Βασικά Takeaways
Καμία μέθοδος μέτρησης δεν μπορεί να απαντήσει σε όλα τα ερωτήματα που αντιμετωπίζουν οι σύγχρονοι ηγέτες μάρκετινγκ. Είναι απαραίτητη μια πολυεπίπεδη στοίβα που συνδυάζει πολλά εργαλεία.
Η πρόκληση της απόδοσης μάρκετινγκ είναι δομική: αποδίδει πίστωση σε σημεία επαφής, αλλά δεν μπορεί να αποδείξει την αιτιότητα. Λειτουργεί καλύτερα για τακτική βελτιστοποίηση, όχι για στρατηγικές αποφάσεις.
Η μοντελοποίηση του μίγματος μάρκετινγκ προσδιορίζει οριακές αποδόσεις και κορεσμό καναλιών, βοηθώντας στην καθοδήγηση της μακροπρόθεσμης κατανομής του προϋπολογισμού.
Οι δοκιμές επαύξησης είναι ο πιο αξιόπιστος τρόπος για να προσδιοριστεί εάν η δραστηριότητα μάρκετινγκ δημιούργησε πραγματικά αποτελέσματα, αντί να συλλάβει τη ζήτηση που ήδη υπήρχε.
Η οργάνωση ομάδων μέτρησης σε πρωτοπόρους, εποίκους και σχεδιαστές διασφαλίζει ότι κάθε είδος εργασίας έχει τα σωστά πρότυπα και την ταχύτητα λήψης αποφάσεων.
Οι περισσότεροι ηγέτες μάρκετινγκ γνωρίζουν καλά την πρόκληση της απόδοσης μάρκετινγκ: έχετε πίνακες εργαλείων γεμάτους δεδομένα, αλλά οι αριθμοί δεν απαντούν αξιόπιστα ποιες επενδύσεις οδηγούν στην πραγματικότητα την ανάπτυξη. Το ένστικτο είναι να αναζητήσετε ένα καλύτερο εργαλείο, ένα πιο έξυπνο μοντέλο ή ένα πιο ακριβές σύστημα απόδοσης. Αλλά οι οργανισμοί που λαμβάνουν σωστά τις μετρήσεις έχουν ξεπεράσει αυτό το ένστικτο.
Έχουν πάψει να αναζητούν μια μοναδική πηγή αλήθειας. Η πρόκληση της απόδοσης μάρκετινγκ είναι μέρος ενός ευρύτερου προβλήματος: τα σύγχρονα περιβάλλοντα μάρκετινγκ είναι πολύ περίπλοκα για μια μέθοδο να καλύπτει τα πάντα. Η ανακάλυψη συμβαίνει σε πάρα πολλές πλατφόρμες, τα ταξίδια των αγοραστών είναι πολύ κατακερματισμένα και οι αλλαγές απορρήτου έχουν διαβρώσει υπερβολικά μεγάλο σήμα για οποιοδήποτε εργαλείο δεν μπορεί να δώσει μια πλήρη εικόνα.
Αυτό που λειτουργεί αντί αυτού είναι μια πολυεπίπεδη προσέγγιση. Διαφορετικές μέθοδοι μέτρησης απαντούν σε διαφορετικές ερωτήσεις και οι οργανισμοί υψηλής ανάπτυξης τις συνδυάζουν σκόπιμα. Η μοντελοποίηση του μίγματος μάρκετινγκ καθοδηγεί τη στρατηγική κατανομή του προϋπολογισμού. Η επαυξητική δοκιμή επικυρώνει εάν μια συγκεκριμένη δραστηριότητα προκάλεσε ένα αποτέλεσμα. Τα δεδομένα πλατφόρμας χειρίζονται την καθημερινή βελτιστοποίηση καμπάνιας. Το καθένα παίζει έναν καθορισμένο ρόλο. Κανένα από αυτά δεν λειτουργεί ως αυτόνομη στρατηγική.
Αυτό είναι το δεύτερο κομμάτι μιας σειράς τριών μερών σχετικά με τη σύγχρονη μέτρηση μάρκετινγκ. Το πρώτο μέρος εξέτασε γιατί οι παραδοσιακές μετρήσεις, όπως η επισκεψιμότητα, οι ταξινομήσεις και η απόδοση διαφημιστικής επένδυσης (ROAS) γίνονται λιγότερο αξιόπιστες. Αυτό το κομμάτι καλύπτει τον τρόπο κατασκευής ενός συστήματος μέτρησης που υποστηρίζει πραγματικά τις αποφάσεις ανάπτυξης.
Γιατί καμία μεμονωμένη μέθοδος μέτρησης δεν λειτουργεί πια
Τα εργαλεία απόδοσης ψηφιακού μάρκετινγκ στα οποία βασίζονται οι περισσότερες ομάδες δημιουργήθηκαν για διαφορετικό περιβάλλον. Λειτουργούσαν καλά όταν οι διαδρομές των χρηστών ήταν σχετικά γραμμικές, τα cookie παρακολουθούνταν αξιόπιστα σε όλες τις περιόδους σύνδεσης και οι περισσότερες ανακαλύψεις έγιναν μέσω καναλιών που ήταν εύκολο να καταγραφούν. Αυτό το περιβάλλον έχει φύγει.
Σήμερα, ένας αγοραστής μπορεί να συναντήσει μια επωνυμία μέσω μιας απάντησης που δημιουργείται από την τεχνητή νοημοσύνη, να την ερευνήσει στο YouTube, να τη συζητήσει σε ένα νήμα προσωπικού μηνύματος και να πραγματοποιήσει μετατροπή μέσω μιας επώνυμης αναζήτησης τρεις εβδομάδες αργότερα. Το σύστημα απόδοσης πιστώνει το τελευταίο σημείο επαφής. Τα κανάλια που ουσιαστικά διαμόρφωσαν την απόφαση παίρνουν ελάχιστα ή καθόλου.
Αυτό είναι το βασικό δομικό πρόβλημα. Τα μοντέλα απόδοσης μάρκετινγκ έχουν σχεδιαστεί για να αποδίδουν πίστωση και όχι να καθορίζουν την αιτία. Ακόμη και οι εξελιγμένες προσεγγίσεις μάρκετινγκ απόδοσης πολλαπλής αφής λειτουργούν με τον ίδιο θεμελιώδη περιορισμό: μπορούν να δείξουν ποια σημεία επαφής προηγήθηκαν μιας μετατροπής, αλλά δεν μπορούν να αποδείξουν ότι η κατάργηση οποιουδήποτε από αυτά θα άλλαζε το αποτέλεσμα.
Αυτό που έχουν αναγνωρίσει οι οργανισμοί υψηλής ανάπτυξης είναι ότι διαφορετικά εργαλεία μέτρησης απαντούν σε διαφορετικές ερωτήσεις. Απαντήσεις στο μοντέλο απόδοσης: ποια σημεία επαφής υπήρχαν πριν από μια μετατροπή; Απαντήσεις μοντελοποίησης μιγμάτων μάρκετινγκ: πού είναι οι οριακές αποδόσεις ισχυρότερες μεταξύ των καναλιών με την πάροδο του χρόνου; Απαντήσεις στα τεστ επαύξησης: άλλαξε πραγματικά τα αποτελέσματα αυτή η συγκεκριμένη δραστηριότητα;
Κάθε ερώτηση έχει σημασία. Το καθένα απαιτεί διαφορετική προσέγγιση. Σύμφωνα με την έρευνα της NP Digital, το 90 τοις εκατό των επαγγελματιών μάρκετινγκ υψηλής ανάπτυξης δίνουν προτεραιότητα στις δοκιμές επαύξησης, το 61 τοις εκατό χρησιμοποιεί μοντελοποίηση απόδοσης και το 42 τοις εκατό χρησιμοποιεί μοντελοποίηση μείγματος μάρκετινγκ. Οι πιο αποτελεσματικές ομάδες χρησιμοποιούν και τις τρεις, σταθμισμένες με βάση την απόφαση που λαμβάνεται.
Η μοντελοποίηση μιγμάτων μάρκετινγκ ως στρατηγική καθοδήγηση
Η μοντελοποίηση μιγμάτων μάρκετινγκ, ή ΜΜΜ, ακολουθεί διαφορετική προσέγγιση στη μέτρηση από την απόδοση. Αντί να παρακολουθεί μεμονωμένα ταξίδια χρηστών, χρησιμοποιεί συγκεντρωτικά ιστορικά δεδομένα για να μοντελοποιήσει τη σχέση μεταξύ των δαπανών μάρκετινγκ και των επιχειρηματικών αποτελεσμάτων στα κανάλια με την πάροδο του χρόνου. Το αποτέλεσμα είναι μια άποψη οριακών αποδόσεων που δεν μπορούν να παρέχουν τα συστήματα απόδοσης.
Τα ΜΜΜ είναι πιο χρήσιμα για τον προσδιορισμό της θέσης κάθε πρόσθετου δολαρίου δαπανών σε έναΤο κανάλι παράγει φθίνουσες αποδόσεις. Ένα κανάλι που λειτουργεί με ισχυρή συνδυασμένη απόδοση διαφημιστικής επένδυσης (ROAS) μπορεί να φαίνεται αποτελεσματικό σε έναν πίνακα εργαλείων, ενώ το τελευταίο 30 τοις εκατό του προϋπολογισμού του δημιουργεί αμελητέα πρόσθετα έσοδα. Τα ΜΜΜ αναδεικνύουν αυτή την αναποτελεσματικότητα. Βοηθά επίσης στον εντοπισμό επιπτώσεων μεταξύ καναλιών, όπως ο τρόπος με τον οποίο η επένδυση βίντεο ή επωνυμίας ανάντη επηρεάζει τα ποσοστά μετατροπών στην πληρωμένη αναζήτηση κατάντη.
Για τη στρατηγική κατανομή προϋπολογισμού, αυτό καθιστά το MMM το πιο αξιόπιστο διαθέσιμο εργαλείο. Δεν απαιτεί παρακολούθηση σε επίπεδο χρήστη, πράγμα που σημαίνει ότι οι αλλαγές απορρήτου και η κατάργηση των cookie δεν διαβρώνουν την ακρίβειά του όπως κάνουν για την απόδοση. Οι τριμηνιαίες εκτελέσεις MMM μπορούν να βελτιώσουν σταθερά τις μακροπρόθεσμες αποφάσεις για τον προϋπολογισμό, ακόμη και όταν τα καθημερινά σήματα απόδοσης είναι θορυβώδη.
Τα ΜΜΜ έχουν πραγματικά όρια. Αγωνίζεται να ποσοτικοποιήσει με ακρίβεια τη δημιουργία επωνυμίας στην ανώτερη διοχέτευση, επειδή η υστέρηση μεταξύ μιας εμφάνισης επωνυμίας και μιας μετατροπής κατάντη είναι πολύ μεγάλη και πολύ έμμεση για να αποτυπωθεί καθαρά οι ιστορικές συσχετίσεις. Οι οργανισμοί που χρησιμοποιούν MMM για στρατηγική καθοδήγηση, ενώ το συμπληρώνουν με μελέτες παρακολούθησης επωνυμίας και αντίληψης, έχουν την πιο ολοκληρωμένη εικόνα.
Αύξηση δοκιμής ως αιτιώδης μηχανή
Εάν το ΜΜΜ παρέχει στρατηγική κατεύθυνση, η επαυξητική δοκιμή παρέχει αιτιώδη απόδειξη. Η ερώτηση που απαντά είναι συγκεκριμένη: θα είχε συμβεί αυτό το αποτέλεσμα εάν δεν είχε συμβεί αυτή η δραστηριότητα μάρκετινγκ; Αυτή είναι μια θεμελιωδώς διαφορετική ερώτηση από αυτό που ζητούν τα μοντέλα απόδοσης και η απάντηση είναι πολύ πιο χρήσιμη για να αποφασίσετε πού να επενδύσετε.
Οι πιο συνηθισμένες προσεγγίσεις αύξησης περιλαμβάνουν γεωγραφικά πειράματα, δοκιμές κράτησης και παύσεις καμπάνιας. Σε ένα γεωγραφικό πείραμα, οι αντιστοιχισμένες γεωγραφικές αγορές προσδιορίζονται και οι δαπάνες παρακρατούνται σε μια ομάδα ενώ διατηρούνται σε μια άλλη. Η διαφορά στα αποτελέσματα μεταξύ των δύο ομάδων απομονώνει την αιτιακή αύξηση από τη δραστηριότητα μάρκετινγκ. Τα τεστ Holdout εφαρμόζουν την ίδια λογική σε επίπεδο κοινού. Οι παύσεις της καμπάνιας, ενώ είναι πιο σκληρές, μπορούν επίσης να αποκαλύψουν εάν τα αποτελέσματα μειώνονται όταν σταματά η δαπάνη.
Για ομάδες που εκτελούν την απόδοση του Amazon ή άλλη μέτρηση βάσει αγοράς, η επαυξητική δοκιμή είναι ιδιαίτερα πολύτιμη, επειδή οι μετατροπές που αναφέρονται στην πλατφόρμα συχνά αντικατοπτρίζουν τη ζήτηση που υπήρχε ήδη και όχι τη ζήτηση της καμπάνιας που δημιουργήθηκε.
Η έρευνα NP Digital που παρακολουθεί τις σταδιακές έναντι των αποδιδόμενων μετατροπών στα κανάλια βρήκε σημαντικά κενά σχεδόν σε κάθε περίπτωση. Το Organic Social παρουσίασε 13 τοις εκατό σταδιακή αύξηση έναντι 3 τοις εκατό που αποδόθηκε ανύψωση. Τα κοινωνικά επί πληρωμή παρουσίασαν αυξητική αύξηση 17 τοις εκατό έναντι 24 τοις εκατό που αποδόθηκε, υποδηλώνοντας ότι η απόδοση υπερπίστωσε αυτό το κανάλι. Αυτά τα κενά επηρεάζουν άμεσα το πού πρέπει να πηγαίνει ο προϋπολογισμός και είναι αόρατα χωρίς δοκιμές προσαύξησης.
Η επαυξητική δοκιμή απαιτεί προγραμματισμό και καθαρά δεδομένα, αλλά δεν απαιτεί μεγάλο προϋπολογισμό. Ακόμη και ένα μεμονωμένο καλά σχεδιασμένο γεωγραφικό πλεονέκτημα σε ένα μεγάλο κανάλι παρέχει πιο αξιόπιστη εικόνα για την αιτιακή επίδραση από ό,τι μήνες αναφοράς απόδοσης.
Τα δεδομένα πλατφόρμας εξακολουθούν να έχουν σημασία, αλλά μόνο για βελτιστοποίηση
Οι πίνακες ελέγχου πλατφόρμας από την Google, το Meta και άλλες πλατφόρμες διαφημίσεων παραμένουν χρήσιμοι, αλλά ο ρόλος τους είναι πιο περιορισμένος από ό,τι τον αντιμετωπίζουν οι περισσότερες ομάδες. Τα τυφλά σημεία απόδοσης που είναι ενσωματωμένα στην αναφορά πλατφόρμας είναι δομικά, όχι τυχαία. Οι πλατφόρμες έχουν σχεδιαστεί για να βελτιστοποιούν την απόδοση της καμπάνιας στα δικά τους οικοσυστήματα. Δεν έχουν σχεδιαστεί για να σας πουν εάν αυτή η απόδοση άλλαξε την επιχείρησή σας.
Για καθημερινές αποφάσεις, τα δεδομένα πλατφόρμας είναι το σωστό εργαλείο. Ο ρυθμός δαπανών σε σχέση με τον προϋπολογισμό, η προσαρμογή των προσφορών με βάση τα σήματα απόδοσης, ο εντοπισμός της κόπωσης του δημιουργικού και η διάγνωση προβλημάτων προβολής βασίζονται σε μετρήσεις πλατφόρμας. Αυτές είναι επιχειρησιακές αποφάσεις και τα δεδομένα της πλατφόρμας τις χειρίζονται καλά.
Εκεί που τα δεδομένα της πλατφόρμας γίνονται αναξιόπιστα είναι οι στρατηγικές αποφάσεις. Οι αλγόριθμοι βελτιστοποιούνται προς τους χρήστες που είναι πιο πιθανό να πραγματοποιήσουν μετατροπή, πράγμα που σημαίνει ότι ευνοούν συστηματικά τη σύλληψη της ζήτησης έναντι της δημιουργίας ζήτησης. Ένας υψηλός αριθμός απόδοσης διαφημιστικής επένδυσης (ROAS) σε έναν πίνακα εργαλείων πλατφόρμας μπορεί να αντικατοπτρίζει έναν αποτελεσματικό αλγόριθμο και όχι ένα αποτελεσματικό μάρκετινγκ.
Σύμφωνα με την έρευνα της NP Digital, η κακή απόδοση κοστίζει στις μικρές επιχειρήσεις κατά μέσο όρο 19,4 τοις εκατό των δαπανών για διαφημίσεις, στις εταιρείες μεσαίας αγοράς το 11,5 τοις εκατό και στις εταιρικές επωνυμίες το 7,7 τοις εκατό. Αυτή η σπατάλη δαπάνη είναι σε μεγάλο βαθμό αόρατη στις αναφορές πλατφόρμας, επειδή οι πλατφόρμες δεν έχουν κίνητρο να τις εμφανίσουν.
Η πρακτική καθοδήγηση είναι να χρησιμοποιήσετε μετρήσεις πλατφόρμας για αυτό που είναι: τακτική διεύθυνση και όχι στρατηγική αλήθεια.
Η μέτρηση Pioneer–Settler–PlannerΜοντέλο
Η κατασκευή ενός πολυεπίπεδου συστήματος μέτρησης δεν είναι απλώς μια τεχνική πρόκληση. Είναι οργανωτικό. Υπάρχουν τρεις διακριτοί ρόλοι που χρειάζεται κάθε αποτελεσματικός οργανισμός μέτρησης: πρωτοπόροι, άποικοι και σχεδιαστές.
Οι πρωτοπόροι εργάζονται στα άκρα αυτού που είναι σήμερα μετρήσιμο. Διεξάγουν πειράματα αύξησης, χτίζουν αρχικά μοντέλα μείγματος μάρκετινγκ, δοκιμάζουν γεωγραφικές παραμέτρους και υποθέσεις δοκιμής πίεσης που μπορεί να μην ισχύουν πλέον. Η δουλειά τους είναι αβέβαιη από το σχεδιασμό. Οι πρωτοπόροι δεν προσφέρουν βεβαιότητα. δίνουν κατεύθυνση. Η διατήρησή τους στα ίδια πρότυπα στατιστικής εμπιστοσύνης με την επιχειρησιακή αναφορά θα σταματήσει αυτή την εργασία προτού παράγει αξία.
Οι άποικοι παίρνουν ό,τι προκύπτει από τον πειραματισμό και το μετατρέπουν σε επαναλαμβανόμενες διαδικασίες. Βελτιώνουν τα μοντέλα, περιορίζουν τις υποθέσεις και συνδέουν τις γνώσεις με τις αποφάσεις σχεδιασμού. Αυτό είναι όπου τα πρώτα ΜΜΜ ωριμάζουν σε βιβλία παιχνιδιού και όπου τα αποτελέσματα των δοκιμών προσαυξήσεων γίνονται πλαίσια που οι ομάδες μπορούν να εφαρμόζουν με συνέπεια. Οι έποικοι οικοδομούν εμπιστοσύνη μεταφράζοντας τις κατευθυντήριες πληροφορίες σε συστήματα που μπορούν πραγματικά να λειτουργήσουν.
Οι σχεδιαστές διατηρούν τις καθημερινές λειτουργίες σε λειτουργία. Βασίζονται σε δεδομένα πλατφόρμας, σήματα απόδοσης και μηχανικούς μετατροπών για τη διαχείριση των δαπανών σε πραγματικό χρόνο. Αυτό το στρώμα είναι απαραίτητο. χωρίς αυτό, η εκτέλεση καταρρέει. Αλλά δεν θα πρέπει να ζητηθεί από τους σχεδιαστές να εξηγήσουν τη μακροπρόθεσμη ανάπτυξη ή να διαγνώσουν δομικές αλλαγές στην απόδοση. Η εστίασή τους είναι η βελτιστοποίηση της απόδοσης εντός των περιορισμών καναλιού.
Ο τρόπος αποτυχίας στον οποίο εμπίπτουν οι περισσότεροι οργανισμοί είναι η εφαρμογή προτύπων βεβαιότητας σε επίπεδο σχεδιαστή σε εργασίες πρωτοποριακού επιπέδου. Η απαίτηση 95 τοις εκατό στατιστικής εμπιστοσύνης από πειράματα που χρειάζονται χρόνο για να αναπτυχθούν εγγυάται ότι δεν δημιουργείται τίποτα νέο. Ένα μοντέλο με 60 τοις εκατό αυτοπεποίθηση κατεύθυνσης, σε συνδυασμό με γρήγορη επανάληψη, ξεπερνά σταθερά μια τέλεια απάντηση που φτάνει ένα τέταρτο πολύ αργά.
Πώς οι εταιρείες υψηλής ανάπτυξης κατανέμουν τους πόρους μέτρησης
Οι πρακτικές μέτρησης παρακολούθησης της έρευνας NP Digital σε όλες τις καναδικές επωνυμίες βρήκαν σαφή διαχωρισμό μεταξύ των μεσαίων οργανισμών και των οργανισμών υψηλής ανάπτυξης. Οι μέσες ομάδες κατανέμουν περίπου το 65 τοις εκατό της επιρροής των μετρήσεων στους πίνακες εργαλείων της πλατφόρμας και το 25 τοις εκατό στα εργαλεία απόδοσης, αφήνοντας ελάχιστο χώρο για πιο στρατηγικές μεθόδους.
Οι μάρκες υψηλής ανάπτυξης με πάνω από 750.000 $ σε ετήσια επένδυση στα μέσα ενημέρωσης φαίνονται ουσιαστικά διαφορετικές. Η εξάρτηση του ταμπλό της πλατφόρμας πέφτει σε περίπου 45 τοις εκατό. Η χρήση του εργαλείου απόδοσης μειώνεται στο 15 τοις εκατό. Τα ΜΜΜ αυξάνονται από 5 τοις εκατό σε 20 τοις εκατό. Η επαυξητική δοκιμή φτάνει το 10 τοις εκατό και η εργασία βελτιστοποίησης της πρώιμης γενετικής αναζήτησης αντιπροσωπεύει ένα άλλο 10 τοις εκατό.
Αυτοί οι οργανισμοί δεν εγκαταλείπουν δεδομένα απόδοσης ή πλατφόρμας. Τα ξαναζυγίζουν. Η λογική είναι ξεκάθαρη: σε αγορές που αλλάζουν συνεχώς, χτίζετε τη δυνατότητα μέτρησης εκεί όπου συμβαίνει η αλλαγή, όχι εκεί όπου η εξοικείωση είναι ασφαλής. Ο στόχος όλων αυτών των μεθόδων είναι η κατευθυντική εμπιστοσύνη, που σημαίνει αρκετό σήμα για τη λήψη καλύτερων αποφάσεων για τον προϋπολογισμό γρηγορότερα, όχι η τέλεια βεβαιότητα που φτάνει μετά το κλείσιμο της ευκαιρίας.
Επτά βήματα για να εξελίξετε το σύστημα μέτρησής σας
Η ανοικοδόμηση ενός συστήματος μέτρησης δεν απαιτεί την αντικατάσταση όλων ταυτόχρονα. Οι οργανισμοί που το κάνουν καλά εξελίσσονται σταδιακά, προσθέτοντας δυνατότητες με τη σωστή σειρά αντί να επιχειρούν μια πλήρη αναθεώρηση.
Χαρτογραφήστε τις τρέχουσες εισόδους μέτρησής σας. Καταγράψτε κάθε εργαλείο και πηγή δεδομένων που χρησιμοποιεί η ομάδα σας και προσδιορίστε πού βρίσκεται το καθένα: δεδομένα επιχειρησιακής πλατφόρμας, μοντελοποίηση απόδοσης, MMM ή προσαύξηση. Οι περισσότερες ομάδες ανακαλύπτουν ότι είναι πολύ συγκεντρωμένες στα δύο πρώτα.
Προσδιορίστε τα κενά απόφασης. Να είστε ξεκάθαροι σε ποιες στρατηγικές ερωτήσεις δεν μπορεί να απαντήσει η τρέχουσα στοίβα σας. Η πρόκληση της απόδοσης μάρκετινγκ είναι πιο ορατή εδώ: πού παίρνετε αποφάσεις προϋπολογισμού με βάση τη συνδυασμένη απόδοση διαφημιστικής επένδυσης (ROAS) χωρίς ορατότητα σε οριακές αποδόσεις; Πού πιστώνετε κανάλια που μπορεί απλώς να καλύπτουν την υπάρχουσα ζήτηση;
Εισαγωγή βασικής μοντελοποίησης. Ακόμη και μια απλή τριμηνιαία εκτέλεση ΜΜΜ παρέχει περισσότερη στρατηγική κατεύθυνση από την απόδοση μόνο. Ξεκινήστε με τα κανάλια με τις υψηλότερες δαπάνες και τα επιχειρηματικά αποτελέσματα που συνδέονται άμεσα με τα έσοδα.
Εκτελέστε το πρώτο σας τεστ προσαύξησης. Διαλέξτε ένα σημαντικό κανάλι και σχεδιάστε μια δοκιμή geo holdout ή holdout κοινού. Ο στόχος δεν είναι η τελειότητα. χτίζει την οργανωτική ικανότητα και την άνεση με αυτόν τον τύπο μέτρησης.
Προσαρμόστε τις προσδοκίες διακυβέρνησης. Οι αναφορές απόδοσης δεν θα εξαφανιστούν από τις κριτικές ηγεσίας σε μια νύχτα. Τρέξιμο αη παράλληλη διαδρομή που εμφανίζει ευρήματα αύξησης και MMM παράλληλα με τα δεδομένα απόδοσης δημιουργεί εμπιστοσύνη στη νέα προσέγγιση χωρίς να απαιτείται πλήρης μετάβαση.
Χτίστε τις διαδικασίες σταδιακά. Οι έποικοι μετατρέπουν τα πρωτοποριακά πειράματα σε επαναλαμβανόμενες ροές εργασίας. Κάθε επαυξητική δοκιμή θα πρέπει να παράγει μια τεκμηριωμένη μεθοδολογία που κάνει την επόμενη ταχύτερη και φθηνότερη.
Αυξήστε τον ρυθμό λήψης αποφάσεων. Ένα από τα πλεονεκτήματα της κατευθυντικής αυτοπεποίθησης έναντι της τέλειας βεβαιότητας είναι η ταχύτητα. Οι εβδομαδιαίες προσαρμογές προϋπολογισμού με βάση τα σήματα αύξησης και τα αποτελέσματα MMM υπερβαίνουν τις τριμηνιαίες ανακατανομές με βάση τις αναφορές απόδοσης.
Συχνές ερωτήσεις
Τι είναι το Marketing Attribution;
Η απόδοση μάρκετινγκ είναι η διαδικασία εκχώρησης πίστωσης στα σημεία επαφής μάρκετινγκ που συνέβαλαν σε μια μετατροπή. Τα κοινά μοντέλα απόδοσης μάρκετινγκ περιλαμβάνουν την απόδοση τελευταίου κλικ, πρώτου κλικ, γραμμική και βάσει δεδομένων. Το καθένα εκχωρεί πίστωση διαφορετικά σε όλη τη διαδρομή του πελάτη. Το Attribution είναι πιο χρήσιμο για τη βελτιστοποίηση της απόδοσης της καμπάνιας εντός καναλιών, αλλά δεν μπορεί να καθορίσει εάν το μάρκετινγκ προκάλεσε επιχειρηματικό αποτέλεσμα.
Πώς μετράτε την απόδοση μάρκετινγκ;
Η απόδοση μετράται συνδέοντας δεδομένα μετατροπής στα σημεία επαφής που προηγήθηκαν, χρησιμοποιώντας pixel παρακολούθησης, παραμέτρους UTM και δεδομένα CRM για τη χαρτογράφηση της διαδρομής. Οι πλατφόρμες λογισμικού απόδοσης μάρκετινγκ αυτοματοποιούν αυτή τη διαδικασία και προσφέρουν διαφορετικά μοντέλα απόδοσης για να διαλέξετε. Ο βασικός περιορισμός που πρέπει να κατανοήσουμε είναι ότι όλες οι προσεγγίσεις απόδοσης αποδίδουν πίστωση με βάση τη συσχέτιση και όχι την αιτιότητα.
Ποιο είναι το καλύτερο λογισμικό για την παρακολούθηση της απόδοσης μάρκετινγκ;
Το καλύτερο λογισμικό απόδοσης μάρκετινγκ εξαρτάται από το επιχειρηματικό σας μοντέλο και τους στόχους μέτρησης. Το Google Analytics 4 και οι εγγενείς πίνακες ελέγχου πλατφόρμας χειρίζονται καλά τη βασική απόδοση. Εργαλεία όπως το Northbeam, το Triple Whale και το Rockerbox έχουν κατασκευαστεί για περιβάλλοντα άμεσης απόκρισης και ηλεκτρονικού εμπορίου. Για στρατηγικές αποφάσεις, το λογισμικό απόδοσης λειτουργεί καλύτερα όταν συνδυάζεται με δοκιμές MMM και επαυξήσεων αντί να χρησιμοποιείται μεμονωμένα.
{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Ερώτηση", "name": "Τι είναι η απόδοση μάρκετινγκ;", "acceptedAnswer": { "@type": "Απάντηση", "κείμενο": "Η απόδοση μάρκετινγκ είναι η διαδικασία εκχώρησης πίστωσης στα σημεία επαφής μάρκετινγκ που συνέβαλαν σε μια μετατροπή. Τα κοινά μοντέλα απόδοσης μάρκετινγκ περιλαμβάνουν απόδοση τελευταίου κλικ, πρώτου κλικ, γραμμική και βάσει δεδομένων. Καθένα εκχωρεί πίστωση διαφορετικά σε όλη τη διαδρομή του πελάτη. Η απόδοση είναι πιο χρήσιμη για τη βελτιστοποίηση της απόδοσης της καμπάνιας εντός καναλιών". } } , { "@type": "Ερώτηση", "name": "Πώς μετράτε την απόδοση μάρκετινγκ;", "acceptedAnswer": { "@type": "Απάντηση", "κείμενο": "Η απόδοση μετράται συνδέοντας δεδομένα μετατροπής στα σημεία επαφής που προηγήθηκαν, χρησιμοποιώντας pixel παρακολούθησης, παραμέτρους UTM και δεδομένα CRM για τη χαρτογράφηση της διαδρομής. Οι πλατφόρμες λογισμικού απόδοσης μάρκετινγκ αυτοματοποιούν αυτήν τη διαδικασία και προσφέρουν διαφορετικά μοντέλα απόδοσης για να διαλέξετε. Ο βασικός περιορισμός που πρέπει να κατανοήσετε είναι ότι όλες οι προσεγγίσεις απόδοσης αντιστοιχίζονται, όχι βάσει της πίστωσης." } } , { "@type": "Ερώτηση", "name": "Ποιο είναι το καλύτερο λογισμικό για την παρακολούθηση της απόδοσης μάρκετινγκ;", "acceptedAnswer": { "@type": "Απάντηση", "text": "Το καλύτερο λογισμικό απόδοσης μάρκετινγκ εξαρτάται από το επιχειρηματικό μοντέλο και τους στόχους μέτρησής σας. Το Google Analytics 4 και οι εγγενείς πίνακες ελέγχου της πλατφόρμας χειρίζονται καλά τη βασική απόδοση. Εργαλεία όπως το Northbeam, το Triple Whale και το Rockerbox έχουν δημιουργηθεί για περιβάλλοντα άμεσης απόκρισης και ηλεκτρονικού εμπορίου. Για στρατηγικές αποφάσεις, το λογισμικό απόδοσης λειτουργεί καλύτερα όταν χρησιμοποιείται σε δοκιμές δημιουργίας MMMol." } } ] }
Συμπέρασμα
Η πρόκληση της απόδοσης μάρκετινγκ δεν είναι ένα πρόβλημα που λύνει μόνο το καλύτερο λογισμικό. Είναι ένας δομικός περιορισμός του τι μπορεί να κάνει η απόδοση. Η εκχώρηση πίστωσης και η αιτιώδης απόδειξη είναι διαφορετικά πράγματα και η συγχώνευση τους οδηγεί σε αποφάσεις προϋπολογισμού που ευνοούν τη σύλληψη της ζήτησης έναντι της δημιουργίας ζήτησης.
Οργανισμοί υψηλής ανάπτυξης το έχουν αντιμετωπίσει δημιουργώντας πολυεπίπεδα συστήματα μέτρησης όπου κάθε εργαλείο παίζει έναν καθορισμένο ρόλο: δεδομένα πλατφόρμας για λειτουργική διεύθυνση, απόδοση για τακτικήσήματα, MMM για στρατηγική κατανομή και δοκιμές επαυξήσεων για αιτιώδη επικύρωση. Το επόμενο κομμάτι αυτής της σειράς εξετάζει πώς οι ηγέτες του μάρκετινγκ χρησιμοποιούν αυτά τα σήματα μαζί για να αποφασίσουν πού θα πάει το επόμενο δολάριο επένδυσης.
Εάν θέλετε να εμβαθύνετε στο πού καταρρέει η απόδοση προτού μεταβείτε σε αυτό το κομμάτι, αυτή η ανάλυση των τυφλών σημείων απόδοσης μάρκετινγκ καλύπτει λεπτομερώς τους συγκεκριμένους τρόπους αποτυχίας. Για μια ευρύτερη άποψη του τρόπου σύνδεσης της μέτρησης με τις αποφάσεις εσόδων, αυτός ο οδηγός για την απόδοση ψηφιακού μάρκετινγκ είναι μια χρήσιμη αναφορά.
