Multi-Touch Atıf İçin Pratik Bir Kılavuz

Müşteri yolculuğu, müşteri ile satıcı veya hizmet sağlayıcı arasındaki çoklu etkileşimleri içerir.

Müşteri yolculuğundaki her etkileşime temas noktası diyoruz.

Salesforce.com'a göre, B2B alanında bir müşteri adayı oluşturmak için ortalama olarak altı ila sekiz dokunuş gerekir.

Bir müşteri satın alımı için temas noktalarının sayısı daha da fazladır.

Çoklu dokunma ilişkilendirmesi, her temas noktasının dönüşüme katkısını değerlendirme mekanizmasıdır ve müşteri yolculuğunda yer alan her temas noktasına uygun kredileri verir.

Çok noktalı bir ilişkilendirme analizi yürütmek, pazarlamacıların müşteri yolculuğunu anlamasına ve dönüşüm yollarını daha da optimize etme fırsatlarını belirlemesine yardımcı olabilir.

Bu makalede, multi-touch atıfın temellerini ve kolay erişilebilir araçlarla multi-touch atıf analizi gerçekleştirmenin adımlarını öğreneceksiniz.

Multi-Touch İlişkilendirme Analizi Yürütmeden Önce Dikkate Alınması Gerekenler

İş Hedefini Tanımlayın

Çoklu dokunma ilişkilendirme analizinden ne elde etmek istiyorsunuz?

Belirli bir pazarlama kanalının yatırım getirisini (YG) değerlendirmek, müşterinizin yolculuğunu anlamak veya A/B testi için web sitenizdeki kritik sayfaları belirlemek mi istiyorsunuz?

Farklı iş hedefleri, farklı ilişkilendirme analizi yaklaşımları gerektirebilir.

Baştan ne elde etmek istediğinizi tanımlamanız, sonuçları daha hızlı almanıza yardımcı olur.

Dönüşümü Tanımla

Dönüşüm, müşterilerinizin gerçekleştirmesini istediğiniz istenen eylemdir.

E-ticaret siteleri için genellikle sipariş tamamlama olayı tarafından tanımlanan bir satın alma işlemi yapılır.

Diğer endüstriler için bu, bir hesap kaydı veya abonelik olabilir.

Farklı dönüşüm türleri muhtemelen farklı dönüşüm yollarına sahiptir.

İstenen birden çok eylem üzerinde çoklu dokunma ilişkilendirmesi yapmak istiyorsanız, karışıklığı önlemek için bunları farklı analizlere ayırmanızı tavsiye ederim.

Temas Noktasını Tanımla

Temas noktası, markanız ve müşterileriniz arasındaki herhangi bir etkileşim olabilir.

İlk kez bir çok noktalı ilişkilendirme analizi çalıştırıyorsanız, bunu belirli bir pazarlama kanalından web sitenize yapılan bir ziyaret olarak tanımlamanızı tavsiye ederim. Kanal tabanlı ilişkilendirmeyi yürütmek kolaydır ve size müşteri yolculuğuna ilişkin genel bir bakış sağlayabilir.

Müşterilerinizin web sitenizle nasıl etkileşime girdiğini anlamak istiyorsanız, web sitenizdeki sayfa görüntülemelerine dayalı olarak temas noktaları tanımlamanızı tavsiye ederim.

Mobil uygulama kurulumu, e-posta açma veya sosyal katılım gibi web sitesi dışındaki etkileşimleri dahil etmek istiyorsanız, verilere sahip olduğunuz sürece bu olayları temas noktası tanımınıza dahil edebilirsiniz.

Temas noktası tanımınız ne olursa olsun, ilişkilendirme mekanizması aynıdır. Temas noktaları ne kadar ayrıntılı tanımlanırsa, ilişkilendirme analizi de o kadar ayrıntılı olur.

Bu kılavuzda, kanal tabanlı ve sayfa görüntüleme tabanlı ilişkilendirmeye odaklanacağız.

Bu ilişkilendirme analizlerini yapmak için Google Analytics'i ve başka bir açık kaynak aracı nasıl kullanacağınızı öğreneceksiniz.

Multi-Touch İlişkilendirme Modellerine Giriş

Temas noktalarını dönüşüme katkılarından dolayı kredilendirme yollarına ilişkilendirme modelleri denir.

En basit ilişkilendirme modeli, tüm krediyi ya müşteriyi ilk başta çekmek için ilk temas noktasına ya da dönüşümü yönlendirmek için son temas noktasına vermektir.

Bu iki model, sırasıyla ilk dokunuş ilişkilendirme modeli ve son dokunuş ilişkilendirme modeli olarak adlandırılır.

Açıkçası, ne ilk dokunuş ne de son dokunuş ilişkilendirme modeli, temas noktalarının geri kalanına "adil" değildir.

O halde, krediyi bir müşteriyi dönüştürmekle ilgili tüm temas noktalarına eşit olarak dağıtmaya ne dersiniz? Kulağa mantıklı geliyor ve doğrusal ilişkilendirme modeli tam olarak böyle çalışıyor.

Bununla birlikte, krediyi tüm temas noktalarına eşit olarak dağıtmak, temas noktalarının eşit derecede önemli olduğunu varsayar ve bu da "adil" görünmez.

Bazıları, dönüşüm yollarının sonuna yakın temas noktalarının daha önemli olduğunu savunurken, diğerleri tam tersini savunuyor. Sonuç olarak, pazarlamacıların dönüşüm yollarındaki konumlarına göre temas noktalarına farklı ağırlıklar vermelerini sağlayan konuma dayalı ilişkilendirme modelimiz var.

Yukarıda belirtilen tüm modeller, buluşsal veya kural tabanlı ilişkilendirme modelleri kategorisi altındadır.

Sezgisel modellere ek olarak, artık Google Analytics'te kullanılan varsayılan model olan, veriye dayalı ilişkilendirme adı verilen başka bir model kategorimiz var.

Veriye Dayalı İlişkilendirme Nedir?

Veriye dayalı ilişkilendirmenin sezgisel ilişkilendirme modellerinden farkı nedir?

İşte farklılıkların bazı önemli noktaları:

• Sezgisel bir modelde, atıf kuralı önceden belirlenir. İlk dokunuş, son dokunuş, doğrusal veya konum tabanlı modelden bağımsız olarak, ilişkilendirme kuralları önceden belirlenir ve ardından verilere uygulanır. Veriye dayalı bir ilişkilendirme modelinde, ilişkilendirme kuralı geçmiş verilere dayalı olarak oluşturulur ve bu nedenle her senaryo için benzersizdir.
• Sezgisel bir model, yalnızca dönüşüme yol açan yollara bakar ve dönüşüm sağlamayan yolları yok sayar. Veriye dayalı bir model, hem dönüştürülen hem de dönüştürülmeyen yollardan gelen verileri kullanır.
• Sezgisel bir model, ilişkilendirme kurallarına göre bir temas noktasının kaç dokunuşa sahip olduğuna bağlı olarak dönüşümleri bir kanalla ilişkilendirir. Veriye dayalı bir modelde, ilişkilendirme, her bir temas noktasına dokunmanın etkisine dayalı olarak yapılır.

Temas Noktasının Etkisi Nasıl Değerlendirilir?

Veriye dayalı ilişkilendirme tarafından kullanılan yaygın bir algoritmaya Markov Zinciri denir. Markov Zinciri algoritmasının kalbinde, Kaldırma Etkisi adı verilen bir kavram vardır.

Kaldırma Etkisi, adından da anlaşılacağı gibi, yol verilerinden bir temas noktası kaldırıldığında dönüşüm oranı üzerindeki etkidir.

Bu makale Markov Zinciri algoritmasının matematiksel detaylarına girmeyecek.

Aşağıda, algoritmanın dönüşümü her bir temas noktasına nasıl bağladığını gösteren bir örnek verilmiştir.

Kaldırma Etkisi

Bir web sitesine 3 kanal, Kanal A, B ve C aracılığıyla gelen 1.000 ziyaretçiden 100 dönüşümün olduğu bir senaryomuz olduğunu varsayalım. Bu durumda, dönüşüm oranı %10'dur.

Sezgisel olarak, belirli bir kanal dönüşüm yollarından kaldırılırsa, söz konusu kanalı içeren bu yollar "kesilir" ve genel olarak daha az dönüşümle sona erer.

A, B ve C Kanalları verilerden çıkarıldığında dönüşüm oranı sırasıyla %5, %2 ve %1'e düşürülürse, Kaldırma Etkisini, belirli bir kanal açıldığında dönüşüm oranındaki yüzde azalma olarak hesaplayabiliriz. formül kullanılarak kaldırılır:

Yazardan görüntü, Kasım 2022

Ardından, son adım, her bir kanalın Kaldırma Etkisinin payına dayalı olarak her kanala dönüşümleri ilişkilendirmektir. İşte ilişkilendirme sonucu:

Özetle, veriye dayalı ilişkilendirme, temas noktalarının sayısına veya konumuna değil, ilişkilendirmenin temeli olarak bu temas noktalarının dönüşüm üzerindeki etkisine dayanır.

Google Analytics ile Multi-Touch İlişkilendirme

Bu kadar teori yeter, çoklu dokunmalı ilişkilendirme analizi yapmak için her yerde bulunan Google Analytics'i nasıl kullanabileceğimize bakalım.

Google, Temmuz 2023'ten itibaren Universal Analytics'i (UA) desteklemeyi bırakacağından, bu eğitim Google Analytics 4'ü (GA4) temel alacaktır ve örnek olarak Google'ın Merchandise Store demo hesabını kullanacağız.

GA4'te, ilişkilendirme raporları, aşağıda sol gezinme menüsünde gösterildiği gibi Reklam Anlık Görüntüsü altındadır.

Reklam Anlık Görüntüsü sayfasına girdikten sonra, ilk adım uygun bir dönüşüm etkinliği seçmektir.

GA4, ilişkilendirme raporları için varsayılan olarak tüm dönüşüm etkinliklerini içerir.

Karışıklığı önlemek için, analiz için yalnızca bir dönüşüm etkinliği (aşağıdaki örnekte "satın alma") seçmenizi önemle tavsiye ederim.

GA4'ten ekran görüntüsü, Kasım 2022

GA4'teki Dönüşüm Yollarını Anlayın

Sol gezinme çubuğundaki İlişkilendirme bölümünün altında, Dönüşüm Yolları raporunu açabilirsiniz.

Dönüşüme giden tüm yolları gösteren dönüşüm yolu tablosuna gidin.

Bu tablonun üst kısmında, dönüşüm sağlayan ortalama gün sayısını ve temas noktalarının sayısını bulabilirsiniz.

GA4'ten ekran görüntüsü, Kasım 2022  

Bu örnekte, Google müşterilerinin Ürün Mağazasında bir satın alma işlemi gerçekleştirmeden önce ortalama olarak yaklaşık 9 gün ve 6 ziyaret gerçekleştirdiklerini görebilirsiniz.

GA4'te Her Kanalın Katkısını Bulun

Ardından, sol gezinme çubuğundaki Performans bölümünün altındaki Tüm Kanallar raporunu tıklayın.

Bu raporda, seçtiğiniz dönüşüm olayının (bu durumda "satın alma") her bir kanalı için ilişkilendirilen dönüşümleri bulabilirsiniz.

GA4'ten ekran görüntüsü, Kasım 2022

Artık Organik Arama'nın, Doğrudan Arama ve E-posta ile birlikte Google'ın Merchandise Store'daki satın alma işlemlerinin çoğunu sağladığını biliyorsunuz.

GA4'teki Farklı İlişkilendirme Modellerinden Sonuçları İnceleyin

Varsayılan olarak GA4, her kanalın kaç kredi alacağını belirlemek için veriye dayalı ilişkilendirme modelini kullanır. Ancak, farklı ilişkilendirme modellerinin her kanal için nasıl kredi atadığını inceleyebilirsiniz.

Sol gezinme çubuğundaki İlişkilendirme bölümünün altındaki Model Karşılaştırma'yı tıklayın.

Örneğin, veriye dayalı ilişkilendirme modeli ile ilk dokunma ilişkilendirme modeli (aşağıdaki şekilde "ilk tıklama modeli" olarak da bilinir) karşılaştırıldığında, ilk tıklama modeli (735) altında, verilerden daha fazla dönüşümün Organik Arama ile ilişkilendirildiğini görebilirsiniz. güdümlü model (646.80).

Öte yandan, E-posta, veriye dayalı ilişkilendirme modeli (727.82) altında ilk tıklama modeline (552) göre daha fazla ilişkilendirilmiş dönüşüme sahiptir.

GA4'ten ekran görüntüsü, Kasım 2022

Veriler, Organik Aramanın potansiyel müşterileri mağazaya getirmede önemli bir rol oynadığını, ancak ziyaretçileri dönüştürmek için (yani, müşterilerin gerçek satın almalar yapması için) diğer kanallardan yardıma ihtiyacı olduğunu söylüyor.

Öte yandan E-posta, doğası gereği siteyi daha önce ziyaret etmiş olan ziyaretçilerle etkileşime girerek siteye ilk olarak başka kanallardan gelen geri dönen ziyaretçileri dönüştürmeye yardımcı olur.

Hangi İlişkilendirme Modeli En İyisidir?

İlişkilendirme modeli karşılaştırması söz konusu olduğunda ortak bir soru, hangi ilişkilendirme modelinin en iyi olduğudur. Bunun pazarlamacıların sorması için yanlış bir soru olduğunu iddia ediyorum.

Gerçek şu ki, her model müşteri yolculuğunun bir yönünü gösterdiğinden, hiçbir model diğerlerinden kesinlikle daha iyi değildir. Pazarlamacılar, uygun gördükleri şekilde birden fazla modeli benimsemelidir.

Kanal Tabanlıdan Sayfa Görüntüleme Tabanlı İlişkilendirmeye

Google Analytics'in kullanımı kolaydır, ancak kanal tabanlı ilişkilendirme için iyi çalışır.

Müşterilerin dönüşüm gerçekleştirmeden önce web sitenizde nasıl gezindiğini ve kararlarını hangi sayfaların etkilediğini daha iyi anlamak istiyorsanız, sayfa görüntülemeleri üzerinde ilişkilendirme analizi yapmanız gerekir.

Google Analytics, sayfa görüntülemeye dayalı ilişkilendirmeyi desteklemese de kullanabileceğiniz başka araçlar da vardır.

Kısa bir süre önce AdRoll'un web sitesinde böyle bir sayfa görüntüleme tabanlı ilişkilendirme analizi gerçekleştirdik ve uyguladığımız adımları ve öğrendiklerimizi sizinle paylaşmaktan memnuniyet duyarım.

Sayfa Görüntüleme Sırası Verilerini Toplayın

İlk ve en zorlu adım, web sitenizdeki her ziyaretçi için sayfa görüntüleme sırası hakkında veri toplamaktır.

Çoğu web analitiği sistemi bu verileri bir biçimde kaydeder. Analitik sisteminiz, verileri kullanıcı arayüzünden çıkarmak için bir yol sağlamıyorsa, verileri sistemin veritabanından çekmeniz gerekebilir.

GA4'te uyguladığımız adımlara benzer şekilde, ilk adım dönüşümü tanımlamaktır. Sayfa görüntüleme tabanlı ilişkilendirme analiziyle, dönüşüm sürecinin parçası olan sayfaları da tanımlamanız gerekir.

Örnek olarak, dönüşüm olayı olarak çevrimiçi satın almanın olduğu bir e-ticaret sitesi için alışveriş sepeti sayfası, faturalandırma sayfası ve sipariş onayı sayfası, her dönüşüm bu sayfalardan geçtiği için dönüştürme sürecinin bir parçasıdır.

Bu sayfaların müşterilerinizi dönüştürmek için önemli olduğunu söylemek için bir ilişkilendirme analizine ihtiyacınız olmadığından, bu sayfaları sayfa görüntüleme verilerinden hariç tutmalısınız.

Bu analizin amacı, potansiyel müşterilerinizin dönüşüm olayından önce hangi sayfaları ziyaret ettiğini ve bunların müşterilerin kararlarını nasıl etkilediğini anlamaktır.

Verilerinizi İlişkilendirme Analizi İçin Hazırlayın

Veriler hazır olduğunda, bir sonraki adım, verilerinizi aşağıdaki dört sütunlu biçimde özetlemek ve değiştirmektir. İşte bir örnek.

Yazardan ekran görüntüsü, Kasım 2022

Yol sütunu, tüm sayfa görüntüleme sıralarını gösterir. Herhangi bir benzersiz sayfa tanımlayıcısı kullanabilirsiniz, ancak url yapısını kullanarak sonucu sayfa türlerine göre analiz etmenize izin verdiği için url veya sayfa yolunu kullanmanızı tavsiye ederim. “>”, sayfalar arasında kullanılan bir ayırıcıdır.

Toplam_Dönüşümler sütunu, belirli bir sayfa görüntüleme yolunun yol açtığı toplam dönüşüm sayısını gösterir.

Total_Conversion_Value sütunu, belirli bir sayfa görüntüleme yolundaki dönüşümlerin toplam parasal değerini gösterir. Bu sütun isteğe bağlıdır ve çoğunlukla e-ticaret siteleri için geçerlidir.

Total_Null sütunu, belirli bir sayfa görüntüleme yolunun dönüştürmede başarısız olduğu toplam sayıyı gösterir.

Sayfa Düzeyinde İlişkilendirme Modellerinizi Oluşturun

İlişkilendirme modellerini oluşturmak için ChannelAttribution adlı açık kaynaklı kitaplıktan yararlanıyoruz.

Bu kütüphane başlangıçta R ve Python programlama dillerinde kullanılmak üzere oluşturulmuşken, yazarlar artık bunun için ücretsiz bir Web uygulaması sağlıyor, böylece bu kütüphaneyi herhangi bir kod yazmadan kullanabiliyoruz.

Web uygulamasında oturum açtıktan sonra verilerinizi yükleyebilir ve modelleri oluşturmaya başlayabilirsiniz.

İlk kez kullananlar için, bir deneme çalıştırması için Demo Verilerini Yükle düğmesini tıklamalarını tavsiye ederim. Demo verileri ile parametre konfigürasyonunu incelediğinizden emin olun.

Yazardan ekran görüntüsü, Kasım 2022

Hazır olduğunuzda, modelleri oluşturmak için Çalıştır düğmesine tıklayın.

Modeller oluşturulduktan sonra, dört farklı ilişkilendirme modelinin (ilk dokunuş, son dokunuş, doğrusal ve veri sürüşü (Markov Zinciri)) ilişkilendirme sonuçlarını görüntüleyen Çıktı sekmesine yönlendirileceksiniz.

Daha fazla analiz için sonuç verilerini indirmeyi unutmayın.

Referansınız için, bu araç ChannelAttribution olarak adlandırılsa da, kanala özgü verilerle sınırlı değildir.

İlişkilendirme modelleme mekanizması kendisine verilen veri türünden bağımsız olduğundan, kanala özel veriler sağlanıyorsa dönüşümleri kanallarla, sayfa görüntüleme verileri sağlanıyorsa web sayfalarıyla ilişkilendirir.

İlişkilendirme Verilerinizi Analiz Edin

Sayfaları Sayfa Gruplarında Düzenleme

Web sitenizdeki sayfa sayısına bağlı olarak, ilişkilendirme verilerinizi tek tek sayfalar yerine önce sayfa gruplarına göre analiz etmek daha mantıklı olabilir.

Bir sayfa grubu, size mantıklı geldiği sürece, bir sayfadan istediğiniz kadar sayfaya kadar birkaç sayfa içerebilir.

AdRoll'un web sitesini örnek olarak alırsak, yalnızca ana sayfayı içeren bir Ana Sayfa grubumuz ve tüm blog yazılarımızı içeren bir Blog grubumuz var.

E-ticaret siteleri için sayfalarınızı ürün kategorilerine göre gruplandırmayı da düşünebilirsiniz.

Tek tek sayfalar yerine sayfa gruplarıyla başlamak, pazarlamacıların web sitesinin farklı bölümlerindeki ilişkilendirme sonuçlarına ilişkin genel bir bakışa sahip olmalarını sağlar. Gerektiğinde her zaman sayfa grubundan tek tek sayfalara inebilirsiniz.

Dönüşüm Yollarının Giriş ve Çıkışlarını Belirleyin

Tüm veri hazırlama ve model oluşturma işlemlerinden sonra, eğlenceli kısma, yani analize geçelim.

Öncelikle, ilk dokunuş ve son dokunuş ilişkilendirme modellerinin kalıplarını inceleyerek, potansiyel müşterilerinizin web sitenize girdiği sayfaları ve onları dönüştürmeye yönlendiren sayfaları belirlemenizi öneririm.

Özellikle yüksek ilk dokunuş ve son dokunuş ilişkilendirme değerlerine sahip sayfalar, dönüşüm yollarının sırasıyla başlangıç ​​ve bitiş noktalarıdır. Bunlar benim ağ geçidi sayfaları dediğim şeyler.

Bu sayfaların dönüşüm için optimize edildiğinden emin olun.

Bu tür bir ağ geçidi sayfasının çok yüksek trafik hacmine sahip olmayabileceğini unutmayın.

Örneğin, bir SaaS platformu olarak AdRoll'un fiyatlandırma sayfası, web sitesindeki diğer bazı sayfalara kıyasla yüksek trafik hacmine sahip değildir, ancak birçok ziyaretçinin dönüşüm gerçekleştirmeden önce ziyaret ettiği sayfadır.

Müşterilerin Kararları Üzerinde Güçlü Etkisi Olan Diğer Sayfaları Bulun

Ağ geçidi sayfalarından sonraki adım, müşterilerinizin kararları üzerinde başka hangi sayfaların yüksek etkiye sahip olduğunu bulmaktır.

Bu analiz için, Markov Zinciri modelleri altında yüksek nitelik değerine sahip ağ geçidi olmayan sayfaları arıyoruz.

Örnek olarak AdRoll.com'daki ürün özelliği sayfaları grubunu ele alırsak, dört modeldeki (aşağıda gösterilmektedir) ilişkilendirme değerlerinin modeli, bunların Markov Zinciri modeli altında en yüksek ilişkilendirme değerine sahip olduğunu ve ardından doğrusal modelin izlediğini gösterir.

Bu, dönüşüm yollarının ortasında ziyaret edildiklerinin ve müşterilerin kararlarını etkilemede önemli rol oynadıklarının bir göstergesidir.

Yazardan görüntü, Kasım 2022

Bu tür sayfalar aynı zamanda dönüşüm oranı optimizasyonu (CRO) için başlıca adaylardır.

Web sitenizin ziyaretçileri tarafından keşfedilmelerini kolaylaştırmak ve içeriklerini daha ikna edici hale getirmek, dönüşüm oranınızı artırmanıza yardımcı olur.

Özetlemek için

Çoklu dokunma özelliği, bir şirketin çeşitli pazarlama kanallarının katkısını anlamasına ve dönüşüm yollarını daha da optimize etme fırsatlarını belirlemesine olanak tanır.

Kanal tabanlı ilişkilendirme için Google Analytics ile başlayın. Ardından, sayfa görüntülemeye dayalı ilişkilendirme ile bir müşterinin dönüşüm yolunu derinlemesine inceleyin.

En iyi ilişkilendirme modelini seçme konusunda endişelenmeyin.

Her bir ilişkilendirme modeli müşteri yolculuğunun farklı yönlerini gösterdiğinden birden çok ilişkilendirme modelinden yararlanın.

Daha fazla kaynak:

• B2B Multitouch İlişkilendirme Modelleri İçin Eksiksiz Bir Kılavuz
• Pratik Örneklerle Doğru Yapılan B2B Anahtar Kelime Araştırması
• Çok Kanallı B2B Kurşun Yaratma: Başarıya Giden 8 Adım

Öne Çıkan Resim: Siyah Somon/Shutterstock