必须要掌握的五个电子商务归因模型

36氪2017-10-25 14:25:54

文章开始之前需要各位先了解一个事实:归应分析模型是一个让多数电子商务平台感到困扰的非常棘手和复杂的存在。

归因模型是关于如何分配消费者众多触点对销售或者转化的分数或者价值的模型。它涵盖所有的数字媒体渠道——比如付费搜索、展示类广告、邮件营销、社会化媒体,直接搜索,引荐网站等,并且分析每个渠道对最终转化的作用。

以前要做这种分析非常容易,打个比方来说,在电台投放广告后,获得5个价值250美金的新客户,那么电台广告这个触点对于销售达成的价值就是100%。

但是现如今情况变得很复杂,2016年内容营销机构年度报告显示,目前市场营销人员在工作中平均会用到13种策略、7种不同的社交媒体平台以及3个付费广告渠道。

消费者发现产品,认识品牌,并最终在线上商店中消费的路径变的漫长且曲折。因而销售转化漏斗也变的十分复杂。

我们该如何追踪营销的效果——借助归因模型

在策略,战术和推广渠道越来越复杂的现在,需要用归因模型核算他们各自的价值。这些模型可以是简单的、基于规则的,也可以是复杂的、基于算法的。分别针对单触点或者多触点分析。

目前至少有五种归因模型被广泛使用:

1.首次触点模型(又被称为首次点击模型)

将100%的价值归因给转化路径上的首个触点。这有助于发现消费者是如何找到你的,但是如果在最终销售转化之前消费者还触发了其他三个触点,那么将100%的价值归给首次触点合适吗?

2.末次触点模型(又称为末次点击模型)

将价值100%归因给购买或者转化之前最后一次接触的渠道,而完全不考虑整个过程中消费者到底接触过多少个触点。该模型很容易建立和追踪,但是目前被普遍认为毫无价值。转化之前发生了太多的事情,该模型完全忽视了漏斗上层和中层部分的行为对转化的影响。

3.线性模型

将转化路径上的每一步都分配了相等的价值。如果消费者历经四个接触渠道后最终产生了购买行为,那么每一个接触渠道就可以得到25%的贡献价值。该模型的优点是每个接触渠道都被考虑到并赋予了价值,但不足的是该模型会夸大非关键渠道的价值,低估关键接触渠道的价值。

4.位置模型

强调首次及末次接触渠道的价值。普遍的做法是赋予首尾两个接触渠道各自40%的价值,将剩下的20%价值平均分配给中间的所有接触渠道。很明显,该模型严重低估了中间触点的价值,尤其针对那些很长的转化路径。

5.时间衰减模型

通过简单的算法将价值按照离最终转化的时间远近进行分配。离转化最近的接触渠道获得绝大部份的贡献价值,离转化越远的接触渠道只会被赋予少量的价值。该模型虽然依旧会强调末次接触渠道,但它同时也没有忽视转化过程中的其它接触渠道,因此在实际工作中,该模型被很多营销人员和广告主所接受。

6.还有一个最好的选项——自定义模型

即基于平台,受众,市场,和特定业务目标的模型。Avinash Kaushik在他的博客Occam‘s Razor上提供了一个在Google Analytics中自定义归因模型的攻略。但你最好有心理准备,他在文章一开始就提到 “在分析领域中(所有分析领域、大数据分析和巨量数据分析)鲜有比多渠道归因模型更加复杂的事情了”

他并没有危言耸听。归因分析是复杂的、乏味的,常常让人抓狂沮丧的,你将经历一个不断的测试-失败-再测试-再失败的过程。

但是这一切都是值得的,归因模型会帮助你理解什么会影响消费者购买,消费者购物行为是什么样子的,他们来自哪里,以及哪些渠道和策略对最终购买产生了价值,而这一切都有利于扩大预算。

在电子商务的世界开始归因冒险之旅前,有五件事情需要时刻谨记。

真正影响销售的是辅助转化

高达98%的访客第一次访问网站时不会购物。55%的访客会在15秒内离开网站。

84%的访客完全或者部分相信来自家人,朋友和同事对于产品的推荐。

88%的访客认为网络上陌生人的推荐与相关熟人的推荐具有一样的可信度。

购物车平均放弃率为69.23%。

88%的消费者在决定购买前会先去查看网络上的评论。

上面所有数据都清晰的描绘出了访客的网上购物行为——基本不会有访客在第一次访问网站时就购物。他们访问网站,查看一些信息,浏览网站上的商品评论,访问你在社交媒体上的账户,搜索降价或者优惠信息,随便看看商品,在Twitter账号上看看别人如何评价你,最后当他们下定决心花钱时再回到你的网站。

上面所有行为都让顾客离最终销售更近了一点,每一次的互动都有助于最终转化的完成。绝大部分销售都得益于这些辅助转化,所以你需要去追踪并赋予每个辅助转化价值,这样才能真正了解消费者行为,以及该如何展开营销。

没有完美的归因模型

任何模型都存在局限性和不足。在一个完美的世界里,我们可以用一个足够完美的模型来衡量和处理所有事情,但是现实中这个完美模型并不存在。

定制化的模型是最合适的,但需要时间收集必要的数据和理解顾客行为才能完成这个模型。如果数据是靠不住的,那么模型也只会产出靠不住的结果。

归因模型是科学与艺术的结合,同时也是客观数据与主观推测的结合。

定制的归因模型应该同时反应顾客属性和商业特征。需要考虑那些对实现目标很重要的行为,以及那些最终带来销售价值的“软”转化(比如:注册新闻电子报,要求客户代表联系他们等等)

最常见的转化路径和辅助转化路径是哪些?它们会帮助你理解顾客的行为。你是否已经挖掘出这些路径的全部潜在价值呢?是否将钱浪费在哪些根本带不来价值的渠道上?

用户搜索、考虑的因素和购买的途径千差万别。因此很有必要创建一个适用于用户和自身业务的模型。