Ključni zaključki
Nobena posamezna merilna metoda ne more odgovoriti na vsa vprašanja, s katerimi se srečujejo sodobni voditelji trženja. Potreben je večplastni sklad, ki združuje več orodij.
Izziv trženjskega dodeljevanja je strukturen: pripisuje zasluge stičnim točkam, ne more pa dokazati vzročnosti. Najbolje deluje pri taktični optimizaciji, ne pri strateških odločitvah.
Modeliranje mešanice trženja identificira mejne donose in zasičenost kanala, kar pomaga pri dolgoročni razporeditvi proračuna.
Inkrementalno testiranje je najbolj zanesljiv način za ugotavljanje, ali je marketinška dejavnost dejansko ustvarila rezultate, namesto da bi zajela povpraševanje, ki je že obstajalo.
Organiziranje merilnih skupin v pionirje, naseljence in načrtovalce zagotavlja, da vsaka vrsta dela dobi prave standarde in hitrost odločanja.
Večina vodij trženja dobro pozna izziv trženjskega dodeljevanja: imate nadzorne plošče, polne podatkov, vendar številke ne dajejo zanesljivega odgovora, katere naložbe dejansko spodbujajo rast. Instinkt je iskanje boljšega orodja, pametnejšega modela ali natančnejšega sistema dodeljevanja. Toda organizacije, ki merijo pravilno, so presegle ta instinkt.
Nehali so iskati en sam vir resnice. Izziv trženjskega dodeljevanja je del širšega problema: sodobna marketinška okolja so preveč zapletena, da bi ena metoda pokrila vse. Odkritja se dogajajo na preveč platformah, poti kupcev so preveč razdrobljene, spremembe zasebnosti pa so oslabile preveč signala, da bi posamezno orodje dalo popolno sliko.
Namesto tega deluje večplastni pristop. Različne metode merjenja odgovarjajo na različna vprašanja, hitro rastoče organizacije pa jih namerno kombinirajo. Modeliranje marketinškega spleta usmerja strateško razporejanje proračuna. Inkrementalno testiranje potrdi, ali je določena dejavnost povzročila rezultat. Podatki platforme skrbijo za vsakodnevno optimizacijo oglaševalske akcije. Vsak igra določeno vlogo. Nobena od njih ne deluje kot samostojna strategija.
To je drugi članek v tridelni seriji o sodobnem trženjskem merjenju. Prvi del je preučil, zakaj postajajo tradicionalne meritve, kot so promet, uvrstitve in ROAS, manj zanesljive. Ta del pokriva, kako zgraditi merilni sistem, ki dejansko podpira odločitve o rasti.
Zakaj nobena posamezna merilna metoda ne deluje več
Orodja za dodeljevanje digitalnega trženja, na katera se zanaša večina ekip, so bila izdelana za drugačno okolje. Delovali so dobro, ko so bila potovanja uporabnikov razmeroma linearna, piškotki zanesljivo sledeni med sejami in večina odkritij se je zgodila prek kanalov, ki jih je bilo enostavno zabeležiti. Tega okolja ni več.
Danes lahko kupec naleti na blagovno znamko prek odgovora, ki ga ustvari umetna inteligenca, jo razišče na YouTubu, o njej razpravlja v niti zasebnih sporočil in tri tedne pozneje izvede konverzijo z iskanjem blagovne znamke. Sistem dodeljevanja pripiše zadnjo stično točko. Kanali, ki so dejansko oblikovali odločitev, dobijo malo ali nič.
To je temeljni strukturni problem. Modeli trženjskega dodeljevanja so zasnovani za pripisovanje zaslug, ne za ugotavljanje vzroka. Celo sofisticirani pristopi trženja dodeljevanja z več dotiki še vedno delujejo znotraj iste temeljne omejitve: lahko pokažejo, katere stične točke so bile pred konverzijo, vendar ne morejo dokazati, da bi odstranitev katere koli od njih spremenila rezultat.
Hitro rastoče organizacije so ugotovile, da različna merilna orodja odgovarjajo na različna vprašanja. Odgovori modela dodeljevanja: katere stične točke so bile prisotne pred konverzijo? Modeliranje mešanice trženja odgovarja: kje so mejni donosi najmočnejši po kanalih skozi čas? Inkrementalno testiranje odgovori: ali je ta posebna dejavnost dejansko spremenila rezultate?
Vsako vprašanje je pomembno. Vsak zahteva drugačen pristop. Po raziskavi NP Digital 90 odstotkov hitro rastočih tržnikov daje prednost testiranju inkrementalnosti, 61 odstotkov jih uporablja modeliranje dodeljevanja in 42 odstotkov uporablja modeliranje mešanice trženja. Najučinkovitejše ekipe uporabljajo vse tri, ponderirane glede na trenutno odločitev.
Modeliranje marketinškega spleta kot strateško vodilo
Modeliranje trženjskih mešanic ali MMM uporablja drugačen pristop k merjenju kot pripisovanje. Namesto sledenja poti posameznih uporabnikov uporablja združene zgodovinske podatke za modeliranje razmerja med porabo za trženje in poslovnimi rezultati v različnih kanalih skozi čas. Rezultat je pogled na mejne donose, ki jih sistemi dodeljevanja ne morejo zagotoviti.
MMM je najbolj uporaben za ugotavljanje, kje je vsak dodatni dolar porabe v akanal ustvarja vse manjše donose. Kanal, ki deluje z močnim mešanim ROAS-om, je morda videti učinkovit na nadzorni plošči, medtem ko zadnjih 30 odstotkov njegovega proračuna ustvarja zanemarljive prirastne prihodke. MMM odkriva to neučinkovitost. Pomaga tudi prepoznati medkanalne učinke, na primer, kako videoposnetek ali naložba v blagovno znamko navzgor vpliva na stopnjo konverzije v plačanem iskanju na nižji stopnji.
Za strateško razdeljevanje proračuna je MMM najbolj zanesljivo razpoložljivo orodje. Ne zahteva sledenja na ravni uporabnika, kar pomeni, da spremembe zasebnosti in opustitev piškotkov ne zmanjšajo njegove natančnosti, kot to storijo pri dodeljevanju. Četrtletni prikazi MMM lahko dosledno izboljšajo dolgoročne proračunske odločitve, tudi če so vsakodnevni signali dodeljevanja šumni.
MMM ima prave meje. Težko je natančno kvantificirati gradnjo blagovne znamke v zgornjem toku, ker je zamik med vtisom blagovne znamke in konverzijo na nižji stopnji predolg in preveč posreden, da bi ga zgodovinske korelacije lahko čisto zajele. Organizacije, ki uporabljajo MMM za strateško vodenje, medtem ko ga dopolnjujejo s sledenjem blagovnim znamkam in študijami zaznavanja, dobijo najbolj popolno sliko.
Inkrementalno testiranje kot vzročni motor
Če MMM zagotavlja strateško usmeritev, testiranje inkrementalnosti zagotavlja vzročni dokaz. Vprašanje, na katerega odgovarja, je specifično: ali bi se ta rezultat zgodil, če te tržne dejavnosti ne bi bilo? To je bistveno drugačno vprašanje od tistega, kar postavljajo modeli dodeljevanja, in odgovor je veliko bolj uporaben pri odločanju, kam investirati.
Najpogostejši stopenjski pristopi vključujejo geografske poskuse, teste zadrževanja in prekinitve oglaševalskih akcij. V geografskem poskusu se identificirajo ujemajoči se geografski trgi in poraba se v eni skupini zadrži, v drugi pa ohrani. Razlika v rezultatih med obema skupinama izolira vzročni dvig od marketinške dejavnosti. Preizkusi vzdržljivosti uporabljajo isto logiko na ravni občinstva. Premori oglaševalskih akcij, čeprav so bolj grobi, lahko razkrijejo tudi, ali rezultati upadejo, ko se poraba ustavi.
Za ekipe, ki izvajajo atribucijo Amazon ali druge meritve, ki temeljijo na trgu, je testiranje inkrementalnosti še posebej dragoceno, ker konverzije, o katerih poroča platforma, pogosto odražajo povpraševanje, ki je že obstajalo, in ne povpraševanje, ki ga je ustvarila kampanja.
NP Digital raziskave, ki sledijo inkrementalnim konverzijam v primerjavi s pripisanimi konverzijami po kanalih, so v skoraj vseh primerih odkrile pomembne vrzeli. Organsko družabno oglaševanje je pokazalo 13-odstotno povečanje v primerjavi s 3-odstotnim pripisanim dvigom. Plačano družabno omrežje je pokazalo 17-odstotno inkrementalno povečanje v primerjavi s pripisanimi 24 odstotki, kar nakazuje, da je pripisovanje temu kanalu pripisalo preveč kreditov. Te vrzeli neposredno vplivajo na to, kam mora biti namenjen proračun, in so nevidne brez postopnega testiranja.
Inkrementalno testiranje zahteva načrtovanje in čiste podatke, vendar ne zahteva velikega proračuna. Celo en sam dobro zasnovan geografski zadržek na glavnem kanalu zagotavlja zanesljivejši vpogled v vzročni učinek kot večmesečno poročanje o pripisovanju.
Podatki o platformi so še vedno pomembni, vendar le za optimizacijo
Nadzorne plošče platform iz Googla, Mete in drugih oglasnih platform ostajajo uporabne, vendar je njihova vloga ožja, kot si jo predstavlja večina ekip. Slepe pege dodeljevanja, vgrajene v poročanje platforme, so strukturne in ne naključne. Platforme so zasnovane tako, da optimizirajo uspešnost oglaševalskih akcij znotraj lastnih ekosistemov. Niso oblikovani, da bi vam povedali, ali je ta uspešnost spremenila vaše podjetje.
Za vsakodnevne odločitve so podatki platforme pravo orodje. Uravnavanje porabe glede na proračun, prilagajanje ponudb na podlagi signalov uspešnosti, prepoznavanje kreativne utrujenosti in diagnosticiranje težav z dostavo se zanašajo na meritve platforme. To so operativne odločitve in podatki platforme jih dobro obravnavajo.
Podatki o platformi postanejo nezanesljivi pri strateških odločitvah. Algoritmi optimizirajo uporabnike, ki bodo najverjetneje izvedli konverzijo, kar pomeni, da sistematično dajejo prednost zajemanju povpraševanja namesto ustvarjanju povpraševanja. Visok ROAS na nadzorni plošči platforme lahko odraža učinkovit algoritem, ne pa učinkovitega trženja.
Po raziskavi NP Digital slaba atribucija stane mala podjetja v povprečju 19,4 odstotka oglaševalske porabe, podjetja srednjega trga 11,5 odstotka in poslovne blagovne znamke 7,7 odstotka. Ta zapravljena poraba je večinoma nevidna v poročanju platforme, ker platforme nimajo spodbude, da bi to objavile.
Praktične smernice so, da meritve platforme uporabite za to, kar so: taktično krmiljenje, ne strateška resnica.
Merjenje Pioneer–Settler–PlanerModel
Izgradnja večplastnega merilnega sistema ni samo tehnični izziv. Je organizacijska. Obstajajo tri različne vloge, ki jih potrebuje vsaka učinkovita merilna organizacija: pionirji, naseljenci in načrtovalci.
Pionirji delajo na robu tega, kar je trenutno merljivo. Izvajajo poskuse postopne rasti, gradijo začetne modele trženjskih mešanic, preizkušajo geografske zadržke in predpostavke o pritiskih, ki morda ne držijo več. Njihovo delo je načrtno negotovo. Pionirji ne prinašajo gotovosti; dajejo smer. Če bodo zanje veljali enaki standardi statističnega zaupanja kot za operativno poročanje, se bo to delo ustavilo, preden bo ustvarilo vrednost.
Naseljenci vzamejo tisto, kar izhaja iz eksperimentiranja, in to spremenijo v ponovljive procese. Izboljšujejo modele, poostrijo predpostavke in povezujejo vpoglede nazaj v načrtovalske odločitve. Tu zgodnji zagoni MMM dozorijo v priročnike in kjer rezultati testov postopnosti postanejo okviri, ki jih lahko ekipe dosledno uporabljajo. Naseljenci gradijo zaupanje s prevajanjem usmerjenega vpogleda v sisteme, ki jih je dejansko mogoče zagnati.
Načrtovalci skrbijo za tekoče dnevne operacije. Za upravljanje porabe v realnem času se zanašajo na podatke o platformi, signale dodeljevanja in mehanike konverzije. Ta plast je potrebna; brez tega izvedba odpade. Vendar od načrtovalcev ne bi smeli zahtevati, da pojasnijo dolgoročno rast ali diagnosticirajo strukturne premike v uspešnosti. Njihov fokus je optimizacija učinkovitosti znotraj omejitev kanala.
Način neuspeha, v katerega zapade večina organizacij, je uporaba standardov gotovosti na ravni načrtovalca za delo na ravni pionirja. Zahteva po 95-odstotni statistični zanesljivosti poskusov, ki potrebujejo čas za razvoj, zagotavlja, da ne bo ustvarjeno nič novega. Model s 60-odstotno usmeritveno zanesljivostjo, skupaj s hitro iteracijo, dosledno prekaša popoln odgovor, ki prispe četrtino prepozno.
Kako hitro rastoča podjetja razporejajo vire za merjenje
Prakse merjenja sledenja digitalnih raziskav NP med kanadskimi blagovnimi znamkami so odkrile jasno ločnico med povprečnimi organizacijami in tistimi z visoko rastjo. Povprečne ekipe dodelijo približno 65 odstotkov svojega vpliva merjenja nadzornim ploščam platforme in 25 odstotkov orodjem za dodeljevanje, pri čemer ostane malo prostora za bolj strateške metode.
Hitro rastoče blagovne znamke z več kot 750.000 $ letnih medijskih naložb izgledajo bistveno drugače. Zanašanje na nadzorno ploščo platforme pade na približno 45 odstotkov. Uporaba orodja za dodeljevanje se zmanjša na 15 odstotkov. MMM raste s 5 odstotkov na 20 odstotkov. Inkrementalno testiranje doseže 10 odstotkov, zgodnje generativno optimizacijo iskanja pa še 10 odstotkov.
Te organizacije ne opuščajo podatkov o dodeljevanju ali platformi. Ponovno jih tehtajo. Logika je preprosta: na trgih, ki se nenehno spreminjajo, gradite merilne zmogljivosti tam, kjer se spremembe dogajajo, ne tam, kjer se vam domačnost zdi varna. Cilj vseh teh metod je usmerjeno zaupanje, kar pomeni dovolj signala za hitrejše sprejemanje boljših proračunskih odločitev, ne pa popolna gotovost, ki nastopi, ko je priložnost zaprta.
Sedem korakov za razvoj vašega merilnega sistema
Ponovna izgradnja merilnega sistema ne zahteva zamenjave vsega naenkrat. Organizacije, ki to počnejo dobro, se razvijajo postopoma in dodajajo zmogljivosti v pravem vrstnem redu, namesto da bi poskušale popolno prenovo.
Preslikajte svoje trenutne merilne vnose. Navedite vsa orodja in vire podatkov, ki jih uporablja vaša ekipa, in ugotovite, kje se nahajajo: podatki o operativni platformi, modeliranje dodeljevanja, MMM ali inkrementalnost. Večina ekip odkrije, da so močno osredotočene na prva dva.
Ugotovite vrzeli pri odločanju. Jasno navedite, na katera strateška vprašanja vaš trenutni sklad ne more odgovoriti. Izziv trženjskega dodeljevanja je najbolj viden tukaj: kje sprejemate proračunske odločitve na podlagi mešanega ROAS-a brez vpogleda v mejne donose? Kje pripisujete kanalom, ki morda le zajemajo obstoječe povpraševanje?
Predstavite osnovno modeliranje. Tudi preprosto četrtletno izvajanje MMM zagotavlja bolj strateško usmeritev kot samo pripisovanje. Začnite s kanali z največjo porabo in poslovnimi rezultati, ki so najbolj neposredno povezani s prihodki.
Zaženite svoj prvi inkrementalni test. Izberite en glavni kanal in oblikujte test geografskega zadrževanja ali test občinstva za zadrževanje. Cilj ni popolnost; s to vrsto meritev gradi organizacijsko sposobnost in udobje.
Prilagodite pričakovanja upravljanja. Poročila o pripisovanju ne bodo čez noč izginila iz pregledov vodstva. Tek avzporedna sled, ki prikazuje inkrementalnost in ugotovitve MMM poleg podatkov o atribuciji, gradi zaupanje v nov pristop, ne da bi zahteval popoln prehod.
Gradite procese postopoma. Settlers spremenijo pionirske poskuse v ponovljive poteke dela. Vsak inkrementalni test bi moral ustvariti dokumentirano metodologijo, ki naredi naslednjega hitrejšega in cenejšega.
Povečajte kadenco odločanja. Ena od prednosti smernega zaupanja pred popolno gotovostjo je hitrost. Tedenske prilagoditve proračuna na podlagi signalov inkrementalnosti in rezultatov MMM presegajo četrtletne prerazporeditve na podlagi poročil o dodeljevanju.
pogosta vprašanja
Kaj je marketinško dodeljevanje?
Trženjsko dodeljevanje je postopek dodeljevanja zaslug tržnim stičnim točkam, ki so prispevale k konverziji. Pogosti modeli trženjskega dodeljevanja vključujejo dodeljevanje zadnjega klika, prvega klika, linearno dodeljevanje in dodeljevanje na podlagi podatkov. Vsak drugače dodeljuje kredite na poti stranke. Dodeljevanje je najbolj uporabno za optimizacijo uspešnosti oglaševalske akcije znotraj kanalov, vendar ne more ugotoviti, ali je trženje povzročilo poslovni rezultat.
Kako merite marketinško dodeljevanje?
Dodeljevanje se meri s povezovanjem podatkov o konverzijah s stičnimi točkami, ki so bile pred njimi, z uporabo sledilnih slikovnih pik, parametrov UTM in podatkov CRM za preslikavo poti. Programske platforme trženjskega dodeljevanja avtomatizirajo ta proces in ponujajo različne modele dodeljevanja, med katerimi lahko izbirate. Ključna omejitev, ki jo je treba razumeti, je, da vsi pristopi dodeljevanja pripisujejo zasluge na podlagi korelacije, ne vzročnosti.
Katera je najboljša programska oprema za sledenje trženjskega dodeljevanja?
Najboljša programska oprema za trženjsko dodeljevanje je odvisna od vašega poslovnega modela in ciljev merjenja. Google Analytics 4 in nadzorne plošče, ki izvirajo iz platforme, dobro obvladujejo osnovno dodeljevanje. Orodja, kot so Northbeam, Triple Whale in Rockerbox, so zasnovana za neposredne odzive in kontekste e-trgovine. Za strateške odločitve programska oprema za dodeljevanje najbolje deluje v kombinaciji z MMM in inkrementalnim testiranjem, namesto da bi se uporabljala ločeno.
{ "@context": "https://schema.org", "@type": "Stran s pogostimi vprašanji", "mainEntity": [ { "@type": "Vprašanje", "name": "Kaj je marketinško dodeljevanje?", "acceptedAnswer": { "@type": "Odgovor", "text": "Trženjsko dodeljevanje je postopek dodeljevanja zaslug tržnim stičnim točkam, ki so prispevale k konverziji. Običajni modeli trženjskega dodeljevanja vključujejo dodeljevanje zadnjega klika, prvega klika, linearno in podatkovno dodeljevanje. Vsak drugače dodeljuje zasluge na poti stranke. Dodeljevanje je najbolj uporabno za optimizacijo uspešnosti oglaševalske akcije znotraj kanalov, vendar ne more ugotoviti, ali je trženje povzročilo poslovni rezultat." } } , { "@type": "Vprašanje", "name": "Kako merite marketinško dodeljevanje?", "acceptedAnswer": { "@type": "Odgovor", "text": "Dodeljevanje se meri s povezovanjem podatkov o konverzijah s stičnimi točkami pred njimi, z uporabo sledilnih slikovnih pik, parametrov UTM in podatkov CRM za preslikavo poti. Programske platforme trženjskega dodeljevanja avtomatizirajo ta proces in ponujajo različne modele dodeljevanja, med katerimi lahko izbirate. Ključna omejitev, ki jo je treba razumeti, je, da vsi pristopi dodeljevanja dodelijo zasluge na podlagi korelacije, ne vzročnosti." } } , { "@type": "Vprašanje", "name": "Katera je najboljša programska oprema za sledenje trženjskega dodeljevanja?", "acceptedAnswer": { "@type": "Odgovor", "text": "Najboljša programska oprema za trženjsko dodeljevanje je odvisna od vašega poslovnega modela in ciljev merjenja. Google Analytics 4 in nadzorne plošče, ki izvirajo iz platforme, dobro obravnavajo osnovno dodeljevanje. Orodja, kot so Northbeam, Triple Whale in Rockerbox, so zgrajena za neposredne odzive in kontekste e-trgovine. Za strateške odločitve programska oprema za dodeljevanje najbolje deluje, če je povezana z MMM in inkrementalnim testiranjem, namesto da bi se uporabljala ločeno." } } ] }
Zaključek
Izziv trženjskega dodeljevanja ni težava, ki bi jo rešila samo boljša programska oprema. To je strukturna omejitev tega, kar lahko naredi atribucija. Dodeljevanje kredita in vzročni dokaz sta različni stvari in njuno združevanje vodi do proračunskih odločitev, ki dajejo prednost zajemanju povpraševanja namesto ustvarjanju povpraševanja.
Hitro rastoče organizacije so to rešile z izgradnjo večplastnih merilnih sistemov, kjer ima vsako orodje določeno vlogo: podatki platforme za operativno usmerjanje, dodeljevanje za taktičnosignalov, MMM za strateško dodeljevanje in testiranje inkrementalnosti za vzročno validacijo. Naslednji del v tej seriji preučuje, kako vodje trženja uporabljajo te signale skupaj, da se odločijo, kam naj gre naslednji dolar naložbe.
Če se želite poglobiti v to, kje se atribucija pokvari, preden se premaknete na ta del, ta razčlenitev slepih točk trženjskega dodeljevanja podrobno pokriva specifične načine neuspeha. Za širši pogled na to, kako meritve povezati z odločitvami o prihodkih, je ta vodnik za dodeljevanje digitalnega trženja koristna referenca.
