概念模型
很多公司现在就是这样做的详情
当前位置:主页 > 秒速牛牛作品 > 概念模型 >
很多公司现在就是这样做的

   

  营销渠道越多、顾客行为路径越复杂,就越需要归因模型来帮助判断渠道价值,优化渠道组合和资源分配。一个细微的渠道差异,或许就能帮助企业在市场竞争中胜出。

  一个有效的归因模型,能够告诉我们:哪些渠道能赚钱,哪些渠道能促进业务增长,哪些渠道有助于转化。

  总有些渠道的ROI很高,能赚钱;有些渠道不赚钱,但覆盖人群很广;还有些渠道能把访客留住,把路人变成粉丝。

  营销渠道越多、顾客行为路径越复杂,就越需要归因模型来帮助判断渠道价值,优化渠道组合和资源分配。一个细微的渠道差异,或许就能帮助企业在市场竞争中胜出。

  比如:很多网站的追踪cookie只有30天,淘宝广告的计算周期最长15天,如果顾客的行为路径,周期特别长,可能会发生辅助转化渠道的数据丢失的现象。如果只考虑末次互动,数据追踪周期就变得不那么重要了。

  这种模型的弊端也很明显:顾客最终是从淘宝收藏夹进入宝贝页面后成交的,按照这个模型,会把这次成交100%归功于收藏夹(直接流量)。但在之前,对产品产生兴趣、信任、购买意向,可能是其他渠道的功劳,收藏夹只是方便顾客记录、找到产品而已。

  所以这种模型适用于转化路径少、周期短的业务,或者说,广告目的就是吸引顾客购买,起临门一脚作用的。

  忽略直接流量,将100%的功劳归于最后一次非直接互动。为什么要排除直接互动流量呢?

  因为,直接互动,或者说直接点击,其来源难以确定,容易对数据分析产生误导。比如:一篇文章或者email里面没有加跟踪代码的链接,收藏夹里面不知道什么时候添加的网址,访客直接输入了广告图片上的URL……

  比如:点击了淘宝收藏夹里的宝贝,并且购买。卖家会看到这个客户来自收藏夹,但其实客户之前是点击钻展广告后才添加的收藏夹。

  排除掉直接互动流量,避免了上述问题产生的误导。如果公司认为,业务的直接流量大部分都来自被其他渠道吸引的客户,需要排除掉直接流量,这种模型会很适合。

  将100%的功劳归于客户在转化前,点击的最后一个广告的来源渠道。比如:谷歌分析,可以选择100%的权重归因于最后一次AdWords广告,无论这个客户在点击竞价广告后,是否有在其他渠道进行互动。

  同样的,也可以设置将权重归因于今日头条的信息流或是朋友圈广告。如果是单一渠道,或者某一渠道价值特别大,模型适用。如果是多渠道,就会比较麻烦,特别是不同渠道由不同部门负责的时候。

  比如:一个顾客点了今日头条的广告,又去百度搜索信息并购买。如果信息流和竞价都采用末次渠道归因模型,会把这次成交都算成自己的功劳。这样的结果,就是两个部门的数据都很好看,都认为自己为公司贡献最多,但实际的效果可能要减半。

  如果,最终互动是认为,管你之前多少互动,没有最后一次互动就没有成交。那么,首次互动就是认为,没有我这第一次互动,剩下的渠道都不会有互动。

  这个模型的缺点很明显,就是受限于数据跟踪周期。比如:网站cookie存活30天,但第一次互动到转化的周期是31天,成交权重就没有归因到真正的首次互动渠道。

  这种模型适用于品牌没有知名度的公司。关注能够带来客户的最初渠道,对于拓展市场很有帮助。首次互动和末次互动模型,事实上都是单渠道归因模型。

  模型优点是:这是一个多渠道归因模型,而且计算很简单。比如:《ROI的优化,其实是场足球赛》中举的例子,一个简单的公式就可以计算所有渠道的产出,而且价值系数的调整很方便。

  缺点也同样明显,不适用于某些渠道价值特别突出的业务。比如:顾客在电视上看到广告,用百度搜索并进到官网,随后3天都通过百度进入官网,并在第5天成交。

  按照线性归因模型,百度会分配80%的权重。但事实上,顾客可能只是懒得记网址,用百度搜索更方便而已。如果第2天百度后添加了收藏,剩下3天都从收藏夹直接访问网站,那么就会给直接访问分配60%的权重。

  所以,这种模型适用于,期望在整个销售周期内保持与客户的联系,并维持品牌认知度的公司。这种情况下,各个渠道在客户的考虑过程中,都起到相同的促进作用。

  这种模型基于指数衰减概念,默认周期为7天。就是说,与成交当天相比,成交前7天内的渠道,分50%权重,前14天的渠道分25%。如果成交周期过长,这种模型对前面的渠道相当不友好,无法分配一个合理的权重。

  所以这个模型适用于:客户决策周期短、销售周期短的情况。比如:做短期促销,打了两天的广告,这两天的广告理应获得较高权重。

  这种模型重视最初带来线索和最终产生成交的渠道,一般给他们分别分配40%的权重。给中间的渠道分配20%的权重,也可以根据实际情况,调整最终互动和首次互动的权重比例。

  显而易见,如果一家公司十分重视线索来源和促成销售的渠道,这个模型再合适不过了。

  马尔科夫链是时间、状态都是离散的马尔可夫过程。马尔科夫过程,是将来发生的事情,和过去的经历没有任何关系。也就是说:今天的事情只取决于昨天,而明天的事情只取决于今天。

  假设只有A、B、C 3个网页,A链向B,B链向C。那么,C分到的PR权重只由B决定,和A没有任何关系。

  如果对互联网的网页不断重复计算PR,那么网页的PR值会趋向于稳定,是一种收敛的状态。所以谷歌会用这种算法来确定网页等级。

  如果用马尔科夫链模型对一个用户浏览网页的行为进行建模,就可以预测他之后的行为——当前浏览了B网页,那么浏览C网页的概率就可以算出来。

  用在营销归因上,就是:访客下一次访问某个渠道的概率,取决于这次访问的渠道。

  就如谷歌可以一直实时的计算PageRank一样(但对外的PR权重不定期更新,当然现在已经停止对外更新快10年了),基于马尔科夫链的营销归因模型也可以实时计算,某些访客群体下次访问渠道的概率、成交的概率。

  互联网时代,技术日新月异,新渠道也层出不穷,相比基于规则的模型,基于算法的模型能够感知渠道变化,并调整渠道权重值,因而会更加准确。

  不,应该先考虑业务模式。如果某个规则模型特别适合当前业务,直接用就好了。

  如果渠道很少,相互之间没有太多配合,直接用最终渠道互动模型就很好。很多公司现在就是这样做的,为各个渠道单独计算产出。如果数据量很少,算法模型不适合——数据过少,无法进行最初的建模。如果没有使用统一的DMP来合并各个渠道数据,用规则模型,因为算法模型需要各渠道数据统一。

  如果渠道多、数据量大、使用了DMP平台,并且有永久用户标识,基于算法的归因模型能够为营销分析提供巨大的帮助。