编辑 小霏
翻译 艾心
审阅 刘绍思 白木

人们每天都在通过各种平台用各种方式与媒体互动，在笔记本电脑、智能手机上搜索信息，或通过应用程序、社交媒体购物，或使用平板电脑、联网电视观看视频。虽然这为营销人员接触那些潜在的客户创造了新的机会，但它同时也使媒体衡量变得更加复杂。

业务增长与未能实现的营销努力之间的差别在于：对每个接触点贡献的了解。
哪些渠道能够将潜在客户转化为实际购买者？以及我们应该如何分配每个渠道的贡献值？随着客户购物之旅变得越来越复杂，对每个媒体接触点贡献的了解，可能就是业务增长与未能实现的营销努力之间的差异所在。
一旦你正确的确定了哪些媒体接触点对购买决策的影响最大，你就可以优化营销活动来实现收入最大化。但你还需要确定哪些人因为一则营销信息完成了购买行为，以及哪些人即将购买产品或服务。
没有任何一个媒体衡量工具可以完美地捕捉所有媒体曝光、转化和销售数据，并持续地为你提供有价值的洞见。要想获得成功，你需要组合使用各种媒体衡量工具来衡量跨渠道的媒体影响。
3个衡量媒体影响的工具
一、超越营销组合模型
营销组合模型（MMM）是衡量媒体表现和优化每种媒体类型预算的有力工具。然而，营销组合模型并不总是能为数字化支出提供有价值的洞见。你获得的见解取决于你所输入的数据。
数据的颗粒度对于反映不同平台和广告形式对其营销成本的影响至关重要。这意味着，你至少按平台细分在线视频，并按品牌和非品牌关键词进行搜索。
许多品牌习惯将营销组合模型作为指导其资源分配决策的主要工具。但由于营销组合模型是基于过去的业绩来提供见解，而且通常一年使用一次，所以它们无法跟上快速变化的市场。
这就是为什么精明的品牌还采用其他工具的原因，比如多触点归因模型和实验，这些工具可以实时提供更精细的见解。
二、通过多触点归因模型获得精细可行的见解
建模对于有效测量一直很重要。数据驱动的归因模型（DDA）是一种多触点归因模型（MTA），它持续衡量不同媒体渠道的相对影响，为数字媒体渠道提供比营销组合模型更可行的实时见解。
数据驱动的归因模型，使用机器学习来衡量客户与品牌接触全过程中每次点击的效果。它分析独特的用户转化模式，比较完成预期操作的用户和未完成操作的用户的路径，从而确定每项业务的最有效接触点。
营销人员使用了多种传统方法来确定数字广告的归因，例如最后一次点击模型和其他基于规则的方法。然而，近年来，数字驱动的归因模型被证明是最有效的。

其中，九枝兰营销效果追踪与归因分析系统，通过九枝兰AcquisitionSDK®，跨渠道、设备以及平台追踪用户获取、互动和转化路径，为营销团队提供有关整个用户旅程的重要洞察，即用户通过哪个市场营销活动来到您的网站或者应用的，他们如何与您的应用互动，以及这些行为和模式在不同同期群之间的对比情况。

九枝兰营销效果追踪归因将每个用户和他们与之互动的营销活动（无论是付费广告还是自有媒体的营销活动）联系在一起，使您可以在一个统一平台上全面了解多个营销渠道上的表现。从而优化营销推广活动，把营销预算花在投资回报率高的渠道上，驱动公司业务可持续的增长。

三、利用实验来验证和实践研究结果
归因模型最适合用于日常的、持续的衡量工具，并且对于确定活动或渠道层面的广告预算和竞价策略是有效的。但是更复杂的媒体表现分析需要利用随机对照实验来确定是什么因素促成了每一次转化，即所谓的增量或提升。
换言之，虽然归因模型可以帮助你将消费者行为与销售和转化联系起来，并且能有效指导你实现营销投资回报最大化，但是增量实验则使用因果方法来进一步确定广告是否真的改变了消费者的行为。
虽然实验可以采取多种形式，但增量实验是对应因果关系的，不能与测评增长对广告活动预算的影响或A/B测试相混淆。
增量实验是衡量的黄金标准，可通过严格的实验控制帮助你了解媒体的真正因果影响。但是，就像开采黄金一样，这可能是一个昂贵且耗时的过程，并且可能需要对资源和人员方面进行额外的投资。
因此，增量实验并不适合所有的品牌。它更适用于那些准备超越数字驱动的归因模型并了解进行实验所需投入的企业。这些企业可以通过增量实验来设定媒体渠道级别的预算，或者衡量增量来改进未来的活动。
组合多种方法以获得最佳营销效果
鉴于没有一种万能的解决方案可以按渠道衡量营销影响，因此你最好根据具体情况和目标组合使用各种方法。

  • 使用营销组合模型全面了解所有营销支出（线上和线下）的效果

  • 通过实时数字驱动的归因模型对营销组合模型的指导进行补充，以确定在线媒体投标和预算决策。

  • 在合适的条件下进行增量实验，以揭示因果关系，从而为媒体渠道预算分配提供依据，并验证营销组合模型和归因模型的结果。

总的来说，营销人员可以通过许多方法来衡量客户购物之旅中每个媒体接触点的影响，并优化营销活动从而使其投资发挥最大的价值。了解每种方法的优缺点，可以帮助你制定营销计划，并获得发展业务所需的洞察力。

———— / END / ————

 
来个“分享、点赞、在看”?
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。