消除數字營銷中的盲點

管理就是決策。 數字營銷團隊的管理都是關於數據驅動的決策。 如今，cookie、隱私和 MarTech 的限制使衡量變得更加困難，盲點也越來越大。 一旦被忽視，它就會增加購置成本，並使證明營銷價值變得更加困難。

在本文中，我們揭示了您在 2023 年數字營銷中應注意的主要盲點。我們還分享了估算其業務影響的方法以及處理這些盲點的最佳做法。

2023 年的主要盲點：

• CRM 數據未連接到數字分析報告
• 很大一部分流量來自未知來源
• 未經同意的數據即使對於已轉化的訪問者也沒有會話流量來源

數字營銷活動是通過在線轉化來衡量的，但 C 級人員正在尋找已完成的訂單或合格的潛在客戶來證明營銷價值。 如果您的 CRM 數據未連接到您的數字分析報告，您將無法從實際業務價值的角度了解哪些收購活動被低估或高估。

要構建報告，來自不同來源的數據必須正確分組。 例如，需要將用戶操作分組到會話中，以便將轉化與廣告活動相關聯。 來自不同來源的費用應轉換為單一結構，以比較這些來源的有效性。 來自網站和廣告來源的數據需要與來自您的 CRM 系統的數據相結合，以便從業務角度評估營銷的真正有效性。

分析師從不同的服務和系統收集數據。 當然，數據的結構和格式因來源而異。 此外，此數據可能包含錯誤、重複和差異。 臟數據和碎片數據需要清洗和規範化。

清理、規範化和研究來自各種來源的數據的兼容性需要花費大量時間。 此外，隨著源數據的更新，需要定期進行數據梳理，以根據業務需求靈活管理業務邏輯。

為了準備一個報告系統，分析師需要創建和維護一整套互連的 SQL 數據轉換。 在任何項目中，隨著時間的推移，這會變成一團亂麻的 SQL 查詢和腳本，其調試會花費大量時間並且不會增加新的價值。

使用 OWOX BI，您不再需要尋找 KPI 不一致並在工具之間切換。 您可以將所有用戶操作數據與活動和 CRM 數據進行核對，以證明營銷價值。 無論您需要什麼數據，您都可以立即在儀表板上看到它。

步驟 1. OWOX BI 以方便的格式自動收集數據，以便從您的所有營銷來源進行分析：

• Google Analytics 4、Firebase 和 AppsFlyer
• 網站（完全符合 GDPR 的原始數據）
• 廣告平台
• 客戶關係管理系統
• 其他營銷來源

第 2 步。使用 OWOX BI，您無需手動清理、構建和處理數據。該服務自動將原始數據規範化為分析就緒格式。 您可以獲得精確的結構化信息：統一的標籤格式、單一貨幣、無重複和異常的數據、機器人檢測。

第 3 步。OWOX BI 轉換自動應用每個人都需要的基本轉換，例如會話化、成本數據混合、用戶類型檢測（新用戶或返回用戶）、轉換建模、自定義渠道分組等等。另外，您可以輕鬆地製作和應用您自己的（自定義）轉換。

使用這種方法，您可以：

• 通過以下方式提高分析工作的價值和效率：
• 加快報告結構和指標計算邏輯的變化
• 降低支持報告和儀表板的成本
• 簡化報告討論和批准
• 通過以下方式提高報告中的數據質量：
• 實現參數和指標計算邏輯時避免重複
• 擁有一個數據層作為準確數據的來源

OWOX BI 為您提供可供分析的數據，從而節省數據準備時間。

源表所需的結構及其形成邏輯將取決於您業務的具體情況。 使用 OWOX BI Transformation，您可以獲得具有任何形成邏輯的任何數據結構。

比如在原生GA4→Google BigQuery export中，只有一個流量來源歸因邏輯——First User Source。 也就是說，只考慮給定用戶的第一個來源，而忽略導致會話的所有其他來源。 因此，您的報告中不會顯示某些流量來源。 這對分析師來說可能是個問題，因為許多報告都是建立在會話之上的。 因此，定義每個會話的來源至關重要。

在 OWOX BI 中，您可以設置任何流量源歸因邏輯，包括 Session Source，這對於營銷績效報告很重要。

假設您需要一份效果報告，其中包含有關廣告活動和在線轉化的數據。 但是，包括轉化在內的許多網站操作都是在個人用戶點擊廣告之後發生的。 這就是為什麼您需要先按流量來源對在線用戶活動進行分組，然後才能研究營銷活動與在線轉化之間的關係。

OWOX BI 算法自動組合會話中的點擊/事件，而無需求助於會話形成的 Google Analytics 邏輯。 您將在方便的結構中獲得隨時可用的自動更新會話表，而無需編寫複雜的數據轉換。

此外，使用 OWOX BI，分析師可以使用 Google Analytics Universal 和 Google Analytics 4 的免費轉換模闆對會話進行分組。因此，分析師將獲得單一結構中的會話數據，可用於報告或費用歸因。

所有模板都易於修改——分析師可以更改模板的任何部分，以採用獨特的方式構建會話。 此外，分析師可以僅使用標準 SQL 創建自己獨特的算法。

營銷人員了解受眾之間的差異非常重要。 例如，要實現增長目標，您需要分別跟踪新用戶和回訪用戶的廣告活動效果。 這很重要，因為回訪用戶比例高的渠道具有最佳 KPI，但它們幾乎無法擴展。

OWOX BI 提供了定義用戶類型（新用戶或返回用戶）的功能，以便您可以針對不同的用戶群組構建報告。 為此，OWOX 或網站、CRM 系統等的其他系統可以使用、收集各種類型的數據：

• Cookie 及其在網站上的持續時間（如 GA，但更準確、更靈活）
• 網站上的用戶交易
• 網站用戶註冊信息
• CRM系統用戶註冊信息
• 來自 CRM 系統的銷售信息
• 公司擁有的關於其用戶的任何其他信息

OWOX BI 具有開箱即用的算法和工具，可以組合所有這些數據，並以最準確的方式確定用戶是新用戶還是回訪用戶，而不會丟失有關用戶的任何信息。

分析師可以從用標準 SQL 編寫的現成模板中應用此類算法。 您還可以快速修改模板或編寫自己的用戶類型檢測算法。

借助 OWOX BI，您可以圍繞用戶構建分析，而不是瀏覽器、設備和活動。 您站點以及各種設備和應用程序中有關用戶行為的所有數據都將合併到一個配置文件中。 您將全面了解每個用戶的行為，以分析廣告活動的質量。

OWOX BI 將 Web 和 App 平台上的數十個用戶 ID 組合成一個用戶配置文件（ProfileID）：

ProfileID 允許您在轉換過程中組合一系列來源。 這提高了歸因的準確性，並允許您回答有關跨設備廣告活動有效性的問題。

Google Analytics 和其他分析工具為會話化、歸因、廣告成本混合等預定義了數據轉換算法。 它們允許您以一般方式執行營銷分析轉換所需的一切。 他們有一些定制的機會，但如果您想將自己的算法與特定於業務的方法一起應用，這還不夠。

OWOX 提供了一套完善且有效的轉換來轉換特定於營銷的數據。 每個都旨在以最適合大多數網站的方式準備和轉換數據。 我們將它們作為一組轉換模板提供。

如果您需要根據您的特定要求進行獨特的數據轉換，OWOX 可以提供自定義轉換。 它們可以通過三種方式開發：

• 由您的分析師從頭開始
• OWOX 專業人員根據您的要求從頭開始
• 通過從 OWOX 模板修改現有數據轉換（最快的方法）

自定義轉換使用 SQL 查詢並且在鏈中有無限數量的查詢。 您可以無限制地創建數據轉換規則。 自定義轉換可以與來自模板的轉換一起使用，以創建流暢的數據流。 您可以將自定義轉換另存為項目模板，並在同一項目的另一個數據流中重複使用它。

為了對廣告預算的分配等事情做出正確的決定，您必須確保報告中的數據及時更新。

OWOX BI 提供了一種無需任何編碼或第三方工具即可安排數據更新的簡便方法。 調度程序是可以在 OWOX BI 平台中創建的任何流程的一部分。

有兩種類型的調度程序可以更好地調整數據更新：按時間和按事件。 第一種類型的調度程序提供了數據準備就緒的確切時間； 第二種類型通過依賴流（當進程一個接一個地運行時）使此設置變得容易。 這兩種調度程序類型的組合使客戶能夠快速、輕鬆、靈活地更新性能報告的數據。

您可能會發現很大一部分會話和轉化來自直接/無。 因此，幾乎不可能了解這些會話和轉化的真正來源。 最常見的原因是 cookie 的生命週期有限，這會導致特定訪問者的每個後續會話都被定義為一個新會話，並且與第一個會話的連接丟失。

Safari 瀏覽器中的第一方 cookie 的有效期為 7 天。 底線是clientId標識符用於識別 Google Analytics 中的特定用戶。 因此，它被分析工具用作一個鍵，通過它您可以了解用戶在很長一段時間內的操作、用戶最初來自哪裡、他們訪問了哪些頁面等等。

clientId 標識符被寫入 ga_cookie 並存儲在用戶的設備上。 這被認為是第一方 cookie ，但由於它是用 JavaScript 腳本編寫的，因此受 ITP 限制。 所以它的壽命不會超過七天。

這意味著，如果用戶今天通過 Facebook 廣告訪問您的網站並在八天后下訂單，那麼對於您的分析工具而言，這將是一個新用戶，並且訂單不會以任何方式歸因於 Facebook 廣告。 營銷人員對這部分流量視而不見，並且不了解訂單的真正來源，可能會禁用 Facebook 上無效的廣告。 這可能會導致訂單和企業利潤下降。 因此，分析中新用戶比例的增加會導致收入損失。

Google Analytics 的 ITP 影響計算器可能有助於了解 cookie 更改將如何影響您。

借助 OWOX BI，您可以將廣告活動估算的準確性提高 70%，並確定產生收入的真正來源/媒體/活動。 OWOX BI 服務器端跟踪監控您網站上的任何用戶活動，延長 cookie 壽命，並且不受廣告攔截器的影響，讓您看到整個轉化路徑。

使用 OWOX BI，您可以設置第一方數據收集來解決 ITP 問題。 為此，在整合階段，我們會在您的網站上創建一個單獨的子域，收集將在該子域上進行。

對於每次點擊/事件，OWOX BI 都會創建一個 cookie ouid 並將其更新 364 天。 此 cookie 將有一個長期存在的用戶 ID，即 owox.user_id。 以此為基礎，我們可以在沒有大量虛假新用戶的情況下構建分析報告，並構建更長周期的用戶路徑。 這使得正確評估廣告活動的有效性並跟踪整個用戶旅程成為可能。

廣告服務提供不同格式和數據結構的成本數據。 但沒有廣告服務提供 UTM 格式的成本數據。 為了提供這樣的數據，他們必須為每次點擊存儲帶有 UTM 參數的 URL 記錄，而這太昂貴了。

將成本數據導入任何數據倉庫都會導致需要用於將廣告成本數據與其他數據合併的密鑰。 要全面了解廣告效果，必須合併此類數據。 UTM 參數就是那些鍵。

將廣告費用導入 Google BigQuery 時，OWOX BI 會自動識別 UTM 參數。 我們知道在哪裡尋找 URL 以及如何獲取它。 一系列動態參數可用於一些最流行的數據源：Facebook Ads、Bing Ads 等。

擁有成本數據和 UTM 參數可以讓您將來自不同廣告服務的數據與用戶行為數據合併，從而真實了解特定活動與流量來源的關係並精確計算 ROAS。 與僅按活動名稱合併相比，按最多五個 UTM 參數合併數據可提供更詳細的圖片。

一些企業在其廣告中使用指向其網站的短鏈接。 URL 縮短器用於改善 URL 的視覺外觀和進行額外跟踪。 但是，根據包含短 URL 的廣告支出構建廣告效率報告 (ROAS) 變得很棘手。 為什麼？ 因為不可能使用 UTM 參數檢索最終 URL，而擁有用於在報表中加入數據的最終 URL 至關重要。 UTM 參數是連接數據以進行報告的關鍵。

OWOX BI 自動跟踪短鏈接以便從完整（原始）鏈接獲取 UTM 參數。 這允許將廣告成本數據與用戶數據合併，以便全面了解廣告效果。

在 OWOX BI 中，您可以將任何標準歸因模型連接到您的報告，設置基於 OWOX 轉換預測的數據驅動模型，或基於您自己的規則和銷售渠道構建自定義模型。 這一切都可以在產品界面中輕鬆完成，無需數據工程師的幫助。

有一些著名的模型，包括最後點擊、首次點擊和基於規則。 此外，還有用於構建模型以滿足獨特需求的特定和高級算法。 它們都使用標準 SQL 查詢來轉換數據。 這些查詢需要不斷地審查、調整和應用。

OWOX BI 提供了一個簡單的用戶體驗來管理和監控這些轉換的執行。 現成的模型與易於管理的工具相結合，使分析師有機會自信地管理數據並對結果負責。 最重要的是，OWOX BI 功能提供了同時擁有多個歸因模型和測試模型以找到最適合營銷人員的可能性。

GDPR 和 CCPA 要求在收集分析數據之前徵得用戶同意。 因此，即使對於在單個會話（非同意數據）內進行轉換的用戶，流量來源也可能是未知的。 這也導致 CRM 數據和數字分析數據之間存在差異。

與歐盟居民合作的企業必須遵守有關用戶隱私的 GDPR 要求。 不遵守規定可能會被處以巨額罰款。

如果您有來自歐洲的網站流量並使用 Google Analytics，則肯定違反了GDPR 要求，因為帶有 client_id 的 cookie _ga 包含個人身份信息，並且此數據將發送到 Google Analytics 並在 Google Analytics 本身確定的服務器上進行處理. 您不能確信您的用戶數據會保留在歐盟並僅在歐盟內部進行處理。 同時，您的營銷團隊需要衡量廣告活動的效率，並在沒有盲點的情況下影響用戶的旅程。

Google Analytics 4 提供清晰詳細的選項來管理導入的數據。 但是，沒有辦法只將數據存儲在您選擇的位置。 您可以請求在歐盟處理個人身份信息或導出數據，但您不能僅將所有收集的數據存儲在選定的位置。

使用 OWOX BI，您可以完全控制同意和非同意數據。 您可以根據最嚴格的隱私和安全要求收集和使用個人身份信息 (PII)。 此外，OWOX BI 允許您選擇數據駐留（歐盟、美國或全球），刪除非同意用戶的 PII，並使用自定義密鑰加密所有用戶數據。

OWOX BI 在您選擇的位置收集數據，包括歐盟的 10 個位置。 此外，OWOX BI 將收集的數據存儲在您選擇的位置。 最重要的是，OWOX 為您的法律和安全團隊提供有關數據流的所有詳細信息。

• 與 GA4 不同，OWOX BI 具有透明的數據流。
• 數據可以存儲在 Google BigQuery 支持的任何位置。
• 您可以完全控制所有存儲的數據，並可以決定與誰共享。
• 如果用戶未同意跟踪，OWOX BI 會自動刪除 PII 數據。 因此，您不會因違反 GDPR 而意外搬起石頭砸自己的腳。
• 可以選擇使用您自己的密鑰加密 Google BigQuery 中的所有用戶數據。

為遵守 GDPR 要求，網站所有者必須拒絕識別不想共享 cookie 的用戶，並且不要點擊神奇的“接受 Cookie”按鈕。 結果，同意模式將可以確定流量來源的轉化次數減少了 30%。

轉換建模有助於解決這個問題。 首先，機器學習系統處理可用數據和歷史統計數據。 然後，在知道有多少用戶允許設置 cookie 以及這些用戶如何轉換後，機器學習系統會為那些不同意的用戶確定最可能的歸因路徑。 這使您能夠更準確地將活動結果與活動成本相匹配，同時遵守用戶關於 cookie 的決定。

OWOX BI 有一個獨特的解決方案，可以解決績效報告中的非同意差距。 該解決方案允許分析師研究、調整甚至更改在現有活動中分發非同意數據的算法。 這使分析師能夠自信地管理數據並對結果負責。

模型轉換算法是在標準SQL上開發的，所以它是透明的，任何了解SQL的分析師都可以理解。 OWOX BI 專家可以在必要時幫助分析師設置或更改算法。

OWOX BI 功能提供了同時使用多個轉換模型的可能性，以測試不同的轉換模型以找到最適合營銷人員的模型。 此類算法可以手動或自動運行，並可以對其進行監控並確保它們在正確的時間提供正確的數據。

最近，對 cookie、數據隱私和營銷技術的限制使分析師和營銷人員的工作變得複雜。 在數字營銷中，越來越多的盲點阻礙了基於數據的決策。

好消息是，在 OWOX BI 的幫助下，您可以消除這些盲點：

• 關閉營銷和收入之間的循環
• 處理報告中的直接/無流量
• 根據最嚴格的隱私和安全要求收集和使用個人身份信息 (PII)

註冊一個演示以獲取詳細信息