conversion หลังการดู หรือรวมข้อมูลจาก CRM ของคุณ ตรรกะการคำนวณที่ซ่อนอยู่ การใช้งานที่ซับซ้อนและมีราคาแพง เป็นต้น

การระบุแหล่งที่มาตามช่องทาง ML จาก OWOX BI ช่วยให้คุณหลีกเลี่ยงข้อจำกัดเหล่านี้ทั้งหมด

รูปแบบการระบุแหล่งที่มา OWOX BI จะประเมินประสิทธิภาพของแคมเปญโฆษณาของคุณ โดยพิจารณาถึงการมีส่วนร่วมของแต่ละช่องทางในการโปรโมตของลูกค้าผ่านช่องทางการแปลง ด้วยโมเดลนี้ คุณสามารถ:

• จัดสรรงบประมาณการโฆษณาของคุณอย่างถูกต้อง โดยคำนึงถึงการมีส่วนร่วมที่แท้จริงของช่องทางในการแปลงและอิทธิพลร่วมกัน
• ลดอัตราส่วนเงินสดสำรอง (CRR) พร้อมเพิ่มรายได้
• เพิ่มจำนวนลูกค้าใหม่พร้อมทั้งประหยัดงบประมาณ
• เพิ่มจำนวนผู้ใช้เป้าหมายที่เข้าถึงโดยแคมเปญสื่อในขณะที่ประหยัดงบประมาณของคุณ

การระบุแหล่งที่มาตามช่องทางใน OWOX BI อิงตามเครือ Markov และการเรียนรู้ของเครื่อง ห่วงโซ่มาร์คอฟคือลำดับของเหตุการณ์ซึ่งแต่ละเหตุการณ์ที่ตามมาจะขึ้นอยู่กับเหตุการณ์ก่อนหน้า การระบุแหล่งที่มาตามเครือ Markov ใช้รูปแบบความน่าจะเป็นที่คำนวณความน่าจะเป็นของการเปลี่ยนผ่านระหว่างขั้นตอนต่างๆ ของช่องทาง ช่วยให้คุณประเมินอิทธิพลร่วมกันของขั้นตอนต่างๆ ที่มีต่อ Conversion และค้นหาว่าขั้นตอนใดสำคัญที่สุด

ในการคำนวณความน่าจะเป็น ขั้นตอนทั้งหมดของกระบวนการ Conversion ที่ระบุในการตั้งค่าของรูปแบบการระบุแหล่งที่มา OWOX BI บวกกับขั้นตอนการเข้าสู่ระบบเว็บไซต์ จะแสดงเป็นผลลัพธ์ในห่วงโซ่ Markov หลังจากนั้นจะคำนวณความน่าจะเป็นของการเปลี่ยนแปลงระหว่างผลลัพธ์เหล่านี้:

ภาพด้านบนนี้เป็นตัวอย่างที่เข้าใจง่าย ในกรณีจริงอาจมีการทำธุรกรรมมากขึ้น

อ่านเพิ่มเติมเกี่ยวกับการคำนวณรูปแบบการระบุแหล่งที่มาตามช่องทาง OWOX BI ในศูนย์ช่วยเหลือของเรา

1. รวบรวมข้อมูลพฤติกรรมผู้ใช้ดิบจากเว็บไซต์ของคุณใน Google BigQuery ในการดำเนินการนี้ คุณสามารถใช้การสตรีมข้อมูลจาก OWOX BI หรือ BigQuery Export ด้วย Google Analytics 360
2. นำเข้าข้อมูลค่าใช้จ่ายไปยัง Google BigQuery จากบริการโฆษณา ในการดำเนินการนี้ คุณสามารถใช้ OWOX BI เพื่อเสริมสถิติในแคมเปญ Google Ads ใน Google Analytics ด้วยข้อมูลค่าใช้จ่ายจากบริการโฆษณาอื่นๆ จากนั้นนำเข้าข้อมูลทั้งหมดนี้ไปยัง Google BigQuery คุณยังสามารถใช้ OWOX BI เพื่อนำเข้าข้อมูลดิบจาก Facebook ไปยัง BigQuery ได้โดยตรง
3. หากต้องการ คุณสามารถเสริมข้อมูลใน Google BigQuery ด้วยข้อมูลจาก CRM/ERP, คอลเซ็นเตอร์ และระบบบัญชีภายในได้ ซึ่งจะช่วยให้คุณใช้ข้อมูลการขายออฟไลน์และข้อมูลรายได้ CRM จริงในการคำนวณการระบุแหล่งที่มาได้ คุณยังใช้เหตุการณ์ที่กำหนดเองเป็นขั้นตอนของช่องทางได้ เช่น การโทร อีเมล การประชุมส่วนตัว ฯลฯ
4. ในโครงการ OWOX BI ของคุณ สร้างแบบจำลองการระบุแหล่งที่มาและเรียกใช้การคำนวณ

ลูกค้าของเราส่วนใหญ่ใช้ OWOX BI เพื่อประเมินแคมเปญโฆษณาที่มีอยู่อย่างเป็นกลางและวางแผนแคมเปญในอนาคต นี่เป็นสิ่งจำเป็นในการดำเนินการตามแผนรายได้ที่มีผลตอบแทนจากค่าโฆษณา (ROAS) ที่วางแผนไว้

นี่คือเหตุผลสำคัญที่ทำให้เราเชื่อว่า OWOX BI เป็นตัวเลือกที่ดีที่สุดสำหรับนักการตลาด

รูปแบบการระบุแหล่งที่มาของเราอิงตามข้อมูลทั้งหมด: การแสดงผลโฆษณาสื่อและ Conversion หลังการดู กิจกรรมของผู้ใช้บนเว็บไซต์ ข้อมูลต้นทุนจากบริการโฆษณา ข้อมูลธุรกรรมจาก CRM และกิจกรรมออนไลน์และออฟไลน์อื่นๆ ด้วยเหตุนี้ คุณจึงมองเห็นภาพรวมของการโต้ตอบของผู้ใช้กับธุรกิจของคุณ และสามารถพิจารณาถึงผลกระทบของความพยายามทางการตลาดทั้งหมดที่มีต่อตัวบ่งชี้ทางธุรกิจ

รายได้ใน Google Analytics และรายได้จากสินค้าที่ซื้อใน CRM ของคุณมักจะไม่ตรงกัน ด้วย OWOX BI คุณสามารถวัดการมีส่วนร่วมของการตลาดออนไลน์ในการขายจริงโดยพิจารณาจากรายได้จากร้านค้าจริงและข้อมูลเกี่ยวกับคำสั่งซื้อที่เสร็จสมบูรณ์จาก CRM ของคุณ

ไม่เหมือนกับรูปแบบการระบุแหล่งที่มามาตรฐาน โมเดล OWOX BI คำนึงถึงทุกขั้นตอนของผู้ใช้ก่อนการสั่งซื้อ ไม่ใช่แค่คลิกสุดท้าย ยิ่งผ่านขั้นตอนยากขึ้นเท่าใด เซสชันก็ยิ่งได้รับคุณค่ามากขึ้นเท่านั้นที่ช่วยทำให้มันเกิดขึ้น และเมื่อทราบมูลค่าของเซสชันแล้ว คุณจะคำนวณมูลค่าของแคมเปญได้ โดยพิจารณาถึงการมีส่วนร่วมในการโปรโมตผู้ใช้ผ่านช่องทาง

คุณสามารถเติบโตได้เร็วกว่าคู่แข่งด้วยการใช้ประโยชน์จากข้อได้เปรียบเฉพาะของธุรกิจของคุณ ด้วย OWOX BI คุณสามารถสร้างช่องทางที่ตรงกับโครงสร้างของธุรกิจของคุณ

นอกเหนือจากการกระทำของผู้ใช้บนเว็บไซต์ของคุณแล้ว คุณสามารถเพิ่มเหตุการณ์ที่กำหนดเองจาก CRM ระบบติดตามการโทร และระบบอื่นๆ เป็นขั้นตอนของช่องทางได้ เช่น อัปโหลดข้อมูลเกี่ยวกับการโทร การประชุม หรืออีเมลไปยัง Google BigQuery รวมความพยายามทางธุรกิจทั้งหมดที่มุ่งเปลี่ยนผู้ใช้ให้เป็นช่องทางเดียวเพื่อประเมินประสิทธิภาพของพวกเขาได้แม่นยำยิ่งขึ้น

การประเมินแคมเปญโฆษณาอย่างครอบคลุมไม่เพียงพอ การประเมินของคุณต้องแบ่งออกเป็นขั้นตอนของการตระหนักรู้ ความสนใจ และการเปลี่ยนใจเลื่อมใสโดยใช้แบบจำลอง AIDA

ตัวอย่างเช่น ด้วย OWOX BI คุณอาจพบว่าแคมเปญแทบไม่สร้างการรับรู้:

ด้วยเหตุนี้ แคมเปญที่ออกแบบเพื่อให้มีอิทธิพลต่อขั้นตอนถัดไปของช่องทางจึงอาจดูไม่มีประสิทธิภาพ การประเมิน ROAS ของแคมเปญที่มีอยู่อาจแสดงให้คุณเห็นถึงวิธีกระจายงบประมาณระหว่างกัน แต่จะไม่เผยให้เห็นถึงการขาดความพยายามในขั้นตอนด้านบนของช่องทาง OWOX BI ช่วยให้คุณเข้าใจว่าควรมุ่งเน้นที่ใด

ไม่มีอัลกอริทึมใดสามารถแทนที่ประสบการณ์ของคุณได้ ตัวอย่างเช่น คุณอาจรู้ว่าแคมเปญแบรนด์ของคุณหมดลงแล้ว และ ROAS ที่สูงของแคมเปญนั้นไม่ได้หมายความว่าคุณควรลงทุนเพิ่มกับแคมเปญเหล่านั้น

ใน OWOX BI คุณสามารถระบุช่องทางที่จะไม่เข้าร่วมการประเมินของคุณได้อย่างง่ายดาย:

เป็นผลให้คุณได้รับการประเมินเฉพาะแคมเปญที่คุณสามารถจัดการได้อย่างเป็นกลาง เป็นสิ่งสำคัญที่คุณสามารถทำได้ทุกเมื่อในอินเทอร์เฟซที่สะดวกโดยไม่ต้องติดต่อนักพัฒนาหรือทีมสนับสนุนของคุณ

OWOX BI คำนวณมูลค่าของแต่ละเซสชัน วิธีนี้ช่วยให้คุณปรับแต่งรูปแบบการระบุแหล่งที่มาสำหรับกลุ่มผู้ใช้ที่แตกต่างกัน คำนวณ ROI/ROAS สำหรับผู้ใช้ใหม่และผู้ใช้ที่กลับมา และเปรียบเทียบความสามารถในการทำกำไรของกลุ่ม

ตัวอย่างเช่น ผู้ให้บริการโทรศัพท์มือถือสามารถประเมินการมีส่วนร่วมของแคมเปญโฆษณาในการขายบริการเพิ่มเติมให้กับลูกค้าปัจจุบัน (กลุ่ม "ลูกค้าปัจจุบัน") และบริษัทจากช่องทางค้าปลีกแฟชั่นสามารถประเมินผู้ซื้อครั้งแรกและผู้ซื้อในครั้งต่อไปแยกกัน เพื่อค้นหาว่าช่องทางใดดีกว่าในการดึงดูดลูกค้าใหม่มายังธุรกิจ

นอกจากนี้ เมื่อทราบค่าใช้จ่ายของเซสชัน คุณจะคำนวณจำนวนเงินที่ใช้จ่ายและรายได้ที่คุณได้รับจากแต่ละกลุ่มผลิตภัณฑ์ ด้วยข้อมูลนี้ คุณสามารถประเมินประสิทธิภาพของการโฆษณาในภูมิภาคต่างๆ หน้า Landing Page เวอร์ชันแอพมือถือ และแอปพลิเคชัน

ไม่เพียงแต่ต้องประเมินแคมเปญเท่านั้นแต่ต้องทำให้การประเมินโปร่งใสสำหรับธุรกิจด้วย การประเมินกล่องดำใดๆ จะเป็นที่น่าสงสัยและจะไม่อนุญาตให้คุณค้นหาข้อผิดพลาด

ใน OWOX BI คุณสามารถดูวิธีการกระจายมูลค่าในแคมเปญต่างๆ สำหรับแต่ละธุรกรรมที่ผู้ใช้โต้ตอบด้วย:

ข้อผิดพลาดและข้อสรุปที่ไม่ถูกต้องที่ได้รับเนื่องจากการพยายามใช้การเรียนรู้ของเครื่องกับข้อมูลที่ไม่เพียงพออาจเป็นค่าใช้จ่ายสำหรับธุรกิจ อัลกอริทึมของเราจะตรวจสอบและควบคุมความสำคัญทางสถิติของการคำนวณโดยอัตโนมัติ นอกจากนี้ OWOX BI ยังช่วยให้นักวิเคราะห์ของคุณเข้าถึงตารางช่วงความเชื่อมั่นสำหรับแต่ละกลุ่มได้อย่างเต็มที่ ด้วยเหตุนี้ คุณจึงมั่นใจได้ในผลลัพธ์และเข้าใจว่าได้ผลลัพธ์มาอย่างไร

ประสิทธิผลของการตลาดออนไลน์ขึ้นอยู่กับเทคโนโลยีที่ใช้มากขึ้นเรื่อยๆ แต่ขึ้นอยู่กับคุณภาพของข้อมูลในโมเดลที่ได้รับการฝึกอบรม ดังนั้น การระบุแหล่งที่มาเองจึงสูญเสียโมเดลที่สร้างขึ้นโดยใช้ข้อมูลตลาด

โมเดลการเรียนรู้ของเครื่อง OWOX BI พิจารณาข้อมูลจากโครงการหลายหมื่นโครงการ

เพื่อให้รูปแบบการระบุแหล่งที่มามีประสิทธิภาพ ต้องเป็นไปตามข้อกำหนดต่อไปนี้ด้วย

1. ต้องเตรียมข้อมูลสำหรับการคำนวณให้ถูกต้อง คุณไม่สามารถข้ามข้อมูลที่รวบรวมโดยตัวติดตาม JavaScript ของคุณผ่านการเรียนรู้ของเครื่อง ด้วยเหตุนี้ BigQuery ML จึงเหมาะสำหรับการทดลองแต่ไม่เหมาะสำหรับการใช้งานเชิงพาณิชย์
2. คุณต้องพิจารณาข้อมูลเกี่ยวกับการโต้ตอบกับส่วนบนของช่องทาง: การแสดงโฆษณาทางสื่อ ในการทำเช่นนี้ เราได้พัฒนา OWOX BI Post-View Pixel ซึ่งช่วยให้คุณวัดโฆษณาสื่อที่ระดับผู้ใช้ เรายังได้ผสานรวม OWOX BI กับ Google Ads Data Hub ซึ่งช่วยให้ BigQuery สามารถขอข้อมูลจากตัวจัดการแคมเปญ (อดีต DoubleClick Campaign Manager) และแหล่งข้อมูลอื่นๆ เพื่อให้ธุรกิจสามารถพิจารณาและประเมินการมีส่วนร่วมของการโฆษณาสื่ออย่างโปร่งใสในขั้นบนของ ช่องทาง
3. แบบจำลองควรพิจารณาความคิดเห็นของผู้เชี่ยวชาญ:

• ช่องทางใดบ้างที่ได้รับการจัดการ?
• ความจุของช่องเหล่านี้คืออะไร?
• บทบาทของช่องที่กำหนดในช่องทางคืออะไร?
• กรอบเวลาการแปลงคืออะไร?

รูปแบบการระบุแหล่งที่มา OWOX BI ตรงตามข้อกำหนดเหล่านี้ทั้งหมด

การระบุแหล่งที่มาจากข้อมูลใน Google Analytics 360 ต้องการข้อมูลระดับสูง: 400 Conversion สำหรับแต่ละประเภทโดยมีความยาวเส้นทางอย่างน้อย 2 การโต้ตอบ OWOX BI โดยการจัดกลุ่มเหตุการณ์แบบไดนามิกเป็นขั้นตอนของช่องทาง ให้ผลลัพธ์ที่มีความหมายด้วยข้อมูลจำนวนน้อยลงและเหมาะสมกับบริษัทอื่นๆ อีกมากมาย ในขณะเดียวกัน นัยสำคัญทางสถิติของการคำนวณจะถูกควบคุมโดยอัตโนมัติที่ระดับของกลุ่มผู้ใช้ ดังนั้นคุณจึงมั่นใจได้ในผลลัพธ์

ใน OWOX BI Smart Data คุณสามารถสร้างรายงานตามข้อมูลการระบุแหล่งที่มาได้โดยไม่ต้องอาศัยความช่วยเหลือจากนักวิเคราะห์หรือความรู้เกี่ยวกับ SQL เมื่อคำนวณรูปแบบการระบุแหล่งที่มาแล้ว Smart Data จะรายงานรายได้ จำนวน Conversion, ROI, ROAS และ CRR โดยอัตโนมัติในบริบทของเหตุการณ์ที่เพิ่มเข้ามา นอกจากนี้ คุณสามารถสร้างรายงานของคุณเองโดยใช้เครื่องมือสร้างรายงานที่สะดวก เพียงเลือกพารามิเตอร์และตัวเลขสำคัญที่คุณต้องการดูในรายงานของคุณ บริการนี้จะช่วยให้คุณมีแผนภูมิและตารางที่เข้าใจได้ทันที

ต่อไปนี้คือตัวอย่างบางส่วนของรายงานการระบุแหล่งที่มาของข้อมูลแบบสำเร็จรูปที่คุณจะได้รับใน Smart Data:

รายงานนี้ให้คุณเปรียบเทียบผลลัพธ์ของการคำนวณโดยใช้รูปแบบการระบุแหล่งที่มาต่างๆ ในกรณีของเรา สิ่งเหล่านี้คือคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย ซึ่งใช้ใน Google Analytics และการระบุแหล่งที่มาตามช่องทาง ML จาก OWOX BI คุณสามารถดูรายได้ที่ระบุแหล่งที่มาและ ROAS ตามช่องทาง แคมเปญ ประเภทผู้ใช้ ภูมิภาค เมือง และอุปกรณ์ แคมเปญที่ให้คะแนนเกินจริงมีความแตกต่างด้านลบ แคมเปญที่ประเมินต่ำเกินไปมีความแตกต่าง/มูลค่าในเชิงบวก ตัวอย่างเช่น ในภาพหน้าจอด้านบน เราเห็นว่าช่อง yandex/display ถูกประเมินต่ำไป และมันคุ้มค่าที่จะทุ่มเทให้มากกว่านี้

รายงานต่อไปนี้แสดงวิธีการกระจายมูลค่าของแหล่งที่มาและช่องทางตามขั้นตอนของช่องทาง ในตัวอย่างข้างต้น เราพบว่ามีการสั่งซื้อแบบออฟไลน์มากที่สุด (แถบสีเขียวอ่อน)

นอกเหนือจากเหตุการณ์ คุณสามารถเพิ่มพารามิเตอร์อื่นๆ ลงในรายงานได้ เช่น ประเภทของผู้ใช้ (ใหม่หรือที่กลับมา):

รายงานด้านบนแสดงวิธีกระจายค่าใช้จ่าย ขั้นตอนของช่องทาง และการซื้อในกลุ่มลูกค้าตามรุ่น ด้วยวิธีนี้ คุณสามารถกำหนดช่องทางและแคมเปญที่ดึงดูดธุรกรรมจากลูกค้าใหม่และจัดสรรงบประมาณให้พวกเขาได้ แคมเปญเหล่านี้ช่วยให้คุณเพิ่มฐานลูกค้าได้

ด้วย OWOX BI คุณสามารถสร้างกลุ่มผู้ชมที่อัปเดตโดยอัตโนมัติตามข้อมูลใดๆ ของคุณ และดาวน์โหลดกลุ่มเหล่านี้ไปยัง Google Ads นอกจากนี้ คุณสามารถส่งผลการคำนวณการระบุแหล่งที่มาไปยังบริการเสนอราคา K50 และ Alytics รวมถึง Google Ads และ Facebook ได้โดยอัตโนมัติเพื่อจัดการราคาเสนอโดยพิจารณาจากประสิทธิภาพที่แท้จริงของการโฆษณาของคุณ

ในการบุกเบิกการพัฒนาการระบุแหล่งที่มาตามช่องทาง เราได้รวบรวมประสบการณ์ที่ไม่เหมือนใครที่เราแบ่งปันกับลูกค้าของเราในบทความมากมายและเอกสารประกอบมากมาย นอกจากนี้ เราพร้อมที่จะรับประกันระดับของการรวบรวมข้อมูลและคุณภาพการประมวลผลที่สูงกว่า 96% ใน SLA ของเรา

ด้วย OWOX คุณจะไม่เพียงได้รับแนวคิดที่สวยงามของการใช้แมชชีนเลิร์นนิงในด้านการตลาด แต่ยังรวมถึงคำแนะนำทีละขั้นตอน คำแนะนำที่ใช้งานได้จริง และตัวอย่างกรณีการใช้งานที่ประสบความสำเร็จ

เรียนรู้ว่าการระบุแหล่งที่มา OWOX BI สามารถช่วยธุรกิจของคุณได้อย่างไร ลงทะเบียนสำหรับการสาธิตผลิตภัณฑ์เพื่อประเมินความสามารถของผลิตภัณฑ์ของเรา