多点触控归因：鸟瞰品牌梦寐以求的

多点触控归因：鸟瞰品牌梦寐以求的

多点触控归因如何提高电子商务品牌的转化率并降低客户获取成本

长期以来，品牌一直梦想着全面了解他们的客户旅程，目标是深入了解他们的客户来自哪里、他们如何与营销渠道和活动互动、他们何时转换以及为什么。从这些见解中，品牌可以采取行动：加倍使用能够吸引最有价值客户的策略和渠道，并丢弃那些消耗现金和资源的策略和渠道。随着经济恶化和品牌继续勒紧裤腰带的迹象出现，这种对购物者旅程的鸟瞰比以往任何时候都更加重要和必要。

Image by author

挑战：获客成本持续飙升

iOS 中的隐私变化和缺少 cookie 并不能阻止广告到达目标受众。但是，它们确实增加了营销归因的难度。如果没有 Apple 广告商标识符 (IDFA) 和 cookie，Facebook 等广告平台就无法再将转化与特定广告联系起来。

那么品牌如何解决这个难题并找到最有效的地方来发挥营销资金的作用呢？在我们深入研究之前，让我们看一下下面的例子来回顾什么是营销归因。

Image by author

解决方案前言：营销归因 101

当我刚搬到湾区时，我想买一台空气净化器来应对野火可能带来的空气质量问题。对空气净化器知之甚少，我从 YouTube 视频开始研究，阅读评论文章并听取影响者的意见。一旦我知道什么是好的空气净化器，我就会继续寻找最佳选择——比较品牌网站、亚马逊等的产品规格。最后，我决定选择品牌 2，如下图所示。

在所有接触点中，Youtube 付费视频 1 和 Reddit 评论文章 2 推动了我从品牌 2 购买。但是品牌 2 怎么知道这两个接触点在我的案例中起到了推动作用呢？这就是营销归因的用武之地。

在实践中，营销归因依赖于以下技术：

1. 收集接触点的购物者点击流数据，
2. 碎片化的接触点数据构建了一个整体的购物者旅程和
3. 将转化功劳分配给每个接触点

由于这种端到端可见性经常带来的技术挑战，大多数品牌仅根据首次接触或最后一次接触归因做出营销决策。结果，他们的营销资源分配充其量是次优的。幸运的是，机器学习为多点触控归因提供了解决方案。

Image by author

机器学习如何提高您的转化率

在空气净化器示例中，每天有数以万计的购物者与 Brand 2 互动。在每个接触点，数据系统都会收集数百个购物者属性并构建购物者档案。当 IDFA、Android ID 或 cookie 不存在时，每个购物者资料都会用作标识符。

Image by author

随后，机器学习算法利用购物者资料，并自动将经过相同路径的购物者分组到一个群组中，如下面的群组 1、群组 2 和群组 3 所示。假设群组 1 带来了 1,000 美元的收入。为了了解 Youtube 活动 B1 的表现，算法会找到所有看过 Youtube 活动 B1 的群组，并将每个群组与对应对象配对（其中一个接触点与其他接触点不同），如群组 1.1.1 与群组 1.1.2 和群组 1.2 所示.1 与队列 1.2.2。

Image by author

在每一对中，算法计算转化增量并将信用分配给 Youtube Campaign B1。通过迭代该过程并对每个队列中 Youtube Campaign B1 的转化进行求和，我们得到了该营销活动的总转化率。

在当前的经济环境下，多点触控归因比以往任何时候都更加重要。

渴望通过更简单的数据堆栈帮助品牌更快地发展，Cart.com 建立 统一分析 — 通过多点触控归因，为他们提供期待已久的购物旅程鸟瞰图。了解每种产品吸引不同的客户，统一分析 + 购物车像素 将归因更进一步，一直到产品级别。凭借这些卓越的洞察力，品牌现在可以为推动转化的渠道和活动提供动力，并减少根本无法推动收入的活动。

在过去两年中，Unified Analytics 已帮助 30 多个品牌优化了广告支出，并将利润率提高了 20%。

观看此视频以了解如何 购物车统一分析 可以帮助您提高转化率，看看我们的客户怎么说：

“我们花了很多时间来维护我们的数据，而且看起来非常脆弱。借助自动执行此操作并以此为生的专家合作伙伴应该可以提高我们的效率。” — Dallin Ferrin，Optimal Health Systems 副总裁

您想了解更多关于多点触控归因的信息吗？ 让我们聊天 ！

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/7542/05260108