營銷歸因的原因和方法：數據驅動指南

平庸的品牌猜測：“看來我們最新的 Facebook 廣告運行良好。”

頂級品牌知道：“我們目前的 Facebook 廣告集正在推動流量，但我們的重定向像素正在轉化客戶。”

正是數據驅動的理解什麼有效，什麼無效，這使老練的營銷人員脫穎而出。

營銷歸因模型可幫助營銷人員評估用戶接觸點和轉化背後的數據，以了解對投資回報率的影響。

在本文中，您將了解營銷歸因的工作原理、如何使用六種不同的模型對其進行衡量，以及如何制定數據驅動的決策來改善您的營銷預算。

什麼是營銷歸因，為什麼它很重要？

營銷歸因是分析客戶在整個購買過程中如何與營銷接觸點互動的做法。

您選擇一個歸因模型（一組規則，用於管理您如何將轉化功勞歸因於每個接觸點）以了解您的營銷策略如何促進收入增長。

營銷歸因提供支持洞察力的數據，例如：

• 我們的 Google Ads 是我們最重要的收入來源。
• 這種電子郵件培育活動無效，需要重建。
• 我們的大多數客戶是通過我們的有機內容髮現我們的。

沒有這些數據，營銷決策主要基於直覺。

假設您的任務是在下個季度將潛在客戶生成量提高 25%，以實現貴組織當年的收入目標。

例如，營銷歸因數據可以向您表明，您的有機內容是典型客戶旅程中最常見的第一個接觸點。 換句話說，內容是大多數客戶找到您公司的方式。

如果沒有這些數據，您可能會查看您現在使用的營銷渠道和策略並說，“讓我們將本季度的內容預算重新分配給 Google Ads。 我們需要努力實現這個收入目標。”

在這種情況下，降低內容髮布工作的優先級是錯誤的舉動，但如果您無法訪問歸因數據，則很容易做到這一點。

這些見解的有效性取決於您如何衡量營銷歸因。

如何衡量營銷歸因

大多數營銷人員會在其歸因軟件中使用一種開箱即用的模型。 儘管它們存在缺陷（我們將在稍後討論），但它們確實提供了對客戶如何與營銷接觸點互動的基本理解。

單點觸控歸因模型

單點接觸歸因模型只歸功於客戶旅程中的一個接觸點。

這裡的缺點是顯而易見的：客戶很少會在單個接觸點後轉換。

考慮這張來自數字銷售諮詢公司 Columbia Road 的客戶旅程地圖，其中有 10 個接觸點可以幫助做出決定。

然而，這些簡單的歸因模型有一些優點。 考慮這個客戶旅程，它近似於客戶從電子商務品牌購買的典型路徑：

• 客戶通過 Google 廣告訪問您的網站
• 他們將產品添加到購物車，但沒有轉化
• 這會觸發一封廢棄的購物車電子郵件，客戶會看到但不會點擊
• 客戶還在 Facebook 上看到重定向廣告，其中一個廣告觸發了購買

從表面上看，Facebook 廣告完全負責轉化。

但首次接觸歸因模型突出了 Google Ad 催化劑。

單點觸控歸因模型可能並不全面，但它們確實可以幫助您了解接觸點是如何組合在一起的，從而讓您更好地了解什麼是有效的。

首次接觸歸因

首次接觸歸因將所有功勞歸功於客戶與您的品牌的第一次互動。

之後有多少個接觸點，或者客戶在第一次互動後花了多長時間購買都無關緊要。 第一次點擊獲得 100% 的功勞。

在上面的示例中，初始 Google Ad 獲得了所有歸因功勞。

儘管有限，但這種歸因模型對於了解哪些營銷活動吸引了客戶很有用。

您可以使用該數據來優化漏斗頂部活動並吸引更多新潛在客戶。

最後接觸歸因

最後接觸歸因將所有功勞歸於客戶旅程中的最終接觸點。 這將是我們上面示例中的重定向 Facebook 廣告。

它是使用最廣泛的單點歸因模型，尤其適用於購買週期和考慮階段較短的企業。 在這些情況下，最後一次互動更有可能促使購買。

以 Wish 為例，這是一個以銷售您絕不會想購買的奇怪產品而聞名的在線市場。 它可能沒有詳細的客戶旅程，因此最後接觸歸因將是一個合適的模型。

最終非直接點擊歸因

最後一次非直接點擊歸因模型類似於最後一次接觸模型，只是它對直接流量進行了折扣。

讓我們考慮一個略有不同的電子商務購買過程：

• 客戶通過 Google 廣告訪問您的網站
• 他們將產品添加到購物車，但沒有轉化
• 這會觸發一封廢棄的購物車電子郵件，客戶會看到但不會點擊
• 稍後，客戶直接返回您的網站併購買

在最後點擊歸因模型下，它將直接訪問流量。 使用最後一個非直接交互模型，購物車恢復電子郵件獲得了所有功勞。

如果客戶在您的網站上快速轉換（例如，他們將他們想要的產品添加到他們的購物車並直接前往結帳），則此模型是合適的。

如果您的客戶需要更長時間才能轉換，請避免使用此模型，因為它忽略了轉換中的影響因素（如 CTA 和特色客戶評論）。

多點觸控歸因模型

多點觸控歸因模型考慮了所有數字接觸點，並至少為每次交互分配了一些轉化率功勞。

考慮 B2B 買家可能採取的購買項目管理平台的途徑。

客戶在 YouTube 上看到 Asana 的產品廣告並點擊 CTA。 他們通讀了著陸頁，但沒有轉化。

思考視頻廣告中出現的問題（例如，管理自由職業者團隊），客戶執行 Google 搜索“管理自由職業者”。 客戶點擊 Asana 的帖子，認出了該品牌。

這很有幫助，他們決定實施一些策略。 後來，他們在 LinkedIn 上看到 Asana 的廣告，然後點擊 CTA 下載電子書。

接下來，他們會收到一系列 Asana 領導培養電子郵件。 最後一個是當他們註冊年度計劃時第一個月免費的優惠，他們接受了。

在此旅程中，涉及六個不同的數字營銷渠道：

• YouTube 廣告
• 登陸頁面
• 有機含量
• 領英廣告
• 電子書
• 電子郵件培育活動

單點觸控歸因模型本質上會忽略這些交互中的六分之五。 多點觸控模型在所有渠道中共享歸因功勞，但功勞的分配方式取決於您實施的模型。

線性歸因

線性歸因模型在所有接觸點之間平均分配功勞。 在上面的示例中，六個接觸點中的每一個都將獲得 16.67% 的歸因功勞。

如果您沒有預算或數據來確定更準確的權重，但不能滿足於單點觸控模型的限制，則此模型是合適的。

如果您是一家擁有充足資源的老牌公司，請投資於更準確的決策。

基於位置的歸因

基於位置的歸因（也稱為 U 形歸因）為第一次和最後一次互動賦予更多權重。 儘管如此，它還是為兩者之間的接觸點分配了一些功勞。

最常見的模型是為第一個和最後一個接觸點各分配 40%，其餘 20% 平均分配給其餘接觸點。

在我們上面的示例中，信用分配如下所示：

• YouTube 廣告 – 40%
• 著陸頁 – 5%
• 有機含量 – 5%
• LinkedIn 廣告 – 5%
• 電子書 – 5%
• 電子郵件培育活動——40%

如果您的銷售週期很長並且購買決策涉及多個接觸點，例如 B2B 購買，則基於位置的歸因很有用。 對於較長的購買週期，重要的是至少要對保持對話活力的每次互動給予一定的信任。

時間衰減歸因

時間衰減歸因模型根據交互後經過的時間來分配信用。

最後一個接觸點總是獲得最多的功勞，而第一個接觸點獲得的功勞最少。

在我們的 Asana 示例中，信用分佈可能如下所示：

• YouTube 廣告 – 5%
• 著陸頁 – 7.5%
• 有機含量 – 12.5%
• LinkedIn 廣告 – 20%
• 電子書 – 25%
• 電子郵件培育活動——30%

當建立關係是關鍵因素時（例如在企業銷售中），時間衰減模型很有用，因為初始交互往往對轉化不太重要。

但是，如果品牌建設和知名度渠道對您的業務目標至關重要，請使用基於位置的模型。

營銷歸因的挑戰和局限性

雖然歸因模型可以幫助營銷人員獲得對客戶行為的基本了解，但它們並不完美且不完整。 它們僅限於捕捉需求，而不是創造需求。

大多數傳統模型都達不到要求，因為它們基於猜測或完全錯過了暗漏斗活動。

複雜的歸因模型優於基本歸因模型，但在選擇方向之前請記住這些限制。

歸因模型的選擇在很大程度上是任意的

選擇歸因模型很大程度上是基於直覺，而不是硬數據。

例如，如果將最多的功勞分配給第一個和最後一個接觸點似乎是合理的，您可能會選擇基於定位的歸因模型。

但為什麼每個人都應該得到 40%？ 為什麼第一次互動不是 30% 而最後一次互動是 50%，反之亦然？ 信用分配基於直覺，而不是硬數據。

理想的解決方案是使用 Impact.com 或 Google Analytics 360 等平台實施數據驅動或算法歸因模型。

這些建模工具使用高級統計計算和機器學習來了解轉化客戶與未轉化客戶之間的差異。 然後，解釋這些參與模式以確定如何有效地跨接觸點歸因。

不幸的是，這些產品對於某些企業而言過於昂貴（Google Analytics 360 會員資格起價為每年 150,000 美元）。

如果無法達到此級別的歸因建模，則最佳途徑是：

1. 選擇對您的策略最有意義的標準歸因模型
2. 當您更多地了解哪些有效，哪些無效時，對其進行優化和自定義
3. 在使用洞察力為營銷決策提供信息時，了解非算法歸因的局限性

大多數歸因模型不考慮非數字接觸點

上面討論的所有歸因模型都迎合了數字接觸點，但購買旅程並不是純粹的數字化。

在服裝和服裝等零售行業尤其如此，除了標準的線上與線下方式外，還出現了兩種截然不同的購買模式：

• ROPO（在線研究，線下購買）。 買家在網上完成大部分渠道，然後在實體店完成購買。
• 陳列室。 買家在實體店檢查產品，然後在線購買。

在任何一種情況下，全數字歸因模型都不會考慮所有接觸點。

找到應對這一挑戰的完整解決方案非常困難。 一種策略是使用會員卡將線下購買與數字資料聯繫起來。

Yotpo 和 Stampme 等平台允許品牌整合忠誠度計劃，以便有效跟踪線下接觸點。

另一種策略是有目的地引導客戶線下，例如家具和裝飾品生產商 VOX。

他們的 VOXBOX 應用程序允許客戶在線設計虛擬家具佈局。 然後，他們建議買家在實體店安排面對面的諮詢。

這讓 VOX 可以控制購買過程從線上到線下的轉變，從而允許他們將線下接觸點整合到他們的歸因模型中。

如果適合您的品牌和行業，請考慮實施其中一種策略來跟踪線下互動。 否則，請記住，純數字歸因模型可能無法捕捉全貌。

對已經進入市場的客戶進行會計處理具有挑戰性

營銷歸因模型通常會導致基於相關性的偏差，其中客戶旅程中的事件（例如轉換）被假定是由另一個事件（例如最終接觸點）引起的。 實際上，情況可能並非如此。

特別是，營銷人員可能會不恰當地將轉換歸因分配給市場上無論如何都會購買該產品的客戶。

考慮一下來自 Shopify 的這個有針對性的 Facebook 廣告。

假設 Shopify 設置此廣告以定位與 Facebook 上特定電子商務相關頁面互動的受眾。

觀眾參與這些頁面並經常討論市場上最好的工具。 他們很有可能在廣告彈出之前就確定 Shopify 是正確的選擇。

那麼當他們看到並點擊它時，它是否負責轉換？

通過進行購買後調查來解釋市場偏見。 不要問“你是怎麼聽說我們的？” 並問：“是什麼讓您決定向我們購買產品？”

要獲得更多定性數據，請包括一個問題，例如“在註冊 Shopify 之前，您點擊了這個 Facebook 廣告。 這個廣告對你的購買有多大影響？” 讓客戶以 1–5 的等級對響應進行評分。 這有助於您更好地了解您的廣告是否真正影響了轉化，或者只是阻礙了無論如何都會發生的購買。

使用自定義歸因模型進行高級歸因

上述模型是基線歸因模型——在 Google Analytics 中發現的簡單的基於啟發式的開箱即用模型。 他們都會給你一個答案，但頂級營銷人員會質疑他們的準確性。

您還可以在 Google Analytics 中現成的基於規則的模型之上構建自定義模型。

您還可以在 Google Analytics 中現成的基於規則的模型之上構建自定義模型。

然而，即使是自定義模型也存在傾向於偏見和假設的風險，這些偏見和假設是任意的，並且基於您的客戶旅程的細微差別。

我們還看到了一些關於在 Google Analytics 中應用馬爾可夫模型的有趣文章。 當您對上述模型不滿意時，這些會很有幫助，尤其是當您缺少某些數據點來全面了解您的客戶旅程時。

要在此用例中簡化馬爾可夫模型，請查看給定轉換路徑中後續步驟的可能性。 根據給定接觸點的移除計算其相對重要性：

如本文所述，馬爾可夫模型具有以下優點：

• 客觀——沒有直覺。
• 預測準確性——預測轉化事件。
• 穩健性——有效且可靠的結果。
• 可解釋性——透明且相對容易解釋。
• 多功能性——不依賴於數據集。 能夠適應新的數據。
• 算法效率——提供及時的結果。

這是一篇很好的文章，解釋瞭如何做到這一點。 這是另一個。 一個好的數據分析師將能夠將其應用到您的歸因模型中。

使用同類群組衡量特定行動的有效性

基於時間的隊列可以掌握關鍵，以發現對營銷活動或他們部署的渠道所做的更改的有效性。 至少，您可以通過將群組分析與對照實驗相結合來找到有效性的指示，以獲得更高的有效性。

具體來說，查看同類群組可以幫助您確定某個營銷活動的有效性，至少是相關的。 The Drilling Down Project 的創始人 Jim Novo 在 Digital Analytics 播客節目中說得很好：

我認為從事同期群分析的 SaaS 人員在這方面做得很好。

所以你看看 1 月份註冊的人，到 3 月份時，這個百分比已經下降了。 我們可以將其與我們在那個時間範圍內所做的某種促銷活動聯繫起來。

但是然後我們看看 3 月份開始的隊列，我們正在進行一種不同的促銷活動，並且我們在該模型中從免費增值到付費或其他任何方式的轉換要好得多。

與此相關的是一種存在性測試，在這種測試中，您可以通過將某個渠道從混音中刪除一點來推斷其有效性，Jim 建議進行測試，看看您是否可以在沒有它的情況下生活：

如果您認為 [display] 在幫助其他活動方面如此有價值，為什麼不干掉它一兩週，看看會發生什麼？ 然後把它加回來。

你不能做那種測試嗎？ 把這筆錢投資到別處對你來說值得嗎？ 您對展示價值的重視程度如何？

您一直從事的活動可能不會產生您認為的那麼大的影響。 測試既是添加的藝術，也是去除的藝術。 這適用於完全切斷整個計劃。

如何使用營銷歸因做出更強大的數據驅動決策

歸因模型的存在是為了提高對客戶旅程的可見性和洞察力。 如果做得好，他們會揭開客戶如何與接觸點互動以及影響購買行為的因素的面紗。

將這些發現納入您的營銷工作，以製定更有效的數據驅動戰略。

構建更真實的客戶旅程地圖

客戶旅程地圖可以成為在整個購買週期中調整接觸點和消息傳遞的強大工具。

不幸的是，他們中的許多人都太基礎了，無法提供所有幫助。 例如，這張地圖在每個階段幾乎只覆蓋了一個以上的潛在接觸點，而且沒有提供足夠的細節。 例如，產品研究在哪裡進行？

通過了解客戶參與的接觸點以及他們在旅程中的哪個點，您可以構建一個全面的旅程地圖，例如來自 Rail Europe 的這張地圖。

在此客戶旅程圖中，每個階段都存在多個接觸點，因為並非每個客戶體驗都是相似的。 歐洲鐵路公司考慮到了這種差異，並納入了通過歸因確定的所有可能的接觸點。 自定義歸因有助於映射複雜的客戶交互和旅程。

使用您的歸因數據構建更真實的客戶旅程地圖，並考慮可能需要細分的位置。

例如，電子商務品牌可能會確定兩種常見的購買途徑：

1. Facebook 上的定向廣告 > 網站瀏覽 > 將產品添加到購物車 > 退回 > 廢棄購物車恢復電子郵件 > 轉化
2. 有機搜索 > 網站瀏覽 > 註冊忠誠會員 > 彈跳 > 在商店購買

尋找歸因數據的趨勢，並在適當時細分客戶旅程。

使用營銷歸因使支出分配與組織目標保持一致

使用營銷歸因來告知您如何投資於不同的渠道和接觸點，並使用真實世界的數據優化預算分配。

加倍關注您的分析套件認為最具影響力的活動。 例如，如果您的歸因平台告訴您 Google Ads 表現良好，那麼增加對該渠道的投資是有意義的。

請記住，您的歸因模型和功勞分配推動了這些見解。

比如說，在此示例中，您使用的是首次接觸歸因模型。

這些數據告訴您的是，您的 Google Ads 在初始互動中表現良好，但在轉化方面未必有任何繁重的工作。 將廣告支出加倍將把更多的潛在客戶推向漏斗的頂端，但不一定能更有效地轉化他們。

相反，分析多個歸因模型以獲得 360 度視角，然後使用這些見解使支出分配與您的公司目標保持一致。

在這種情況下，您還可以使用最後接觸模型分析歸因，從而深入了解哪些渠道在旅程的另一端運作良好。

然後，根據您的公司目標調整支出。 如果新客戶獲取是優先事項，請在最後接觸互動方面投入更多資金。 如果建立品牌知名度和漏斗頂端勢頭更為重要，請投資於第一個接觸點。

了解消息傳遞對接觸點有效性的影響

營銷歸因的一般假設是，如果一個渠道的表現不如其他渠道，則應歸咎於該渠道。 你說，你的客戶根本不在 LinkedIn 上。

但這不一定是真的。 例如，可能是您的客戶在那裡，但您的消息傳遞沒有連接。

營銷歸因可用於了解不同的消息傳遞如何影響接觸點的有效性。

假設您的 Facebook 重新定位廣告轉換得非常好，但您的 LinkedIn 廣告表現不佳。 考慮您在所呈現的上下文中使用的消息傳遞。

適用於一個渠道的內容不一定會轉化為另一個渠道，與漏斗頂部潛在客戶產生共鳴的消息不會讓漏斗底部的買家越過這條線。

使用不同的歸因模型來衡量不同漏斗階段的消息傳遞影響。

例如，如果 Google Ads 在首次接觸模型下看起來很強大，請考慮如何在其他渠道複製此消息以定位早期買家。 然後，分析隨著這些變化的發生，歸因信用如何變化。

您可以在新投放的 LinkedIn 廣告中使用來自 Google 廣告的相同消息來測試此消息對渠道的影響。

如果歸因信用轉移到有利於 LinkedIn，那麼這種變化正在發揮作用。 如果不是，則您了解到此特定消息不適用於您的 LinkedIn 受眾。 測試、分析和優化。

營銷歸因工具：如何為您的企業選擇合適的工具

Google Analytics 無疑是使用最廣泛的營銷歸因工具，但它並不是唯一的工具。

Ruler Analytics 是將收入與歸因聯繫起來的強大工具，因此您可以在美元級別衡量營銷接觸點。 Oktopost 提供有關 B2B 社交媒體使用情況和有助於轉化的社交接觸點的強大分析。 AppsFlyer 在移動應用增長的背景下著眼於營銷歸因。

根據您的行業、成長階段和業務目標，您可以選擇使用這些平台中的一個或組合。

谷歌分析

Google Analytics 最大的吸引力之一是，儘管它是一款功能強大的產品，但它是免費的。

這讓初學者很容易涉足營銷歸因的世界，並從一些更基本的模型開始，比如首次點擊或最後點擊。

Google Analytics 適用於跨這些渠道監控基線歸因：

• 付費和自然搜索（在所有搜索引擎上，不僅僅是谷歌）
• 推薦和附屬網站
• 社交媒體網絡
• 電子郵件
• 自定義廣告系列，如果您已在 Google Analytics 中設置它們（例如將流量定向到虛網址的離線廣告系列）

如果您每 30 天轉換超過 600 名客戶，您還可以利用 Google Analytics（分析）的數據驅動歸因模型（目前處於測試階段）。 該模型使用機器學習來了解哪些接觸點最有可能推動轉化，並相應地分配歸因功勞。

標尺分析

Ruler Analytics 提供了許多超越營銷歸因的有用功能，例如營銷組合建模和預測分析。

然而，它的主要優勢是能夠將平台與您的 CRM 連接起來，並將收入數據提取到您的歸因模型中。

使用標準模型的歸因可以告訴您哪些接觸點和渠道推動了轉化。 通過 Ruler Analytics，您可以了解這些接觸點如何影響收入。

假設您能夠確定您有兩個主要的轉化途徑。

• 途徑一： 70% 的客戶採用它，它每年帶來 4,500 美元的客戶價值。
• 途徑二： 30% 的客戶採用它（包括每個企業客戶），年客戶價值為 560,000 美元。

如果沒有關閉收入循環，您可能會在第一種途徑上投入更多，這實際上會轉化為低價值客戶。

使用 Ruler Analytics 更好地了解營銷活動中的接觸點如何影響收入，而不僅僅是轉化。

十月郵局

Oktopost 不完全是一種營銷歸因工具； 它是 B2B 營銷團隊的社交媒體參與管理平台。

B2B 營銷人員越來越意識到社交的價值，無論是在 LinkedIn 上投放廣告還是讓銷售代表在 Twitter 上建立個人品牌。

Oktopost 幫助營銷人員準確衡量和歸因這些活動的價值。

您將能夠按渠道、內容類型和地區衡量參與度。 您甚至可以深入到帖子級別來分析消息傳遞、關鍵字、主題標籤和媒體類型與參與度的關係。

如果您在 B2B 領域，除了知道 LinkedIn 有助於提高知名度之外，還可以使用 Oktopost 深入了解社交媒體如何影響轉化。

應用傳單

AppsFlyer 是一個專門用於衡量應用增長的營銷分析平台。

其他歸因工具往往關注網站環境中的轉化，而 AppsFlyer 著眼於移動生態系統中的歸因建模。

使用 AppsFlyer，您可以將功勞歸於導致應用安裝的接觸點。 例如，您可以查看與其他應用程序中的廣告的互動情況，以及它們如何促成新客戶下載您自己的應用程序。

他們的歸因建模也擴展到衡量應用內的事件，因此您可以將應用安裝和轉化分別歸因於付費計劃。

使用 AppsFlyer 了解您的廣告網絡如何影響應用下載並提高廣告支出分配的有效性。

結論

要基本了解客戶如何與各種營銷接觸點互動，大多數分析平台中可用的標準歸因模型就足夠了。

要更全面地了解哪些渠道和策略會影響轉化率，並在營銷支出分配方面做出數據驅動的決策，請查看 AI 驅動的算法模型。

通過我們的在線課程提升您的歸因技能，其中包含專家見解：精通歸因。