Google Analytics 4 ควรกระตุ้นการปรับโครงสร้างองค์กร & รีวิวหน่วยงาน

ถึงตอนนี้ คุณอาจทราบแล้วว่า GA4 ทำงานข้ามแพลตฟอร์ม ใช้โมเดลข้อมูลตามเหตุการณ์เพื่อส่งการวัดที่เน้นผู้ใช้เป็นศูนย์กลาง และไม่ ได้ พึ่งพาคุกกี้เพียงอย่างเดียว

และคุณทราบดีว่า GA4 ใช้แมชชีนเลิร์นนิงเพื่อสร้างข้อมูลเชิงลึกเชิงคาดการณ์ที่ซับซ้อนเกี่ยวกับพฤติกรรมและ Conversion ของผู้ใช้ สร้างผู้ชมใหม่ของผู้ใช้ที่มีแนวโน้มว่าจะซื้อหรือเลิกใช้งาน และแสดงข้อมูลเชิงลึกที่สำคัญโดยอัตโนมัติเพื่อปรับปรุงการตลาดของคุณ

แย่จัง คุณอาจเริ่มเปลี่ยนไปใช้ GA4 โดยเร็วที่สุดเพื่อสร้างข้อมูลย้อนหลังที่จำเป็น ก่อนที่ Universal Analytics (UA) จะหยุดประมวลผล Hit ใหม่ในวันที่ 1 กรกฎาคม 2023 และ UA 360 จะหยุดการประมวลผล Hit ใหม่ในวันที่ 1 ตุลาคม 2023 .

หลายคนอาจเข้าใจผิดคิดว่าตนเองมีดีในสิ่งต่างๆ

ฉันอยู่ที่ Pubcon Las Vegas เมื่อวันที่ 14 พฤศจิกายน 2548 เมื่อ Google ประกาศว่า Urchin Software ซึ่งได้รับมาในเดือนเมษายนของปีนั้นกำลังถูกเปลี่ยนชื่อเป็น Google Analytics ใช่ ฉันอยู่ในห้องที่เกิดเรื่องขึ้น

ฉันกำลังยืนอยู่ข้างลูกค้าคนหนึ่งของฉันคือ John Marshall ซึ่งเป็น CEO ของ ClickTracks Analytics ซึ่งนำเสนอโซลูชันที่แข่งขันกันมากมายซึ่งมีราคา $495, $1,195 หรือ $3,495

นั่นคือตอนที่เราทั้งคู่ได้ยินว่า Google Analytics เวอร์ชันพื้นฐานเปิดให้ใช้งานฟรีเป็นครั้งแรก

ฉันจึงรู้เพียงเล็กน้อยเกี่ยวกับผลกระทบของบริการวิเคราะห์เว็บเวอร์ชันใหม่ของ Google

และฉันได้เรียนรู้ว่าคุณไม่จำเป็นต้องรอให้แมชชีนเลิร์นนิงสร้างข้อมูลเชิงลึกเชิงคาดการณ์ที่ซับซ้อนเกี่ยวกับ "เหตุการณ์" สองสามอย่างซึ่งการนำ GA4 มาใช้มีแนวโน้มว่าจะทริกเกอร์สำหรับองค์กรหรือลูกค้าของคุณในอีก 14 เดือนข้างหน้า

หนึ่งคือการปรับโครงสร้างองค์กร อีกประการหนึ่งคือการทบทวนหน่วยงาน

The Reorg

ทีม "การวิเคราะห์เว็บ" ยังคงอยู่ในแผนกไอทีในหลายองค์กรมากเกินไป

ทำไม

เนื่องจากทีมเริ่มก่อตั้งในปี 1995 เมื่อการวิเคราะห์เว็บหมายถึงเซิร์ฟเวอร์ ไฟล์บันทึก และโค้ดที่เขียนด้วยลายมือที่ซับซ้อนเพื่อแยกวิเคราะห์ไฟล์บันทึกและจัดทำรายงาน

ดังนั้นการวางพวกเขาไว้ในแผนกไอทีจึงสมเหตุสมผลดีในตอนนั้น

แต่การเก็บรวบรวม การจัดเก็บ และการประมวลผลข้อมูลทั้งหมดได้ย้ายไปยังระบบคลาวด์ (โฮสต์โดยผู้ให้บริการแอปพลิเคชันของคุณแทนที่จะเป็นภายในองค์กร)

สิ่งนี้ทำให้ไม่จำเป็นต้องดูแลทีมไอทีสำหรับการวิเคราะห์เว็บ ยกเว้นบางทีอาจอัปเดตโค้ดการวัดและส่วนย่อยของโค้ดที่เกี่ยวข้องซึ่งเรียกรวมกันว่า "แท็ก" บนเว็บไซต์หรือแอปบนอุปกรณ์เคลื่อนที่ของคุณ

นอกจากนี้ เว็บไซต์ของคุณได้เปลี่ยนจากการเป็น "โบรชัวร์แวร์" ในช่วงแรกๆ มาเป็นส่วนสำคัญของธุรกิจของคุณมากขึ้นเรื่อยๆ ทั้งทางออนไลน์และออฟไลน์

ไม่มีอะไรเน้นย้ำถึงการเปลี่ยนแปลงนี้มากไปกว่าการที่เราไม่นับจำนวนคำขอของลูกค้า (หรือ Hit) ที่ทำกับเว็บเซิร์ฟเวอร์อีกต่อไปเหมือนที่พวกเขาทำในรุ่นก่อน

เนื่องจากแนวโน้มเหล่านี้ ทีม “การวิเคราะห์ดิจิทัล” จึงไม่อยู่ในฝ่ายไอทีอีกต่อไป

มันอยู่ที่ไหน?

ถามตัวเองสามคำถาม:

ใครใช้การวิเคราะห์?

การตลาด (ไม่ใช่ไอที) จำเป็นต้องเห็นการเดินทางของลูกค้าที่เป็นหนึ่งเดียวในเว็บไซต์และแอปของตน

การตลาด (ไม่ใช่ไอที) ต้องใช้เทคโนโลยีแมชชีนเลิร์นนิงของ Google เพื่อแสดงและคาดการณ์ข้อมูลเชิงลึกใหม่ๆ

และการตลาด (ไม่ใช่ไอที) จำเป็นต้องให้ทันกับความต้องการและความคาดหวังของลูกค้าที่เปลี่ยนแปลงไป

ใครเป็นผู้ชี้นำการนำไปปฏิบัติ?

การตลาด (ไม่ใช่ไอที) จำเป็นต้องตัดสินใจว่าจะเพิ่มกิจกรรมที่แนะนำ กลุ่มเป้าหมายใดแนะนำให้ใช้ และเหตุการณ์ใดที่จะทำเครื่องหมายเป็น Conversion

การตลาด (ไม่ใช่ไอที) จำเป็นต้องตัดสินใจว่าจะใช้มูลค่าเงินที่เชื่อมโยงสำหรับ Conversion ย่อย ข้อมูลเชิงลึกที่กำหนดเองเพื่อสร้าง และความผิดปกติที่จะดำเนินการ

และการตลาด (ไม่ใช่ไอที) ควรตัดสินใจว่าแพลตฟอร์มอื่นๆ เช่น Google Ads, Search Console และ Salesforce Marketing Cloud จะผสานรวมกับ GA4 ใด

ใครเป็นเจ้าของการรายงาน

การตลาด (ไม่ใช่ไอที) จำเป็นต้องขับเคลื่อนยอดขายหรือการติดตั้งแอป สร้างโอกาสในการขาย หรือเชื่อมต่อการมีส่วนร่วมกับลูกค้าทางออนไลน์และออฟไลน์

ดังนั้น การตลาด (ไม่ใช่ไอที) จึงจำเป็นต้องใช้การระบุแหล่งที่มาจากข้อมูลเพื่อวิเคราะห์ผลกระทบทั้งหมดจากแคมเปญล่าสุดและโปรแกรมต่อเนื่องตลอดเส้นทางของลูกค้า

และการตลาด (ไม่ใช่ไอที) จำเป็นต้องส่งออกการวิเคราะห์นั้นไปยัง Google Ads และเครื่องมือสื่อของ Google Marketing Platform เพื่อเพิ่มประสิทธิภาพแคมเปญและโปรแกรมเหล่านั้น

นี่คือเหตุผลที่การวิเคราะห์ดิจิทัลอยู่ในการตลาด – และอยู่ในนั้นมานานกว่า 10 ปี

แต่ความเฉื่อยเป็นพลังที่ทรงพลัง และคนส่วนใหญ่เกลียดการจัดระเบียบใหม่ ซึ่งอธิบายได้ว่าทำไมหลายองค์กรถึงไม่ชอบที่จะย้ายทีมวิเคราะห์ของตนออกจากไอทีและเข้าสู่การตลาด

เหตุใดฉันจึงคิดว่า GA4 จะเป็นพลังที่ต้านทานไม่ได้ในการเอาชนะวัตถุที่เคลื่อนที่ไม่ได้นี้

คุณลักษณะหนึ่งที่คุณเคยได้ยินมาก็คือ Analytics อัจฉริยะ ซึ่งใช้แมชชีนเลิร์นนิงและเงื่อนไขที่คุณต้องกำหนดค่าเพื่อช่วยให้คุณเข้าใจและดำเนินการกับข้อมูล GA4 ของคุณ

และหนึ่งในเทคนิคทางสถิติที่ Analytics อัจฉริยะใช้คือการตรวจหาสิ่ง ผิดปกติ

การใช้ข้อมูลในอดีต Analytics อัจฉริยะ "เรียนรู้" เพื่อคาดการณ์ค่าของเมตริกสำหรับช่วงเวลาปัจจุบัน และตั้งค่าสถานะจุดข้อมูลว่าเป็นความผิดปกติหากค่าจริงอยู่นอกช่วงที่ "น่าเชื่อถือ"

สำหรับการตรวจจับความผิดปกติรายสัปดาห์ ระยะเวลาการฝึกอบรมสำหรับแมชชีนเลิร์นนิงของ GA4 คือ 32 สัปดาห์

สำหรับการตรวจจับความผิดปกติรายวัน ระยะเวลาการฝึกอบรมคือ 90 วัน และสำหรับการตรวจจับความผิดปกติรายชั่วโมง ระยะเวลาการฝึกอบรมคือสองสัปดาห์

กล่าวคือ ในช่วง 2 ถึง 32 สัปดาห์หลังจากตั้งค่า GA4 และเริ่มรวบรวมข้อมูล แมชชีนเลิร์นนิงของ Analytics Intelligence จะได้รับการฝึกอบรมอย่างเพียงพอเพื่อวิเคราะห์ข้อมูลและคาดการณ์การดำเนินการในอนาคตที่ผู้ใช้ปลายทางของคุณอาจทำ

นั่นคือเวลาที่นักการตลาดจะเริ่มเห็น “ข้อมูลเชิงลึก” ปรากฏบนหน้าแรก GA4 ของตน

ข้อมูลเชิงลึกเหล่านี้จะแสดงการเปลี่ยนแปลงที่ผิดปกติ แนวโน้มที่เกิดขึ้นใหม่ และความผิดปกติอื่นๆ เกี่ยวกับไซต์หรือแอปของคุณ

การดูข้อมูลเชิงลึกที่เฉพาะเจาะจงสามารถช่วยให้คุณระบุการเปลี่ยนแปลงข้อมูลที่รับประกันการวิเคราะห์และการดำเนินการเพิ่มเติมได้อย่างรวดเร็ว

นั่นคือเวลาที่ฝ่ายการตลาดจะเริ่ม "ตกใจ" หากแผนกไอทีไม่ตอบสนองต่อคำขอ "ความช่วยเหลือ" อย่างเร่งด่วนภายในหนึ่งสัปดาห์ หนึ่งวัน หรือแม้แต่หนึ่งชั่วโมง

และนั่นคือกรณีที่กรณีทางธุรกิจสำหรับการย้ายทีมวิเคราะห์จากไอทีไปยังการตลาดจะกลายเป็นการขับเคลื่อนด้วยข้อมูลในทันใด

เหตุใดสถานการณ์นี้จึงมีแนวโน้มที่จะกระจายไปทั่วองค์กรทั่วโลกในช่วง 14 เดือนข้างหน้า

ผู้ใช้ GA4 รุ่นแรกๆ ได้รายงานถึงประโยชน์ของการได้มุมมองที่สมบูรณ์เกี่ยวกับวงจรชีวิตของลูกค้าด้วยโมเดลการวัดตามเหตุการณ์ที่ไม่ได้แยกส่วนตามแพลตฟอร์มหรือจัดเป็นเซสชันอิสระ

และผมขอยืนยันว่าองค์กรที่มีผลประโยชน์แบบเดียวกันนั้นไม่ได้ถูกแยกส่วนตามแผนกหรือจัดเป็นไซโลอิสระ

ตัวอย่างเช่น Gymshark แบรนด์เครื่องแต่งกายและเครื่องประดับสำหรับออกกำลังกายในสหราชอาณาจักร ใช้ GA4 เพื่อทำความเข้าใจลูกค้าผ่านช่องทางติดต่อลูกค้าบนเว็บไซต์และแอป

สิ่งนี้ทำให้ทีม Gymshark เห็นว่าผู้ใช้เคลื่อนผ่านช่องทางการซื้ออย่างไร เป็นผลให้พวกเขาลดการออกจากระบบของผู้ใช้ 9% เพิ่มการคลิกผ่านหน้าผลิตภัณฑ์ 5% และลดเวลาที่ใช้ในการวิเคราะห์เส้นทางของผู้ใช้ลง 30%

องค์กรไม่แสวงหาผลกำไรสามารถได้รับประโยชน์จากการดูเส้นทางของผู้ใช้ตั้งแต่ต้นจนจบเช่นกัน

ตัวอย่างเช่น 412 Food Rescue ซึ่งเป็นองค์กรไม่แสวงหาผลกำไรในพิตต์สเบิร์ก จำเป็นต้องรับสมัครอาสาสมัครเพิ่มเพื่อส่งอาหารจากผู้ค้าปลีกไปยังผู้ที่ประสบปัญหาความไม่มั่นคงด้านอาหาร

ข้อมูลเชิงลึกอัตโนมัติใน GA4 แสดงให้ทีมเห็นว่าวันหยุดสุดสัปดาห์มีแนวโน้มที่จะช้าลงเล็กน้อยในแง่ของอาสาสมัครและการมีส่วนร่วม ดังนั้นพวกเขาจึงปรับแคมเปญโซเชียลมีเดียที่ดึงดูดการเข้าชมเว็บไซต์ของตน

และพวกเขาได้ลดเวลาการรายงานลง 50% ซึ่งทำให้มีพนักงานที่มีจำกัดอยู่แล้วเพื่อเพิ่มผลกระทบทั่วทั้งชุมชนและขยายไปยังเมืองใหม่

ดู “Google Analytics: 412 Food Rescue Case Study” ซึ่งอัปโหลดไปยัง YouTube เมื่อวันที่ 24 มีนาคม 2021 เพื่อฟังทีมบอกเล่าเรื่องราวด้วยคำพูดของพวกเขาเอง

สิ่งนี้นำเราไปสู่ ​​“เหตุการณ์” ครั้งที่สองที่ GA4 มีแนวโน้มที่จะเรียกใช้สำหรับองค์กรหรือลูกค้าของคุณ: การตรวจสอบของหน่วยงาน

การตรวจสอบหน่วยงาน

ตอนนี้ เอเจนซี่โฆษณารายใหญ่บางแห่งใช้ Google Analytics กับบริการโฆษณาของ DoubleClick ซึ่ง Google ได้รับในเดือนมีนาคม 2008 แม้กระทั่งก่อนที่ Google Marketing Platform จะเปิดตัวในวันที่ 24 กรกฎาคม 2018

ดังนั้น พวกเขาควรฝ่าฟันพายุที่เกิดจากการย้ายไปยัง GA4 ได้โดยไม่ยากเกินไป

แต่เอเจนซีโฆษณาอื่นๆ จำนวนมากจะต้องจัดการประชุม "พร้อมเพรียง" เพื่อหาวิธีติดต่อกับลูกค้าที่เพิ่งกำหนดค่าพร็อพเพอร์ตี้ GA4 และเริ่มบันทึกเหตุการณ์ YouTube Web Engaged View Conversion (EVC)

ในการทำเช่นนั้น ลูกค้า:

• เชื่อมโยงพร็อพเพอร์ตี้ของตนกับ Google Ads เพื่อให้ YouTube Web EVC พร้อมใช้งาน ในรายงาน GA4
• เปิดใช้งาน Google Signals เพื่อดู Conversion จากผู้ใช้ ที่ลงชื่อเข้าใช้บัญชี Google

ตอนนี้ พวกเขาคาดหวังให้สิทธิ์เสรีช่วยให้พวกเขาทำในสิ่งที่ Harmoney ทำ

ฮาร์มันนี่ คือใคร?

พวกเขาเป็นแพลตฟอร์มสินเชื่อส่วนบุคคลออนไลน์ที่ตั้งอยู่ในนิวซีแลนด์

พวกเขาทำอะไร? พวกเขาใช้ YouTube เพื่อสร้างการรับรู้ถึงแบรนด์ของกลุ่มเป้าหมายในออสเตรเลีย

Harmoney รู้ได้อย่างไรว่าพวกเขาทำอย่างนั้น?

พวกเขาใช้ GA4 เพื่อวัด EVC หลังจากที่กลุ่มเป้าหมายดูโฆษณา YouTube

ซึ่งช่วยให้พวกเขาสามารถเชื่อมโยงการเพิ่มการแสดงผลของแบรนด์กับการลงทุนได้โดยตรงโดยการวัด Conversion การดูอย่างมีส่วนร่วมจากโฆษณา YouTube ซึ่งมักเกิดขึ้นในแอปบนอุปกรณ์เคลื่อนที่

หรือจะเกิดอะไรขึ้นถ้าลูกค้าขอเอเจนซีของคุณสำหรับโฆษณาใหม่ที่กำหนดเป้าหมายหนึ่งใน "ผู้ชมที่คาดการณ์ได้" ของพวกเขา

ตัวอย่างเช่น สมมติว่าลูกค้าของคุณได้สร้างผู้ชมของ "ผู้ซื้อที่มีแนวโน้มว่าจะซื้อใน 7 วัน" ซึ่งรวมถึงผู้ใช้ที่มีแนวโน้มจะซื้อในอีกเจ็ดวันข้างหน้า

ตอนนี้พวกเขาคิดว่าเอเจนซี่ของคุณสามารถช่วยพวกเขาทำในสิ่งที่ McDonald's Hong Kong ทำ

อืม นั่นอะไรน่ะ?

McDonald's Hong Kong บรรลุเป้าหมายในการเพิ่มคำสั่งซื้อทางมือถือโดยใช้กลุ่มเป้าหมายที่คาดการณ์ว่า "ผู้ซื้อที่มีแนวโน้ม" ใน 7 วัน" พวกเขาส่งออกไปยัง Google Ads และเพิ่มคำสั่งซื้อแอปมากกว่าหกครั้ง

พวกเขายังเห็น ROI ที่แข็งแกร่งขึ้น 2.3 เท่า รายได้เพิ่มขึ้น 5.6 เท่า และต้นทุนต่อการดำเนินการลดลง 63%

หรือลูกค้ารายอื่นอาจต้องการให้เอเจนซีของคุณสร้างแคมเปญรีมาร์เก็ตติ้งเพื่อดึงดูดผู้ใช้อีกครั้งโดยพิจารณาจากพฤติกรรมบนเว็บไซต์หรือแอปของพวกเขา

เอเจนซีของคุณจะทำอะไรเมื่อส่งรายการรีมาร์เก็ตติ้งของ "ผู้ชมที่แนะนำ" ซึ่งอาจรวมถึง:

• ผู้ประสบความสำเร็จ (เช่น ผู้ใช้บรรลุเป้าหมายสำคัญ เช่น การอ่านบทความจำนวนหนึ่ง)
• ผู้ใช้ที่เรียกเก็บเงินได้
• ผู้ละทิ้งรถเข็น
• เริ่มชำระเงิน
• ผู้ค้นหารายการ
• ผู้ดูรายการ
• นำไปสู่
• ผู้ใช้ที่ลงทะเบียน
• ผู้ค้นหา
• สตรีมเมอร์
• ผู้เล่นชั้นนำ
• ผู้ทำประตูสูงสุด
• ผู้ละทิ้งบทแนะนำ
• จบการสอน
• วิดีโอที่สมบูรณ์
• วิดีโอเริ่มต้น
• ผู้ใช้รายการสิ่งที่อยากได้

เฮ้คุณไม่สามารถทำสิ่งนี้ได้

แล้วคุณจะทำอย่างไร?

การเดาทางวิทยาศาสตร์แบบบ้าๆ ของฉันก็คือ หน่วยงานของคุณจะทำตัวเหมือนหงส์ ล่องลอยข้ามทะเลสาบอย่างสง่างาม – ในขณะที่พายเรือเล่นอย่างดุเดือดภายใต้ผิวน้ำ

แต่ถ้าคุณไม่โน้มน้าวทุกคนที่เอเจนซีของคุณว่า GA4 จะเปลี่ยนความคาดหวังของลูกค้าในสิ่งที่เอเจนซีโฆษณาสามารถทำได้โดยพื้นฐานแล้ว คุณก็มีแนวโน้มที่จะสูญเสียลูกค้าเหล่านั้นไป

ฉันไม่คิดว่าคุณจะรู้ว่าลูกค้าคาดหวังให้เอเจนซีโฆษณาของคุณทำอะไรได้บ้าง ใช่ไหม

อ่ารอ นั่นคือ Final Jeopardy! เมื่อคืน.

Mayim Bialik กล่าวว่า…ลูกค้าคาดหวังว่าเอเจนซี่โฆษณาของพวกเขาจะสามารถใช้ส่วนหน้าของ Google Marketing Platform เพื่อใช้ประโยชน์จากส่วนหลังของแพลตฟอร์ม (ส่วนก่อนหน้านี้เรียกว่า Google Analytics) สามารถให้ได้…ซึ่งตอนนี้รวมถึงการวัดเว็บ YouTube กิจกรรม EVC การสร้าง Predictive Audience และการสร้าง Suggested Audience

ดังนั้น อย่าแปลกใจเมื่อลูกค้าของคุณประกาศการตรวจสอบเอเจนซี่

และแม้ว่าเอเจนซีของคุณจะได้รับเชิญให้แข่งขัน แต่อย่าคาดหวังว่าจะต้องใช้บัญชีนี้ เว้นแต่คุณจะรู้วิธีเอาชนะเอเจนซี่โฆษณารายใหญ่บางรายโดยใช้ Google Marketing Platform ตั้งแต่เดือนมีนาคม 2008

ดังนั้น สำหรับการตรวจสอบเอเจนซี่ที่หลีกเลี่ยงไม่ได้ซึ่งจะถูกเรียกใช้โดย GA4 เราขอแนะนำให้คุณจัดระเบียบงานนำเสนอเพื่อจัดการกับแนวทางปฏิบัติที่ดีที่สุดห้าประการที่ DoubleClick เคยเรียกว่า "การโฆษณาแบบเป็นโปรแกรม" และตอนนี้ Google เรียกว่า "ความก้าวหน้าล่าสุดในแมชชีนเลิร์นนิงสำหรับข้อมูล -ขับเคลื่อนความคิดสร้างสรรค์”

ในกรณีที่คุณยังไม่ได้เรียนรู้แนวทางปฏิบัติที่ดีที่สุด 5 ข้อเหล่านี้ ได้แก่:

• จัดระเบียบข้อมูลเชิงลึกของผู้ชม : รวมแหล่งข้อมูลของคุณ - รวมถึงข้อมูล GA4, ข้อมูลออฟไลน์, ข้อมูล CRM, ข้อมูลการสำรวจ หรือข้อมูลบุคคลที่สาม - เพื่อรับมุมมองที่ครอบคลุมเกี่ยวกับผู้ชมของคุณ
• ออกแบบโฆษณาให้น่าสนใจ : Google สนับสนุนให้นักการตลาด "จัดทำแผนแคมเปญทั่วไปและจัดทีมสร้างสรรค์ การวิเคราะห์ และสื่อของคุณโดยเร็วที่สุด ซึ่งช่วยให้ทีมงานสร้างสรรค์ปรับแต่งข้อความให้เหมาะสมกับช่องทางและอุปกรณ์ต่างๆ นอกจากนี้ยังช่วยให้มั่นใจได้ว่าไฟล์เนื้อหาครีเอทีฟโฆษณาสามารถทำงานได้ง่ายขึ้น”
• ดำเนินการด้วยเทคโนโลยีบูรณาการ : ระบุพันธมิตรที่มีความสามารถสำหรับการซื้อแบบเป็นโปรแกรม ตัวอย่างเช่น คุณจะพบคู่ค้าที่มีศักยภาพ 2,424 รายในไดเรกทอรี Google Partners
• เข้าถึงผู้ชมผ่านหน้าจอต่างๆ : จากข้อมูลของ eMarketer ผู้โฆษณาในสหรัฐฯ คาดว่าจะใช้จ่ายเงิน 62.96 พันล้านดอลลาร์กับวิดีโอดิจิทัลแบบเป็นโปรแกรมในปี 2565 เพิ่มขึ้นจาก 52.17 พันล้านดอลลาร์ในปี 2564 และมือถือคิดเป็นสองในสามของโฆษณาวิดีโอแบบเป็นโปรแกรม แต่ส่วนแบ่งของโฆษณาลดลงเมื่อเชื่อมต่อกับทีวีที่เชื่อมต่อ (CTV) ได้เงินโฆษณามากขึ้น
• วัดผลกระทบ : ใช้ GA4 เพื่อวัด EVC หลังจากที่ผู้ชมเป้าหมายของคุณดูโฆษณา YouTube ของคุณ เพิ่มคำสั่งซื้อบนอุปกรณ์เคลื่อนที่โดยใช้ผู้ชมที่คาดการณ์ได้ของ "ผู้ที่มีแนวโน้มจะซื้อใน 7 วัน" และสุดท้าย รีมาร์เก็ตเป็น "ผู้ชมที่แนะนำ"

ตอนนี้ เอเจนซี่โฆษณารายใหญ่บางรายมีประสบการณ์มากขึ้นในการดำเนินการด้วยเทคโนโลยีแบบบูรณาการและเข้าถึงผู้ชมผ่านหน้าจอต่างๆ

นั่นเป็นเหตุผลที่คุณอาจต้องระบุพันธมิตรที่มีความสามารถสำหรับการซื้อแบบเป็นโปรแกรมก่อนที่เอเจนซีจะตรวจสอบ

แต่เอเจนซี่โฆษณารายใหญ่ก็ยังเรียนรู้เกี่ยวกับ GA4 เช่นเดียวกับคุณ

ดังนั้น ฉันขอเถียงว่าคุณควรจะสามารถรักษาพื้นฐานของคุณไว้ได้เมื่อจัดระเบียบข้อมูลเชิงลึกของผู้ชมและวัดผลกระทบ

และด้านหนึ่งที่คุณอาจได้เปรียบเหนือเอเจนซี่โฆษณารายใหญ่บางแห่งก็คือการออกแบบโฆษณาที่น่าสนใจ

นี่คือสิ่งที่คุณต้องเน้นในตอนเริ่มต้นของการตรวจสอบเอเจนซี: โฆษณาคิดเป็น 56% ของประสิทธิภาพการโฆษณา และสื่อ 30% ตาม Nielsen Catalina

โอเค คุณจะออกแบบโฆษณาที่น่าสนใจสำหรับวิดีโอดิจิทัลแบบเป็นโปรแกรมได้อย่างไร

อันดับแรก เราขอแนะนำให้คุณดู “การทำความเข้าใจหลักเกณฑ์ ABCD สำหรับโฆษณา YouTube ที่มีประสิทธิภาพ”

มันอธิบายว่าโฆษณาที่ประสบความสำเร็จบน YouTube ดึงดูดความสนใจ รวมการสร้างแบรนด์ที่แข็งแกร่ง สร้างการเชื่อมต่อ และมีทิศทางที่แข็งแกร่ง

วิธีที่สองใช้ AI ทางอารมณ์เพื่อเชื่อมโยงคุณลักษณะที่สร้างสรรค์กับข้อมูลประสิทธิภาพของวิดีโอ

คุณทำอย่างนั้นได้อย่างไร?

อ่านบทความของฉัน "อะไรคือทางเลือกในการใช้จ่าย 7 ล้านเหรียญในโฆษณา Super Bowl"

ผู้เชี่ยวชาญด้านการตลาดดิจิทัลคนแรกที่ตอบคำขอทางเลือกของฉันคือ Ian Forrester ผู้ก่อตั้งและ CEO ของ DAIVID เขาใช้เครื่องมือทดสอบวิดีโอซึ่งใช้ Emotional AI เพื่อคาดการณ์ประสิทธิภาพของวิดีโอโดยอัตโนมัติโดยไม่จำเป็นต้องแสดงความคิดสร้างสรรค์ต่อผู้ตอบแบบสอบถาม

ตัวเลือกที่สามคือการใช้ YouTube Director Mix เพื่อสร้างวิดีโอที่ปรับแต่งตามขนาด สลับองค์ประกอบต่างๆ เพื่อปรับแต่งเนื้อหาให้เหมาะกับผู้ชมเฉพาะกลุ่ม

ตัวอย่างเช่น Mondelez India ออกแบบ "ไม่ใช่แค่โฆษณา Cadbury" โดยใช้การกำหนดเป้าหมายรหัสพินของ YouTube, YouTube Director's Mix และ Google Maps API

ซึ่งช่วยให้พวกเขาผลิตโฆษณาที่สร้างโดย AI ได้หลายพันแบบถึง 270 พินโค้ดในแปดเมือง

แคมเปญที่มีการแปลเป็นภาษาท้องถิ่นนี้ช่วยให้ผู้ค้าปลีกในพื้นที่เกือบ 1,800 รายสามารถคว้าธุรกิจได้ในช่วง Diwali ระหว่างการระบาดใหญ่

มันให้ผลลัพธ์ทางธุรกิจที่น่าเหลือเชื่อ รวมถึงการเติบโตของธุรกิจมากกว่า 32% เมื่อเทียบกับที่คาดการณ์ไว้ และยอดขาย 2x สำหรับผู้ค้าปลีกที่แสดงในโฆษณา

วิธีที่สี่คือการสร้างการทดสอบวิดีโอเพื่อพิจารณาว่าโฆษณาวิดีโอใดของคุณมีประสิทธิภาพมากกว่าบน YouTube

ด้วยการทดสอบวิดีโอ คุณสามารถทดสอบโฆษณาวิดีโอต่างๆ ที่มีผู้ชมกลุ่มเดียวกัน แล้วใช้ผลการทดสอบเพื่อพิจารณาว่าโฆษณาใดที่ตรงใจผู้ชมของคุณมากกว่า

ตัวอย่างเช่น Grammarly ใช้การทดสอบวิดีโอเพื่อทดสอบลำดับโฆษณา

หากต้องการดูผลลัพธ์ ดู “ไวยากรณ์ | เรื่องราวความสำเร็จ | ผู้ลงโฆษณา YouTube”

และตอนนี้สำหรับบางสิ่งที่แตกต่างไปจากเดิมอย่างสิ้นเชิง

แทนที่จะปล่อยให้ GA4 แจ้งหน่วยงานตรวจสอบ ขอแนะนำให้ลูกค้าของคุณดำเนินการตรวจสอบการวิเคราะห์ดิจิทัล

Matt Bailey ผู้สอนผู้คนถึงวิธีเปลี่ยนข้อมูลการตลาดให้เป็นการดำเนินการ กล่าวว่า:

“ฉันได้พูดคุยกับ Adobe และพวกเขาได้เห็นการสอบถามและการเปลี่ยนแปลงที่เพิ่มขึ้นอย่างไม่น่าเชื่อ ด้วยปัญหาด้านความเป็นส่วนตัวและ Google เป็นผู้ดูดข้อมูลขนาดใหญ่ที่สุดในโลก ฉันจึงตัดสินใจว่าถึงเวลาต้องทำการเปลี่ยนแปลงด้วยเช่นกัน ฉันรักที่การวิเคราะห์กลายเป็นสภาพแวดล้อมการแข่งขันทางการเงินอีกครั้ง!”

เขากล่าวเสริมว่า "ฉันกำลังทดสอบ Matomo, Woopra, Heap และ Piwik Pro พวกเขาทั้งหมดมีคุณสมบัติคล้ายกับ G4 ปัญหาคือ G4 ยังไม่เสร็จ พวกเขายังคงเพิ่มการวัดและเปลี่ยนฉลาก เมื่อสองสัปดาห์ก่อน พวกเขาได้เพิ่มการวัดผลใหม่ที่ทำลายข้อมูลประวัติที่เกี่ยวข้อง”

คุณควรใช้ตัวเลือกใดต่อไปนี้

ก่อนที่ดาวิดจะไปสู้กับโกลิอัท เขาแวะริมลำธารเพื่อเลือกก้อนหินเรียบห้าก้อน

และสิ่งที่ดาวิดต้องการเพื่อสังหารโกลิอัทก็คือหินก้อนเดียว

นี่คือสิ่งที่คุณควรเน้นในตอนท้ายของการตรวจสอบเอเจนซี: หากเอเจนซีใช้เทคโนโลยีแบบบูรณาการเพื่อเข้าถึงผู้ชมบนหน้าจอต่างๆ ด้วยครีเอทีฟโฆษณาที่ไม่น่าสนใจ สิ่งเดียวที่คุณจะวัดได้ก็คือการขาดผลกระทบ

เพื่อนร่วมงานของฉันที่ Search Engine Journal ได้ทำงานที่ยอดเยี่ยมในการเตรียมความพร้อมให้คุณประสบความสำเร็จกับ Google Analytics 4 (GA4) ตรวจสอบแหล่งข้อมูลเหล่านี้หากคุณยังไม่ได้:

• Google ประกาศคุณสมบัติการรายงานใหม่ใน GA4 โดย Amy Bishop
• Google Analytics 4 Backlash: GA4 'ห่วย' และ 'แย่มาก' โดย Roger Montti
• 7 คุณลักษณะ GA4 ที่ (หวังว่า) จะทำให้คุณเกลียดน้อยลง โดย Brie E Anderson
• วิธีตั้งค่า Google Analytics 4 เพื่อความสำเร็จโดย Brie E Anderson
• ทำความรู้จัก Google Analytics 4: คู่มือฉบับสมบูรณ์โดย Kayle Larkin
• การผสานรวมใหม่สำหรับ GA4 และ Search Ads 360 โดย Brooke Osmundson
• เริ่มต้นใช้งาน GA4: 4 เคล็ดลับในการเริ่มต้นและวิ่ง โดย Kayle Larkin
• เรียนรู้ GA4: 17 คู่มือยอดนิยมและแหล่งข้อมูลเพื่อการศึกษา โดย Kayle Larkin
• คำถามที่พบบ่อยของ Google Analytics 4: ใจเย็นและคอยติดตามโดย Kayle Larkin
• GA4 สำหรับไซต์อีคอมเมิร์ซ: คำแนะนำทีละขั้นตอนพร้อมตัวอย่าง Shopify โดย Kayle Larkin

ภาพเด่น: ra2 studio/Shutterstock