2022 年最佳营销归因模型是什么？

今天的营销人员在展示其营销活动的价值和影响方面具有挑战性。 随着线上和线下多种营销渠道以及消费者购买和决策过程变得越来越复杂，了解营销影响的能力变得比以往任何时候都更加重要，但也更加困难。 在本文中，我们将探讨为什么品牌必须采用数据驱动归因 (DDA) 以获得更好的绩效可见性、快速扩展和调整策略并赢得新客户。

营销人员多年来一直在努力了解其活动的价值。 尽管整个行业的分析和数据科学领域都有创新的解决方案，但对于大多数营销人员来说，购买过程仍然模棱两可。 例如，通常仍不清楚营销活动对销售的影响。

但是，可以通过公司营销渠道上的客户互动来分析购买旅程。 一种这样的解决方案是在分析中部署开箱即用的营销归因模型。

但是，客户旅程很复杂。 营销人员经常很快发现现成的模型并不能准确反映客户旅程的复杂性。

营销人员的前进方向是放弃已使用多年的默认、开箱即用的营销归因方法，并采用数据驱动归因 (DDA)。

在本文中，我们将探讨开箱即用的营销归因模型的不足之处，并深入探讨为什么 DDA 提供了一个专注的视角来理解多点触控旅程。

是时候相信机器的客观结果了。

什么是数据驱动归因 (DDA)？

数据驱动归因是一种机器学习方法，用于确定营销渠道对客户决策的影响。

DDA 等机器学习模型不再依赖过时的默认营销归因模型（假设有关于渠道行为的规则），而是消除了主观性，提供了渠道对最终购买决策的实际影响的详细视图。

为什么使用正确的营销归因模型很重要？

并非所有营销活动都相互影响。 社交媒体帖子可能对 PPC 广告产生不同程度的影响，即使它们可能与同一个总体活动相关联。 因此，假设所有活动在推动（例如）转化方面同样有效是不准确的。

可以理解的是，当多个活动跨渠道（有时是同时进行）时，营销人员很难发现他们的活动的影响。

除了确定哪些渠道最适合消息传递或产品外，营销人员还希望有效地计划和预算。 这一点尤其重要，因为营销预算往往是最先被压缩的。

使情况更加复杂的是，不同的渠道在消费者跨行业的购买决策中扮演着不同的角色。 例如，对零售 B2C 业务产生影响的数字营销活动将在私营医疗保健部门产生不同的转化。

B2B 应用程序也是如此。 根本不存在一刀切的解决方案，这就是为什么默认营销归因模型永远不够用的原因。

营销归因模型还可以帮助营销人员确定最佳渠道：

• 向企业介绍客户
• 结束和决策时刻
• 规划和扩展营销活动
• 快速响应变化。

有两种类型的营销归因模型：

基本：开箱即用的模型，例如第一次点击、最后一次点击、基于定位、时间衰减。 所有这些都是基于规则的，通常假设消费者以线性方式做出决定。

DDA（数据驱动归因）：机器不使用人类创建的预定规则和假设，而是从数据中学习并确定每个渠道的最佳信用权重

基本的、基于规则的归因模型通常是营销部门的首选解决方案，因为它们易于理解。 但他们并没有讲述完整的故事。

基本营销归因模型有什么问题？

我们列出了基本营销归因模型的主要类型以及它们不理想的原因：

• 最终点击：所有功劳归于转化或注册之前的最后一次点击
• 第一次点击：上面的反面

上述方法未能考虑可能影响客户旅程的任何其他接触点。 下面的方法确实在不同程度上考虑了转换过程的各个阶段，但它们仍然依赖于客户旅程是线性的假设。

结果，每个渠道都在一个过于简化的决策过程中获得了新近度或他们的位置的信用：

• 最终非直接点击：客户转化前使用的最终间接渠道获得所有功劳
• 时间衰减：信用增加取决于转换或注册的新近程度，最后一个活动获得最多的信用
• 线性：每个阶段都获得等量的拆分信用
• 基于位置：第一次和最后一次交互获得相等的拆分功劳。

DDA 是唯一一种建立客户旅程代表性视图的归因方法，这（毕竟）对于每家公司来说都是独一无二的。

在数据驱动归因中，机器从给定时期内的大量客户旅程中学习，分析渠道之间所有混乱和复杂的交互，而不假设线性。

DDA 根据经过计算分析的渠道之间的关系分配信用。 因此，DDA 模型可以确保信用更客观地归属。 这更能代表混乱而复杂的实际客户旅程的现实。

“最佳”营销归因模型是……？ 主观

DDA 提供最完整的渠道性能视图。 然而，从算法上讲，运行 DDA 的方法不止一种。 Google Analytics 360 等营销平台使用 Shapley Values 应用博弈论方法。

其他平台可能会使用概率方法，例如马尔可夫链。 更多数字化先进公司将使用定制的 DDA 模型，这些模型会定期优化。

这意味着虽然 DDA 是优于基本线性模型的选择，但没有单一的“最佳”方式来应用 DDA。 每个企业都是不同的，营销活动会因不同的客户群而异。

对于打算在承诺构建自己的自定义模型之前使用 DDA 试水的营销人员，也许最友好、最容易使用的方法是通过 Google Analytics 4。Google Ads 现在还使用 DDA 作为按点击付费营销的默认归因模型活动。

使用基于数据的营销归因模型在应得的地方给予信任

与开箱即用的归因模型相比，客户旅程更加混乱、复杂且难以理解。 这并不意味着营销人员应该依赖默认归因模型：恰恰相反。

营销人员可以使用比以往更强大的工具，现在正是创建数据驱动归因模型的最佳时机。 成熟的数据团队可以咨询、设计和设计分析基础架构，以获取和建模大量客户旅程数据。

跨平台，营销人员可以清楚地了解在哪里分配信用，并最终发现他们的活动的影响。

设计下一级营销归因模型

数字机构二十六与各行各业的品牌合作，以提高他们的数据成熟度。 他们指导雄心勃勃的营销人员建立成功的团队，收集、组织和使用他们的数据来推动出色的决策制定。

有关 CMO 和高级营销人员如何使用数据来增加影响力的更多信息，请下载他们最新的白皮书。