مدلسازی انتساب
درآوردن اینکه هر نقطه تماس چه سهمی داشته، انتخاب مدلی که با چرخه فروش شما بخواند، و صریح بودن درباره اینکه انتساب چه چیزی را میتواند بگوید و چه چیزی را نه.
معرفی
انتساب، اعتبار را بین نقاط تماسی که میبینید تقسیم میکند. برای هدایت مفید است و معیار علیت نیست. آخرین کلیک هر چیزی را که اول اتفاق میافتد کمارزش میکند؛ اولین کلیک هر چیزی را که میبندد؛ و هیچ مدلی نمیتواند نقاط تماسی را حساب کند که اصلا ردیابی نشدهاند.
رویکرد عملی این است: یک مدل به قدر کافی ثابت برای هدایت روزمره، به علاوه آزمایشهای دورهای که به سوال علی درست جواب بدهند. بحث کردن سر اینکه کدام مدل انتساب درست است، معمولا جایگزینی است برای اجرا نکردن یک تست هولداوت.
مناسب چه کسانی است
- شرکتهایی که هر کانالشان همان تبدیلها را برای خودش ادعا میکند
- کسبوکارهایی با چرخه فروش طولانی و بدون دید به نقاط تماس اولیه
- تیمهایی که تصمیم بودجه را روی داده آخرین کلیک میگیرند
نگاه ما به مدلسازی انتساب
کارهایی که یک همکاری معمولی شامل میشود. دامنه از اول مشخص است و بعدا هزینه اضافه نمیشود.
انتخاب مدل
متناسب با طول چرخه فروش و ترکیب کانالهای شما، با توضیح دادن سازشهای هر مدل نه ادعا کردنشان.
پیوند بین دستگاهها و نشستها
دوختن مسیرها جایی که لاگین یا شناسه CRM دارید، که تنها راه قابل اتکای دیدن یک دوره تصمیمگیری طولانی است.
وارد کردن تبدیل آفلاین
برگرداندن داده معاملههای بستهشده از CRM، تا انتساب به درآمد برسد نه اینکه سر فرم متوقف شود.
تست افزایش واقعی
هولداوت جغرافیایی یا مخاطبی که میسنجد یک کانال چه اضافه کرده. همین بخش است که به سوال واقعی جواب میدهد.
مقایسه مدلها
دیدن داده خودتان همزمان از چند مدل، که نشان میدهد یک تصمیم بودجه چقدر به مدل وابسته است نه به نتایج.
گزارش و حاکمیت
یک مدل توافقشده برای گزارشدهی منظم، تا تصمیمها هر ماه روی مبنای متفاوتی از نو بحث نشوند.
از اولین تماس تا نتیجه
هر بار همین ترتیب، تا همیشه بدانید قدم بعدی چیست.
نقشه مسیر
مشخص کردن اینکه چه نقاط تماسی وجود دارند و کدامشان واقعا قابل مشاهدهاند. فاصله بین این دو از خود مدل مهمتر است.
مدلسازی
پیادهسازی و مقایسه مدلها روی داده خودتان، و بعد توافق روی یکی برای استفاده منظم.
تست
اجرای آزمایش هولداوت روی کانالهایی که انتساب در آنها کمترین اعتبار را دارد، که معمولا کانالهای بالای قیف هستند.
به کار بستن
وارد کردن یافتهها به تخصیص بودجه، و تکرار دورهای آزمایشها همراه با تغییر ترکیب کانالها.
نتیجه، نه انبوه فایل
چند فایل تحویلی یعنی پیشرفت نیست. اینها چیزهایی است که باید واقعا عوض شود.
اعتبار به کسی که سزاوارش است
مدلهای چندنقطهای جلوی این را میگیرند که آخرین کلیک بیسروصدا بودجه کانالهایی را قطع کند که مسیر را شروع میکنند.
جوابهایی که انتساب نمیتواند بدهد
تست هولداوت علیت را میسنجد، که هیچ مدل انتسابی هرچقدر هم پیچیده نمیتواند.
گزارشی که دیگر سرش بحث نمیشود
یک مدل توافقشده یعنی بازبینیهای ماهانه درباره تصمیم است نه درباره روششناسی.
دید تا درآمد
وارد کردن تبدیل آفلاین، فعالیت مارکتینگ را به کسبوکار بستهشده وصل میکند نه به استعلام.
پرسشهای رایج درباره مدلسازی انتساب
چیزهایی که معمولا قبل از تماس میپرسند. اگر پرسش شما اینجا نیست، مستقیم بپرسید.
از چه مدل انتسابی استفاده کنیم؟
برای چرخههای کوتاه، یک مدل دادهمحور یا موقعیتمحور معمولا کافی است. برای چرخههای طولانی B2B، انتساب به تنهایی کافی نیست و به داده تبدیل آفلاین به علاوه آزمایش نیاز دارد. چیز مهم انتخاب یکی و ماندن روی آن است، چون عوض کردن مدل وسط سال مقایسه را غیرممکن میکند.
با تغییرات حریم خصوصی، انتساب چندنقطهای هنوز ممکن است؟
به کاملی قبل نه. ردیابی بین سایتها تا حد زیادی از بین رفته، پس انتساب چندنقطهای الان بهتر از همه جایی کار میکند که شناسه خودتان مثل لاگین یا رکورد CRM را دارید. برای بقیه، تست افزایش واقعی جای چیزی را گرفته که انتساب قبلا تلاش میکرد انجام بدهد.
به مدلسازی ترکیب رسانه نیاز داریم؟
در سطوح هزینه بالاتر و با چند سال داده ارزش پیدا میکند. پایینتر از آن، مدل دارد به نویز برازش میدهد. یک برنامه خوب اجراشده از تستهای هولداوت با هزینه خیلی کمتر به بیشتر همان سوالها جواب میدهد.
چند وقت یکبار تست هولداوت اجرا کنیم؟
یک کانال در هر نوبت به صورت چرخشی، تا هر کانال مهم سالی یکی دو بار بررسی شود. هولداوت مداوم روی همه چیز، آنقدر دسترسی هزینه دارد که عملی نیست.
مدلسازی انتساب برایتان مطرح است؟
بگویید میخواهید چه چیزی عوض شود. اگر گزینه مناسبی نباشیم، همان اول میگوییم و جای بهتری معرفی میکنیم.
دنبال تصویر کاملتر هستید؟
مدلسازی انتساب معمولا کنار کارهای دیگر در داده، تحلیل و اندازهگیری قرار میگیرد. کل این حوزه را ببینید تا ارتباطها روشن شود.