Como usa a análise de atribución para obter unha visión de marketing máis forte

almacén de datos como solución

O número de puntos de contacto a través dos cales interactúas cos clientes e as formas en que atopan a túa marca estouparon nos últimos anos. No pasado, as opcións eran sinxelas: publicabas un anuncio impreso, un anuncio de difusión, quizais correo directo ou algunha combinación. Hoxe hai buscas, visualización en liña, redes sociais, móbiles, blogs, sitios agregadores e a lista continúa.

Coa proliferación de puntos de contacto cos clientes tamén aumentou o control sobre a eficacia. Cal é o valor real dun dólar gastado nun soporte determinado? Cal é o medio que che dá máis golpe? Como pode maximizar o impacto para avanzar?

No pasado, a medición era sinxela: publicaches un anuncio e valoraches a diferenza en termos de conciencia, tráfico e vendas. Hoxe, os intercambios publicitarios ofrecen información sobre cantas persoas fixeron clic no seu anuncio e chegaron ao destino desexado.

Pero que pasa entón?

A análise de atribución pode proporcionar a resposta a esa pregunta. Pode reunir datos dunha serie de fontes dispares, tanto internas para o seu negocio como externas en termos de difusión de clientes. Pode axudarche a determinar que canles son máis rendibles para xerar un volume de respostas. O máis importante é que pode axudarche a identificar aos teus mellores clientes dentro dese grupo e actuar sobre esa información axustando a túa estratexia de mercadotecnia en consecuencia.

Como se pode utilizar análise de atribución efectivamente e coller estes beneficios? Aquí tes un rápido estudo de caso sobre como o fixo unha empresa:

O caso de uso para a análise da atribución

Unha empresa de produtividade móbil comercializa unha aplicación que permite aos usuarios crear, revisar e compartir documentos desde calquera dispositivo. Cedo, a compañía implementou terceiros analítica ferramentas con paneis predefinidos para rastrexar métricas básicas como descargas, recontos diarios / mensuais de usuarios, tempo empregado coa aplicación, número de documentos creados, etc.

A talla única non se adapta a todos

Cando o crecemento da compañía estoupou e o seu número de usuarios medrou en millóns, este enfoque único para as estatísticas non se ampliou. O seu terceiro analítica o servizo non puido xestionar a integración de datos en tempo real de varias fontes, como rexistros de plataforma de servidor, tráfico de sitios web e campañas publicitarias.

É máis, a compañía necesitaba analizar a atribución en varias pantallas e canles para axudalos a decidir onde se gastaría mellor o seguinte dólar de mercadotecnia incremental para a adquisición de novos clientes. Un escenario típico era este: un usuario viu o anuncio de Facebook da compañía mentres estaba no seu teléfono, despois buscou comentarios sobre a compañía no seu portátil e, finalmente, fixo clic para instalar a aplicación desde un anuncio de visualización na súa tableta. A atribución neste caso require dividir o crédito por adquirir ese novo cliente nas redes sociais no móbil, a busca de pago / recensións no PC e os anuncios de visualización desde a aplicación en tabletas.

A compañía necesitaba dar un paso máis e descubrir que fonte de mercadotecnia en liña axudoulles a adquirir os seus usuarios máis valiosos. Necesitaban identificar os comportamentos dos usuarios, máis alá da acción xenérica de clic para instalar, que eran exclusivos da aplicación e facían que o usuario fora valioso para a empresa. Nos seus inicios, Facebook desenvolveu un xeito sinxelo pero poderoso de facelo: descubriron que a cantidade de persoas que un usuario "amiga" nun determinado número de días de inscrición era un gran predictor do comprometido ou valioso que un usuario faría. estar a longo prazo. Medios de comunicación en liña e de terceiros analítica os sistemas son cegos ante este tipo de accións complexas e desprazadas no tempo que se producen dentro dunha aplicación.

Necesitaban costume análise de atribución para facer o traballo.

A análise de atribución é a solución

Comezando simplemente, a compañía desenvolveu internamente un obxectivo inicial: descubrir con precisión como calquera usuario tende a interactuar co seu produto nunha soa sesión. Unha vez determinado isto, poderían profundizar nese dato para crear segmentos de perfil de clientes en función do seu estado de usuarios pagadores e da cantidade gastada cada mes. Ao combinar estas dúas áreas de datos, a empresa puido determinar a determinada cantidade de clientes. valor da vida - unha métrica que definía que tipos de clientes tiñan máis potencial de ingresos. Esa información, á súa vez, permitiulles dirixirse de xeito máis específico a outros usuarios (aqueles que tiñan o mesmo perfil de "valor da vida") a través de opcións de medios moi específicas, con ofertas moi específicas.

O resultado? Uso máis intelixente e informado dos dólares de marketing. Crecemento continuo. E un sistema de análise de atribución personalizado no seu lugar que podería medrar e adaptarse a medida que a empresa avanzaba.

Unha análise de atribución exitosa

Cando comeza a participar análise de atribución, é importante primeiro definir o éxito nos seus propios termos e mantelo sinxelo. Pregúntate, a quen considero un bo cliente? Pregunta entón, cales son os meus obxectivos con ese cliente? Podes escoller aumentar o gasto e fidelizar a fidelidade cos teus clientes de maior valor. Ou pode decidir onde pode atopar máis clientes de alto valor coma eles. Realmente depende de ti e do que é bo para a túa organización.

En resumo, a análise de atribución pode ser un xeito moi rápido e sinxelo de reunir datos de varias fontes internas e de terceiros e darlles sentido a estes termos que vostede determina de xeito específico. Obterá as ideas que precisa para definir claramente e cumprir os seus obxectivos de mercadotecnia e, a continuación, perfeccionar a súa estratexia para acadar o maior ROI posible en cada dólar de mercadotecnia gastado.

Que é Data Warehouse como servizo

Recentemente escribimos sobre como as tecnoloxías de datos están en aumento para comerciantes. Os almacéns de datos proporcionan un repositorio central que escala e ofrece unha gran información sobre os seus esforzos de mercadotecnia, permitindo a capacidade de incorporar grandes volumes de datos de clientes, transaccións, financeiros e de mercadotecnia. Ao capturar datos en liña, sen conexión e móbiles nunha base de datos central de informes, os comerciantes poden analizar e obter as respostas que necesitan cando o precisan. Construír un almacén de datos é bastante importante para a empresa media, pero Data Warehouse as a Service (DWaaS) resolve o problema para as empresas.

Acerca de BitYota Data Warehouse como servizo

Esta publicación foi escrita coa axuda de BitYota. Data Warehouse como solución de BitYota elimina a dor de cabeza por ter que configurar e xestionar outra plataforma de datos. BitYota permite aos comerciantes pór en marcha rapidamente o seu almacén de datos, conectarse facilmente a un provedor de nube e configurar o seu almacén. A tecnoloxía utiliza a tecnoloxía SQL sobre JSON para consultar facilmente o seu almacén e inclúe feeds de datos en tempo real para unha análise rápida.

Análise de atribución - BitYota

Un dos principais inhibidores do rápido analítica é a necesidade de transformar os datos antes de gardalos no seu analítica sistema. Nun mundo onde as aplicacións cambian constantemente, os datos que chegan de varias fontes e en diferentes formatos, significa que as empresas adoitan gastar demasiado tempo en proxectos de transformación de datos ou enfrontarse roto analítica sistemas. BitYota almacena e analiza os datos no seu formato nativo eliminando así a necesidade de laboriosos procesos de transformación de datos que levan moito tempo. Eliminar a transformación de datos proporciona aos nosos clientes un servizo rápido analítica, máxima flexibilidade e fidelidade completa dos datos. BitYota

A medida que cambien as túas necesidades, podes engadir ou eliminar nodos do teu clúster ou cambiar as configuracións da máquina. Como solución totalmente xestionada, BitYota controla, xestiona, aprovisiona e escala a súa plataforma de datos para que poida concentrarse no importante: analizar os seus datos.

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.