Key Takeaways
Mikään yksittäinen mittausmenetelmä ei voi vastata kaikkiin nykyaikaisten markkinointijohtajien kohtaamiin kysymyksiin. Useita työkaluja yhdistävä kerrospino on välttämätön.
Markkinoinnin attribuution haaste on rakenteellinen: se antaa arvoa kosketuspisteille, mutta se ei voi todistaa syy-yhteyttä. Se toimii parhaiten taktiseen optimointiin, ei strategisiin päätöksiin.
Markkinointimix-mallinnus tunnistaa marginaalisen tuoton ja kanavakylläisyyden, mikä auttaa ohjaamaan pitkän aikavälin budjetin allokointia.
Inkrementaalisuustestaus on luotettavin tapa määrittää, loiko markkinointitoiminta todella tuloksia sen sijaan, että se saisi jo olemassa olevan kysynnän.
Mittausryhmien järjestäminen pioneereiksi, uudisasukkaiksi ja suunnittelijoiksi varmistaa, että jokainen työtyyppi saa oikeat standardit ja päätöksentekonopeuden.
Useimmat markkinointijohtajat tietävät markkinoinnin vaikuttavuuden haasteen hyvin: sinulla on hallintapaneelit täynnä tietoa, mutta luvut eivät anna luotettavaa vastausta, mitkä investoinnit itse asiassa edistävät kasvua. Vaisto on etsiä parempaa työkalua, älykkäämpää mallia tai tarkempaa attribuutiojärjestelmää. Mutta organisaatiot, jotka saavat mittauksen oikein, ovat siirtyneet tämän vaiston ohi.
He ovat lakanneet etsimästä yhtä totuuden lähdettä. Markkinoinnin attribuution haaste on osa laajempaa ongelmaa: nykyaikaiset markkinointiympäristöt ovat liian monimutkaisia, jotta yksi menetelmä kattaisi kaiken. Löytöjä tapahtuu liian monella alustalla, ostajien matkat ovat liian hajanaisia ja tietosuojamuutokset ovat heikentäneet liian paljon signaalia, jotta yksittäinen työkalu ei pysty antamaan kokonaiskuvaa.
Sen sijaan toimii kerroksittainen lähestymistapa. Erilaiset mittausmenetelmät vastaavat erilaisiin kysymyksiin, ja nopeasti kasvavat organisaatiot yhdistävät niitä tietoisesti. Markkinointimix-mallinnus ohjaa strategista budjetin kohdentamista. Inkrementaalisuustestaus vahvistaa, aiheuttiko tietty toiminta tuloksen. Alustadata käsittelee päivittäisen kampanjan optimoinnin. Jokaisella on määritelty rooli. Mikään niistä ei toimi itsenäisenä strategiana.
Tämä on toinen kappale kolmiosaisesta modernia markkinoinnin mittaamista käsittelevästä sarjasta. Ensimmäisessä osassa tarkasteltiin, miksi perinteiset tiedot, kuten liikenne, sijoitukset ja mainostuotto, ovat yhä vähemmän luotettavia. Tässä artikkelissa kerrotaan, kuinka rakennetaan mittausjärjestelmä, joka todella tukee kasvupäätöksiä.
Miksi yksittäinen mittausmenetelmä ei enää toimi
Digitaalisen markkinoinnin attribuutiotyökalut, joihin useimmat tiimit luottavat, on rakennettu eri ympäristöön. Ne toimivat hyvin, kun käyttäjien matkat olivat suhteellisen lineaarisia, evästeitä seurattiin luotettavasti istuntojen välillä ja useimmat löydöt tapahtuivat kanavien kautta, jotka oli helppo kirjata. Se ympäristö on poissa.
Nykyään ostaja saattaa kohdata brändin tekoälyn luoman vastauksen kautta, tutkia sitä YouTubessa, keskustella siitä yksityisviestiketjussa ja muuttaa brändihaun kautta kolme viikkoa myöhemmin. Attribuutiojärjestelmä hyvittää viimeisen kosketuspisteen. Kanavat, jotka todellisuudessa muovasivat päätöksen, saavat vain vähän tai ei mitään.
Tämä on rakenteellisen ongelman ydin. Markkinoinnin attribuutiomallit on suunniteltu antamaan ansiota, ei määrittämään syytä. Jopa pitkälle kehitetyt multi-touch-attribuutiomarkkinointimenetelmät toimivat edelleen samojen perusrajoitusten puitteissa: ne voivat näyttää, mitkä kosketuspisteet edelsivät tulosta, mutta ne eivät voi todistaa, että minkä tahansa niistä poistaminen olisi muuttanut tulosta.
Nopeasti kasvavat organisaatiot ovat havainneet, että erilaiset mittaustyökalut vastaavat erilaisiin kysymyksiin. Attribuutiomallinnus vastaa: mitkä kosketuspisteet olivat olemassa ennen konversiota? Markkinointimixin mallinnuksen vastauksia: missä marginaalituotto on vahvin eri kanavien välillä ajan mittaan? Inkrementaalisuustestin vastaukset: muuttiko tämä tietty toiminta todella tuloksia?
Jokainen kysymys on tärkeä. Jokainen vaatii erilaista lähestymistapaa. NP Digitalin tutkimuksen mukaan 90 prosenttia nopeasti kasvavista markkinoijista asettaa etusijalle inkrementaalisuustestauksen, 61 prosenttia käyttää attribuutiomallinnusta ja 42 prosenttia markkinointimixin mallintamista. Tehokkaimmat joukkueet käyttävät kaikkia kolmea, painotettuna käsillä olevan päätöksen mukaan.
Markkinointimix-mallinnus strategisena ohjeena
Markkinointimix-mallinnus eli MMM käyttää mittaamiseen erilaista lähestymistapaa kuin attribuutio. Sen sijaan, että se seuraa yksittäisten käyttäjien reittejä, se käyttää koottua historiallista dataa mallintaakseen markkinointikulujen ja liiketoiminnan tulosten välistä suhdetta eri kanavissa ajan mittaan. Tuloksena on näkymä marginaalisista tuotoista, joita attribuutiojärjestelmät eivät voi tarjota.
MMM on hyödyllisin tunnistamaan, mihin kukin ylimääräinen dollari kuluttaa akanava tuottaa pienenevää tuottoa. Kanava, joka käyttää vahvaa yhdistettyä mainostuottoa, voi näyttää tehokkaalta hallintapaneelissa, kun taas viimeiset 30 prosenttia sen budjetista tuottavat mitätöntä lisätuloa. MMM paljastaa tämän tehottomuuden. Se auttaa myös tunnistamaan kanavien väliset vaikutukset, kuten kuinka video- tai brändisijoitukset vaikuttavat tulosprosentteihin maksullisessa haussa loppupäässä.
Tämä tekee MMM:stä luotettavimman saatavilla olevan työkalun strategiseen budjetin allokointiin. Se ei vaadi käyttäjätason seurantaa, mikä tarkoittaa, että tietosuojamuutokset ja evästeiden käytöstä poistaminen eivät heikennä sen tarkkuutta, kuten ne tekevät vaikuttavuuden osalta. Neljännesvuosittaiset MMM-ajot voivat jatkuvasti parantaa pitkän aikavälin budjettipäätöksiä, vaikka päivittäiset attribuutiosignaalit olisivat äänekkäitä.
MMM:llä on todelliset rajat. Sillä on vaikeuksia kvantifioida ylemmän suppilon brändin rakentamista tarkasti, koska viive brändin impression ja loppupään konversion välillä on liian pitkä ja liian epäsuora, jotta historialliset korrelaatiot saadaan selville. Organisaatiot, jotka käyttävät MMM:ää strategisessa ohjauksessa ja täydentävät sitä brändiseurannalla ja havaintotutkimuksilla, saavat täydellisen kuvan.
Inkrementaalisuustestaus syy-moottorina
Jos MMM tarjoaa strategisen suunnan, inkrementaalisuustestaus tarjoaa syy-selvityksen. Kysymys, johon se vastaa, on erityinen: olisiko tämä tulos tapahtunut, jos tätä markkinointitoimintaa ei olisi tapahtunut? Tämä on pohjimmiltaan eri kysymys kuin attribuutiomallit, ja vastaus on paljon hyödyllisempi päätettäessä, mihin sijoittaa.
Yleisimpiä inkrementaalisuusmenetelmiä ovat maantieteelliset kokeilut, pitotestit ja kampanjan keskeytykset. Maantieteellisessä kokeilussa tunnistetaan vastaavat maantieteelliset markkinat ja kulutus pidätetään yhdessä ryhmässä, kun taas toisessa ryhmässä säilytetään. Ero tulosten välillä näiden kahden ryhmän välillä eristää kausaalisen vaikutuksen markkinointitoiminnasta. Holdout-testit käyttävät samaa logiikkaa yleisötasolla. Vaikka kampanjan keskeytykset ovat karkeampia, ne voivat myös paljastaa, laskevatko tulokset, kun kulutus pysähtyy.
Inkrementaalisuustestaus on erityisen arvokasta tiimeille, jotka käyttävät Amazon-attribuutiota tai muuta markkinapaikkapohjaista mittausta, koska alustan raportoimat konversiot heijastavat usein jo olemassa olevaa kysyntää kampanjan luoman kysynnän sijaan.
NP Digital -tutkimus, joka seuraa kanavien välisiä lisätuloksia verrattuna ansioksi lueteltuihin konversioihin, löysi merkityksellisiä aukkoja lähes kaikissa tapauksissa. Orgaaninen sosiaalinen parannus osoitti 13 prosentin kasvua verrattuna 3 prosentin ansioksiin perustuvaan parannukseen. Maksullisen sosiaalisen median tulos parani 17 prosenttia verrattuna 24 prosentin ansioksi, mikä viittaa siihen, että vaikuttavuus ylisti kanavaa. Nämä aukot vaikuttavat suoraan siihen, mihin budjetin pitäisi mennä, ja ne ovat näkymättömiä ilman inkrementaalisuustestausta.
Inkrementaalisuustestaus vaatii suunnittelua ja puhdasta dataa, mutta se ei vaadi suurta budjettia. Jopa yksittäinen hyvin suunniteltu maantieteellinen rajoitus suurella kanavalla antaa luotettavamman käsityksen syy-vaikutuksista kuin kuukausien attribuutioraportointi.
Alustan tiedoilla on edelleen merkitystä, mutta vain optimointia varten
Googlen, Metan ja muiden mainosalustojen alustan hallintapaneelit ovat edelleen hyödyllisiä, mutta niiden rooli on suppeampi kuin useimmat tiimit käsittelevät sitä. Alustan raportointiin sisäänrakennetut attribuutiokuollut pisteet ovat rakenteellisia, eivät vahingossa. Alustat on suunniteltu optimoimaan kampanjoiden tehokkuutta omissa ekosysteemeissään. Niitä ei ole suunniteltu kertomaan, muuttiko tämä suorituskyky liiketoimintaasi.
Alustadata on oikea työkalu päivittäisiin päätöksiin. Kulutuksen tahdistaminen budjetin mukaan, hintatarjousten säätäminen tehokkuussignaalien perusteella, luovan väsymyksen tunnistaminen ja toimitusongelmien diagnosointi perustuvat alustamittareihin. Nämä ovat operatiivisia päätöksiä, ja alustadata käsittelee niitä hyvin.
Alustatietojen epäluotettavuus on strategisissa päätöksissä. Algoritmit optimoivat käyttäjiä, jotka todennäköisimmin konvertoivat, mikä tarkoittaa, että ne suosivat järjestelmällisesti kysynnän kaappausta kysynnän luomisen sijaan. Korkea ROAS-luku alustan hallintapaneelissa voi kuvastaa tehokasta algoritmia, ei tehokasta markkinointia.
NP Digitalin tutkimuksen mukaan huono vaikuttavuus maksaa pienyrityksille keskimäärin 19,4 prosenttia mainoskuluista, keskisuurille yrityksille 11,5 prosenttia ja yritysbrändeille 7,7 prosenttia. Tämä hukkaanmeno on suurelta osin näkymätön alustaraportoinnissa, koska alustoilla ei ole kannustinta tuoda sitä esiin.
Käytännön ohje on käyttää alustan mittareita siihen, mitä ne ovat: taktinen ohjaus, ei strateginen totuus.
Pioneer-Settler-Planner -mittausMalli
Kerrosmittausjärjestelmän rakentaminen ei ole vain tekninen haaste. Se on organisatorinen. Jokainen tehokas mittausorganisaatio tarvitsee kolme eri roolia: edelläkävijät, uudisasukkaat ja suunnittelijat.
Pioneerit työskentelevät tällä hetkellä mitattavan rajoilla. He suorittavat inkrementaalisuuskokeita, rakentavat alkuperäisiä markkinointimix-malleja, testaavat maantieteellisiä pitopaikkoja ja painetestioletuksia, jotka eivät ehkä enää päde. Heidän työnsä on suunnittelultaan epävarmaa. Pioneerit eivät tarjoa varmuutta; ne antavat suunnan. Niiden pitäminen samojen tilastollisen luottamuksen standardien mukaisesti kuin operatiivisessa raportoinnissa lopettaa tämän työn ennen kuin se tuottaa arvoa.
Uudisasukkaat ottavat sen, mitä kokeilussa syntyy, ja tekevät siitä toistettavia prosesseja. Ne tarkentavat malleja, kiristävät oletuksia ja yhdistävät oivalluksia suunnittelupäätöksiin. Täällä varhaiset MMM-työt kypsyvät pelikirjoiksi, ja inkrementaalisuustestien tuloksista tulee puitteita, joita tiimit voivat soveltaa johdonmukaisesti. Uudisasukkaat rakentavat luottamusta muuttamalla suuntaavaa tietoa järjestelmistä, joita voidaan todella käyttää.
Suunnittelijat pitävät päivittäisen toiminnan käynnissä. He luottavat alustatietoihin, attribuutiosignaaleihin ja konversiomekaniikkoihin hallitakseen kulutusta reaaliajassa. Tämä kerros on välttämätön; ilman sitä toteutus hajoaa. Mutta suunnittelijoita ei pitäisi pyytää selittämään pitkän aikavälin kasvua tai diagnosoimaan suorituskyvyn rakenteellisia muutoksia. Niiden painopiste on tehokkuuden optimoinnissa kanavarajoitusten puitteissa.
Vikatila, johon useimmat organisaatiot joutuvat, on suunnittelijatason varmuuden standardien soveltaminen pioneeritason työhön. 95 prosentin tilastollisen luottamuksen vaatiminen kokeista, jotka vaativat aikaa kehittääkseen, takaa, ettei mitään uutta rakenneta. Malli, jossa on 60 prosentin suuntaluottamus yhdistettynä nopeaan iteraatioon, ylittää jatkuvasti täydellisen vastauksen, joka saapuu neljänneksen liian myöhään.
Kuinka nopeasti kasvavat yritykset jakavat mittausresursseja
NP Digital -tutkimuksen seurantamittauskäytännöt kanadalaisten tuotemerkkien välillä havaitsivat selkeän eron keskimääräisten ja nopeasti kasvavien organisaatioiden välillä. Keskimääräiset tiimit kohdistavat noin 65 prosenttia mittausvaikutuksestaan alustan koontipaneeleille ja 25 prosenttia attribuutiotyökaluille, joten strategisemmille menetelmille jää vain vähän tilaa.
Nopeasti kasvavat brändit, joiden vuosittaiset mediasijoitukset ovat yli 750 000 dollaria, näyttävät merkittävästi erilaisilta. Alustan kojelaudan riippuvuus putoaa noin 45 prosenttiin. Attribuutiotyökalun käyttö laskee 15 prosenttiin. MMM kasvaa 5 prosentista 20 prosenttiin. Inkrementaalisuustestaus saavuttaa 10 prosenttia, ja varhaisen generatiivisen hakuoptimoinnin osuus on vielä 10 prosenttia.
Nämä organisaatiot eivät hylkää vaikuttavuutta tai alustatietoja. He painottavat niitä uudelleen. Logiikka on suoraviivainen: markkinoilla, jotka muuttuvat jatkuvasti, rakennat mittauskykyä sinne, missä muutosta tapahtuu, ei siellä, missä tuttuus tuntuu turvalliselta. Tavoitteena kaikissa näissä menetelmissä on suuntaluottamus, mikä tarkoittaa riittävää signaalia parempien budjettipäätösten tekemiseen nopeammin, ei täydellistä varmuutta, joka saavutetaan tilaisuuden sulkeuduttua.
Seitsemän askelta kehittää mittausjärjestelmäsi
Mittausjärjestelmän uudelleen rakentaminen ei vaadi kaikkea vaihtamista kerralla. Organisaatiot, jotka tekevät tämän hyvin, kehittyvät vähitellen ja lisäävät valmiuksia oikeassa järjestyksessä sen sijaan, että yrittäisivät tehdä täydellistä uudistusta.
Kartoita nykyiset mittaustulot. Luettele kaikki tiimisi käyttämät työkalut ja tietolähteet ja määritä, missä kukin niistä sijaitsee: toimintaympäristötiedot, attribuutiomallinnus, MMM tai inkrementaalisuus. Useimmat joukkueet huomaavat keskittyneensä voimakkaasti kahteen ensimmäiseen.
Tunnista päätöksen puutteet. Kerro selkeästi, mihin strategisiin kysymyksiin nykyinen pinosi ei voi vastata. Markkinoinnin attribuution haaste näkyy parhaiten täällä: missä teet budjettipäätöksiä yhdistettyyn mainostuottoon ilman näkyvyyttä marginaalituottoihin? Missä annat hyvityksiä kanaville, jotka saattavat vain vangita nykyistä kysyntää?
Esittele perusmallinnus. Jopa yksinkertainen neljännesvuosittainen MMM-ajo antaa strategisemman suunnan kuin pelkkä vaikuttavuus. Aloita eniten kuluttavista kanavistasi ja liiketuloksista, jotka ovat suorimmin sidoksissa tuloihin.
Suorita ensimmäinen inkrementaalisuustesti. Valitse yksi tärkeä kanava ja suunnittele geo holdout tai holdout yleisötesti. Tavoitteena ei ole täydellisyys; se rakentaa organisaatiokykyä ja mukavuutta tämäntyyppisellä mittauksella.
Mukauta hallinnon odotuksia. Attribuutioraportit eivät katoa johtajien arvioinneista yhdessä yössä. Juoksemassa arinnakkainen raita, joka näyttää inkrementaalisuuden ja MMM-havainnot attribuutiotietojen rinnalla, lisää luottamusta uuteen lähestymistapaan ilman täydellistä siirtymistä.
Rakenna prosesseja asteittain. Uudisasukkaat muuttavat pioneerikokeilut toistettaviksi työnkulkuiksi. Jokaisen inkrementaalisuustestin tulee tuottaa dokumentoitu menetelmä, joka tekee seuraavasta nopeamman ja halvemman.
Lisää päätöksentekotiheyttä. Yksi suuntavarmuuden eduista täydelliseen varmuuteen verrattuna on nopeus. Inkrementaalisuussignaaleihin ja MMM-tuloksiin perustuvat viikoittaiset budjetin oikaisut ovat tehokkaampia kuin attribuutioraporttiin perustuvat neljännesvuosittaiset uudelleenjakotoimet.
UKK
Mikä on markkinoinnin vaikuttavuus?
Markkinoinnin attribuutio on prosessi, jossa ansiota annetaan konversioon vaikuttaneille markkinoinnin kosketuspisteille. Yleisiä markkinoinnin attribuutiomalleja ovat viimeinen klikkaus, ensimmäinen klikkaus, lineaarinen ja tietoihin perustuva attribuutio. Jokainen antaa luottoa eri tavalla asiakaspolun aikana. Attribuutio on hyödyllisin kampanjan tehokkuuden optimoinnissa kanavien sisällä, mutta se ei voi määrittää, onko markkinointi aiheuttanut liiketoimintaa.
Kuinka mittaat markkinoinnin vaikuttavuutta?
Attribuutio mitataan yhdistämällä tulostiedot sitä edeltäneisiin kosketuspisteisiin käyttämällä seurantapikseleitä, UTM-parametreja ja CRM-tietoja polun kartoittamiseen. Markkinoinnin attribuutioohjelmistoalustat automatisoivat tämän prosessin ja tarjoavat erilaisia attribuutiomalleja, joista valita. Ymmärryksessä tärkein rajoitus on se, että kaikki attribuutiomenetelmät antavat ansioksi korrelaation, ei kausaalin.
Mikä on paras ohjelmisto markkinoinnin vaikuttavuuden seurantaan?
Paras markkinoinnin attribuutioohjelmisto riippuu liiketoimintamallistasi ja mittaustavoitteistasi. Google Analytics 4 ja alustan omat hallintapaneelit käsittelevät perusattribuutiota hyvin. Työkalut, kuten Northbeam, Triple Whale ja Rockerbox, on suunniteltu suoravastaus- ja verkkokauppakonteksteihin. Strategisissa päätöksissä attribuutioohjelmisto toimii parhaiten yhdistettynä MMM:n ja inkrementaalisuustestauksen kanssa sen sijaan, että sitä käytettäisiin erikseen.
{ "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Kysymys", "name": "Mitä markkinoinnin vaikuttavuus on?", "acceptedAnswer": { "@type": "Vastaus", "text": "Markkinoinnin attribuutio on prosessi, jossa määritetään ansiota konversion johtaneille markkinoinnin kosketuspisteille. Yleisiä markkinoinnin attribuutiomalleja ovat viimeinen klikkaus, ensimmäinen klikkaus, lineaarinen ja dataan perustuva attribuutio. Kukin määrittää ansiot eri tavalla koko asiakaspolun ajan. Attribuutio on hyödyllisin kampanjan tehokkuuden optimoinnissa kanavien sisällä, mutta se ei voi määrittää, onko markkinointi aiheuttanut liiketoimintaa." } } , { "@type": "Kysymys", "name": "Kuinka mittaat markkinoinnin vaikuttavuutta?", "acceptedAnswer": { "@type": "Vastaus", "teksti": "Attribuutio mitataan yhdistämällä tulostiedot sitä edeltäneisiin kosketuspisteisiin käyttämällä seurantapikseleitä, UTM-parametreja ja CRM-tietoja polun kartoittamiseen. Markkinoinnin attribuutioohjelmistoalustat automatisoivat tämän prosessin ja tarjoavat erilaisia attribuutiomalleja, joista valita. Tärkein rajoitus on ymmärtää, että kaikki attribuutiomenetelmät antavat ansiot korrelaation, ei syy-seuraussuhteen perusteella." } } , { "@type": "Kysymys", "name": "Mikä on paras ohjelmisto markkinoinnin vaikuttavuuden seurantaan?", "acceptedAnswer": { "@type": "Vastaus", "text": "Paras markkinoinnin attribuutioohjelmisto riippuu liiketoimintamallistasi ja mittaustavoitteistasi. Google Analytics 4 ja alustan omat hallintapaneelit käsittelevät perusattribuutiota hyvin. Työkalut, kuten Northbeam, Triple Whale ja Rockerbox, on suunniteltu suoravastaus- ja verkkokauppakonteksteihin. Strategisissa päätöksissä attribuutioohjelmisto toimii parhaiten, kun niitä käytetään MMM:n testaamisen ja testauksen kanssa." } } ] }
Johtopäätös
Markkinoinnin vaikuttavuuden haaste ei ole ongelma, jonka parempi ohjelmisto yksin ratkaisee. Se on rakenteellinen rajoitus sille, mitä attribuutio voi tehdä. Luottomääräys ja syy-selvitys ovat eri asioita, ja niiden yhdistäminen johtaa budjettipäätöksiin, jotka suosivat kysynnän sieppaamista kysynnän luomisen sijaan.
Nopeasti kasvavat organisaatiot ovat puuttuneet tähän rakentamalla kerrosmittausjärjestelmiä, joissa jokaisella työkalulla on määritelty rooli: alustatiedot toiminnan ohjaamiseen, attribuutio taktiseen ohjaukseen.signaalit, MMM strategista allokointia varten ja inkrementaalisuustestaus kausaalista validointia varten. Tämän sarjan seuraavassa kappaleessa tarkastellaan, kuinka markkinointijohtajat käyttävät näitä signaaleja yhdessä päättääkseen, mihin seuraavan investointidollarin pitäisi mennä.
Jos haluat mennä syvemmälle siihen, missä attribuutio hajoaa, ennen kuin siirryt kyseiseen osaan, tämä markkinoinnin ansioksi lukemisen kuolleiden kulmien erittely kattaa yksityiskohtaisesti tietyt vikatilat. Tämä digitaalisen markkinoinnin attribuutioopas on hyödyllinen viite, jotta saat laajemman kuvan siitä, miten mittaus voidaan yhdistää tulopäätöksiin.
