“是什么導致顧客向你購買？”
這是一個簡單的問題，但你越深究就越難回答。
他們是看到在 Instagram 帖子或 Story、在谷歌上搜索你的產(chǎn)品、或打開促銷郵件后決定購買的嗎？
隨著你的業(yè)務規(guī)模擴大，這只會更加復雜化，因為要考慮到網(wǎng)站、社交媒體占比、網(wǎng)紅計劃、離線互動和其它接觸點。再加上過去10年消費者行為發(fā)生了多大變化。想想從起床到上床睡覺，你每天會接觸到多少不同的設備、應用程序和網(wǎng)站。
在當今世界，營銷歸因遠非完美，但你在客戶旅程中看到的越多，就能做出更好的決策，從選擇哪些渠道帶來你最好的顧客，到找出哪些渠道的互動能夠很好地配合等等。
何為營銷歸因？
為更好的歸因奠定基礎
營銷歸因模型類型
平臺間歸因差異
結(jié)論
營銷歸因的目標是更清楚地了解在轉(zhuǎn)化過程中，顧客與品牌之間的所有不同互動和接觸點。
它讓你找出有助于轉(zhuǎn)化的渠道和特定活動，從而幫助你了解如何以及在哪投入你的資金和注意力。
雖然這在理論上聽起來很簡單，但在實踐中可能相當復雜。
花時間想想你自己作為消費者的行為。
在iPhone、筆記本電腦和社交媒體出現(xiàn)之前，大多數(shù)人只有一種設備可以訪問互聯(lián)網(wǎng)：臺式電腦。營銷歸因相對簡單。
但現(xiàn)在，你需要考慮以下因素 ，這些因素可能會給你的營銷報告和歸因帶來重大漏洞：
我們生活在一個多設備世界。人們有時擁有不止一部智能手機、一臺筆記本電腦、一臺工作電腦、一臺家用電腦，甚至一臺智能家居設備。每一臺設備都可能作為你網(wǎng)站的獨立訪客出現(xiàn)，而實際上，它們都屬于同一名顧客。
世界對隱私和跟蹤越來越嚴格。設備和瀏覽器現(xiàn)在對于用戶信息和跟蹤的存儲更加嚴格了。隨著 GDPR 和隱私問題成為人們最關心的問題，消費者不得不逐漸選擇被在線跟蹤。
大多數(shù)歸因是基于點擊的。由于大多數(shù)歸因和報告是基于點擊行為和 UTM 跟蹤（我們將在下面概述）形成的，因此它忽略了瀏覽廣告或內(nèi)容而不是點擊它們的影響。
由于需要考慮跨設備、平臺和活動的在線和離線互動，營銷歸因變得越來越困難
但這并不是毫無希望。你可以使用一些特定手法來填補當今歸因領域中的一些漏洞。
在我們討論歸因如何發(fā)揮作用或不同的營銷歸因模型前，我們需要澄清一件事：
你永遠無法完全準確理解每個營銷接觸點是如何單獨影響每個客戶旅程的。所有的營銷歸因都只是現(xiàn)實世界的一個近似值。
你唯一可以爭取的準確性是：
正確設置像素及轉(zhuǎn)化跟蹤（如 Facebook Pixel、Google 廣告轉(zhuǎn)化跟蹤，以及谷歌分析中的目標/事件）
為 UTM 標記和跟蹤創(chuàng)建一個一致的系統(tǒng) ，該系統(tǒng)優(yōu)先處理有關客戶旅程清晰、完整的數(shù)據(jù)
了解不同歸因模型的世界觀以及它們?nèi)绾斡绊懩愕臓I銷決策
讓我們從 UTM （Urchin Tracking Module, Urchin 跟蹤模塊）參數(shù)開始，它是一串以“?”或“&”開頭的標簽，你可以在網(wǎng)址后面找到 （如 www.yourstore.com?utm_source=facebook&utm_medium=cpc）。
雖然 UTM 標記可能聽起來和看起來都很陌生，但它是數(shù)字營銷中一個標準化的標記系統(tǒng)。使用谷歌自己的活動網(wǎng)址生成器或 UTM.io 之類的 Chrome 擴展程序可以輕松創(chuàng)建標記。
UTM 參數(shù)有五種標準類型，可用于描述分析工具的傳入流量，以便在 bucket 中對其進行分組、整理和分析。
你可以選擇何時以及如何使用它們，但要確保在 UTM 標記和跟蹤方面保持一致：
活動來源（utm_source）描述放置鏈接的網(wǎng)站或主要來源（例如，如果我要在 Instagram 個人簡介中推廣我的商店鏈接，并且做大量社交媒體營銷，我可能會將其標記為 utm_source=instagram）。
活動媒介（utm_medium）描述營銷活動（例如，如果我使用鏈接來跟蹤谷歌廣告活動的流量，我可以將其標記為 utm_medium=cpc，這樣你就知道流量來自每次點擊付費廣告）。
活動名稱（utm_campaign）允許你識別正在運行的特定活動的流量，即使它來自同一來源（例如，針對品牌搜索活動，你可以使用 utm_campaign=branded%20search%20exact?？崭駮痪幋a成 "%20"，以免破壞網(wǎng)址）。
如果你正在運行谷歌廣告活動，活動關鍵詞（utm_term）可用于跟蹤特定關鍵詞。
如果你正在進行廣告對比測試，活動內(nèi)容（utm_content）很有幫助。這種情況下，你可以跟蹤每個廣告，看看哪一個引流效果最好。
你也可以創(chuàng)建自己的自定義 UTM 參數(shù)，以便更精準地了解如何儲存流量。你可以用“utm_season=fall”來跟蹤特定的周期性活動。
另外，你也可以使用任何 valuetrack 參數(shù)動態(tài)標記不同的營銷活動設置或用戶屬性。例如，&utm_device={device} 將自動更改 {device} 以識別用戶正在用什么瀏覽器瀏覽你的網(wǎng)站。
下面是具體示例。如果我想通過定位無品牌關鍵字“冬季夾克”，來跟蹤谷歌廣告搜索活動中冬季夾克的流量和銷售額，那么我的帶有 UTM 跟蹤的網(wǎng)址可能是這樣的：
www.mystore.com?utm_source=google&utm_medium=cpc&utm_campaign=nonbranded
%20search%20winter%20jackets&utm_term=winter%20jackets
分解一下，每個參數(shù)都告訴我一些關于流量的信息：
來源：谷歌
媒介：CPC （每次點擊付費）
活動：無品牌搜索活動廣告冬季夾克
關鍵詞：競價關鍵詞“冬季夾克”
UTM 幫助你跟蹤指定來源的流量，以便你可以在更精細的層面上分析其表現(xiàn)如何，但前提是你必須牢記以下幾點：
UTM 是主觀的，由你 定義。雖然命名 UTM 有一些常見做法，但請使用對你有意義的做法。只要你保持一致，而且你的團隊很容易理解你使用的方法，一切應該會運行良好。
UTM 參數(shù)區(qū)分大小寫。“utm_source=Facebook”和“utm_source=facebook”會在谷歌分析中展示為兩種不同來源。
保持參數(shù)記錄。創(chuàng)建一個一致的系統(tǒng)用于記錄你的 UTM 參數(shù)，這樣你和你的團隊就知道在使用什么，并且當你看到它們時能夠理解其含義。
保持標記一致。將任何新的團隊成員加入你的 UTM 系統(tǒng)中，并在使用之前仔細檢查你的 UTM。
測試最終網(wǎng)址。有時你的最終網(wǎng)址可能會崩潰。養(yǎng)成習慣，在花錢做廣告前仔細檢查你的登錄頁面，并對任何特殊字符進行編碼（你可以使用 URL Encoder）。
適當使用網(wǎng)址縮短器。 UTM 參數(shù)會讓鏈接變得很長，讓人不想點擊。如果你為了跟蹤流量和銷售額公開展示你的鏈接，比如在社交媒體簡介甚至是在貿(mào)易展上展示，使用 bit.ly 之類的網(wǎng)址縮短器將其縮短。
恰當?shù)?UTM 跟蹤是朝著正確方向邁出的一步，但是默認情況下，如果同一用戶在多個設備上訪問你的網(wǎng)站，每次“訪問”都將被視為單獨的用戶和“旅程”。
例如，如果用戶看到介紹某產(chǎn)品的 Instagram Story，他們可能會查看產(chǎn)品，但不會馬上購買。相反，他們可能會在回家路上用手機研究該產(chǎn)品，最終在睡前用筆記本電腦再次搜索，并通過谷歌購物廣告轉(zhuǎn)化。
要解決這個問題并對來自同一用戶的行為進行分組，你需要在谷歌分析中啟用用戶ID并集成你的 CRM。
谷歌分析中的用戶ID為每位用戶創(chuàng)建了獨一無二的非PII（非個人識別）ID，無論他們的數(shù)據(jù)從哪發(fā)送，都會包含在其中。你可以使用該ID統(tǒng)一每位顧客在不同設備，以及在線和離線接觸點的互動。
能夠?qū)⒖雌饋硐袷窃S多不同設備上的獨立用戶旅程轉(zhuǎn)變成同一用戶與你品牌之間的一系列互動，對于更清楚地描繪出顧客如何通過不同設備和活動與你互動至關重要。
有六種不同類型的營銷歸因模型供你選擇，具體取決于你的業(yè)務目標以及你最看重漏斗的哪個部分：
最后點擊
首次點擊
線性
時間衰減
基于位置
算法（自定義）
不存在普通正確或錯誤的營銷歸因模型。
相反，重要的是了解每種模型的世界觀，以及哪些互動被賦予最大的權(quán)重和最少的權(quán)重。你甚至可以在不同歸因模型間進行切換，看看這會如何改變你對不同活動對轉(zhuǎn)化的影響的看法。
為了幫助你了解每種歸因模型，我們在下面進行了簡要介紹。請留意完全相同的客戶旅程如何根據(jù)我們使用的模型有不同的解釋。
最后點擊歸因是最普遍使用的模型，也是大多數(shù)營銷平臺的默認模型。當你積極嘗試將流量轉(zhuǎn)化成顧客時，這種單向接觸模型很有用。
它將100%的轉(zhuǎn)化歸功于最后點擊的廣告和相應的關鍵詞。因此，下層漏斗的活動如品牌搜索或重定向活動將被賦予更多價值，而品牌認知和上層漏斗活動可能得不到任何價值。
這種單向接觸歸因模型認為第一個接觸點最為重要，因為它在第一時間把顧客帶進你的漏斗而獲得100%的功勞。當你把資金優(yōu)先投在建立流量和尋找新受眾的活動上時，這一模型很有用。
它將所有轉(zhuǎn)化歸功于獲得首次點擊的廣告或相應的關鍵詞。因此，像再營銷等高價值的漏斗底層活動在這種模型中被忽略了，并可能導致對這方面努力的投入減少，從而降低你的整體轉(zhuǎn)化率和總收入。
線性歸因模型將轉(zhuǎn)化功勞平均分配給顧客購買路徑中的所有點擊。這是最簡單的多向接觸歸因形式。通過這種模型，你不會忽略任何互動。然而，它不能確切告訴你哪個渠道影響力最大。
時間衰減歸因模型與最后點擊類似。但是，它也將部分功勞歸于最后導致轉(zhuǎn)化的互動，將更多權(quán)重賦予更接近轉(zhuǎn)化時間的點擊。
基于位置（或稱為 U形）歸因?qū)⒐谄骄峙浣o首次和最后一次點擊，每種互動各獲得40%的權(quán)重。剩下的20%分散在其它點擊之間。
然而，此處的假設是首次和最后一次點擊是最有價值的互動，盡管中間可能有活動或接觸點也發(fā)揮了重要作用。
這種模型通常被稱為自定義歸因。當你擁有足夠可用數(shù)據(jù)時，你可以讓機器學習來決定客戶旅程中哪些接觸點應獲得最多功勞。
理論上來講，這是最佳模型，但它依賴于擁有足夠歷史數(shù)據(jù)，以便機器學習為不同接觸點分配權(quán)重。
如果你從事營銷的時間夠長，你會注意到對任何給定時間范圍，不同平臺可能會提供不同的轉(zhuǎn)化價值和功勞，這取決于你查看的報告。
當你直接查看谷歌廣告、Facebook 廣告、谷歌分析甚至是你的 Shopify 報告時，你可能會注意到差異。那么什么應該成為你的真實數(shù)據(jù)源呢？
從技術(shù)上講，它們都是“正確”的。它們只是對營銷的看法不同。以下是每個平臺的基本原理。
谷歌廣告只跟蹤谷歌廣告流量。它不會消除不同平臺上其它廣告活動的重復轉(zhuǎn)化，因為它“看”不到這些接觸點。相反，它會將任何在任一時間點接觸過谷歌活動的用戶計入其中，即使他們后來接觸 Facebook/Instagram、郵件、或直接訪問你的網(wǎng)站并轉(zhuǎn)化。
默認情況下，谷歌廣告歸因窗口設置使用最后點擊歸因顯示點擊你的廣告后30天內(nèi)的操作。
Facebook 廣告平臺只跟蹤 Facebook 廣告流量和互動（也包括 Facebook 擁有的 Instagram 等資產(chǎn)）。
它也不消除不同平臺上其它廣告活動的重復數(shù)據(jù)，并將在特定時間跨度內(nèi)任何看到或點擊 Facebook 廣告的用戶計入其中，即使他們后來與谷歌廣告活動或郵件互動，或是直接訪問你的網(wǎng)站并轉(zhuǎn)化。
Facebook 默認使用最后點擊歸因，歸因窗口分別為瀏覽廣告24小時內(nèi)和點擊廣告28天內(nèi)。
Facebook 廣告是唯一一個更詳盡的廣告平臺，它會將可能“看到”廣告（甚至沒有點擊它）并以另一種方式轉(zhuǎn)化的用戶計入其中。如果你相要更好的跨平臺結(jié)果對比，建議你將設置改為基于點擊。
谷歌分析和其它分析平臺會跟蹤不同付費和非付費渠道的點擊操作。通常，分析平臺可以配置為連接外部/脫機數(shù)據(jù)源、用戶ID和/或其它不直接屬于在線商店的網(wǎng)站。
谷歌分析提供數(shù)據(jù)導入功能，允許你從其它來源上傳數(shù)據(jù)，以便在谷歌分析中對其進行分析。添加額外數(shù)據(jù)來源和合并用戶ID是將大部分跨平臺顧客互動匯總在一個地方的最佳方式。
谷歌分析還會消除所有渠道的重復轉(zhuǎn)化，并歸功于轉(zhuǎn)化旅程中的最后接觸點，針對你網(wǎng)站的直接訪問除外。在這種情況下，它會歸功于最后一個非直接接觸點。
關于廣告服務器和基于曝光歸因
雖然大部分歸因都是基于點擊的，但基于曝光的歸因和報告也是可能的。
想想你自己的體驗。你會點擊所有引起你興趣的廣告嗎？即使你不這樣做，這些廣告仍會影響你未來的購買決策。
廣告服務器允許你在一個平臺上整合和消除所有重復的營銷數(shù)據(jù)，同時還允許你訪問曝光層面的數(shù)據(jù)。這些數(shù)據(jù)讓你可以更清晰地看到顧客的購買途徑以及應該投資哪些渠道。
例如，你可能看到你的搜索廣告在點擊層面出色的表現(xiàn)。然而，當你查看曝光層面數(shù)據(jù)時，你會看到那些通過搜索轉(zhuǎn)化的實際上事先接觸了 YouTube 上的視頻，然后在谷歌上搜索你的產(chǎn)品。
谷歌營銷平臺是此類技術(shù)的例子之一，你可以通過它訪問搜索、視頻、展示廣告、Gmail贊助廣告和一些社交媒體平臺等渠道的曝光層面數(shù)據(jù)。
Shopify 會跟蹤不同付費和非付費渠道的點擊操作。Shopify 的分析將刪除所有渠道的重復轉(zhuǎn)化，并歸功于轉(zhuǎn)化旅程中的最后接觸點，即使是直接訪問你的商店。這是谷歌分析和 Shopify 之間默認歸因方式最大的區(qū)分。
了解歸因情況、其中的漏洞以及你可以采用的不同模型，是朝著更好的跟蹤、更清晰的顧客數(shù)據(jù)庫和做出更明智決策邁出良好的第一步。
雖然營銷歸因遠非完美，而且只會越來越難，但它可以提供關于顧客在購買途徑中如何以及在何處與你的品牌互動的寶貴見解。
插畫來自 Jarred Briggs
Shopify
專欄
閩公網(wǎng)安備 35010202001226號
