Jak používáte analýzu atribuce pro silnější marketingový vhled

datový sklad jako řešení

Počet kontaktních bodů, kterými komunikujete se zákazníky - a způsoby, jakými se setkávají s vaší značkou - v posledních letech explodoval. V minulosti byly možnosti jednoduché: spustili jste tiskovou reklamu, vysílanou reklamu, možná přímou poštu nebo nějakou kombinaci. Dnes existuje vyhledávání, online zobrazení, sociální média, mobilní zařízení, blogy, agregační weby a seznam pokračuje.

S rozšířením kontaktních bodů zákazníků také přišla zvýšená kontrola účinnosti. Jaká je skutečná hodnota dolaru utraceného v daném médiu? Které médium vám dá nejvíce peněz? Jak můžete maximalizovat dopad kupředu?

Měření bylo v minulosti opět jednoduché: spustili jste reklamu a vyhodnotili jste rozdíl z hlediska povědomí, provozu a prodeje. Výměny reklam dnes nabízejí přehled o tom, kolik lidí kliklo na vaši reklamu a přišlo na požadované místo.

Ale co se stane potom?

Odpověď na tuto otázku může poskytnout analýza atribuce. Může sdružovat data z řady různorodých zdrojů interních pro vaše podnikání i externích, pokud jde o dosah zákazníků. Může vám pomoci určit, které kanály jsou nejefektivnější z hlediska nákladů při generování objemu odpovědí. Nejdůležitější je, že vám může pomoci identifikovat vaše nejlepší zákazníky v dané skupině a jednat podle těchto informací vylepšením vaší marketingové strategie.

Jak můžete využít atribuční analýza efektivně a těžit z těchto výhod? Zde je rychlá případová studie o tom, jak to jedna společnost udělala:

Případ použití pro analýzu atribuce

Společnost zabývající se mobilní produktivitou uvádí na trh aplikaci, která umožňuje uživatelům vytvářet, kontrolovat a sdílet dokumenty z jakéhokoli zařízení. Hned na začátku společnost implementovala třetí stranu analytika nástroje s předpřipravenými řídicími panely ke sledování základních metrik, jako jsou stahování, denní / měsíční počty uživatelů, čas strávený aplikací, počet vytvořených dokumentů atd.

Analýza jedné velikosti se nehodí všem

Vzhledem k tomu, že růst společnosti explodoval a počet jejich uživatelů vzrostl na miliony, tento univerzální přístup ke statistikám se nezměnil. Jejich třetí strana analytika služba nemohla zpracovat integraci dat v reálném čase z více zdrojů, jako jsou protokoly platformy serveru, provoz webových stránek a reklamní kampaně.

A co víc, společnost potřebovala analyzovat atribuci na více obrazovkách a kanálech, aby jim pomohla rozhodnout, kde bude nejlepší přírůstkový marketingový dolar nejlépe utratit za získání nových zákazníků. Typický scénář byl tento: uživatel viděl reklamu společnosti na Facebooku na svém telefonu, poté hledal recenze o společnosti na svém notebooku a nakonec kliknutím nainstaloval aplikaci z grafické reklamy na svém tabletu. Atribuce v tomto případě vyžaduje rozdělení kreditu za získání tohoto nového zákazníka napříč sociálními médii na mobilních zařízeních, placeným vyhledáváním / recenzemi na PC a grafickými reklamami v aplikacích na tabletech.

Společnost potřebovala posunout věci o krok dále a zjistit, který zdroj online marketingu jim pomohl získat jejich nejcennější uživatele. Potřebovali identifikovat chování uživatelů - nad rámec obecných akcí kliknutí a instalace - které byly pro aplikaci jedinečné a pro uživatele byly cenné pro společnost. V počátcích vyvinul Facebook jednoduchý, ale účinný způsob, jak toho dosáhnout: zjistili, že počet lidí, které uživatel „spřátelí“ v daném počtu dní registrace, je skvělým prediktorem toho, jak angažovaný nebo hodnotný bude být v dlouhodobém horizontu. Média online a třetí strana analytika systémy jsou slepé vůči těmto druhům časově posunutých a složitých akcí, ke kterým dochází v aplikaci.

Potřebovali zvyk atribuční analýza dělat svou práci.

Řešení je analýza atribuce

Jednoduše společnost interně vyvinula počáteční cíl: přesně zjistit, jak má daný uživatel tendenci komunikovat se svým produktem v rámci jedné relace. Jakmile to bylo určeno, mohli dále procházet těmito daty a vytvářet segmenty profilů zákazníků na základě jejich stavu jako platících uživatelů a částky utracené každý měsíc. Spojením těchto dvou oblastí dat společnost dokázala určit celoživotní hodnota - metrika, která definovala, které typy zákazníků mají největší potenciál příjmů. Tyto informace jim zase umožnily konkrétněji cílit na jiné uživatele - ty, kteří měli stejný profil „celoživotní hodnoty“ - prostřednictvím velmi konkrétních možností médií s vysoce konkrétními nabídkami.

Výsledek? Chytřejší a informovanější využívání marketingových dolarů. Pokračující růst. A zavedený systém vlastní atribuční analýzy, který by se mohl rozvíjet a přizpůsobovat, jak se společnost posunula vpřed.

Úspěšná analýza atribuce

Když se začnete zabývat atribuční analýza, je důležité nejprve definovat úspěch podle svých vlastních pojmů - a udržet to jednoduché. Zeptejte se sami sebe, koho považuji za dobrého zákazníka? Pak se zeptejte, jaké jsou mé cíle s tímto zákazníkem? Můžete se rozhodnout zvýšit výdaje a posílit věrnost svým zákazníkům s nejvyšší hodnotou. Nebo se můžete rozhodnout určit, kde najdete více zákazníků s vysokou hodnotou, jako jsou oni. Je to opravdu všechno na vás a co je správné pro vaši organizaci.

Stručně řečeno, analýza atribuce může být velmi rychlým a snadným způsobem, jak spojit data z řady interních zdrojů a zdrojů třetích stran, a dát těmto datům smysl v podmínkách, které si sami velmi konkrétně určujete. Získáte přehled, který potřebujete k jasnému definování a splnění vašich marketingových cílů, a poté zdokonalíte svou strategii, abyste dosáhli nejvyšší možné návratnosti investic za každý vynaložený marketingový dolar.

Co je Data Warehouse jako služba

Nedávno jsme psali o tom, jak datové technologie jsou na vzestupu pro obchodníky. Datové sklady poskytují centrální úložiště, které rozšiřuje a poskytuje skvělý pohled na vaše marketingové úsilí - umožňuje schopnost přinést obrovské objemy zákaznických, transakčních, finančních a marketingových dat. Získáváním online, offline a mobilních dat v centrální databázi hlášení mohou obchodníci analyzovat a získat odpovědi, které potřebují, když to potřebují. Budování datového skladu je pro průměrnou společnost docela závazek - ale Data Warehouse as a Service (DWaaS) tento problém pro společnosti řeší.

O službě BitYota Data Warehouse jako služba

Tento příspěvek byl napsán za pomoci BitYota. Řešení BitYota Data Warehouse jako služba odstraňuje bolesti hlavy z nutnosti nastavit a spravovat jinou datovou platformu. BitYota umožňuje obchodníkům rychle zprovoznit datový sklad, snadno se připojit k poskytovateli cloudu a nakonfigurovat váš sklad. Tato technologie využívá technologii SQL over JSON ke snadnému dotazování na váš sklad a přichází s datovými kanály v reálném čase pro rychlou analýzu.

Analýza atribuce - BitYota

Jeden z hlavních inhibitorů pro rychlé analytika je potřeba transformovat data před jejich uložením do vašeho analytika Systém. Ve světě, kde se aplikace neustále mění, znamenají data přicházející z více zdrojů a v různých formátech, že se společnosti často potýkají s tím, že buď tráví příliš mnoho času projekty transformace dat, nebo čelí zlomený analytika systémy. BitYota ukládá a analyzuje data v nativním formátu, čímž eliminuje potřebu pracných a časově náročných procesů transformace dat. Zrušení transformace dat poskytuje našim zákazníkům rychle analytika, maximální flexibilita a úplná věrnost dat. BitYota

Jak se vaše potřeby mění, můžete přidávat nebo odebírat uzly ze svého clusteru nebo měnit konfigurace strojů. Jako plně spravované řešení BitYota sleduje, spravuje, zajišťuje a rozšiřuje vaši datovou platformu, abyste se mohli soustředit na to důležité - analyzovat vaše data.

Co si myslíte?

Tyto stránky používají Akismet k omezení spamu. Zjistěte, jak jsou vaše údaje komentářů zpracovávány.