消除数字营销中的盲点

管理就是决策。 数字营销团队的管理都是关于数据驱动的决策。 如今，cookie、隐私和 MarTech 的限制使衡量变得更加困难，盲点也越来越大。 一旦被忽视，它就会增加购置成本，并使证明营销价值变得更加困难。

在本文中，我们揭示了您在 2023 年数字营销中应注意的主要盲点。我们还分享了估算其业务影响的方法以及处理这些盲点的最佳做法。

2023 年的主要盲点：

• CRM 数据未连接到数字分析报告
• 很大一部分流量来自未知来源
• 未经同意的数据即使对于已转化的访问者也没有会话流量来源

数字营销活动是通过在线转化来衡量的，但 C 级人员正在寻找已完成的订单或合格的潜在客户来证明营销价值。 如果您的 CRM 数据未连接到您的数字分析报告，您将无法从实际业务价值的角度了解哪些收购活动被低估或高估。

要构建报告，来自不同来源的数据必须正确分组。 例如，需要将用户操作分组到会话中，以便将转化与广告活动相关联。 来自不同来源的费用应转换为单一结构，以比较这些来源的有效性。 来自网站和广告来源的数据需要与来自您的 CRM 系统的数据相结合，以便从业务角度评估营销的真正有效性。

分析师从不同的服务和系统收集数据。 当然，数据的结构和格式因来源而异。 此外，此数据可能包含错误、重复和差异。 脏数据和碎片数据需要清洗和规范化。

清理、规范化和研究来自各种来源的数据的兼容性需要花费大量时间。 此外，随着源数据的更新，需要定期进行数据梳理，以根据业务需求灵活管理业务逻辑。

为了准备一个报告系统，分析师需要创建和维护一整套互连的 SQL 数据转换。 在任何项目中，随着时间的推移，这会变成一团乱麻的 SQL 查询和脚本，其调试会花费大量时间并且不会增加新的价值。

使用 OWOX BI，您不再需要寻找 KPI 不一致并在工具之间切换。 您可以将所有用户操作数据与活动和 CRM 数据进行核对，以证明营销价值。 无论您需要什么数据，您都可以立即在仪表板上看到它。

步骤 1. OWOX BI 以方便的格式自动收集数据，以便从您的所有营销来源进行分析：

• Google Analytics 4、Firebase 和 AppsFlyer
• 网站（完全符合 GDPR 的原始数据）
• 广告平台
• 客户关系管理系统
• 其他营销来源

第 2 步。使用 OWOX BI，您无需手动清理、构建和处理数据。该服务自动将原始数据规范化为分析就绪格式。 您可以获得精确的结构化信息：统一的标签格式、单一货币、无重复和异常的数据、机器人检测。

第 3 步。OWOX BI 转换自动应用每个人都需要的基本转换，例如会话化、成本数据混合、用户类型检测（新用户或返回用户）、转换建模、自定义渠道分组等等。另外，您可以轻松地制作和应用您自己的（自定义）转换。

使用这种方法，您可以：

• 通过以下方式提高分析工作的价值和效率：
• 加快报告结构和指标计算逻辑的变化
• 降低支持报告和仪表板的成本
• 简化报告讨论和批准
• 通过以下方式提高报告中的数据质量：
• 实现参数和指标计算逻辑时避免重复
• 拥有一个数据层作为准确数据的来源

OWOX BI 为您提供可供分析的数据，从而节省数据准备时间。

源表所需的结构及其形成逻辑将取决于您业务的具体情况。 使用 OWOX BI Transformation，您可以获得具有任何形成逻辑的任何数据结构。

比如在原生GA4→Google BigQuery export中，只有一个流量来源归因逻辑——First User Source。 也就是说，只考虑给定用户的第一个来源，而忽略导致会话的所有其他来源。 因此，您的报告中不会显示某些流量来源。 这对分析师来说可能是个问题，因为许多报告都是建立在会话之上的。 因此，定义每个会话的来源至关重要。

在 OWOX BI 中，您可以设置任何流量源归因逻辑，包括 Session Source，这对于营销绩效报告很重要。

假设您需要一份效果报告，其中包含有关广告活动和在线转化的数据。 但是，包括转化在内的许多网站操作都是在个人用户点击广告之后发生的。 这就是为什么您需要先按流量来源对在线用户活动进行分组，然后才能研究营销活动与在线转化之间的关系。

OWOX BI 算法自动组合会话中的点击/事件，而无需求助于会话形成的 Google Analytics 逻辑。 您将在方便的结构中获得随时可用的自动更新会话表，而无需编写复杂的数据转换。

此外，使用 OWOX BI，分析师可以使用 Google Analytics Universal 和 Google Analytics 4 的免费转换模板对会话进行分组。因此，分析师将获得单一结构中的会话数据，可用于报告或费用归因。

所有模板都易于修改——分析师可以更改模板的任何部分，以采用独特的方式构建会话。 此外，分析师可以仅使用标准 SQL 创建自己独特的算法。

营销人员了解受众之间的差异非常重要。 例如，要实现增长目标，您需要分别跟踪新用户和回访用户的广告活动效果。 这很重要，因为回访用户比例高的渠道具有最佳 KPI，但它们几乎无法扩展。

OWOX BI 提供了定义用户类型（新用户或返回用户）的功能，以便您可以针对不同的用户群组构建报告。 为此，OWOX 或网站、CRM 系统等的其他系统可以使用、收集各种类型的数据：

• Cookie 及其在网站上的持续时间（如 GA，但更准确、更灵活）
• 网站上的用户交易
• 网站用户注册信息
• CRM系统用户注册信息
• 来自 CRM 系统的销售信息
• 公司拥有的关于其用户的任何其他信息

OWOX BI 具有开箱即用的算法和工具，可以组合所有这些数据，并以最准确的方式确定用户是新用户还是回访用户，而不会丢失有关用户的任何信息。

分析师可以从用标准 SQL 编写的现成模板中应用此类算法。 您还可以快速修改模板或编写自己的用户类型检测算法。

借助 OWOX BI，您可以围绕用户构建分析，而不是浏览器、设备和活动。 您站点以及各种设备和应用程序中有关用户行为的所有数据都将合并到一个配置文件中。 您将全面了解每个用户的行为，以分析广告活动的质量。

OWOX BI 将 Web 和 App 平台上的数十个用户 ID 组合成一个用户配置文件（ProfileID）：

ProfileID 允许您在转换过程中组合一系列来源。 这提高了归因的准确性，并允许您回答有关跨设备广告活动有效性的问题。

Google Analytics 和其他分析工具为会话化、归因、广告成本混合等预定义了数据转换算法。 它们允许您以一般方式执行营销分析转换所需的一切。 他们有一些定制的机会，但如果您想将自己的算法与特定于业务的方法一起应用，这还不够。

OWOX 提供了一套完善且有效的转换来转换特定于营销的数据。 每个都旨在以最适合大多数网站的方式准备和转换数据。 我们将它们作为一组转换模板提供。

如果您需要根据您的特定要求进行独特的数据转换，OWOX 可以提供自定义转换。 它们可以通过三种方式开发：

• 由您的分析师从头开始
• OWOX 专业人员根据您的要求从头开始
• 通过从 OWOX 模板修改现有数据转换（最快的方法）

自定义转换使用 SQL 查询并且在链中有无限数量的查询。 您可以无限制地创建数据转换规则。 自定义转换可以与来自模板的转换一起使用，以创建流畅的数据流。 您可以将自定义转换另存为项目模板，并在同一项目的另一个数据流中重复使用它。

为了对广告预算的分配等事情做出正确的决定，您必须确保报告中的数据及时更新。

OWOX BI 提供了一种无需任何编码或第三方工具即可安排数据更新的简便方法。 调度程序是可以在 OWOX BI 平台中创建的任何流程的一部分。

有两种类型的调度程序可以更好地调整数据更新：按时间和按事件。 第一种类型的调度程序提供了数据准备就绪的确切时间； 第二种类型通过依赖流（当进程一个接一个地运行时）使此设置变得容易。 这两种调度程序类型的组合使客户能够快速、轻松、灵活地更新性能报告的数据。

您可能会发现很大一部分会话和转化来自直接/无。 因此，几乎不可能了解这些会话和转化的真正来源。 最常见的原因是 cookie 的生命周期有限，这会导致特定访问者的每个后续会话都被定义为一个新会话，并且与第一个会话的连接丢失。

Safari 浏览器中的第一方 cookie 的有效期为 7 天。 底线是clientId标识符用于识别 Google Analytics 中的特定用户。 因此，它被分析工具用作一个键，通过它您可以了解用户在很长一段时间内的操作、用户最初来自哪里、他们访问了哪些页面等等。

clientId 标识符被写入 ga_cookie 并存储在用户的设备上。 这被认为是第一方 cookie ，但由于它是用 JavaScript 脚本编写的，因此受 ITP 限制。 所以它的寿命不会超过七天。

这意味着，如果用户今天通过 Facebook 广告访问您的网站并在八天后下订单，那么对于您的分析工具而言，这将是一个新用户，并且订单不会以任何方式归因于 Facebook 广告。 营销人员对这部分流量视而不见，并且不了解订单的真正来源，可能会禁用 Facebook 上无效的广告。 这可能会导致订单和企业利润下降。 因此，分析中新用户比例的增加会导致收入损失。

Google Analytics 的 ITP 影响计算器可能有助于了解 cookie 更改将如何影响您。

借助 OWOX BI，您可以将广告活动估算的准确性提高 70%，并确定产生收入的真正来源/媒体/活动。 OWOX BI 服务器端跟踪监控您网站上的任何用户活动，延长 cookie 寿命，并且不受广告拦截器的影响，让您看到整个转化路径。

使用 OWOX BI，您可以设置第一方数据收集来解决 ITP 问题。 为此，在整合阶段，我们会在您的网站上创建一个单独的子域，收集将在该子域上进行。

对于每次点击/事件，OWOX BI 都会创建一个 cookie ouid 并将其更新 364 天。 此 cookie 将有一个长期存在的用户 ID，即 owox.user_id。 以此为基础，我们可以在没有大量虚假新用户的情况下构建分析报告，并构建更长周期的用户路径。 这使得正确评估广告活动的有效性并跟踪整个用户旅程成为可能。

广告服务提供不同格式和数据结构的成本数据。 但没有广告服务提供 UTM 格式的成本数据。 为了提供这样的数据，他们必须为每次点击存储带有 UTM 参数的 URL 记录，而这太昂贵了。

将成本数据导入任何数据仓库都会导致需要用于将广告成本数据与其他数据合并的密钥。 要全面了解广告效果，必须合并此类数据。 UTM 参数就是那些键。

将广告费用导入 Google BigQuery 时，OWOX BI 会自动识别 UTM 参数。 我们知道在哪里寻找 URL 以及如何获取它。 一系列动态参数可用于一些最流行的数据源：Facebook Ads、Bing Ads 等。

拥有成本数据和 UTM 参数可以让您将来自不同广告服务的数据与用户行为数据合并，从而真实了解特定活动与流量来源的关系并精确计算 ROAS。 与仅按活动名称合并相比，按最多五个 UTM 参数合并数据可提供更详细的图片。

一些企业在其广告中使用指向其网站的短链接。 URL 缩短器用于改善 URL 的视觉外观和进行额外跟踪。 但是，根据包含短 URL 的广告支出构建广告效率报告 (ROAS) 变得很棘手。 为什么？ 因为不可能使用 UTM 参数检索最终 URL，而拥有用于在报表中加入数据的最终 URL 至关重要。 UTM 参数是连接数据以进行报告的关键。

OWOX BI 自动跟踪短链接以便从完整（原始）链接获取 UTM 参数。 这允许将广告成本数据与用户数据合并，以便全面了解广告效果。

在 OWOX BI 中，您可以将任何标准归因模型连接到您的报告，设置基于 OWOX 转换预测的数据驱动模型，或基于您自己的规则和销售渠道构建自定义模型。 这一切都可以在产品界面中轻松完成，无需数据工程师的帮助。

有一些著名的模型，包括最后点击、首次点击和基于规则。 此外，还有用于构建模型以满足独特需求的特定和高级算法。 它们都使用标准 SQL 查询来转换数据。 这些查询需要不断地审查、调整和应用。

OWOX BI 提供了一个简单的用户体验来管理和监控这些转换的执行。 现成的模型与易于管理的工具相结合，使分析师有机会自信地管理数据并对结果负责。 最重要的是，OWOX BI 功能提供了同时拥有多个归因模型和测试模型以找到最适合营销人员的可能性。

GDPR 和 CCPA 要求在收集分析数据之前征得用户同意。 因此，即使对于在单个会话（非同意数据）内进行转换的用户，流量来源也可能是未知的。 这也导致 CRM 数据和数字分析数据之间存在差异。

与欧盟居民合作的企业必须遵守有关用户隐私的 GDPR 要求。 不遵守规定可能会被处以巨额罚款。

如果您有来自欧洲的网站流量并使用 Google Analytics，则肯定违反了GDPR 要求，因为带有 client_id 的 cookie _ga 包含个人身份信息，并且此数据将发送到 Google Analytics 并在 Google Analytics 本身确定的服务器上进行处理. 您不能确信您的用户数据会保留在欧盟并仅在欧盟内部进行处理。 同时，您的营销团队需要衡量广告活动的效率，并在没有盲点的情况下影响用户的旅程。

Google Analytics 4 提供清晰详细的选项来管理导入的数据。 但是，没有办法只将数据存储在您选择的位置。 您可以请求在欧盟处理个人身份信息或导出数据，但您不能仅将所有收集的数据存储在选定的位置。

使用 OWOX BI，您可以完全控制同意和非同意数据。 您可以根据最严格的隐私和安全要求收集和使用个人身份信息 (PII)。 此外，OWOX BI 允许您选择数据驻留（欧盟、美国或全球），删除非同意用户的 PII，并使用自定义密钥加密所有用户数据。

OWOX BI 在您选择的位置收集数据，包括欧盟的 10 个位置。 此外，OWOX BI 将收集的数据存储在您选择的位置。 最重要的是，OWOX 为您的法律和安全团队提供有关数据流的所有详细信息。

• 与 GA4 不同，OWOX BI 具有透明的数据流。
• 数据可以存储在 Google BigQuery 支持的任何位置。
• 您可以完全控制所有存储的数据，并可以决定与谁共享。
• 如果用户未同意跟踪，OWOX BI 会自动删除 PII 数据。 因此，您不会因违反 GDPR 而意外搬起石头砸自己的脚。
• 可以选择使用您自己的密钥加密 Google BigQuery 中的所有用户数据。

为遵守 GDPR 要求，网站所有者必须拒绝识别不想共享 cookie 的用户，并且不要点击神奇的“接受 Cookie”按钮。 结果，同意模式将可以确定流量来源的转化次数减少了 30%。

转换建模有助于解决这个问题。 首先，机器学习系统处理可用数据和历史统计数据。 然后，在知道有多少用户允许设置 cookie 以及这些用户如何转换后，机器学习系统会为那些不同意的用户确定最可能的归因路径。 这使您能够更准确地将活动结果与活动成本相匹配，同时遵守用户关于 cookie 的决定。

OWOX BI 有一个独特的解决方案，可以解决绩效报告中的非同意差距。 该解决方案允许分析师研究、调整甚至更改在现有活动中分发非同意数据的算法。 这使分析师能够自信地管理数据并对结果负责。

模型转换算法是在标准SQL上开发的，所以它是透明的，任何了解SQL的分析师都可以理解。 OWOX BI 专家可以在必要时帮助分析师设置或更改算法。

OWOX BI 功能提供了同时使用多个转换模型的可能性，以测试不同的转换模型以找到最适合营销人员的模型。 此类算法可以手动或自动运行，并可以对其进行监控并确保它们在正确的时间提供正确的数据。

最近，对 cookie、数据隐私和营销技术的限制使分析师和营销人员的工作变得复杂。 在数字营销中，越来越多的盲点阻碍了基于数据的决策。

好消息是，在 OWOX BI 的帮助下，您可以消除这些盲点：

• 关闭营销和收入之间的循环
• 处理报告中的直接/无流量
• 根据最严格的隐私和安全要求收集和使用个人身份信息 (PII)

注册一个演示以获取详细信息