دليل عملي لإسناد اللمس المتعدد

تتضمن رحلة العميل تفاعلات متعددة بين العميل والتاجر أو مزود الخدمة.

نسمي كل تفاعل في رحلة العميل نقطة اتصال.

وفقًا لموقع Salesforce.com ، يتطلب الأمر ، في المتوسط ​​، من ست إلى ثماني لمسات لتوليد زمام المبادرة في مساحة B2B.

عدد نقاط الاتصال أعلى بالنسبة إلى مشتريات العميل.

تعد إحالة اللمس المتعدد آلية لتقييم مساهمة كل نقطة اتصال في التحويل وتعطي الائتمانات المناسبة لكل نقطة اتصال تشارك في رحلة العميل.

يمكن أن يساعد إجراء تحليل إحالة اللمس المتعدد جهات التسويق في فهم رحلة العميل وتحديد الفرص لتحسين مسارات التحويل بشكل أكبر.

في هذه المقالة ، ستتعلم أساسيات الإحالة متعددة اللمس ، وخطوات إجراء تحليل إحالة اللمس المتعدد باستخدام أدوات يسهل الوصول إليها.

ما يجب مراعاته قبل إجراء تحليل الإسناد متعدد اللمس

تحديد هدف العمل

ما الذي تريد تحقيقه من تحليل إحالة اللمس المتعدد؟

هل ترغب في تقييم عائد الاستثمار (ROI) لقناة تسويق معينة ، أو فهم رحلة عميلك ، أو تحديد الصفحات المهمة على موقع الويب الخاص بك لاختبار A / B؟

قد تتطلب أهداف العمل المختلفة مناهج مختلفة لتحليل الإسناد.

يساعدك تحديد ما تريد تحقيقه من البداية في الحصول على النتائج بشكل أسرع.

تعريف التحويل

التحويل هو الإجراء المطلوب الذي تريد أن يتخذه عملاؤك.

بالنسبة لمواقع التجارة الإلكترونية ، عادة ما يتم إجراء عملية شراء ، يتم تحديدها بواسطة حدث إكمال الطلب.

بالنسبة للصناعات الأخرى ، قد يكون تسجيل حساب أو اشتراك.

من المحتمل أن يكون للأنواع المختلفة من التحويل مسارات تحويل مختلفة.

إذا كنت ترغب في إجراء إحالة اللمس المتعدد على إجراءات مرغوبة متعددة ، فإنني أوصي بفصلها إلى تحليلات مختلفة لتجنب الالتباس.

تحديد نقطة اللمس

يمكن أن تكون نقطة الاتصال أي تفاعل بين علامتك التجارية وعملائك.

إذا كانت هذه هي المرة الأولى التي تجري فيها تحليل إحالة متعدد اللمس ، فإنني أوصي بتعريفه على أنه زيارة لموقع الويب الخاص بك من قناة تسويق معينة. من السهل إجراء الإسناد المستند إلى القناة ، ويمكن أن يمنحك نظرة عامة على رحلة العميل.

إذا كنت ترغب في فهم كيفية تفاعل عملائك مع موقع الويب الخاص بك ، فإنني أوصي بتحديد نقاط الاتصال بناءً على مشاهدات الصفحة على موقع الويب الخاص بك.

إذا كنت ترغب في تضمين تفاعلات خارج موقع الويب ، مثل تثبيت تطبيق الهاتف المحمول أو فتح البريد الإلكتروني أو المشاركة الاجتماعية ، فيمكنك دمج هذه الأحداث في تعريف نقطة الاتصال الخاصة بك ، طالما لديك البيانات.

بغض النظر عن تعريف نقطة الاتصال الخاصة بك ، فإن آلية الإحالة هي نفسها. كلما زادت دقة تحديد نقاط الاتصال ، كان تحليل الإحالة أكثر تفصيلاً.

في هذا الدليل ، سنركز على الإحالة المستندة إلى القناة ومشاهدة الصفحة.

ستتعرف على كيفية استخدام Google Analytics وأداة أخرى مفتوحة المصدر لإجراء تحليلات الإحالة هذه.

مقدمة لنماذج الإحالة متعددة اللمس

يُطلق على طرق احتساب نقاط الاتصال لمساهماتها في التحويل نماذج الإحالة.

يتمثل أبسط نموذج إحالة في منح كل الفضل إما لنقطة الاتصال الأولى لجذب العميل في البداية ، أو نقطة الاتصال الأخيرة لدفع التحويل.

يُطلق على هذين النموذجين اسم نموذج إحالة اللمسة الأولى ونموذج إحالة اللمسة الأخيرة ، على التوالي.

من الواضح أنه لا نموذج إحالة اللمسة الأولى ولا نموذج إحالة اللمسة الأخيرة "عادل" بالنسبة لبقية نقاط الاتصال.

بعد ذلك ، ماذا عن تخصيص الائتمان بالتساوي عبر جميع نقاط الاتصال المشاركة في تحويل العميل؟ يبدو ذلك منطقيًا - وهذه هي بالضبط الطريقة التي يعمل بها نموذج الإحالة الخطي.

ومع ذلك ، فإن تخصيص الائتمان بالتساوي عبر جميع نقاط الاتصال يفترض أن نقاط الاتصال لها نفس الأهمية ، وهو ما لا يبدو "عادلاً" أيضًا.

يجادل البعض بأن نقاط الاتصال القريبة من نهاية مسارات التحويل أكثر أهمية ، بينما يفضل البعض الآخر العكس. نتيجةً لذلك ، لدينا نموذج الإحالة المستند إلى الموضع الذي يسمح لجهات التسويق بإعطاء أوزان مختلفة لنقاط الاتصال استنادًا إلى مواقعها في مسارات التحويل.

جميع النماذج المذكورة أعلاه تندرج تحت فئة نماذج الإحالة الاستكشافية أو المستندة إلى القواعد.

بالإضافة إلى النماذج التجريبية ، لدينا فئة نموذج أخرى تسمى الإحالة المستندة إلى البيانات ، وهي الآن النموذج الافتراضي المستخدم في Google Analytics.

ما المقصود بالإسناد المستند إلى البيانات؟

كيف تختلف الإحالة المستندة إلى البيانات عن نماذج الإحالة الموجهة؟

فيما يلي بعض النقاط البارزة للاختلافات:

• في نموذج الكشف عن مجريات الأمور ، يتم تحديد قاعدة الإسناد مسبقًا. بغض النظر عن نموذج اللمسة الأولى أو اللمسة الأخيرة أو الخطي أو المستند إلى الموضع ، يتم تعيين قواعد الإحالة مسبقًا ثم تطبيقها على البيانات. في نموذج الإحالة المستند إلى البيانات ، يتم إنشاء قاعدة الإحالة استنادًا إلى البيانات السابقة ، وبالتالي فهي فريدة لكل سيناريو.
• ينظر النموذج الإرشادي فقط في المسارات التي تؤدي إلى التحويل ويتجاهل المسارات غير المحولة. يستخدم النموذج المستند إلى البيانات البيانات من كل من المسارات المحولة وغير المحولة.
• ينسب النموذج الإرشادي التحويلات إلى قناة استنادًا إلى عدد اللمسات التي تتمتع بها نقطة الاتصال فيما يتعلق بقواعد الإحالة. في النموذج المعتمد على البيانات ، يتم إجراء الإسناد بناءً على تأثير اللمسات لكل نقطة اتصال.

كيفية تقييم تأثير نقطة اللمس

تسمى الخوارزمية الشائعة المستخدمة في الإحالة المستندة إلى البيانات سلسلة ماركوف. في قلب خوارزمية سلسلة ماركوف يوجد مفهوم يسمى تأثير الإزالة.

تأثير الإزالة ، كما يوحي الاسم ، هو التأثير على معدل التحويل عند إزالة نقطة اتصال من بيانات المسار.

لن تدخل هذه المقالة في التفاصيل الرياضية لخوارزمية Markov Chain.

فيما يلي مثال يوضح كيف تنسب الخوارزمية التحويل إلى كل نقطة اتصال.

تأثير الإزالة

بافتراض أن لدينا سيناريو حيث يوجد 100 تحويل من 1000 زائر يأتون إلى موقع ويب عبر 3 قنوات ، القناة أ ، ب ، ج. في هذه الحالة ، يكون معدل التحويل 10٪.

بديهيًا ، إذا تمت إزالة قناة معينة من مسارات التحويل ، فإن تلك المسارات التي تتضمن تلك القناة المعينة "ستُقطع" وستنتهي بتحويلات أقل بشكل عام.

إذا تم تخفيض معدل التحويل إلى 5٪ و 2٪ و 1٪ عند إزالة القنوات A و B و C من البيانات ، على التوالي ، يمكننا حساب تأثير الإزالة كنسبة مئوية من الانخفاض في معدل التحويل عند قناة معينة تمت إزالته باستخدام الصيغة:

صورة من المؤلف ، نوفمبر 2022

بعد ذلك ، تتمثل الخطوة الأخيرة في إحالة التحويلات إلى كل قناة بناءً على نسبة تأثير الإزالة لكل قناة. ها هي نتيجة الإسناد:

باختصار ، لا تعتمد الإحالة المستندة إلى البيانات على عدد نقاط الاتصال أو موضعها ولكن على تأثير نقاط الاتصال هذه على التحويل كأساس للإحالة.

متعدد اللمس مع تحليلات جوجل

بما يكفي من النظريات ، فلنلقِ نظرة على كيفية استخدام Google Analytics في كل مكان لإجراء تحليل إحالة اللمس المتعدد.

نظرًا لأن Google ستتوقف عن دعم Universal Analytics (UA) اعتبارًا من يوليو 2023 ، فسوف يعتمد هذا البرنامج التعليمي على Google Analytics 4 (GA4) وسنستخدم حساب Google Merchandise Store التجريبي كمثال.

في GA4 ، توجد تقارير الإحالة ضمن اللقطة الإعلانية كما هو موضح أدناه في قائمة التنقل اليمنى.

بعد الوصول إلى صفحة اللقطة الإعلانية ، فإن الخطوة الأولى هي اختيار حدث التحويل المناسب.

يتضمن GA4 بشكل افتراضي جميع أحداث التحويل لتقارير الإحالة الخاصة به.

لتجنب الالتباس ، أوصي بشدة باختيار حدث تحويل واحد فقط ("شراء" في المثال أدناه) للتحليل.

لقطة شاشة من GA4 ، نوفمبر 2022

افهم مسارات التحويل في GA4

ضمن قسم الإحالة على شريط التنقل الأيمن ، يمكنك فتح تقرير مسارات التحويل.

قم بالتمرير لأسفل إلى جدول مسار التحويل ، والذي يعرض جميع المسارات التي تؤدي إلى التحويل.

في أعلى هذا الجدول ، يمكنك العثور على متوسط ​​عدد الأيام وعدد نقاط الاتصال التي تؤدي إلى التحويلات.

لقطة شاشة من GA4 ، نوفمبر 2022  

في هذا المثال ، يمكنك أن ترى أن عملاء Google يستغرقون ، في المتوسط ​​، ما يقرب من 9 أيام و 6 زيارات قبل إجراء عملية شراء من Merchandise Store.

ابحث عن مساهمة كل قناة في GA4

بعد ذلك ، انقر فوق تقرير جميع القنوات ضمن قسم الأداء على شريط التنقل الأيمن.

في هذا التقرير ، يمكنك العثور على التحويلات المنسوبة لكل قناة من حدث التحويل المحدد - "الشراء" ، في هذه الحالة.

لقطة شاشة من GA4 ، نوفمبر 2022

الآن ، أنت تعرف أن البحث العضوي ، جنبًا إلى جنب مع Direct والبريد الإلكتروني ، قاد معظم عمليات الشراء على متجر Google Merchandise Store.

افحص النتائج من نماذج الإحالة المختلفة في GA4

بشكل افتراضي ، يستخدم GA4 نموذج الإحالة المستند إلى البيانات لتحديد عدد الإسهامات التي تتلقاها كل قناة. ومع ذلك ، يمكنك فحص كيفية قيام نماذج الإحالة المختلفة بتعيين أرصدة لكل قناة.

انقر فوق مقارنة النموذج ضمن قسم الإحالة على شريط التنقل الأيمن.

على سبيل المثال ، عند مقارنة نموذج الإحالة المستند إلى البيانات بنموذج إحالة اللمسة الأولى (المعروف أيضًا باسم "نموذج النقرة الأولى" في الشكل أدناه) ، يمكنك ملاحظة إحالة المزيد من التحويلات إلى البحث المجاني ضمن نموذج النقرة الأولى (735) مقارنةً بالبيانات - موديل مدفوع (646.80).

من ناحية أخرى ، يحتوي البريد الإلكتروني على تحويلات منسوبة بموجب نموذج الإحالة المستند إلى البيانات (727.82) أكثر من نموذج النقرة الأولى (552).

لقطة شاشة من GA4 ، نوفمبر 2022

تخبرنا البيانات أن البحث العضوي يلعب دورًا مهمًا في جذب العملاء المحتملين إلى المتجر ، ولكنه يحتاج إلى مساعدة من قنوات أخرى لتحويل الزوار (أي للعملاء لإجراء عمليات شراء فعلية).

من ناحية أخرى ، يتفاعل البريد الإلكتروني بطبيعته مع الزوار الذين زاروا الموقع من قبل ويساعد في تحويل الزوار العائدين الذين أتوا إلى الموقع في البداية من قنوات أخرى.

ما هو نموذج الإسناد الأفضل؟

عندما يتعلق الأمر بمقارنة نماذج الإحالة ، فإن السؤال الشائع هو ما هو نموذج الإحالة الأفضل. أنا أزعم أن هذا هو السؤال الخطأ الذي يجب على المسوقين طرحه.

الحقيقة هي أنه لا يوجد نموذج أفضل تمامًا من النماذج الأخرى حيث يوضح كل نموذج جانبًا واحدًا من رحلة العميل. يجب على المسوقين تبني نماذج متعددة على النحو الذي يرونه مناسبًا.

من الإحالة المستندة إلى القناة إلى الإحالة المستندة إلى مشاهدة الصفحة

يعد Google Analytics سهل الاستخدام ، ولكنه يعمل جيدًا للإحالة المستندة إلى القناة.

إذا كنت ترغب في زيادة فهم كيفية تنقل العملاء عبر موقع الويب الخاص بك قبل التحويل ، والصفحات التي تؤثر على قراراتهم ، فأنت بحاجة إلى إجراء تحليل الإحالة على مشاهدات الصفحة.

على الرغم من أن Google Analytics لا يدعم الإحالة المستندة إلى مشاهدة الصفحة ، إلا أن هناك أدوات أخرى يمكنك استخدامها.

لقد أجرينا مؤخرًا تحليل الإسناد المستند إلى مشاهدة الصفحة على موقع AdRoll على الويب ويسعدني أن أطلعك على الخطوات التي اتخذناها وما تعلمناه.

جمع بيانات تسلسل مشاهدة الصفحة

تتمثل الخطوة الأولى والأكثر تحديًا في جمع البيانات حول تسلسل مشاهدات الصفحة لكل زائر على موقع الويب الخاص بك.

تسجل معظم أنظمة تحليلات الويب هذه البيانات في شكل ما. إذا كان نظام التحليلات الخاص بك لا يوفر طريقة لاستخراج البيانات من واجهة المستخدم ، فقد تحتاج إلى سحب البيانات من قاعدة بيانات النظام.

على غرار الخطوات التي مررنا بها في GA4 ، فإن الخطوة الأولى هي تحديد التحويل. باستخدام تحليل الإحالة المستند إلى مشاهدة الصفحة ، تحتاج أيضًا إلى تحديد الصفحات التي تشكل جزءًا من عملية التحويل.

على سبيل المثال ، بالنسبة إلى موقع التجارة الإلكترونية الذي يكون الشراء عبر الإنترنت حدث التحويل ، تعتبر صفحة عربة التسوق وصفحة الفواتير وصفحة تأكيد الطلب جزءًا من عملية التحويل ، حيث يمر كل تحويل عبر هذه الصفحات.

يجب استبعاد هذه الصفحات من بيانات مشاهدة الصفحة نظرًا لأنك لست بحاجة إلى تحليل إحالة لإخبارك بأن هذه الصفحات مهمة لتحويل عملائك.

الغرض من هذا التحليل هو فهم الصفحات التي زارها عملاؤك المحتملون قبل حدث التحويل وكيف أثروا على قرارات العملاء.

جهز بياناتك لتحليل الإسناد

بمجرد أن تصبح البيانات جاهزة ، فإن الخطوة التالية هي تلخيص ومعالجة بياناتك في التنسيق التالي المكون من أربعة أعمدة. هنا مثال.

لقطة من الكاتب ، نوفمبر 2022

يُظهر عمود المسار جميع تسلسلات مشاهدة الصفحة. يمكنك استخدام أي معرف صفحة فريد ، ولكني أوصي باستخدام عنوان url أو مسار الصفحة لأنه يسمح لك بتحليل النتيجة حسب أنواع الصفحات باستخدام بنية عنوان url. ">" هو فاصل يستخدم بين الصفحات.

يعرض العمود Total_Conversions إجمالي عدد التحويلات التي أدى إليها مسار معين لمشاهدة الصفحة.

يعرض العمود Total_Conversion_Value إجمالي القيمة المالية للتحويلات من مسار معين لمشاهدة الصفحة. هذا العمود اختياري وينطبق في الغالب على مواقع التجارة الإلكترونية.

يعرض العمود Total_Null العدد الإجمالي لمرات فشل تحويل مسار مشاهدة صفحة معين.

قم ببناء نماذج الإحالة على مستوى الصفحة

لبناء نماذج الإحالة ، نقوم بالاستفادة من مكتبة مفتوحة المصدر تسمى ChannelAttribution.

بينما تم إنشاء هذه المكتبة في الأصل للاستخدام في لغات البرمجة R و Python ، يوفر المؤلفون الآن تطبيق ويب مجانيًا لها ، حتى نتمكن من استخدام هذه المكتبة دون كتابة أي رمز.

عند تسجيل الدخول إلى تطبيق الويب ، يمكنك تحميل بياناتك والبدء في بناء النماذج.

بالنسبة للمستخدمين لأول مرة ، أوصي بالنقر فوق الزر تحميل بيانات العرض للتشغيل التجريبي. تأكد من فحص تكوين المعلمة مع البيانات التجريبية.

لقطة من الكاتب ، نوفمبر 2022

عندما تكون جاهزًا ، انقر فوق الزر "تشغيل" لإنشاء النماذج.

بمجرد إنشاء النماذج ، سيتم توجيهك إلى علامة تبويب الإخراج ، التي تعرض نتائج الإحالة من أربعة نماذج إحالة مختلفة - اللمسة الأولى ، اللمسة الأخيرة ، الخطي ، ومحرك البيانات (سلسلة ماركوف).

تذكر أن تقوم بتنزيل بيانات النتيجة لمزيد من التحليل.

كمرجع لك ، بينما تسمى هذه الأداة ChannelAttribution ، فهي لا تقتصر على البيانات الخاصة بالقناة.

نظرًا لأن آلية نمذجة الإحالة غير محددة لنوع البيانات المعطاة لها ، فإنها تنسب التحويلات إلى القنوات إذا تم توفير بيانات خاصة بالقناة ، وإلى صفحات الويب إذا تم توفير بيانات مشاهدة الصفحة.

تحليل بيانات الإسناد الخاصة بك

تنظيم الصفحات في مجموعات الصفحات

اعتمادًا على عدد الصفحات على موقع الويب الخاص بك ، قد يكون من المنطقي تحليل بيانات الإحالة أولاً حسب مجموعات الصفحات بدلاً من الصفحات الفردية.

يمكن أن تحتوي مجموعة الصفحات على عدد قليل يصل إلى صفحة واحدة فقط إلى العدد الذي تريده من الصفحات ، طالما كان ذلك منطقيًا بالنسبة لك.

بأخذ موقع AdRoll كمثال ، لدينا مجموعة الصفحة الرئيسية التي تحتوي فقط على الصفحة الرئيسية ومجموعة المدونات التي تحتوي على جميع منشورات المدونة الخاصة بنا.

بالنسبة لمواقع التجارة الإلكترونية ، قد تفكر في تجميع صفحاتك حسب فئات المنتجات أيضًا.

يتيح البدء بمجموعات الصفحات بدلاً من الصفحات الفردية للمسوقين الحصول على نظرة عامة على نتائج الإحالة عبر أجزاء مختلفة من موقع الويب. يمكنك دائمًا التنقل لأسفل من مجموعة الصفحات إلى الصفحات الفردية عند الحاجة.

تحديد مداخل ومخارج مسارات التحويل

بعد كل عمليات إعداد البيانات وبناء النموذج ، دعنا ننتقل إلى الجزء الممتع - التحليل.

أقترح أولاً تحديد الصفحات التي يدخلها عملاؤك المحتملون إلى موقعك على الويب والصفحات التي توجههم للتحويل عن طريق فحص أنماط أول لمسة ونماذج إحالة اللمسة الأخيرة.

الصفحات ذات قيم إحالة اللمسة الأولى والأخيرة هي نقاط البداية ونقاط النهاية ، على التوالي ، لمسارات التحويل. هذه هي ما أسميه صفحات البوابة.

تأكد من تحسين هذه الصفحات للتحويل.

ضع في اعتبارك أن هذا النوع من صفحات البوابة قد لا يحتوي على حجم حركة مرور مرتفع للغاية.

على سبيل المثال ، كمنصة SaaS ، لا تحتوي صفحة التسعير في AdRoll على حجم حركة مرور مرتفع مقارنة ببعض الصفحات الأخرى على موقع الويب ولكنها الصفحة التي زارها العديد من الزوار قبل التحويل.

ابحث عن صفحات أخرى ذات تأثير قوي على قرارات العملاء

بعد صفحات البوابة ، فإن الخطوة التالية هي معرفة الصفحات الأخرى التي لها تأثير كبير على قرارات عملائك.

بالنسبة لهذا التحليل ، نبحث عن الصفحات التي لا تتعلق بالبوابة ذات قيمة الإسناد العالية ضمن نماذج سلسلة ماركوف.

بأخذ مجموعة صفحات ميزات المنتج على AdRoll.com كمثال ، يوضح نمط قيمة الإحالة الخاصة بهم عبر النماذج الأربعة (الموضحة أدناه) أن لديهم أعلى قيمة إحالة وفقًا لنموذج Markov Chain ، متبوعًا بالنموذج الخطي.

هذا مؤشر على أنهم تمت زيارتهم في منتصف مسارات التحويل ولعبوا دورًا مهمًا في التأثير على قرارات العملاء.

صورة من المؤلف ، نوفمبر 2022

هذه الأنواع من الصفحات هي أيضًا مرشحة رئيسية لتحسين معدل التحويل (CRO).

إن تسهيل اكتشافهم من قبل زوار موقع الويب الخاص بك وجعل محتواهم أكثر إقناعًا سيساعد في رفع معدل التحويل الخاص بك.

إلى خلاصة

تسمح إحالة اللمس المتعدد للشركة بفهم مساهمة قنوات التسويق المختلفة وتحديد الفرص لتحسين مسارات التحويل بشكل أكبر.

ابدأ ببساطة باستخدام Google Analytics للإسناد المستند إلى القناة. بعد ذلك ، تعمق في مسار العميل إلى التحويل باستخدام الإحالة المستندة إلى مشاهدة الصفحة.

لا تقلق بشأن اختيار أفضل نموذج إحالة.

الاستفادة من نماذج الإحالة المتعددة ، حيث يعرض كل نموذج إحالة جوانب مختلفة من رحلة العميل.

المزيد من الموارد:

• دليل كامل لنماذج الإحالة B2B متعددة اللمس
• تم إجراء بحث الكلمات الرئيسية B2B بشكل صحيح مع أمثلة عملية
• توليد العملاء المحتملين متعدد القنوات بين الشركات: 8 خطوات للنجاح

الصورة المميزة: سمك السلمون الأسود / شاترستوك