คู่มือปฏิบัติสำหรับการระบุแหล่งที่มาแบบมัลติทัช

เผยแพร่แล้ว: 2022-11-23

การเดินทางของลูกค้าเกี่ยวข้องกับการโต้ตอบหลายครั้งระหว่างลูกค้ากับผู้ค้าหรือผู้ให้บริการ

เราเรียกการโต้ตอบแต่ละครั้งในการเดินทางของลูกค้าว่าจุดสัมผัส

จากข้อมูลของ Salesforce.com โดยเฉลี่ยแล้ว ต้องใช้เวลา 6-8 ครั้งในการสร้างลูกค้าเป้าหมายในพื้นที่ B2B

จำนวนจุดสัมผัสสำหรับการซื้อของลูกค้าจะยิ่งสูงขึ้น

การระบุแหล่งที่มาแบบมัลติทัชเป็นกลไกในการประเมินการมีส่วนร่วมของจุดติดต่อแต่ละจุดต่อการแปลง และให้เครดิตที่เหมาะสมแก่ทุกจุดติดต่อที่เกี่ยวข้องในการเดินทางของลูกค้า

การดำเนินการวิเคราะห์แหล่งที่มาแบบมัลติทัชสามารถช่วยนักการตลาดเข้าใจการเดินทางของลูกค้าและระบุโอกาสในการเพิ่มประสิทธิภาพเส้นทางการแปลงเพิ่มเติม

ในบทความนี้ คุณจะได้เรียนรู้พื้นฐานของการระบุแหล่งที่มาแบบมัลติทัช และขั้นตอนของการดำเนินการวิเคราะห์แหล่งที่มาแบบมัลติทัชด้วยเครื่องมือที่เข้าถึงได้ง่าย

สิ่งที่ต้องพิจารณาก่อนดำเนินการวิเคราะห์แหล่งที่มาแบบมัลติทัช

กำหนดวัตถุประสงค์ทางธุรกิจ

คุณต้องการบรรลุอะไรจากการวิเคราะห์การระบุแหล่งที่มาแบบมัลติทัช

คุณต้องการประเมินผลตอบแทนจากการลงทุน (ROI) ของช่องทางการตลาดใดช่องทางหนึ่ง ทำความเข้าใจการเดินทางของลูกค้า หรือระบุหน้าที่สำคัญบนเว็บไซต์ของคุณสำหรับการทดสอบ A/B หรือไม่

วัตถุประสงค์ทางธุรกิจที่แตกต่างกันอาจต้องการแนวทางการวิเคราะห์แหล่งที่มาที่แตกต่างกัน

การกำหนดสิ่งที่คุณต้องการบรรลุตั้งแต่เริ่มต้นจะช่วยให้คุณได้ผลลัพธ์เร็วขึ้น

กำหนดการแปลง

Conversion คือการกระทำที่คุณต้องการให้ลูกค้าของคุณทำ

สำหรับไซต์อีคอมเมิร์ซ มักจะทำการซื้อ ซึ่งกำหนดโดยเหตุการณ์การสั่งซื้อให้เสร็จสมบูรณ์

สำหรับอุตสาหกรรมอื่นๆ อาจเป็นการสมัครบัญชีหรือการสมัครสมาชิก

Conversion ประเภทต่างๆ น่าจะมีเส้นทาง Conversion ที่แตกต่างกัน

หากคุณต้องการใช้การระบุแหล่งที่มาแบบมัลติทัชกับการกระทำที่ต้องการหลายรายการ เราขอแนะนำให้แยกการดำเนินการออกเป็นการวิเคราะห์ต่างๆ เพื่อหลีกเลี่ยงความสับสน

กำหนดจุดสัมผัส

จุดสัมผัสอาจเป็นปฏิสัมพันธ์ใดๆ ระหว่างแบรนด์ของคุณกับลูกค้าของคุณ

หากนี่เป็นครั้งแรกที่คุณใช้การวิเคราะห์แหล่งที่มาแบบมัลติทัช เราขอแนะนำให้กำหนดให้เป็นการเข้าชมเว็บไซต์ของคุณจากช่องทางการตลาดเฉพาะ การระบุแหล่งที่มาตามช่องทางนั้นง่ายต่อการดำเนินการ และสามารถให้ภาพรวมของการเดินทางของลูกค้าแก่คุณ

หากคุณต้องการทำความเข้าใจวิธีที่ลูกค้าโต้ตอบกับเว็บไซต์ของคุณ เราขอแนะนำให้กำหนดจุดติดต่อตามจำนวนหน้าที่มีการเปิดบนเว็บไซต์ของคุณ

หากคุณต้องการรวมการโต้ตอบภายนอกเว็บไซต์ เช่น การติดตั้งแอปบนอุปกรณ์เคลื่อนที่ การเปิดอีเมล หรือการมีส่วนร่วมทางสังคม คุณสามารถรวมเหตุการณ์เหล่านั้นไว้ในการกำหนดจุดติดต่อได้ ตราบใดที่คุณมีข้อมูล

โดยไม่คำนึงถึงคำจำกัดความของจุดติดต่อของคุณ กลไกการระบุแหล่งที่มาจะเหมือนกัน ยิ่งกำหนดจุดสัมผัสได้ละเอียดมากเท่าใด การวิเคราะห์แหล่งที่มาก็ยิ่งมีรายละเอียดมากขึ้นเท่านั้น

ในคู่มือนี้ เราจะมุ่งเน้นไปที่การระบุแหล่งที่มาตามช่องและตามจำนวนหน้าที่มีการเปิด

คุณจะได้เรียนรู้เกี่ยวกับวิธีใช้ Google Analytics และเครื่องมือโอเพ่นซอร์สอื่นๆ เพื่อดำเนินการวิเคราะห์การระบุแหล่งที่มาเหล่านั้น

ข้อมูลเบื้องต้นเกี่ยวกับรูปแบบการระบุแหล่งที่มาแบบมัลติทัช

วิธีให้เครดิตจุดสัมผัสสำหรับการมีส่วนร่วมใน Conversion เรียกว่ารูปแบบการระบุแหล่งที่มา

รูปแบบการระบุแหล่งที่มาที่ง่ายที่สุดคือการให้เครดิตทั้งหมดแก่จุดติดต่อแรกสำหรับการนำลูกค้าเข้ามาในตอนแรกหรือจุดติดต่อสุดท้ายสำหรับการขับเคลื่อน Conversion

โมเดลทั้งสองนี้เรียกว่ารูปแบบการระบุแหล่งที่มาแบบสัมผัสแรกและรูปแบบการระบุแหล่งที่มาแบบสัมผัสครั้งสุดท้าย ตามลำดับ

เห็นได้ชัดว่าทั้งรูปแบบการระบุแหล่งที่มาแบบสัมผัสแรกและสัมผัสสุดท้ายนั้น "ยุติธรรม" กับจุดสัมผัสที่เหลือ

ถ้าอย่างนั้น การจัดสรรเครดิตให้เท่า ๆ กันในทุกจุดติดต่อที่เกี่ยวข้องกับการแปลงลูกค้าเป็นอย่างไร ฟังดูสมเหตุสมผล – และนี่คือวิธีการทำงานของรูปแบบการระบุแหล่งที่มาเชิงเส้น

อย่างไรก็ตาม การจัดสรรเครดิตให้เท่าๆ กันในทุกจุดติดต่อถือว่าจุดติดต่อมีความสำคัญเท่ากัน ซึ่งดูเหมือนจะไม่ "ยุติธรรม" เช่นกัน

บางคนโต้แย้งว่าจุดติดต่อใกล้กับจุดสิ้นสุดของเส้นทาง Conversion นั้นสำคัญกว่า ในขณะที่คนอื่นๆ เห็นด้วยกับสิ่งที่ตรงกันข้าม ด้วยเหตุนี้ เราจึงมีรูปแบบการระบุแหล่งที่มาตามตำแหน่งที่ช่วยให้นักการตลาดสามารถให้น้ำหนักกับจุดติดต่อที่แตกต่างกันตามสถานที่ตั้งในเส้นทาง Conversion

โมเดลทั้งหมดที่กล่าวถึงข้างต้นอยู่ในหมวดหมู่ของรูปแบบการระบุแหล่งที่มาแบบฮิวริสติกหรือตามกฎ

นอกจากรูปแบบการเรียนรู้แล้ว เรายังมีหมวดหมู่รูปแบบอื่นที่เรียกว่าการระบุแหล่งที่มาจากข้อมูล ซึ่งปัจจุบันเป็นรูปแบบเริ่มต้นที่ใช้ใน Google Analytics

การระบุแหล่งที่มาจากข้อมูลคืออะไร?

การระบุแหล่งที่มาจากข้อมูลแตกต่างจากรูปแบบการระบุแหล่งที่มาแบบศึกษาพฤติกรรมอย่างไร

นี่คือไฮไลท์บางประการของความแตกต่าง:

  • ในรูปแบบฮิวริสติก กฎของการระบุแหล่งที่มาจะถูกกำหนดไว้ล่วงหน้า โดยไม่คำนึงถึงรูปแบบสัมผัสแรก สัมผัสสุดท้าย เชิงเส้น หรือตามตำแหน่ง กฎการระบุแหล่งที่มาจะถูกตั้งค่าล่วงหน้าและนำไปใช้กับข้อมูล ในรูปแบบการระบุแหล่งที่มาจากข้อมูล กฎการระบุแหล่งที่มาจะสร้างขึ้นจากข้อมูลประวัติ ดังนั้นจึงไม่ซ้ำกันสำหรับแต่ละสถานการณ์
  • โมเดลฮิวริสติกจะพิจารณาเฉพาะเส้นทางที่นำไปสู่การแปลงและละเว้นเส้นทางที่ไม่ทำให้เกิด Conversion โมเดลที่ขับเคลื่อนด้วยข้อมูลจะใช้ข้อมูลจากทั้งเส้นทางที่แปลงและไม่แปลง
  • รูปแบบการวิเคราะห์พฤติกรรมจะระบุแหล่งที่มาของ Conversion ให้กับแชนเนลตามจำนวนการสัมผัสที่จุดสัมผัสมีตามกฎการระบุแหล่งที่มา ในรูปแบบที่ขับเคลื่อนด้วยข้อมูล การระบุแหล่งที่มาจะขึ้นอยู่กับผลกระทบของการสัมผัสของแต่ละจุดสัมผัส

วิธีประเมินผลของจุดสัมผัส

อัลกอริทึมทั่วไปที่ใช้โดยการระบุแหล่งที่มาจากข้อมูลเรียกว่า Markov Chain หัวใจของอัลกอริทึม Markov Chain คือแนวคิดที่เรียกว่าเอฟเฟกต์การกำจัด

เอฟเฟกต์การนำออกตามชื่อที่แนะนำคือผลกระทบต่ออัตรา Conversion เมื่อจุดสัมผัสถูกลบออกจากข้อมูลเส้นทาง

บทความนี้จะไม่ลงรายละเอียดทางคณิตศาสตร์ของอัลกอริทึม Markov Chain

ด้านล่างนี้คือตัวอย่างที่แสดงให้เห็นว่าอัลกอริทึมระบุแหล่งที่มาของ Conversion ในแต่ละจุดติดต่ออย่างไร

ผลการกำจัด

สมมติว่าเรามีสถานการณ์ที่มี Conversion 100 รายการจากผู้เยี่ยมชม 1,000 คนที่เข้ามาที่เว็บไซต์ผ่าน 3 ช่องทาง ได้แก่ Channel A B และ C ในกรณีนี้ อัตรา Conversion คือ 10%

ตามสัญชาตญาณ หากช่องใดช่องหนึ่งถูกลบออกจากเส้นทางการแปลง เส้นทางเหล่านั้นที่เกี่ยวข้องกับช่องนั้นๆ จะถูก "ตัดออก" และจบลงด้วยการแปลงโดยรวมที่น้อยลง

หากอัตราการแปลงลดลงเป็น 5%, 2% และ 1% เมื่อช่อง A, B และ C ถูกลบออกจากข้อมูล ตามลำดับ เราสามารถคำนวณเอฟเฟกต์การลบเป็นเปอร์เซ็นต์ที่ลดลงของอัตราการแปลงเมื่อช่องใดช่องหนึ่ง ถูกลบออกโดยใช้สูตร:

สูตร Markov Chain Removel Effect ภาพจากผู้เขียน พฤศจิกายน 2565

จากนั้น ขั้นตอนสุดท้ายคือการระบุแหล่งที่มาของ Conversion ให้กับแต่ละแชนเนลตามส่วนแบ่งของผลการนำออกของแต่ละแชนเนล นี่คือผลการระบุแหล่งที่มา:

ช่อง ผลการกำจัด ส่วนแบ่งของผลการกำจัด การแปลงแหล่งที่มา
ก 1 – (5% / 10%) = 0.5 0.5 / (0.5 + 0.8 + 0.9) = 0.23 100 * 0.23 = 23
ข 1 – (2% / 10%) = 0.8 0.8 / (0.5 + 0.8 + 0.9) = 0.36 100 * 0.36 = 36
ค 1 – (1% / 10%) = 0.9 0.9 / (0.5 + 0.8 + 0.9) = 0.41 100 * 0.41 = 41

โดยสรุป การระบุแหล่งที่มาจากข้อมูลไม่ได้ขึ้นอยู่กับจำนวนหรือตำแหน่งของจุดติดต่อ แต่ขึ้นอยู่กับผลกระทบของจุดติดต่อเหล่านั้นที่มีต่อ Conversion เป็นพื้นฐานของการระบุแหล่งที่มา

การระบุแหล่งที่มาแบบมัลติทัชด้วย Google Analytics

จบทฤษฎีแล้ว มาดูวิธีที่เราสามารถใช้ Google Analytics ที่แพร่หลายเพื่อทำการวิเคราะห์การระบุแหล่งที่มาแบบมัลติทัช

เนื่องจาก Google จะหยุดสนับสนุน Universal Analytics (UA) ตั้งแต่เดือนกรกฎาคม 2023 บทแนะนำนี้จะอิงตาม Google Analytics 4 (GA4) และเราจะใช้บัญชีสาธิต Merchandise Store ของ Google เป็นตัวอย่าง

ใน GA4 รายงานการระบุแหล่งที่มาจะอยู่ภายใต้ภาพรวมการโฆษณาที่แสดงด้านล่างในเมนูการนำทางด้านซ้าย

หลังจากเข้าสู่หน้าภาพรวมโฆษณา ขั้นตอนแรกคือการเลือกเหตุการณ์การแปลงที่เหมาะสม

โดยค่าเริ่มต้น GA4 จะรวมเหตุการณ์ Conversion ทั้งหมดสำหรับรายงานการระบุแหล่งที่มา

เพื่อหลีกเลี่ยงความสับสน เราขอแนะนำให้คุณเลือกเหตุการณ์ Conversion (“การซื้อ” ในตัวอย่างด้านล่าง) เพียงรายการเดียวสำหรับการวิเคราะห์

ภาพรวมโฆษณา GA4 ภาพหน้าจอจาก GA4 พฤศจิกายน 2022

ทำความเข้าใจเส้นทางการแปลงใน GA4

ภายใต้ส่วนการระบุแหล่งที่มาบนแถบการนำทางด้านซ้าย คุณสามารถเปิดรายงานเส้นทางการแปลงได้

เลื่อนลงไปที่ตารางเส้นทาง Conversion ซึ่งแสดงเส้นทางทั้งหมดที่นำไปสู่ ​​Conversion

ที่ด้านบนของตารางนี้ คุณจะพบจำนวนวันเฉลี่ยและจำนวนจุดสัมผัสที่นำไปสู่ ​​Conversion

จุดสัมผัส GA4 สู่ Conversion ภาพหน้าจอจาก GA4 พฤศจิกายน 2022  

ในตัวอย่างนี้ คุณจะเห็นว่าลูกค้า Google ใช้เวลาโดยเฉลี่ยเกือบ 9 วัน 6 ครั้งก่อนที่จะทำการซื้อใน Merchandise Store

ค้นหาการมีส่วนร่วมของแต่ละช่องใน GA4

จากนั้นคลิกรายงานแชแนลทั้งหมดภายใต้ส่วนประสิทธิภาพบนแถบนำทางด้านซ้าย

ในรายงานนี้ คุณจะพบ Conversion ที่ระบุสำหรับแต่ละช่องทางของเหตุการณ์ Conversion ที่คุณเลือก ซึ่งก็คือ "การซื้อ" ในกรณีนี้

ทุกช่องรายงาน GA4 ภาพหน้าจอจาก GA4 พฤศจิกายน 2022

ตอนนี้ คุณทราบแล้วว่าการค้นหาทั่วไปร่วมกับ Direct และ Email ช่วยกระตุ้นการซื้อส่วนใหญ่ใน Merchandise Store ของ Google

ตรวจสอบผลลัพธ์จากรูปแบบการระบุแหล่งที่มาต่างๆ ใน ​​GA4

ตามค่าเริ่มต้น GA4 จะใช้รูปแบบการระบุแหล่งที่มาจากข้อมูลเพื่อกำหนดจำนวนเครดิตที่แต่ละช่องได้รับ อย่างไรก็ตาม คุณสามารถตรวจสอบว่ารูปแบบการระบุแหล่งที่มาต่างกันอย่างไรในการกำหนดเครดิตสำหรับแต่ละช่อง

คลิกการเปรียบเทียบรุ่นภายใต้ส่วนการแสดงที่มาบนแถบนำทางด้านซ้าย

ตัวอย่างเช่น การเปรียบเทียบรูปแบบการระบุแหล่งที่มาจากข้อมูลกับรูปแบบการระบุแหล่งที่มาแบบสัมผัสแรก (หรือที่เรียกว่า "รูปแบบคลิกแรก" ในรูปด้านล่าง) คุณจะเห็นว่า Conversion มาจากการค้นหาทั่วไปภายใต้รูปแบบคลิกแรก (735) มากกว่าข้อมูล - รุ่นขับเคลื่อน (646.80)

ในทางกลับกัน อีเมลมี Conversion ที่มีการระบุแหล่งที่มาภายใต้รูปแบบการระบุแหล่งที่มาจากข้อมูล (727.82) มากกว่ารูปแบบคลิกแรก (552)

รูปแบบการระบุแหล่งที่มาสำหรับการจัดกลุ่มแชแนล GA4 ภาพหน้าจอจาก GA4 พฤศจิกายน 2022

ข้อมูลบอกเราว่าการค้นหาทั่วไปมีบทบาทสำคัญในการนำผู้มีโอกาสเป็นลูกค้ามาที่ร้านค้า แต่จำเป็นต้องได้รับความช่วยเหลือจากช่องทางอื่นเพื่อเปลี่ยนผู้เข้าชม (เช่น เพื่อให้ลูกค้าทำการซื้อจริง)

ในทางกลับกัน อีเมลโดยธรรมชาติแล้วจะโต้ตอบกับผู้เยี่ยมชมที่เคยเยี่ยมชมไซต์มาก่อนและช่วยเปลี่ยนผู้เยี่ยมชมที่กลับมาที่ไซต์จากช่องทางอื่นในตอนแรก

รูปแบบการระบุแหล่งที่มาใดดีที่สุด

คำถามที่พบบ่อย เมื่อพูดถึงการเปรียบเทียบรูปแบบการระบุแหล่งที่มา รูปแบบการระบุแหล่งที่มาใดดีที่สุด ฉันขอยืนยันว่านี่เป็นคำถามที่ไม่ถูกต้องสำหรับนักการตลาดที่จะถาม

ความจริงก็คือว่าไม่มีรุ่นใดดีกว่ารุ่นอื่นๆ อย่างแน่นอน เนื่องจากแต่ละรุ่นแสดงให้เห็นถึงแง่มุมหนึ่งของการเดินทางของลูกค้า นักการตลาดควรใช้รูปแบบที่หลากหลายตามที่เห็นสมควร

ตั้งแต่การระบุแหล่งที่มาตามช่องไปจนถึงการระบุแหล่งที่มาตามการดูหน้าเว็บ

Google Analytics ใช้งานง่าย แต่ทำงานได้ดีสำหรับการระบุแหล่งที่มาตามช่อง

หากคุณต้องการทำความเข้าใจเพิ่มเติมว่าลูกค้าสำรวจเว็บไซต์ของคุณอย่างไรก่อนที่จะทำ Conversion และหน้าใดที่มีอิทธิพลต่อการตัดสินใจของพวกเขา คุณต้องทำการวิเคราะห์การระบุแหล่งที่มาในการเปิดดูหน้าเว็บ

แม้ว่า Google Analytics จะไม่สนับสนุนการระบุแหล่งที่มาตามการเปิดดูหน้าเว็บ แต่ก็มีเครื่องมืออื่นๆ ที่คุณสามารถใช้ได้

เมื่อเร็ว ๆ นี้เราได้ทำการวิเคราะห์การระบุแหล่งที่มาตามการเปิดดูหน้าเว็บบนเว็บไซต์ของ AdRoll และฉันยินดีที่จะแบ่งปันขั้นตอนที่เราดำเนินการและสิ่งที่เราได้เรียนรู้กับคุณ

รวบรวมข้อมูลลำดับการดูหน้าเว็บ

ขั้นตอนแรกและท้าทายที่สุดคือการรวบรวมข้อมูลลำดับการดูหน้าเว็บสำหรับผู้เยี่ยมชมแต่ละรายบนเว็บไซต์ของคุณ

ระบบวิเคราะห์เว็บส่วนใหญ่จะบันทึกข้อมูลนี้ในบางรูปแบบ หากระบบวิเคราะห์ของคุณไม่มีวิธีดึงข้อมูลจากอินเทอร์เฟซผู้ใช้ คุณอาจต้องดึงข้อมูลจากฐานข้อมูลของระบบ

เช่นเดียวกับขั้นตอนที่เราดำเนินการใน GA4 ขั้นตอนแรกคือการกำหนด Conversion ด้วยการวิเคราะห์แหล่งที่มาตามการดูหน้าเว็บ คุณต้องระบุหน้าที่เป็นส่วนหนึ่งของกระบวนการแปลงด้วย

ตัวอย่างเช่น สำหรับไซต์อีคอมเมิร์ซที่มีการซื้อออนไลน์เป็นเหตุการณ์การแปลง หน้าตะกร้าสินค้า หน้าการเรียกเก็บเงิน และหน้ายืนยันการสั่งซื้อเป็นส่วนหนึ่งของกระบวนการแปลง เนื่องจากทุกการแปลงจะต้องผ่านหน้าเหล่านั้น

คุณควรแยกหน้าเหล่านั้นออกจากข้อมูลการดูหน้าเว็บ เนื่องจากคุณไม่จำเป็นต้องใช้การวิเคราะห์แหล่งที่มาเพื่อบอกคุณว่าหน้าเหล่านั้นมีความสำคัญต่อการแปลงลูกค้าของคุณ

จุดประสงค์ของการวิเคราะห์นี้คือเพื่อทำความเข้าใจว่าผู้มีโอกาสเป็นลูกค้าของคุณเยี่ยมชมหน้าใดก่อนเหตุการณ์คอนเวอร์ชั่น และวิธีที่หน้าเหล่านั้นมีอิทธิพลต่อการตัดสินใจของลูกค้า

เตรียมข้อมูลของคุณสำหรับการวิเคราะห์แหล่งที่มา

เมื่อข้อมูลพร้อมแล้ว ขั้นตอนต่อไปคือการสรุปและจัดการข้อมูลของคุณในรูปแบบสี่คอลัมน์ต่อไปนี้ นี่คือตัวอย่าง

การจัดการข้อมูล: รูปแบบ 4 คอลัมน์ ภาพหน้าจอจากผู้เขียน พฤศจิกายน 2022

คอลัมน์เส้นทางแสดงลำดับการเปิดดูหน้าเว็บทั้งหมด คุณสามารถใช้ตัวระบุเพจที่ไม่ซ้ำใดๆ ก็ได้ แต่ฉันขอแนะนำให้ใช้ URL หรือเส้นทางของเพจ เพราะจะช่วยให้คุณวิเคราะห์ผลลัพธ์ตามประเภทเพจโดยใช้โครงสร้าง URL “>” เป็นตัวคั่นระหว่างหน้า

คอลัมน์ Total_Conversions แสดงจำนวน Conversion ทั้งหมดที่เกิดจากเส้นทางการดูหน้าเว็บหนึ่งๆ

คอลัมน์ Total_Conversion_Value แสดงมูลค่าเงินทั้งหมดของ Conversion จากเส้นทางการดูหน้าเว็บหนึ่งๆ คอลัมน์นี้เป็นทางเลือกและใช้ได้กับไซต์อีคอมเมิร์ซเป็นส่วนใหญ่

คอลัมน์ Total_Null แสดงจำนวนครั้งทั้งหมดที่เส้นทางการดูหน้าเว็บหนึ่งๆ ล้มเหลวในการแปลง

สร้างรูปแบบการระบุแหล่งที่มาระดับหน้าเว็บของคุณ

ในการสร้างรูปแบบการระบุแหล่งที่มา เราใช้ประโยชน์จากไลบรารีโอเพ่นซอร์สที่เรียกว่า ChannelAttribution

แม้ว่าเดิมทีไลบรารีนี้ถูกสร้างขึ้นเพื่อใช้ในภาษาโปรแกรม R และ Python แต่ปัจจุบันผู้เขียนได้จัดเตรียมเว็บแอปฟรีไว้ให้ ดังนั้นเราสามารถใช้ไลบรารีนี้ได้โดยไม่ต้องเขียนโค้ดใดๆ

เมื่อลงชื่อเข้าใช้เว็บแอป คุณสามารถอัปโหลดข้อมูลและเริ่มสร้างโมเดลได้

สำหรับผู้ใช้ครั้งแรก ฉันขอแนะนำให้คลิกปุ่ม โหลดข้อมูลสาธิต เพื่อทดลองใช้งาน อย่าลืมตรวจสอบการกำหนดค่าพารามิเตอร์ด้วยข้อมูลสาธิต

ปุ่มโหลดข้อมูลสาธิต ภาพหน้าจอจากผู้เขียน พฤศจิกายน 2022

เมื่อคุณพร้อม ให้คลิกปุ่ม Run เพื่อสร้างโมเดล

เมื่อสร้างโมเดลแล้ว คุณจะถูกนำไปยังแท็บผลลัพธ์ ซึ่งแสดงผลการระบุแหล่งที่มาจากรูปแบบการระบุแหล่งที่มาที่แตกต่างกันสี่แบบ ได้แก่ สัมผัสแรก สัมผัสสุดท้าย เชิงเส้น และไดรฟ์ข้อมูล (Markov Chain)

อย่าลืมดาวน์โหลดข้อมูลผลลัพธ์สำหรับการวิเคราะห์เพิ่มเติม

เพื่อเป็นข้อมูลอ้างอิง แม้ว่าเครื่องมือนี้จะเรียกว่า ChannelAttribution แต่ก็ไม่ได้จำกัดอยู่เพียงข้อมูลเฉพาะของช่องเท่านั้น

เนื่องจากกลไกการจำลองการระบุแหล่งที่มานั้นไม่เชื่อเรื่องพระเจ้าในประเภทของข้อมูลที่มอบให้ กลไกนี้จึงระบุแหล่งที่มาของ Conversion ให้กับแชแนลหากมีการให้ข้อมูลเฉพาะแชแนล และไปยังหน้าเว็บหากมีการให้ข้อมูลการดูหน้าเว็บ

วิเคราะห์ข้อมูลการระบุแหล่งที่มาของคุณ

จัดระเบียบเพจเป็นกลุ่มเพจ

ขึ้นอยู่กับจำนวนหน้าบนเว็บไซต์ของคุณ คุณควรวิเคราะห์ข้อมูลการระบุแหล่งที่มาตามกลุ่มหน้าก่อนแทนที่จะเป็นแต่ละหน้า ทั้งนี้ขึ้นอยู่กับจำนวนหน้าในเว็บไซต์ของคุณ

กลุ่มเพจสามารถมีเพจเพียงหนึ่งเพจไปจนถึงหลายเพจเท่าที่คุณต้องการ ตราบใดที่มันสมเหตุสมผลสำหรับคุณ

ยกตัวอย่างเว็บไซต์ของ AdRoll เรามีกลุ่มหน้าแรกที่มีเฉพาะหน้าแรกและกลุ่มบล็อกที่มีบล็อกโพสต์ทั้งหมดของเรา

สำหรับไซต์อีคอมเมิร์ซ คุณอาจพิจารณาจัดกลุ่มเพจของคุณตามหมวดหมู่ผลิตภัณฑ์เช่นกัน

การเริ่มต้นด้วยกลุ่มเพจแทนที่จะเป็นแต่ละเพจช่วยให้นักการตลาดสามารถดูภาพรวมของผลการระบุแหล่งที่มาในส่วนต่างๆ ของเว็บไซต์ได้ คุณสามารถเจาะลึกจากกลุ่มเพจไปยังแต่ละเพจได้ทุกเมื่อเมื่อจำเป็น

ระบุรายการและออกจากเส้นทางการแปลง

หลังจากการเตรียมข้อมูลและการสร้างแบบจำลองทั้งหมดแล้ว เรามาเริ่มส่วนที่สนุกกันดีกว่า นั่นก็คือการวิเคราะห์

ก่อนอื่น เราขอแนะนำให้ระบุหน้าเว็บที่ผู้มีโอกาสเป็นลูกค้าของคุณเข้าสู่เว็บไซต์ของคุณ และหน้าเว็บที่นำพวกเขาไปสู่ ​​Conversion โดยการตรวจสอบรูปแบบของรูปแบบการระบุแหล่งที่มาแบบสัมผัสแรกและสัมผัสสุดท้าย

หน้าเว็บที่มีค่าการระบุแหล่งที่มาแบบสัมผัสแรกและสัมผัสสุดท้ายสูงเป็นพิเศษคือจุดเริ่มต้นและจุดสิ้นสุดของเส้นทางการแปลงตามลำดับ นี่คือสิ่งที่ฉันเรียกว่าเกตเวย์เพจ

ตรวจสอบให้แน่ใจว่าหน้าเหล่านี้ได้รับการปรับให้เหมาะสมสำหรับการแปลง

โปรดทราบว่าหน้าเกตเวย์ประเภทนี้อาจมีปริมาณการเข้าชมไม่สูงมากนัก

ตัวอย่างเช่น ในฐานะแพลตฟอร์ม SaaS หน้าการกำหนดราคาของ AdRoll มีปริมาณการเข้าชมไม่สูงเมื่อเทียบกับหน้าอื่นๆ บางหน้าในเว็บไซต์ แต่เป็นหน้าที่ผู้เข้าชมจำนวนมากเข้าชมก่อนที่จะเกิด Conversion

ค้นหาหน้าอื่นๆ ที่มีอิทธิพลอย่างมากต่อการตัดสินใจของลูกค้า

หลังจากหน้าเกตเวย์แล้ว ขั้นตอนต่อไปคือการหาว่าหน้าใดมีอิทธิพลสูงต่อการตัดสินใจของลูกค้าของคุณ

สำหรับการวิเคราะห์นี้ เรามองหาเพจที่ไม่ใช่เกตเวย์ที่มีค่าการระบุแหล่งที่มาสูงภายใต้โมเดล Markov Chain

ยกตัวอย่างกลุ่มของหน้าคุณลักษณะผลิตภัณฑ์บน AdRoll.com รูปแบบของค่าการระบุแหล่งที่มาในสี่รูปแบบ (แสดงด้านล่าง) แสดงให้เห็นว่าพวกเขามีค่าการระบุแหล่งที่มาสูงสุดภายใต้รูปแบบ Markov Chain ตามด้วยรูปแบบเชิงเส้น

นี่เป็นข้อบ่งชี้ว่ามีการเข้าชมระหว่างเส้นทางการแปลงและมีบทบาทสำคัญในการมีอิทธิพลต่อการตัดสินใจของลูกค้า

แผนภูมิแท่งรูปแบบการระบุแหล่งที่มา 4 แบบ ภาพจากผู้เขียน พฤศจิกายน 2565

หน้าประเภทนี้ยังเป็นตัวเลือกที่สำคัญสำหรับการเพิ่มประสิทธิภาพอัตราการแปลง (CRO)

การทำให้ผู้เยี่ยมชมเว็บไซต์ของคุณค้นพบได้ง่ายขึ้นและเนื้อหาของพวกเขาน่าเชื่อถือมากขึ้นจะช่วยเพิ่มอัตราการแปลงของคุณ

เพื่อสรุป

การระบุแหล่งที่มาแบบมัลติทัชช่วยให้บริษัทเข้าใจการมีส่วนร่วมของช่องทางการตลาดต่างๆ และระบุโอกาสในการเพิ่มประสิทธิภาพเส้นทางการแปลงเพิ่มเติม

เริ่มต้นง่ายๆ ด้วย Google Analytics สำหรับการระบุแหล่งที่มาตามช่อง จากนั้น เจาะลึกลงไปในเส้นทางของลูกค้าเพื่อนำไปสู่ ​​Conversion ด้วยการระบุแหล่งที่มาตามการเปิดดูหน้าเว็บ

ไม่ต้องกังวลกับการเลือกรูปแบบการระบุแหล่งที่มาที่ดีที่สุด

ใช้ประโยชน์จากรูปแบบการระบุแหล่งที่มาหลายๆ แบบ เนื่องจากรูปแบบการระบุแหล่งที่มาแต่ละแบบจะแสดงแง่มุมต่างๆ ของการเดินทางของลูกค้า

แหล่งข้อมูลเพิ่มเติม:

  • คู่มือฉบับสมบูรณ์เกี่ยวกับรูปแบบการระบุแหล่งที่มาแบบมัลติทัชแบบ B2B
  • การวิจัยคำหลัก B2B ทำได้ถูกต้องด้วยตัวอย่างที่ใช้ได้จริง
  • การสร้างลูกค้าเป้าหมาย B2B หลายช่องทาง: 8 ขั้นตอนสู่ความสำเร็จ

ภาพเด่น: ปลาแซลมอนดำ/Shutterstock