Mempersiapkan pemodelan bauran pemasaran: Apa yang perlu Anda ketahui

Apakah Anda melihat lebih banyak lalu lintas “tidak ditetapkan” dan “langsung” di akun Google Analytics meskipun Anda berhati-hati dengan pemberian tag UTM? Itu karena peraturan privasi data melindungi pengguna yang mengunjungi situs Anda.

Seiring dengan meningkatnya peraturan privasi data, model atribusi mungkin kesulitan untuk tetap akurat dan berharga. Banyak yang menggunakan Google Analytics 4 untuk model atribusi, namun tidak mematuhi GDPR. Oleh karena itu, model atribusi seperti yang ada di Google Analytics akan menjadi kurang efektif. Mereka tidak akan secara akurat menunjukkan saluran mana yang berfungsi. Di sinilah pemodelan bauran pemasaran berperan.

Artikel ini mengeksplorasi semakin relevannya pemodelan bauran pemasaran saat ini, perbedaannya dengan model atribusi, dan cara memanfaatkannya secara efektif dalam kerangka strategis.

Membandingkan model atribusi dan model bauran pemasaran

Pemodelan atribusi dan pemodelan bauran pemasaran adalah dua pendekatan berbeda yang digunakan dalam analisis pemasaran untuk memahami dampak berbagai aktivitas pemasaran terhadap hasil bisnis. Meskipun keduanya bertujuan untuk memberikan wawasan tentang efektivitas upaya pemasaran, keduanya berbeda dalam metodologi, ruang lingkup, dan penerapannya.

Pemodelan atribusi. Seperangkat aturan yang menentukan cara menetapkan kredit untuk konversi. Model ini menggunakan titik kontak digital dalam jalur konversi. Misalnya, model sentuhan terakhir memberikan kredit 100% ke titik kontak akhir tepat sebelum konversi. Ada juga model sentuhan pertama, peluruhan waktu, linier, dan berbasis data, dan masih banyak lagi.

Pemodelan bauran pemasaran. Sebuah teknik analisis yang membantu pemasar mengukur dampak kampanye pemasaran dan periklanan mereka. Mereka dapat melihat bagaimana berbagai variabel berkontribusi terhadap tujuan mereka. Sasarannya sering kali berupa pendapatan, konversi, pengisian formulir, atau langganan.

Sederhananya:

• Model atribusi memberi tahu Anda aktivitas penjualan atau pemasaran apa yang mendapat kredit bagi pengguna yang melakukan tindakan tertentu. Dalam pemasaran, kami sering menggunakan pelaporan atribusi untuk melihat tindakan mana yang menyebabkan konversi tertentu. Misalnya, kita dapat mengetahui apakah membuka email mengarah pada pengisian formulir.
• Model bauran pemasaran adalah model regresi besar. Model regresi mencoba memahami hubungan antar variabel. Contohnya adalah pola cuaca dan pendapatan. Anda masih dapat mencoba memahami tindakan apa yang menghasilkan konversi, namun model bauran pemasaran memungkinkan Anda memasukkan lebih banyak data. Analisis kemudian dapat memberi tahu Anda hubungan antar variabel. Saat cuaca cerah, lebih banyak orang mengunjungi toko fisik Anda, sehingga meningkatkan penjualan.

Keduanya berharga dalam memahami pemasaran Anda. Anda juga dapat menjalankannya menggunakan pembelajaran mesin dan pengkodean.

Bagaimana pendekatan pemodelan bauran pemasaran saat ini

Untuk menghindari kesalahan, atur analisis Anda sebelum bekerja dengan model kompleks ini. Misalnya, saya baru-baru ini membaca beberapa laporan bulanan. Kami menjalankan pelaporan atribusi untuk diri kami sendiri dan klien kami. Karena saya mengetahui data kami dengan baik, saya menandai adanya ketidakakuratan.

Kami menghabiskan dua jam untuk menyelidiki dan menemukan perbedaan besar antara data situs web kami dan Google Analytics. Lebih khusus lagi, perbedaan tersebut terjadi antara API data dan antarmuka Google Analytics.

Kami tahu metrik yang seharusnya digunakan, namun tidak ada sumber data kami yang cocok. Masalahnya adalah kami dibatasi pada satu kumpulan data untuk model atribusi. Kita dapat mengabaikan data yang bermasalah jika kita menggunakan model bauran pemasaran karena data dapat dikumpulkan dari sistem lain untuk memberi tahu kita apa yang berhasil.

Sebelum kita masuk ke analisis, kita harus melakukan inventarisasi. Contoh ini menunjukkan mengapa Anda harus mengumpulkan persyaratan dan memiliki tata kelola data yang baik sebelum menggunakan model bauran pemasaran. Jika Anda tidak memiliki pemahaman yang baik tentang apa yang seharusnya disampaikan oleh data Anda, analisis yang rumit tidak akan membantu.

Untuk memahami apa yang sedang kami kerjakan, kami dapat menggunakan kerangka kerja “5 P” untuk menentukan:

• Tujuan.
• Rakyat.
• Proses.
• Platform.
• Pertunjukan.

Tujuan

Di sinilah Anda akan menyatakan mengapa Anda ingin menjalankan model bauran pemasaran. Cara terbaik untuk mengatur pemikiran Anda adalah dengan cerita pengguna.

“Sebagai [persona], saya [ingin], jadi [itu].”

Kisah pengguna memberi tahu Anda apa itu P lainnya.

• [Persona] memberi tahu Anda orang-orangnya.
• [Ingin] memberi tahu Anda proses dan platformnya.
• [Itu] memberi tahu Anda kinerjanya.

Inilah tampilan saya:

• Sebagai CEO, saya ingin memahami upaya pemasaran digital saya yang mana yang menghasilkan penjualan sehingga saya dapat memprioritaskan anggaran dan sumber daya.

Dalam pernyataan ini, saya punya banyak informasi. Mari kita terus memecahnya.

Rakyat

Saya menyatakan ingin memahami datanya, jadi saya orang pertama yang terlibat. Mengetahui bahwa saya tidak sepenuhnya bertanggung jawab atas pengumpulan dan analisis data, saya dapat berasumsi bahwa saya memerlukan keterlibatan analis saya. Kami juga memerlukan sumber daya pengembangan bisnis untuk menyediakan data penjualan.

Proses

Saya menyatakan bahwa tujuan saya adalah untuk memahami upaya pemasaran dan penjualan digital saya. Dari segi proses, pernyataan ini memberi tahu saya bahwa saya perlu melakukan beberapa hal. Saya perlu tahu bagaimana data dikumpulkan, frekuensi dan formatnya. Di sinilah saya perlu menerapkan tata kelola data sehingga proses pengumpulan data tidak menghambat jalannya model bauran pemasaran.

Setelah saya mengidentifikasi dari sistem mana saya perlu mengekstrak data (pada langkah berikutnya), saya dapat kembali ke proses tersebut, memastikan bahwa saya dapat mengekspor data yang diperlukan. Jika saya tidak bisa, saya perlu mengembangkan dan mengerjakan proses baru ke dalam rencana keseluruhan. Saya juga perlu membuat proses untuk membersihkan dan menormalkan data setelah diekstraksi untuk menganalisis data dari berbagai sumber.

Jika saya mendapatkan cerita pengguna dari pemangku kepentingan, saya mungkin akan menolaknya dan meminta jangka waktu yang lebih spesifik. Di sinilah kemungkinan besar Anda akan menghabiskan sebagian besar waktu Anda, antara proses dan platform.

Anda dapat menggunakan model bauran pemasaran untuk menganalisis data dari berbagai sumber. Sumber-sumber ini mungkin tidak memiliki format yang sama, jadi Anda harus membuat proses untuk menggabungkannya untuk dianalisis. Semakin banyak data yang ingin Anda gunakan dari platform berbeda, semakin banyak proses yang perlu Anda kembangkan — terutama jika Anda ingin menjalankan kembali model bauran pemasaran berulang kali.

Platform

Menggunakan bagian tengah pernyataan lagi, saya menyatakan bahwa tujuan saya adalah untuk memahami upaya pemasaran dan penjualan digital saya. Ini memberi tahu saya dari platform mana saya perlu mengekstrak data karena saya ingin memahami data penjualan, yang akan berupa CRM atau perangkat lunak akuntansi saya.

Saya juga ingin memahami upaya pemasaran digital saya. Artinya, pertama-tama saya harus mengetahui semua taktik pemasaran digital, lalu mencari tahu platform mana yang memiliki data yang dapat saya ekstrak. LinkedIn, misalnya, pelit dalam ekstraksi data, jadi itu bisa menjadi masalah jika itu adalah saluran yang saya pedulikan. Saya dapat dengan mudah mendapatkan data dari setengah lusin platform. Sedangkan dengan model atribusi, Anda biasanya hanya memiliki data dari satu atau dua sumber.

Jika saya memiliki kisah pengguna yang dipikirkan dengan matang, saya tidak akan kewalahan saat mengumpulkan data dari semua sistem saya. Kisah pengguna saya menyatakan, “upaya pemasaran digital.” Ketika saya memiliki banyak kampanye dan taktik, saya dapat fokus pada beberapa saluran atau rentang tanggal yang lebih pendek agar lebih mudah ditangani.

Pertunjukan

Ini adalah bagian terakhir dari kisah pengguna. Jika Anda tidak membuat cerita pengguna dengan hasil yang terukur, coba lagi. Dalam cerita pengguna saya, saya menyatakan bahwa saya ingin dapat memprioritaskan sumber daya dan anggaran. Yah, itu bukan hasil yang bagus. Itu mungkin benar, tapi itu tidak bisa diukur. Bagaimana saya tahu bahwa saya melakukan itu, diprioritaskan?

Rekomendasinya adalah kembali ke cerita pengguna dan menulis ulang agar lebih tepat. Versi lain mungkin mengatakan, “menurunkan pembelanjaan pada saluran yang tidak efektif dan meningkatkannya pada taktik yang berhasil.”

Anda tidak perlu melakukan Orang, Proses, dan Platform dalam urutan tertentu. Anda mungkin mengetahui platform yang akan menginformasikan proses dan orang-orangnya. Tapi jangan lewatkan Ps ini. Jika Anda melewatkan pengumpulan persyaratan dan pengelolaan data, hal ini dapat menyebabkan kesalahan yang merugikan dan sumber daya yang terbuang sia-sia.

Melihat kembali audit awal saya, saya melihat bahwa saya memiliki banyak pekerjaan yang harus dilakukan sebelum saya dapat mempertimbangkan untuk menjalankan model bauran pemasaran. Banyak tim akan menjalankan model bauran pemasaran menggunakan kode dan pembelajaran mesin. Memiliki rencana bahkan sebelum Anda memulai kode akan membuat eksekusi Anda lebih efisien. Daripada memperbaiki masalah pada data, Anda dapat menghabiskan waktu untuk menyempurnakan dan membuat rencana tindakan.

Kabar baiknya adalah saya dapat memecahnya menjadi bagian-bagian yang lebih kecil dan lebih terkendali. Saya dapat membuat proses berulang untuk mengekstrak data dan menjalankan kembali model bauran pemasaran. Memilih rute ini berarti pengembangan di muka akan memakan waktu lebih lama. Namun, prosesnya akan jauh lebih efisien ketika saya perlu menjalankan kembali analisisnya.

Merangkul pemodelan bauran pemasaran untuk wawasan yang komprehensif

Model bauran pemasaran dapat menjadi bagian yang sangat berguna dalam portofolio analisis Anda. Saat mengerjakan proyek data, mempersiapkan diri Anda untuk sukses adalah hal yang penting. Pengumpulan persyaratan dan tata kelola adalah bagian yang kita semua ingin percepat, namun mengambil jalan pintas dalam hal ini tidak sepadan. Luangkan waktu terlebih dahulu untuk membuat rencana; analisis Anda akan jauh lebih berharga dan dapat ditindaklanjuti.

Gali lebih dalam: Apa yang dimaksud dengan atribusi pemasaran dan platform manajemen kinerja?