温度计 - 客户反应
最近，一位客户向我们发送了一个文件，其中包含以 奥地利电报号码数据 下一些数据字段：潜在客户姓名、提案请求日期、交易规模、交易状态（成功或失败）、营销渠道（网站、贸易展、数字等）、营销接触点（演示、电话、在线聊天、电子邮件等）和营销内容（白皮书、客户推荐、思想领导力文章）。他们想知道我们能否帮助他们了解哪些渠道、接触点和内容对推动客户机会和成功产生最大影响。本质上，他们希望创建一个归因模型。
随着营销人员创造更多内容、利用更多渠道并改变接触方式，这种情况变得越来越典型。考虑到时间、精力和金钱的投入，我们必须了解内容、渠道和接触点在购买过程中所起的作用，以及哪些要素对产生对话、考虑和最终消费大幅增加的影响最大。由于时间、精力和金钱往往供不应求，因此知道如何使用营销组合归因和优化等模型来做出最佳的内容、渠道和接触点决策是每个营销人员都需要增强其能力的关键技能。
在我们开始讨论各种归因模型之前，先简单了解一下优化和归因建模，可能会有所帮助。目前有许多资源和工具可用于创建这两种模型。归因和优化建模都旨在改善组合并了解营销投资对客户行为的影响。这两种方法对于衡量和改善多渠道、多触点营销活动的绩效都很重要。让我们首先回顾一下这些模型是什么、每种模型的优缺点、何时使用它们以及它们有何不同。
优化依赖于预测模型，该模型跟踪特定目标和支出水平之间的非线性关系，以便根据变量之间的关系“预测”转化的增量变化。许多组织试图通过 A/B 测试（一种情景分析）来“优化”广告系列。不幸的是，A/B 测试无法解决复杂的非线性相互作用。需要一种同时分析所有可能情景的算法方法来查看哪些组合可以产生最佳增量结果。
归因基于捕获历史时期内的接触点数据，以确定哪些接触点在购买过程的哪个阶段最有效，以支持投资分配并产生更高的总体结果。
引线捕获块图像
免费指南
CRM 的 ABC
理解和使用 CRM的初学者指南
立即下载
归因只是评估购买过程中每个接触点的表现的能力。归因的一个关键前提是所有接触都会影响购买过程。要创建任何类型的归因模型，您需要与转化和非转化机会相关的数据。归因有多种方法。最常见的三种是最后接触、平等归因和部分归因：
最后一次接触归因基于这样的理念：最后一次接触对购买过程的影响最大，因此在整个销售中占了大部分或全部功劳。一些公司采取相反的方法，使用首次接触归因，该归因基于这样的理念：首次接触是“启动泵”的关键。这两种模型都没有考虑到可能影响购买行为的所有之前或之后的接触。因此，您可能会最终排除重要的早期或后期接触，因为您不确定它们的价值。尽管这些技术存在问题，但人们还是使用这些方法，因为它们相对容易创建。
平等归因是解决最后接触归因问题的一种方法。正如其名称所示，这种方法假设所有接触都是平等的，这意味着每个接触都分配有相同的值。缺点是，您可能最终会不必要地重复一些工作，因为您不确定哪些接触影响最大。因此，您最终可能会投入比需要的更多——因为这种方法无法洞察哪些接触效果最好。这就引出了部分归因的概念。
部分归因法为买家整个购买历程中的每个营销接触点分配一个计算出的“权重”。通常，该权重由特定接触点对产生所需业务结果（例如购买）的相应相对影响决定。这种方法使营销人员能够考虑多个先前的接触点。确定权重需要了解哪些接触点效果最佳。使用部分归因法需要了解各种接触点的统计显著性，以便量化它们的贡献作用。在构建此类模型并分配权重时，重要的是要记住，除了营销接触点之外，还有其他接触点可以推动所需结果。
最佳方法
大多数归因专家都认为，部分归因比最后一次接触或首次接触归因更好。这些专家通常推荐部分方法，即营销人员根据接触类型和在购买过程中的位置为接触分配权重以创建模型。然后，营销人员可以使用此模型做出接触和投资决策。
部分归因方法要解决的关键挑战是购买决策不是连续或线性的。相反，它通常是影响行为的接触的组合。这就是为什么一些专家创建了增量归因模型，试图计算特定接触导致的收入变化。使用这种技术，接触按其支持的购买阶段进行分类，并在买家进入各个阶段时对其进行跟踪。营销人员使用这种结构来比较不同接触（消息和媒体）在将买家从一个阶段转移到下一个阶段方面的有效性，以确定不同接触对成本和收入的增量影响。正如您所见，当我们从第一次或最后一次接触转向部分归因时，复杂性和精密性会增加。
归因模型通常以将功劳归于某项特定购买为依据来构建。作为营销人员，我们知道一次接触会产生连锁反应，影响多项购买和行为。如果您决定解决归因问题，那么结合线上和线下优质数据的需求将变得越来越明显。归因模型是重要的决策工具。如果您刚刚开始这个过程，请创建一个路线图，说明您计划如何进行模型开发，包括定义数据源和方法。如果您的努力已经取得进一步进展，请务必深入研究。无论您决定如何进行，良好的数据都是必不可少的。将数据转化为洞察力是当今环境中的必备条件。想了解有关此主题的更多信息？请查看免费白皮书《从直觉到智慧：将数据转化为模型和可操作的洞察力》，