八步构建跨渠道归因分析
原文参考：Multichannel Attribution: How to
Measure the Unmeasurable
原文作者：Mariia Bocheva
译文作者：Judy
最简单好理解的归因模型应该是基于位置的归因，比如根据第一次或最后一次点击的来源，从而进行转化归因。
但大多数情况下，客户的转化路径是非线性的而且相当复杂，很多环节都会影响转化。营销人员很难考虑所有的客户触点，虽然大多数企业都有大量关于客户行为的数据，比如客户用来购买的移动设备、客户点击的广告、关键词、客户扫描的二维码等等，但这些数据存储在不同的系统中，处理和更新的速度也不同。要想把所有这些数据放在一起，经过清理、合并后再建立相关的归因模型是很复杂的。
有机构对营销测量状态的研究发现，只有11%的营销人员对他们的归因模型的准确性感到“非常有信心”。毕马威 (KPMG)的数据显示，只有35%的受访企业高度信任其公司内部对数据分析的使用。
目前常见的客户购买路径如下：
- 纯线上：在网上寻找和购买产品。
- 纯线下：在实体店检查和购买产品。
- 线上搜索线下购买：简称ROPO（Researching online and buying offline），即在网上搜索了解产品，然后在线下购买。
- 展厅：在实体店的感受产品并在网上购买。
上述购买路径，线上搜索线下购买的路径最难归因，也是本文着重剖析的归因场景。
根据DigitasLBi的数据，全球88%的消费者在购买产品前会在网上进行研究，约65%的人在商店里用手机查价格。这类型的购买路径主要集中3C数码类的产品、价格较贵的美妆产品等等。而产生线上搜索线下购买的驱动因素主要是以下几个方面：
- 购物者希望近距离查看商品
- 立马想用，等不及快递
- 想要避免运费
- 需要面对面的建议或者直接试用
接下来给大家介绍如何通过八个步骤，在分散的数据和可操作的分析之间架起一座桥梁，建立一个有效的归因分析流程。
步骤一:明确你想要归因的场景
从假设开始，提出你想要回答的问题。例如，你想知道你线下销售额多大程度上受到了线上广告活动的影响。或者，你可能想知道转化漏斗的哪个环节是引导顾客进行购买的最佳时机和最佳渠道。把这些问题写下来，并对他们进行优先级排序，以此定义你归因的最小可行性（MVP）场景。
步骤二：准备数据
有了想要分析的归因场景，就要找到公司中相关的数据源，可以是广告平台、电子邮件营销平台、客服系统、数据分析系统、CRM和ERP等。
然后找到可以让不同数据源的数据进行合并的字段，进行数据合并，为每个客户形成完整单一视图。很多公司通常遇到的最大问题是无法将同一个客户线上线下的行为进行合并。
这里介绍五种可以打通线上和线下行为的方法：
1.重视注册
企业可以通过内容和活动激励客户在各个渠道提供实名注册信息，其中包含可以作为唯一识别ID的手机号、邮箱地址等。例如：客户可以提供邮箱地址订阅的“特价”电子邮件；促销和活动需要通过报名才能参与；提供手机和邮箱获取视频教程和手册等等。
2.会员卡绑定
引导客户通过手机号码、电子邮件等信息激活会员卡，会员卡线上线下通用，完成绑定后，通过会员ID即可跟踪客户跨线上线下渠道的行为路径。
3.线上主动引导客户进店
这里举个例子，波兰一个家具和装饰品生产商开发了一款应用，顾客可以在上面设计自己的家具。用户设计完家具后，该应用会邀请他们到实体店咨询，到店任务会自动发送到商店助理。这个流程很有效的帮助企业获得线上线下连贯打通的行为数据。
4.在门店放置Beacon
这是一种运行在低功耗蓝牙上的微型设备，可以放置在实体店。当客户将您的App安装到他们的移动设备上，Beacon与App之间产生通信，传送客户的ID、信号强度和其他属性数据。通过使用这项技术，您可以看到客户访问的商店区域，甚至他们购买的产品。
5.统一企业内部用户ID
规划企业内部唯一ID生成体系，将网站、App、CRM和POS上的行为数据串联。
步骤三：数据归因分析
在客户数据完成合并之后，基于完整统一的客户视图，数据分析师可以根据业务规则和需求进行挖掘分析。结合前面两个步骤，我通过一个具体的例子来进行讲述：
Darjeeling是法国女性内衣市场的顶级零售商，全法国大约有155家商店，每年有超过870万的客户光顾。该公司每年销售超过500万件商品，年营业额达1亿欧元。
Darjeeling使用不同的系统来收集、存储和处理数据。用户行为数据被发送到分析系统中，而有关成本和订单完成的数据则在公司的CRM中收集。两个系统之间的数据结构不同。为了评估在线广告对线下销售的影响，Darjeeling需要将所有这些数据合并到一个独立的系统，在这个系统中收集关于在线会话、线下销售和订单完成率的数据。为了将有关在线会话和订单完成率的数据合并到单个视图中，Darjeeling给登录到公司网站的每个用户生成user_id。而这个user_id也关联到会员卡号，并存储在CRM中。当用户访问网站时，他们的user_id与另外两个属性transaction_id和time，一并发送给分析系统。
通过这些数据，分析师计算了从最初的网站访问到购买之间的天数，分为7天、10天、14天、30天和60天以上几个组别。这项分析显示，ROPO采购的所有Darjeeling产品中，85%是在14天内完成的。最后，Darjeeling的营销人员根据收集到的数据创建报告和仪表盘，并确定有30-40%的客户在线下购买之前会访问公司的网站。这些数据反过来又帮助他们优化了广告预算，并证明了加大在线广告投入的合理性。
步骤四：验证数据质量
可靠的数据需要有正确的人和正确的知识加上足够的关注，时间和毅力。确保您的UTM标记和其他数据类型分类正确，并且有一个user ID字段来跨设备跟踪客户。另外，花点时间实施一个适当的测试计划。
步骤五：培训数据解读能力
你的团队是否具备必要的数据素养？每个人都以同样的方式理解数据的度量标准吗？你知道理解数据统计背后的商业意义吗？
如果没有则需要规划相关的培训，并制作标准化数据使用文档以提高团队的数据素养。你的数据文化直接反映了你公司的价值观，你需要有人致力于内部培训并制作相关工具，让团队成员有能力自主理解数据的意义。
步骤六：构建仪表板
如果一切就绪，您可以进入报告阶段。所有计算都必须事先完成，并存储在仪表板所指的数据集中。把计算和报表可视化两部分分步运行更易于控制和管理，数据不容易出现混乱。在构建仪表板之前，定义基本指标，确保KPI计算逻辑非常透明并得到团队的批准。
步骤七:根据结果采取行动
还记得你一开始提出的归因分析需求吗，通过上述步骤现在你有了答案，那么就需要根据结果采取行动。要知道仪表盘再好看，如果你不基于结果调整策略，也没有任何意义。
步骤八：易用的工具
确保实现数据抓取、整合、分析的系统工具是业务人员可以直接使用的，并确保它是可靠的，允许协作，并不断与新的数据源进行对接，比如Linkflow CDP。
我们知道跨线上线下渠道的转化归因是很复杂的，看起来它是“不可测量的”。虽然没有一个归因模型能提供完美的数据，但一个好的归因分析流程绝对能帮助企业获得方向上的指引。
在跨渠道归因分析过程中，Linkflow CDP作为帮助企业追踪端到端的客户数据的平台。可以帮助市场部门高效的获取基础数据并通过可视化的方式进行报表展现，降低数据准备和工具的门槛，让业务人员专注归因策略的制定和优化。
Warning: count(): Parameter must be an array or an object that implements Countable in /home/wwwroot/lf-2020.becomingjenny.net/wp-content/plugins/wechat-social-login/templates/share/share-bar.php on line 7
－END－
