Pregătirea pentru modelarea mixului de marketing: Ce trebuie să știți

Vedeți mai mult trafic „nealocat” și „direct” în contul dvs. Google Analytics, chiar dacă sunteți atent la etichetarea UTM? Acest lucru se datorează faptului că reglementările privind confidențialitatea datelor protejează utilizatorii care vă vizitează site-ul web.

Pe măsură ce reglementările privind confidențialitatea datelor cresc, modelele de atribuire pot avea dificultăți să rămână exacte și valoroase. Mulți folosesc Google Analytics 4 pentru modelarea atribuirii, dar nu este compatibil cu GDPR. Din acest motiv, modelele de atribuire precum cele de la Google Analytics vor fi mai puțin eficiente. Nu vor arăta cu exactitate ce canale funcționează. Aici intervine modelarea mixului de marketing.

Acest articol explorează relevanța tot mai mare a modelării mixului de marketing în prezent, cum diferă de modelarea atribuirii și cum să o valorificăm eficient într-un cadru strategic.

Compararea modelării de atribuire și a mixului de marketing

Modelarea atribuirii și modelarea mixului de marketing sunt două abordări distincte utilizate în analiza de marketing pentru a înțelege impactul diferitelor activități de marketing asupra rezultatelor afacerii. Deși ambele urmăresc să ofere perspective asupra eficienței eforturilor de marketing, ele diferă în metodologii, sferă și aplicare.

Modelarea atribuirii. Un set de reguli care determină modul de atribuire a creditului pentru conversii. Aceste modele folosesc puncte de contact digitale în căile de conversie. De exemplu, modelul de ultima atingere atribuie 100% credit punctului de contact final imediat înainte de conversie. Există, de asemenea, modele first touch, time decay, liniare și bazate pe date, pentru a numi câteva.

Modelarea mixului de marketing. O tehnică de analiză care îi ajută pe marketeri să măsoare impactul campaniilor lor de marketing și publicitate. Ei pot vedea cum diferite variabile contribuie la obiectivele lor. Obiectivele sunt adesea veniturile, conversiile, completarea formularelor sau abonamentele.

Pur și simplu pune:

• Un model de atribuire vă spune ce activitate de vânzări sau marketing primește credit pentru un utilizator care efectuează o anumită acțiune. În marketing, folosim adesea raportarea atribuirii pentru a vedea ce acțiuni au cauzat anumite conversii. De exemplu, putem afla dacă deschiderea unui e-mail a dus la completarea unui formular.
• Un model de mix de marketing este un model de regresie mare. Un model de regresie încearcă să înțeleagă relația dintre variabile. Un exemplu în acest sens ar putea fi modelele meteorologice și veniturile. Puteți încerca în continuare să înțelegeți ce acțiuni duc la conversii, dar un model de mix de marketing vă permite să introduceți mai multe date. Analiza vă poate spune apoi relația dintre variabile. Când vremea este însorită, mai mulți oameni vă vizitează magazinul fizic, ceea ce duce la creșterea vânzărilor.

Ambele sunt valoroase pentru a vă înțelege marketingul. De asemenea, le puteți executa folosind învățarea automată și codificare.

Cum să abordați astăzi modelarea mixului de marketing

Pentru a evita erorile, organizați-vă analiza înainte de a lucra cu aceste modele complexe. De exemplu, am analizat recent niște rapoarte lunare. Efectuăm rapoarte de atribuire pentru noi și clienții noștri. Pentru că ne cunosc atât de bine datele, am semnalat ceea ce păreau a fi niște inexactități.

Am petrecut două ore investigând și am găsit diferențe mari între datele site-ului nostru și Google Analytics. Mai precis, discrepanțele au fost între API-ul de date și interfața Google Analytics.

Știm care ar trebui să fie valoarea, dar nici una dintre sursele noastre de date nu se potrivește. Problema este că suntem restricționați la un singur set de date pentru modelul de atribuire. Putem ignora datele problematice dacă folosim un model de mix de marketing, deoarece datele pot fi adunate din alte sisteme pentru a ne spune ce funcționează.

Înainte de a intra în analiză, trebuie să facem un inventar. Exemplul arată de ce ar trebui să aduni cerințe și să ai o bună guvernare a datelor înainte de a utiliza un model de mix de marketing. Dacă nu înțelegeți bine ce ar trebui să vă spună datele, o analiză complexă nu vă va ajuta.

Pentru a înțelege cu ce lucrăm, putem folosi cadrul „5 Ps” pentru a determina:

• Scop.
• Oameni.
• Proces.
• Platformă.
• Performanţă.

Scop

Aici veți spune de ce doriți să rulați un model de mix de marketing. Cel mai bun mod de a vă organiza gândurile este cu o poveste de utilizator.

„Ca [persoană], [vreau], așa că [asta].”

Povestea utilizatorului vă spune care sunt ceilalți P-uri.

• [Persona] îți spune oamenilor.
• [Vrei să] vă spune procesul și platforma.
• [Asta] vă spune performanța.

Iată cum arată al meu:

• În calitate de CEO, vreau să înțeleg care dintre eforturile mele de marketing digital au ca rezultat vânzări, astfel încât să pot prioritiza bugetul și resursele.

În această declarație, am o mulțime de informații. Să continuăm să-l defalcăm.

oameni

Am declarat că vreau să înțeleg datele, așa că sunt prima persoană implicată. Știind că nu sunt singurul responsabil pentru colectarea și analiza datelor, pot presupune că voi avea nevoie de implicarea analistului meu. De asemenea, vom avea nevoie de resursele noastre de dezvoltare a afacerii pentru a aduce datele despre vânzări.

Proces

Am declarat că scopul meu a fost să înțeleg eforturile și vânzările mele de marketing digital. În ceea ce privește procesul, această declarație îmi spune că trebuie să fac câteva lucruri. Trebuie să știu cum sunt colectate acele date, frecvența și formatul. Aici trebuie să am guvernarea datelor, astfel încât procesele de colectare a datelor să nu fie ceea ce împiedică rularea unui model de mix de marketing.

Odată ce identific din ce sisteme trebuie să extrag datele (în pasul următor), pot să încerc înapoi la procese, asigurându-mă că pot exporta datele necesare. Dacă nu pot, va trebui să dezvolt și să lucrez noi procese în planul general. De asemenea, va trebui să creez un proces pentru a curăța și a normaliza datele odată extrase pentru a analiza datele din diferite surse.

Dacă aș primi povestea utilizatorului de la o parte interesată, probabil aș respinge și aș cere un interval de timp mai specific. Aici veți petrece probabil cea mai mare parte a timpului, între proces și platformă.

Puteți utiliza un model de mix de marketing pentru a analiza date din diferite surse. Este posibil ca aceste surse să nu aibă același format, așa că trebuie să creați un proces pentru a le combina pentru analiză. Cu cât doriți să utilizați mai multe date de pe platforme diferite, cu atât va trebui să dezvoltați mai multe procese, mai ales dacă doriți să reluați în mod repetat modelul mixului de marketing.

Platformă

Folosind din nou mijlocul declarației, am afirmat că scopul meu a fost să înțeleg eforturile și vânzările mele de marketing digital. Acest lucru îmi spune de pe ce platforme trebuie să extrag date pentru că vreau să înțeleg datele de vânzări, care vor fi fie CRM-ul meu, fie software-ul de contabilitate.

De asemenea, vreau să înțeleg eforturile mele de marketing digital. Aceasta înseamnă că trebuie să cunosc mai întâi toate tacticile de marketing digital și apoi să îmi dau seama ce platforme au date pe care le pot extrage. LinkedIn, de exemplu, este zgârcit cu extragerea datelor, așa că ar putea fi o problemă dacă acesta este un canal la care țin. Aș putea ajunge cu ușurință la date de pe o jumătate de duzină de platforme. În timp ce în cazul unui model de atribuire, de obicei aveți doar date din una sau două surse.

Dacă am o poveste de utilizator bine gândită, nu voi fi copleșit încercând să colectez date de pe toate sistemele mele. Povestea mea de utilizator spune „eforturi de marketing digital”. Când am multe campanii și tactici, mă pot concentra pe câteva canale sau pe un interval de date mai scurt, pentru a fi mai ușor de gestionat.

Performanţă

Aceasta este ultima parte din povestea utilizatorului. Dacă nu creați o poveste de utilizator cu un rezultat măsurabil, încercați din nou. În povestea mea de utilizator, am declarat că vreau să pot prioritiza resursele și bugetul. Ei bine, acesta nu este un rezultat bun. Poate fi adevărat, dar nu este super măsurabil. De unde să știu că am făcut asta, prioritizat?

Recomandarea ar fi să te întorci la povestea utilizatorului și să o rescrii pentru a fi mai precis. O versiune diferită ar putea spune „pentru a reduce cheltuielile pentru canalele ineficiente și a le crește pe tactici de succes”.

Nu trebuie să faceți Oameni, Proces și Platformă într-o anumită ordine. S-ar putea să cunoașteți platformele care vor informa procesul și oamenii. Dar nu sări peste acești Ps. Dacă omiteți culegerea cerințelor și gestionarea datelor, poate cauza greșeli costisitoare și risipa de resurse.

Privind înapoi la auditul meu inițial, văd că am mult de lucru înainte de a putea lua în considerare rularea unui model de mix de marketing. Multe echipe vor rula un model de mix de marketing folosind cod și învățare automată. Având un plan chiar înainte de a începe cu codul, execuția dvs. va fi mai eficientă. În loc să remediați problemele din date, vă puteți petrece timpul perfecționând și creând planuri de acțiune.

Vestea bună este că îl pot descompune în bucăți mai mici, mai controlabile. Pot crea procese repetabile pentru a extrage date și a rula din nou modelul mixului de marketing. Alegerea acestei rute înseamnă că dezvoltarea inițială va dura mai mult. Cu toate acestea, procesul va fi mult mai eficient atunci când trebuie să reluez analiza.

Adoptarea modelării mixului de marketing pentru informații complete

Un model de mix de marketing poate fi o parte foarte puternică a portofoliului dumneavoastră de analiză. Când lucrați la un proiect de date, este important să vă pregătiți pentru succes. Colectarea cerințelor și guvernarea este partea pe care vrem cu toții să o acceleram, dar luarea de comenzi rapide aici nu merită. Fă-ți timp înainte pentru a face un plan; analiza dumneavoastră va fi mult mai valoroasă și mai eficientă.

Sapă mai profund: ce sunt platformele de atribuire de marketing și de management al performanței?