Com s’utilitza l’anàlisi d’atribució per obtenir una visió de màrqueting més forta

magatzem de dades com a solució

El nombre de punts de contacte a través dels quals interactueu amb els clients i les formes en què es troben amb la vostra marca han explotat en els darrers anys. En el passat, les opcions eren senzilles: publicàveu un anunci imprès, un anunci de difusió, potser correu directe o alguna combinació. Avui hi ha cerques, visualització en línia, xarxes socials, mòbils, blocs, llocs d’agregació i la llista continua.

Amb la proliferació de punts de contacte dels clients, també s'ha incrementat el control sobre l'eficàcia. Quin és el valor real d'un dòlar gastat en un mitjà determinat? Quin mitjà us dóna més danys? Com es pot maximitzar l'impacte en el futur?

Una vegada més, el mesurament era senzill: publicàveu un anunci i avalieu la diferència en termes de notorietat, trànsit i vendes. Avui, els intercanvis publicitaris ofereixen informació sobre quantes persones han fet clic al vostre anunci i han arribat a la destinació desitjada.

Però, què passa llavors?

L’anàlisi d’atribució pot proporcionar la resposta a aquesta pregunta. Pot reunir dades procedents de diverses fonts diferents, tant internes com externes a la vostra empresa, en termes d’abast dels clients. Us pot ajudar a determinar quins canals són més rendibles per generar un volum de respostes. El més important és que us pot ajudar a identificar els vostres millors clients dins d’aquest grup i a actuar en funció d’aquesta informació ajustant la vostra estratègia de màrqueting en conseqüència.

Com es pot utilitzar anàlisi d’atribució eficaçment i obtenir aquests beneficis? Aquí teniu un estudi de cas ràpid sobre com ho va fer una empresa:

El cas d'ús per a l'anàlisi de l'atribució

Una empresa de productivitat mòbil comercialitza una aplicació que permet als usuaris crear, revisar i compartir documents des de qualsevol dispositiu. Al principi, l’empresa va implementar tercers analítica eines amb taulers predefinits per fer un seguiment de mètriques bàsiques com ara descàrregues, recompte diari / mensual d’usuaris, temps dedicat a l’aplicació, nombre de documents creats, etc.

L’anàlisi de talla única no s’adapta a tots

A mesura que el creixement de l’empresa va explotar i el nombre d’usuaris es va convertir en milions, aquest enfocament únic per a les estadístiques no va augmentar. El seu tercer analítica El servei no ha pogut gestionar la integració de dades en temps real de diverses fonts, com ara registres de plataforma de servidor, trànsit de llocs web i campanyes publicitàries.

A més, l'empresa necessitava analitzar l'atribució en diverses pantalles i canals per ajudar-los a decidir on es gastaria millor el proper dòlar incremental de màrqueting per a l'adquisició de nous clients. Un escenari típic era el següent: un usuari va veure l’anunci de Facebook de l’empresa mentre estava al telèfon, després va buscar ressenyes sobre l’empresa al seu ordinador portàtil i, finalment, va fer clic per instal·lar l’aplicació des d’un anunci de display a la tauleta. L'atribució en aquest cas requereix dividir el crèdit per adquirir aquest nou client a través de les xarxes socials al mòbil, la cerca de pagament / ressenyes al PC i els anuncis de display integrats a l'aplicació a les tauletes.

L’empresa havia de fer les coses un pas més enllà i descobrir quina font de màrqueting en línia els va ajudar a adquirir els seus usuaris més valuosos. Havien d’identificar els comportaments dels usuaris, més enllà de l’acció genèrica de clic per instal·lar, que eren exclusius de l’aplicació i que feien que l’usuari fos valuós per a l’empresa. Als seus inicis, Facebook va desenvolupar una manera senzilla però potent de fer-ho: van descobrir que el nombre de persones que un usuari "amic" en un nombre determinat de dies de registre era un gran predictor de la participació o valor d'un usuari. estar a la llarga. Mitjans de comunicació en línia i de tercers analítica els sistemes són cecs a aquest tipus d'accions complexes i desplaçades en el temps que es produeixen dins d'una aplicació.

Necessitaven un costum anàlisi d’atribució per fer la feina.

L’anàlisi d’atribució és la solució

Començant simplement, l’empresa va desenvolupar internament un objectiu inicial: descobrir amb precisió com un usuari determinat tendeix a interactuar amb el seu producte en una sola sessió. Un cop determinat, podrien aprofundir en aquestes dades per crear segments de perfil de clients en funció del seu estat d’usuaris pagadors i de la quantitat invertida cada mes. En fusionar aquestes dues àrees de dades, l’empresa va poder determinar la determinada valor de vida - una mètrica que defineix quins tipus de clients tenen més ingressos. Aquesta informació, al seu torn, els va permetre orientar-se més específicament a altres usuaris (aquells que tenien el mateix perfil de "valor de vida") mitjançant opcions de mitjans molt específiques, amb ofertes molt específiques.

El resultat? Ús més intel·ligent i més informat dels dòlars del màrqueting. Creixement continuat. I un sistema d’anàlisi d’atribució personalitzat que podria créixer i adaptar-se a mesura que l’empresa avançava.

Una anàlisi d’atribució amb èxit

Quan comences a participar anàlisi d’atribució, és important definir primer l’èxit en els vostres propis termes i mantenir-lo senzill. Pregunteu-vos a vosaltres, a qui considero un bon client? A continuació, pregunteu quins són els meus objectius amb aquest client? Podeu triar augmentar la despesa i consolidar la fidelitat amb els vostres clients de més valor. O bé, podeu decidir on podeu trobar més clients d’alt valor com ells. Realment depèn de vosaltres i del que és adequat per a la vostra organització.

En resum, l’anàlisi d’atribució pot ser una forma molt ràpida i senzilla d’agrupar dades de diverses fonts internes i de tercers, i donar sentit a aquestes dades en termes que determineu molt específicament. Obteniu els coneixements que necessiteu per definir i complir clarament els vostres objectius de màrqueting i, a continuació, afineu la vostra estratègia per aconseguir el ROI més alt possible per cada dòlar de màrqueting invertit.

Què és Data Warehouse com a servei

Recentment hem escrit sobre com les tecnologies de dades augmenten per als venedors. Els magatzems de dades proporcionen un dipòsit central que amplia i proporciona una gran informació sobre els vostres esforços de màrqueting, cosa que us permetrà incorporar volums massius de dades de clients, transaccions, financers i de màrqueting. En capturar dades en línia, fora de línia i mòbils en una base de dades d'informes central, els professionals del màrqueting poden analitzar i obtenir les respostes que necessiten quan ho necessitin. Construir un magatzem de dades és una tasca per a l’empresa mitjana, però Data Warehouse as a Service (DWaaS) resol el problema per a les empreses.

Sobre BitYota Data Warehouse com a servei

Aquest post va ser escrit amb l 'ajuda de BitYota. La solució Data Warehouse as a Service de BitYota elimina el mal de cap per haver de configurar i gestionar una altra plataforma de dades. BitYota permet als professionals del màrqueting posar en marxa ràpidament el seu magatzem de dades, connectar-se fàcilment a un proveïdor de núvol i configurar el seu magatzem. La tecnologia utilitza la tecnologia SQL sobre JSON per consultar fàcilment el vostre magatzem i inclou feeds de dades en temps real per fer anàlisis ràpides.

Anàlisi de l'atribució - BitYota

Un dels principals inhibidors del ràpid analítica és la necessitat de transformar les dades abans d'emmagatzemar-les al vostre fitxer analítica sistema. En un món on les aplicacions canvien constantment, les dades que arriben de diverses fonts i en diferents formats fan que les empreses sovint passin massa temps en projectes de transformació de dades o s’enfrontin trencat analítica sistemes. BitYota emmagatzema i analitza les dades en el seu format original, eliminant així la necessitat de processos de transformació de dades laboriosos i que requereixen molt de temps. Eliminar la transformació de dades proporciona als nostres clients ràpidament analítica, màxima flexibilitat i fidelitat completa de les dades. BitYota

A mesura que canvien les vostres necessitats, podreu afegir o eliminar nodes del clúster o canviar les configuracions de la màquina. Com a solució totalment gestionada, BitYota supervisa, gestiona, subministra i escala la vostra plataforma de dades perquè pugueu centrar-vos en allò important: analitzar les vostres dades.

Què et sembla?

Aquest lloc utilitza Akismet per reduir el correu no desitjat. Esbrineu com es processa el vostre comentari.