OWOX BI ML Huni Tabanlı İlişkilendirmeyi seçmek için 12 neden

İlişkilendirmenin amacı, reklam kanallarının ve kampanyaların etkinliğini değerlendirmek ve hangi ücretli trafik kanallarının dönüşümlere yol açtığını belirlemektir. Bunu bilerek, reklam bütçenizi etkili kanallara yeniden dağıtabilir, verimsiz kanallara para harcamayı bırakabilir ve sonunda daha fazla dönüşüm elde edebilirsiniz.

Satış planınızı uygulama ve işinizi büyütme konusundaki başarınız, ilişkilendirme modelinizin kalitesine ve geçerliliğine bağlıdır. Sorun, çoğu dönüşümün birden fazla oturumun sonucu olarak gerçekleşmesidir: satın almadan önce kullanıcı siteyi birkaç kez ziyaret eder. Bu nedenle, belirli bir sipariş için gelir veya kâr değerini objektif olarak dağıtmak için, yalnızca son seansı değil, her seansı değerlendirmeniz gerekir. Çoğu standart ilişkilendirme modeli, bir sipariş öncesi tüm kullanıcı eylemlerini hesaba katmaz ve tüm değerini zincirdeki bir kanala verir. Veya kanalları gerçek değerlere göre değil, koşullu bir kurala göre değerlendirirler.

OWOX BI'da, çevrimiçi ve çevrimdışı tüm kullanıcı işlemlerini ve CRM'nizden gerçek gelir verilerini dikkate alan ve kanalların dönüşümler ve kullanıcı promosyonu üzerindeki karşılıklı etkisini gösteren, kendi makine öğrenimi (ML) Huni Tabanlı İlişkilendirme modelimizi oluşturduk. huni.

Bu yazıda, OWOX BI Atıf ile neler yapabileceğinizi açıklıyoruz.

Başlangıç ​​olarak, teorik bilginizi tazeleyelim.

İlişkilendirme , kullanıcıyı huni boyunca ilerleten kanallar arasındaki bir dönüşümden elde edilen değerin dağılımıdır. Her bir kanalın, huni aracılığıyla kullanıcının tanıtımını ne ölçüde etkilediğini ve sonunda elde ettiğiniz geliri yanıtlamaya yardımcı olur.

Bir ilişkilendirme modeli , bu değeri dağıtmanın mantığını tanımlar - örneğin, kullanıcıları çekmeye yardımcı olan reklam kanallarına ve kampanyalara. İdeal olarak, ilişkilendirme modeliniz güvenilir (her çabanın nesnel katkısını dikkate alarak) ve şeffaf (hesaplamanın sonuçlarını anlamayı ve doğrulamayı mümkün kılan) olmalıdır.

Kimin atıfta bulunmaya ihtiyacı var ve neden?

İlişkilendirme, pazarlama kanalları için bütçeyi yöneten ve bunu etkin bir şekilde dağıtmak isteyenler için maliyetleri azaltmak, geliri artırmak ve satış planını gerçekleştirmek için gereklidir.

Google Analytics'teki standart ilişkilendirme modelleri

1. İlk Tıklama. Dönüşümden elde edilen tüm değerler, kullanıcıyı dönüşüm yolunda yönlendiren ilk kaynağa atfedilir.
2. Son Tıklama. Tüm değer, kullanıcının dönüşümden önce temas kurduğu son kanala gider.
3. Doğrudan Olmayan Son Tıklama. Tüm değerler zincirdeki son kanala atanır. Doğrudan trafik ise, değer önceki kaynağa atfedilir.
4. Doğrusal. Değer, zincirdeki tüm kaynaklar arasında eşit olarak dağıtılır.
5. Zaman bozulması. Değer, kademeli olarak kanallar arasında dağıtılır.
6. Konum Bazlı. Kullanıcıyı markayla tanıştıran ve anlaşmayı kapatan kanal, değerin %40'ını alır. Kalan %20, huninin ortasındaki tüm kanallar arasında eşit olarak bölünür.

Reklam hizmetlerinde ilişkilendirme modelleri

Farklı reklam hizmetlerinde ve analitik sistemlerde farklı ilişkilendirme modelleri mevcuttur.

Çoğu hizmet, doğrudan olmayan son tıklama modelini kullanır; bazıları görüntüleme sonrası, cihazlar arası veya başka modeller sağlar. Ancak bu modeller hizmetler arasında karşılaştırılamaz: Facebook reklamları kendi yöntemiyle ölçerken Google Ads'in farklı bir yaklaşımı vardır. Sonuç olarak, tüm reklam araçlarınızın genel bir resmini elde etmek imkansızdır.

Standart ilişkilendirme modelleri şu durumlarda uygun değildir:

• web sitenizdeki siparişlerin çoğu birden fazla oturumda yapılır - yani, işlemden önce zincirde iki veya daha fazla ziyaret vardır
• çok sayıda reklam kaynağınız var
• huni tanıtımında her kanalın karşılıklı etkisini değerlendirmeniz gerekir
• Bir pakette reklam kanallarının nasıl çalıştığını anlamak istiyorsanız
• Karmaşık ve tutarsız bir satış huniniz var.

Tüm kaynakların karşılıklı etkisini değerlendirmek için farklı reklamcılık hizmetlerinden, Google Analytics'ten ve CRM'nizden gelen verileri birleştirmeniz ve karmaşık ilişkilendirme modelleri kullanmanız gerekir: Google Analytics 360'taki Veriye Dayalı model, Markov Zincirleri, Shapley değeri veya özelleştirilmiş algoritmalar . Ancak bu modellerin de sınırlamaları vardır: hesaplamalar için gereken minimum veri miktarı, görüntüleme sonrası dönüşümleri dikkate alamama veya CRM'nizden gelen verileri birleştirememe, gizli hesaplama mantığı, karmaşık ve pahalı uygulama, vb.

OWOX BI'dan ML Hunisi Temelli İlişkilendirme, tüm bu sınırlamalardan kaçınmanıza yardımcı olur.

OWOX BI ilişkilendirme modeli, dönüşüm hunisi aracılığıyla her kanalın müşterinin tanıtımına katkısını dikkate alarak reklam kampanyalarınızın etkinliğini değerlendirir. Bu modelle şunları yapabilirsiniz:

• kanalların dönüşümlere gerçek katkısını ve karşılıklı etkilerini dikkate alarak reklam bütçenizi doğru şekilde tahsis edin
• Geliri artırırken Nakit Rezerv Oranını (CRR) azaltmak
• bütçenizi korurken yeni müşteri sayısını artırın
• bütçenizden tasarruf ederken medya kampanyalarının ulaştığı hedef kullanıcı sayısını artırın.

OWOX BI'daki Huni Tabanlı İlişkilendirme, Markov zincirlerine ve makine öğrenimine dayanmaktadır. Markov zinciri, sonraki her olayın bir öncekine bağlı olduğu bir olaylar dizisidir. Markov zincirlerine dayalı ilişkilendirme, dönüşüm hunisinin adımları arasındaki geçişlerin olasılığını hesaplayan ve adımların dönüşümler üzerindeki karşılıklı etkisini değerlendirmenize ve hangi adımların en önemli olduğunu bulmanıza olanak tanıyan olasılıklı bir model kullanır.

Olasılıkları hesaplamak için, OWOX BI ilişkilendirme modelinin ayarlarında belirtilen dönüşüm hunisinin tüm adımları ve site oturum açma adımı, Markov zincirinde sonuçlar olarak sunulur. Bundan sonra, bu sonuçlar arasında bir geçiş olasılığı hesaplanır:

Yukarıdaki grafik, anlaşılmasını kolaylaştırmak için basitleştirilmiş bir örnektir. Gerçek durumlarda, daha da fazla işlem olabilir.

OWOX BI Dönüşüm Hunisine Dayalı İlişkilendirme modelinin hesaplanmasıyla ilgili daha fazla bilgiyi Yardım Merkezimizde okuyun.

1. Google BigQuery'de web sitenizden ham kullanıcı davranışı verilerini toplayın. Bunu yapmak için Google Analytics 360 ile OWOX BI veya BigQuery Export'tan veri akışını kullanabilirsiniz.
2. Maliyet verilerini reklam hizmetlerinden Google BigQuery'ye aktarın. Bunu yapmak için, Google Analytics'teki Google Ads kampanyalarına ilişkin istatistikleri diğer reklamcılık hizmetlerinden alınan maliyet verileriyle tamamlamak için OWOX BI'ı kullanabilir ve ardından tüm bu bilgileri Google BigQuery'ye aktarabilirsiniz. OWOX BI'ı, ham verileri Facebook'tan BigQuery'ye doğrudan aktarmak için de kullanabilirsiniz.
3. Dilerseniz Google BigQuery'deki verileri CRM/ERP, çağrı merkezi ve dahili muhasebe sistemlerinizden gelen bilgilerle tamamlayabilirsiniz. Bu, ilişkilendirme hesaplamalarınızda çevrimdışı satışları ve gerçek CRM gelir verilerini kullanmanıza olanak tanır. Huni adımları olarak özel etkinlikleri de kullanabilirsiniz: aramalar, e-postalar, kişisel toplantılar vb.
4. OWOX BI projenizde bir ilişkilendirme modeli oluşturun ve hesaplamaları çalıştırın.

Müşterilerimizin çoğu, mevcut reklam kampanyalarını objektif olarak değerlendirmek ve geleceklerini planlamak için OWOX BI kullanıyor. Bu, planlanan reklam harcamalarından elde edilen gelire (ROAS) sahip bir gelir planı yürütmek için gereklidir.

İşte OWOX BI'nin pazarlamacılar için en iyi seçim olduğuna inanmamızın temel nedenleri.

İlişkilendirme modelimiz tam verilere dayanmaktadır: medya reklam gösterimleri ve görüntüleme sonrası dönüşümler, web sitenizdeki kullanıcı etkinliği, reklam hizmetlerinden gelen maliyet verileri, CRM'nizden alınan işlem verileri ve diğer tüm çevrimiçi ve çevrimdışı etkinlikler. Sonuç olarak, kullanıcıların işletmenizle etkileşimlerinin bütün resmini görürsünüz ve tüm pazarlama çabalarının işletme göstergeleri üzerindeki etkisini hesaba katabilirsiniz.

Google Analytics'teki gelir ile CRM'nizdeki satın alınan ürünlerden elde edilen gelir genellikle eşleşmez. OWOX BI ile, fiziksel mağazalardan elde edilen geliri ve CRM'nizden tamamlanan siparişlere ilişkin verileri dikkate alarak çevrimiçi pazarlamanın gerçek satışlara katkısını ölçebilirsiniz.

Standart ilişkilendirme modellerinden farklı olarak, OWOX BI modeli, yalnızca son tıklamayı değil, kullanıcının siparişten önceki her adımını dikkate alır. Bir adımı geçmek ne kadar zorsa, bunun gerçekleşmesine yardımcı olan bir oturum o kadar fazla değer kazanır. Ayrıca, oturumların değerini bilerek, dönüşüm huni yoluyla kullanıcıları tanıtmaya katkılarını dikkate alarak kampanyaların değerini hesaplayabilirsiniz.

İşletmenizin benzersiz avantajlarından yararlanarak rakiplerinizden daha hızlı büyüyebilirsiniz. OWOX BI ile işletmenizin yapısına uygun bir huni oluşturabilirsiniz.

Web sitenizdeki kullanıcıların eylemlerine ek olarak, huni adımları olarak CRM, çağrı takip sistemi ve diğer sistemlerinizden istediğiniz özel etkinlikleri ekleyebilirsiniz. Örneğin, aramalar, toplantılar veya e-postalarla ilgili verileri Google BigQuery'ye yükleyebilirsiniz. Etkilerini daha doğru bir şekilde değerlendirmek için kullanıcıları tek bir dönüşüm hunisine dönüştürmeyi amaçlayan tüm iş çabalarını birleştirin.

Reklam kampanyanızın kapsamlı bir değerlendirmesini almak yeterli değildir. Değerlendirmeniz, AIDA modeli kullanılarak farkındalık, ilgi ve dönüşüm aşamalarına bölünmelidir.

Örneğin, OWOX BI ile kampanyaların neredeyse Farkındalık oluşturmadığını görebilirsiniz:

Sonuç olarak, dönüşüm hunisinin sonraki aşamalarını etkilemek için tasarlanan kampanyalar etkisiz görünebilir. Mevcut kampanyaların bir ROAS değerlendirmesi, bütçenizi bunlar arasında nasıl yeniden dağıtacağınızı gösterebilir, ancak dönüşüm hunisinin üst aşamasındaki çaba eksikliğini ortaya çıkarmaz. OWOX BI size çabanızı nereye odaklayacağınız konusunda bir fikir verir.

Hiçbir algoritma deneyiminizin yerini alamaz. Örneğin, marka kampanyalarınızın tükendiğini ve yüksek ROAS'larının onlara daha fazla yatırım yapmanız gerektiği anlamına gelmediğini biliyor olabilirsiniz.

OWOX BI'da değerlendirmenize katılmayacak kanalları kolayca belirleyebilirsiniz:

Sonuç olarak, yalnızca nesnel olarak yönetebileceğiniz kampanyaların bir değerlendirmesini alırsınız. Bunu, geliştiricilerle veya destek ekibinizle iletişim kurmadan istediğiniz zaman uygun bir arayüzde yapabilmeniz önemlidir.

OWOX BI, her oturumun değerini hesaplar. Bu, farklı kullanıcı grupları için ilişkilendirme modellerini özelleştirmenize, yeni ve geri gelen kullanıcılar için YG/ROAS'ı hesaplamanıza ve grup karlılığını karşılaştırmanıza olanak tanır.

Örneğin, mobil operatörler, mevcut müşterilere ("mevcut müşteriler" kohortu) ek hizmetlerin satışına reklam kampanyalarının katkısını değerlendirebilir. Ve moda perakende sektöründeki şirketler, yeni müşterileri işletmeye çekmede hangi kanalların daha iyi olduğunu bulmak için ilk kez alıcıları ve bir sonraki alıcıları ayrı ayrı değerlendirebilir.

Ayrıca bir seansın maliyetini bilerek, her bir ürün grubunda ne kadar harcadığınızı ve ne kadar kazandığınızı hesaplayabilirsiniz. Bu bilgilerle farklı bölgeler, açılış sayfaları, mobil uygulama sürümleri ve uygulamalar için reklamların etkinliğini değerlendirebilirsiniz.

Yalnızca kampanyaları değerlendirmek değil, değerlendirmeyi işletmeler için şeffaf hale getirmek de önemlidir. Herhangi bir kara kutu değerlendirmesi sorgulanabilir olacak ve hataları bulmanıza izin vermeyecektir.

OWOX BI'da, bir kullanıcının etkileşimde bulunduğu her işlem için değerin kampanyalar arasında nasıl dağıtıldığını görebilirsiniz:

Yetersiz veri üzerinde makine öğrenimi uygulama girişimleri nedeniyle elde edilen hatalar ve yanlış sonuçlar işletmeler için maliyetli olabilir. Algoritmamız, hesaplamaların istatistiksel önemini otomatik olarak kontrol eder ve kontrol eder. Ayrıca OWOX BI, analistlerinize her segment için bir güven aralığı tablosuna tam erişim sağlar. Bu sayede sonuçlarınızdan emin olabilir ve bunların nasıl elde edildiğini anlayabilirsiniz.

Çevrimiçi pazarlamanın etkinliği, kullanılan teknolojilere değil, modellerin eğitildiği verilerin kalitesine giderek daha fazla bağımlı hale geliyor. Bu nedenle, kendi başına ilişkilendirme, piyasa verileri kullanılarak oluşturulan modellere kaybeder.

OWOX BI makine öğrenimi modeli, on binlerce projeden gelen verileri dikkate alır.

Bir ilişkilendirme modelinin etkili olması için aşağıdaki gereksinimleri de karşılaması gerekir:

1. Hesaplamalar için veriler doğru şekilde hazırlanmalıdır. JavaScript izleyiciniz tarafından toplanan verileri makine öğrenimi yoluyla atlayamazsınız. Bu nedenle BigQuery ML, deneyler için uygundur ancak ticari kullanım için uygun değildir.
2. Dönüşüm hunisinin üst kısmıyla olan etkileşimler hakkındaki bilgileri dikkate almanız gerekir: medya reklam gösterimleri. Bunu yapmak için, medya reklamlarını kullanıcı düzeyinde ölçmenizi sağlayan OWOX BI Post-View Pixel'i geliştirdik. Ayrıca OWOX BI'yi, BigQuery'nin Campaign Manager'dan (eski DoubleClick Campaign Manager) ve diğer bazı kaynaklardan bilgi talep etmesine olanak tanıyan Google Ads Data Hub ile entegre ettik; böylece işletmeler medya reklamcılığının üst aşamalara katkısını değerlendirebilir ve şeffaf bir şekilde değerlendirebilir. huni.
3. Model, uzman görüşünü dikkate almalıdır:

• Hangi kanallar yönetiliyor?
• Bu kanalların kapasitesi nedir?
• Belirli bir kanalın dönüşüm hunisindeki rolü nedir?
• Dönüşüm penceresi nedir?

OWOX BI ilişkilendirme modeli, tüm bu gereksinimleri karşılar.

Google Analytics 360'ta Veriye Dayalı ilişkilendirme, yüksek veri gereksinimleri gerektirir: Yol uzunluğu en az iki etkileşim olan her türden 400 dönüşüm. OWOX BI, olayları dinamik olarak huni aşamalarına ayırarak, daha az miktarda veri ile anlamlı sonuçlar sağlar ve daha birçok şirkete uygundur. Aynı zamanda, hesaplamaların istatistiksel önemi, kullanıcı grupları düzeyinde otomatik olarak kontrol edilir, böylece sonuçlardan emin olabilirsiniz.

OWOX BI Smart Data'da, analistlerin yardımı veya herhangi bir SQL bilgisi olmadan ilişkilendirme verilerine dayalı raporlar oluşturabilirsiniz. İlişkilendirme modeli hesaplandıktan sonra Smart Data, eklenen olaylar bağlamında gelir, dönüşüm sayısı, ROI, ROAS ve CRR hakkında otomatik olarak raporlar. Ayrıca, uygun bir Rapor Oluşturucu kullanarak kendi raporlarınızı oluşturabilirsiniz. Raporunuzda görmek istediğiniz parametreleri ve önemli rakamları seçmeniz yeterlidir. Servis anında size anlaşılır bir tablo ve tablo sunacaktır.

Akıllı Veri'de alabileceğiniz kullanıma hazır veri ilişkilendirme raporlarına bazı örnekler:

Bu rapor, farklı ilişkilendirme modelleri kullanılarak yapılan hesaplamaların sonuçlarını karşılaştırmanıza olanak tanır. Bizim durumumuzda bunlar, Google Analytics'te kullanılan Doğrudan Olmayan Son Tıklama ve OWOX BI'dan ML Huni Tabanlı İlişkilendirmedir. Kanala, kampanyaya, kullanıcı türüne, bölgeye, şehre ve cihaza göre ilişkilendirilen geliri ve ROAS'ı görebilirsiniz. Fazla abartılan kampanyalar arasında negatif bir fark vardır. Değeri bilinmeyen kampanyaların pozitif bir farkı/değeri vardır. Örneğin, yukarıdaki ekran görüntüsünde, yandex/görüntüleme kanalının hafife alındığını ve bunun için daha fazla çaba sarf etmeye değer olduğunu görüyoruz.

Aşağıdaki rapor, kaynakların ve kanalların değerinin huni adımlarına göre nasıl dağıtıldığını gösterir. Yukarıdaki örnekte, en fazla sayıda satın alma işleminin (açık yeşil şerit) çevrimdışı yapıldığını görüyoruz.

Etkinliklere ek olarak, raporlara kullanıcı türü (yeni veya geri gelen) gibi başka parametreler de ekleyebilirsiniz:

Yukarıdaki rapor, harcamaların, huni adımlarının ve satın almaların müşteri grupları arasında nasıl dağıtıldığını gösterir. Bununla hangi kanal ve kampanyaların yeni müşterilerden işlem çektiğini belirleyebilir ve onlara bütçe ayırabilirsiniz. Bu kampanyalar, müşteri tabanınızı artırmanıza yardımcı olur.

OWOX BI ile herhangi bir verinize dayalı olarak otomatik olarak güncellenen kitle segmentleri oluşturabilir ve bu segmentleri Google Ads'e indirebilirsiniz. Ayrıca, reklamınızın gerçek etkinliğini göz önünde bulundurarak teklifleri yönetmek için ilişkilendirme hesaplamalarının sonuçlarını otomatik olarak K50 ve Alytics teklif verme hizmetlerine ve ayrıca Google Ads ve Facebook'a gönderebilirsiniz.

Huni tabanlı ilişkilendirmenin geliştirilmesine öncülük ederken, onlarca makale ve çok sayıda belgede müşterilerimizle paylaştığımız benzersiz deneyimi bir araya getirdik. Ayrıca, SLA'mızda %96'nın üzerinde bir veri toplama ve işleme kalitesi seviyesini garanti etmeye hazırız.

OWOX ile, yalnızca pazarlamada makine öğrenimini kullanma fikrine değil, adım adım kılavuzlara, pratik önerilere ve başarılı kullanım örneklerine de sahip olursunuz.

OWOX BI ilişkilendirmesinin işinize nasıl yardımcı olabileceğini öğrenin. Ürünlerimizin yeteneklerini değerlendirmek için bir ürün demosu için kaydolun.