哪种营销归因模型适合您的业务

您的营销数据会根据您检查的角度来描述完全不同的图片。如果你在真空中看一下，你的最新内容营销计划可能看起来很黯淡：它可能不会带来直接销售。但是如果你向前或向后移动一步，你可能会注意到它实际上间接地促成了转换。客户从自然搜索进入您的博客，之后通过电子邮件转换。

归因建模允许您通过以某种方式翻转数据来确定哪些有效，哪些无效。

归因模型：快速定义

归因模型是分析平台(例如Google Analytics)使用的一组算法规则，用于确定哪些营销操作在买方旅程的不同阶段产生了销售/转化。它可以帮助您确定销售流程中不同渠道(有机/付费搜索，社交媒体，附属机构等)的角色，并为每个接触点分配百分比。简而言之，它们可以更好地了解每个营销渠道产生的投资回报率。

六种标准归因模型

“上次互动”归因(也称为“最后点击”)是Google Analytics提供的默认选项。它为客户对您的业务的最后一个接触点提供100%的信用，但不会考虑任何先前的交互。但是，它没有提供辅助转换的可见性，这使其成为分析复杂销售渠道的不可靠选择。此外，这种模式可以避免您认为只有一个(或几个)营销活动有效，即使情况并非如此。

第一个交互归因(也称为“第一次点击”)与之前的模型相反：它为第一次交互提供了100%的信用。这种模型是衡量需求生成并将多个获取渠道相互对接的好方法，以确定但是，对于全渠道数字营销活动而言，这种模式是短视的，对于销售周期长的企业几乎没用。

线性归因。转换的赏金在所有接触点之间平均分配。每个营销渠道获得每次转换的平等信用(例如50%-50%)。线性归因是实现多点触摸归因分析的良好开端。与之前的型号不同，这个版本实际上允许您调整不同的广告系列/渠道以获得更好的结果。但它没有说明哪个活动带来了最好的投资回报率以及您应该在哪里投入更多预算。

基于位置的归因将40%的信用分配给第一个和最后一个接触点，并在客户与您的品牌的其他遭遇之间分配剩余的分配。这样，您可以为两个主要通道执行更多CRO，并获得对临时接触点的可见性。但是对第一个/最后一个频道的强调可能无法真实地代表您的商业周期。例如，潜在客户可以通过随机社交媒体链接登陆您的网站，但后来通过个性化电子邮件优惠或网络研讨会重新启动。没有那些推动，她就不会被“卖掉”。

时间衰减归因模型根据客户与您的品牌进行交互的时间在不同渠道之间分配信用。在接近购买时发生的相互作用的价值更高，而第一次互动被认为是最不重要的相互作用。通常，此模型是销售周期较长的企业的首选，因为它可以优化与渠道客户底层的互动。辅助转换也可以获得更公平的表示。但这种模式削弱了品牌认知活动的重要性。此外，它忽略了更重要的接触点(例如电子邮件营销)的作用，这些接触点可能有助于早期在渠道中进行转换。

自定义归因建模。这五种型号中的每一种都可以使用其他规则进行升级，以满足您的业务需求。此外，您可以使用Google模型比较工具将它们相互比较。通过协调分析数据，您可以在一定程度上提炼出更多的见解并提高对客户旅程的可见性。但是，您无法完全更改不同类型模型建议的信用分配。

替代方案：数据驱动的归因建模

您的公司可以选择开发数据驱动的归因模型，而不是使用标准模型。

可以部署自定义算法来分析从GA数据派生的不同转化路径，并确定客户在不同营销顺序中与您的品牌建立的重要接触点。这种类型的模型不断发展，代表了所有营销活动的内容，具有更高的准确性。

您可以获得有关不同渠道如何表现的实时洞察，哪些创意资产扮演最重要的角色以及哪些广告系列带来稳定的投资回报率。可以通过预测分析进一步增强此类模型。在这种情况下，算法将能够估计某些活动的表现; 确定应该应用优化的位置，并建议何时加倍或减少某个广告系列的支出。

数据驱动的归因建模可为您的业务提供个性化视图，并在整个客户旅程中为不同的接触点提供最准确的信用权重。