2022 年最佳營銷歸因模型是什麼？

今天的營銷人員在展示其營銷活動的價值和影響方面具有挑戰性。 隨著線上和線下多種營銷渠道以及消費者購買和決策過程變得越來越複雜，了解營銷影響的能力變得比以往任何時候都更加重要，但也更加困難。 在本文中，我們將探討為什麼品牌必須採用數據驅動歸因 (DDA) 以獲得更好的績效可見性、快速擴展和調整策略並贏得新客戶。

營銷人員多年來一直在努力了解其活動的價值。 儘管整個行業的分析和數據科學領域都有創新的解決方案，但對於大多數營銷人員來說，購買過程仍然模棱兩可。 例如，通常仍不清楚營銷活動對銷售的影響。

但是，可以通過公司營銷渠道上的客戶互動來分析購買旅程。 一種這樣的解決方案是在分析中部署開箱即用的營銷歸因模型。

但是，客戶旅程很複雜。 營銷人員經常很快發現現成的模型並不能準確反映客戶旅程的複雜性。

營銷人員的前進方向是放棄已使用多年的默認、開箱即用的營銷歸因方法，並採用數據驅動歸因 (DDA)。

在本文中，我們將探討開箱即用的營銷歸因模型的不足之處，並深入探討為什麼 DDA 提供了一個專注的視角來理解多點觸控旅程。

是時候相信機器的客觀結果了。

什麼是數據驅動歸因 (DDA)？

數據驅動歸因是一種機器學習方法，用於確定營銷渠道對客戶決策的影響。

DDA 等機器學習模型不再依賴過時的默認營銷歸因模型（假設有關於渠道行為的規則），而是消除了主觀性，提供了渠道對最終購買決策的實際影響的詳細視圖。

為什麼使用正確的營銷歸因模型很重要？

並非所有營銷活動都相互影響。 社交媒體帖子可能對 PPC 廣告產生不同程度的影響，即使它們可能與同一個總體活動相關聯。 因此，假設所有活動在推動（例如）轉化方面同樣有效是不准確的。

可以理解的是，當多個活動跨渠道（有時是同時進行）時，營銷人員很難發現他們的活動的影響。

除了確定哪些渠道最適合消息傳遞或產品外，營銷人員還希望有效地計劃和預算。 這一點尤其重要，因為營銷預算往往是最先被壓縮的。

使情況更加複雜的是，不同的渠道在消費者跨行業的購買決策中扮演著不同的角色。 例如，對零售 B2C 業務產生影響的數字營銷活動將在私營醫療保健部門產生不同的轉化。

B2B 應用程序也是如此。 根本不存在一刀切的解決方案，這就是為什麼默認營銷歸因模型永遠不夠用的原因。

營銷歸因模型還可以幫助營銷人員確定最佳渠道：

• 向企業介紹客戶
• 結束和決策時刻
• 規劃和擴展營銷活動
• 快速響應變化。

有兩種類型的營銷歸因模型：

基本：開箱即用的模型，例如第一次點擊、最後一次點擊、基於定位、時間衰減。 所有這些都是基於規則的，通常假設消費者以線性方式做出決定。

DDA（數據驅動歸因）：機器不使用人類創建的預定規則和假設，而是從數據中學習並確定每個渠道的最佳信用權重

基本的、基於規則的歸因模型通常是營銷部門的首選解決方案，因為它們易於理解。 但他們並沒有講述完整的故事。

基本營銷歸因模型有什麼問題？

我們列出了基本營銷歸因模型的主要類型以及它們不理想的原因：

• 最終點擊：所有功勞歸於轉化或註冊之前的最後一次點擊
• 第一次點擊：上面的反面

上述方法未能考慮可能影響客戶旅程的任何其他接觸點。 下面的方法確實在不同程度上考慮了轉換過程的各個階段，但它們仍然依賴於客戶旅程是線性的假設。

結果，每個渠道都在一個過於簡化的決策過程中獲得了新近度或他們的位置的信用：

• 最終非直接點擊：客戶轉化前使用的最終間接渠道獲得所有功勞
• 時間衰減：信用增加取決於轉換或註冊的新近程度，最後一個活動獲得最多的信用
• 線性：每個階段都獲得等量的拆分信用
• 基於位置：第一次和最後一次交互獲得相等的拆分功勞。

DDA 是唯一一種建立客戶旅程代表性視圖的歸因方法，這（畢竟）對於每家公司來說都是獨一無二的。

在數據驅動歸因中，機器從給定時期內的大量客戶旅程中學習，分析渠道之間所有混亂和復雜的交互，而不假設線性。

DDA 根據經過計算分析的渠道之間的關係分配信用。 因此，DDA 模型可以確保信用更客觀地歸屬。 這更能代表混亂而復雜的實際客戶旅程的現實。

“最佳”營銷歸因模型是……？ 主觀

DDA 提供最完整的渠道性能視圖。 然而，從算法上講，運行 DDA 的方法不止一種。 Google Analytics 360 等營銷平台使用 Shapley Values 應用博弈論方法。

其他平台可能會使用概率方法，例如馬爾可夫鏈。 更多數字化先進公司將使用定制的 DDA 模型，這些模型會定期優化。

這意味著雖然 DDA 是優於基本線性模型的選擇，但沒有單一的“最佳”方式來應用 DDA。 每個企業都是不同的，營銷活動會因不同的客戶群而異。

對於打算在承諾構建自己的自定義模型之前使用 DDA 試水的營銷人員，也許最友好和最容易使用的方法是通過 Google Analytics 4。Google Ads 現在還使用 DDA 作為按點擊付費營銷的默認歸因模型活動。

使用基於數據的營銷歸因模型在應得的地方給予信任

與開箱即用的歸因模型相比，客戶旅程更加混亂、複雜且難以理解。 這並不意味著營銷人員應該依賴默認歸因模型：恰恰相反。

營銷人員可以使用比以往更強大的工具，現在正是創建數據驅動歸因模型的最佳時機。 成熟的數據團隊可以諮詢、設計和設計分析基礎架構，以獲取和建模大量客戶旅程數據。

跨平台，營銷人員可以清楚地了解在哪里分配信用，並最終發現他們的活動的影響。

設計下一級營銷歸因模型

數字機構二十六與各行各業的品牌合作，以提高他們的數據成熟度。 他們指導雄心勃勃的營銷人員建立成功的團隊，收集、組織和使用他們的數據來推動出色的決策制定。

有關 CMO 和高級營銷人員如何使用數據來增加影響力的更多信息，請下載他們最新的白皮書。