Bagaimana Anda Menggunakan Analisis Atribusi untuk Wawasan Pemasaran yang Lebih Kuat

gudang data sebagai solusinya

Jumlah titik kontak yang digunakan untuk berinteraksi dengan pelanggan - dan cara mereka menemukan merek Anda - telah meningkat pesat dalam beberapa tahun terakhir. Di masa lalu, pilihannya sederhana: Anda menjalankan iklan cetak, iklan siaran, mungkin surat langsung, atau kombinasinya. Saat ini ada pencarian, tampilan online, media sosial, seluler, blog, situs agregator, dan daftarnya terus berlanjut.

Dengan penyebaran poin kontak pelanggan juga meningkatkan pengawasan terkait efektivitas. Berapa nilai sebenarnya dari satu dolar yang dibelanjakan di media apa pun? Media apa yang paling menguntungkan Anda? Bagaimana Anda dapat memaksimalkan dampak ke depan?

Sekali lagi di masa lalu, pengukurannya sederhana: Anda menjalankan iklan, dan menilai perbedaannya dalam hal kesadaran, lalu lintas, dan penjualan. Saat ini, pertukaran iklan menawarkan wawasan tentang berapa banyak orang yang mengeklik iklan Anda dan datang ke tujuan yang Anda inginkan.

Tapi apa yang terjadi kemudian?

Analisis atribusi dapat memberikan jawaban atas pertanyaan itu. Ini dapat menyatukan data dari sejumlah sumber yang berbeda baik internal ke bisnis Anda maupun eksternal dalam hal jangkauan pelanggan. Ini dapat membantu Anda menentukan saluran mana yang paling hemat biaya dalam menghasilkan volume tanggapan. Yang terpenting, ini dapat membantu Anda mengidentifikasi pelanggan terbaik Anda dalam grup itu dan bertindak berdasarkan informasi itu dengan menyesuaikan strategi pemasaran Anda untuk selanjutnya.

Bagaimana Anda bisa memanfaatkan analisis atribusi efektif dan menuai manfaat ini? Berikut adalah studi kasus singkat tentang bagaimana satu perusahaan melakukannya:

Kasus Penggunaan untuk Analisis Pengaitan

Perusahaan produktivitas seluler memasarkan aplikasi yang memungkinkan pengguna membuat, meninjau, dan berbagi dokumen dari perangkat apa pun. Awalnya, perusahaan menerapkan pihak ketiga analisis alat dengan dasbor bawaan untuk melacak metrik dasar seperti unduhan, jumlah pengguna harian / bulanan, waktu yang dihabiskan dengan aplikasi, jumlah dokumen yang dibuat, dll.

Satu Ukuran Analytics Tidak Cocok untuk Semua

Ketika pertumbuhan perusahaan meledak dan jumlah pengguna mereka bertambah menjadi jutaan, pendekatan wawasan yang satu untuk semua ini tidak berskala. Pihak ketiga mereka analisis layanan tidak dapat menangani integrasi data waktu nyata dari berbagai sumber seperti log platform server, lalu lintas situs web, dan kampanye iklan.

Terlebih lagi, perusahaan perlu menganalisis pengaitan di beberapa layar dan saluran untuk membantu mereka memutuskan di mana uang pemasaran tambahan berikutnya paling baik dibelanjakan untuk akuisisi pelanggan baru. Skenario tipikal adalah ini: pengguna melihat iklan Facebook perusahaan saat menggunakan ponsel mereka, lalu mencari ulasan tentang perusahaan di laptop mereka, dan akhirnya mengklik untuk menginstal aplikasi dari iklan bergambar di tablet mereka. Pengaitan dalam hal ini memerlukan pembagian kredit untuk mendapatkan pelanggan baru tersebut di seluruh media sosial di seluler, penelusuran / ulasan berbayar di PC, dan iklan bergambar dalam aplikasi di tablet.

Perusahaan perlu mengambil langkah lebih jauh dan menemukan sumber pemasaran online mana yang membantu mereka mendapatkan pengguna yang paling berharga. Mereka perlu mengidentifikasi perilaku pengguna - di luar tindakan klik-untuk-instal generik - yang unik untuk aplikasi dan membuat pengguna berharga bagi perusahaan. Pada awalnya, Facebook mengembangkan cara sederhana namun ampuh untuk melakukan ini: mereka menemukan bahwa jumlah orang yang "berteman" dengan pengguna dalam beberapa hari pendaftaran adalah prediktor yang bagus tentang seberapa terlibat atau berharganya seorang pengguna. dalam jangka panjang. Media online dan pihak ketiga analisis sistem tidak dapat melihat tindakan kompleks yang berpindah-pindah waktu seperti ini yang terjadi dalam aplikasi.

Mereka membutuhkan adat istiadat analisis atribusi untuk melakukan pekerjaan itu.

Analisis Atribusi adalah Solusinya

Dimulai dengan sederhana, perusahaan secara internal mengembangkan tujuan awal: untuk menemukan secara tepat bagaimana pengguna tertentu cenderung berinteraksi dengan produk mereka dalam satu sesi. Setelah itu ditentukan, mereka dapat menelusuri lebih lanjut data tersebut untuk membuat segmen profil pelanggan berdasarkan status mereka sebagai pengguna yang membayar dan jumlah yang dibelanjakan setiap bulan. Dengan menggabungkan dua area data ini, perusahaan dapat menentukan nilai kehidupan - metrik yang menentukan jenis pelanggan mana yang memiliki potensi pendapatan paling besar. Informasi tersebut, pada gilirannya, memungkinkan mereka untuk secara lebih spesifik menargetkan pengguna lain - yang memiliki profil "nilai umur" yang sama - melalui pilihan media yang sangat spesifik, dengan penawaran yang sangat spesifik.

Hasil? Penggunaan dana pemasaran yang lebih cerdas dan lebih terinformasi. Pertumbuhan yang berkelanjutan. Dan sistem analisis atribusi ubahsuaian yang dapat tumbuh dan beradaptasi seiring kemajuan perusahaan.

Analisis Atribusi yang Berhasil

Saat Anda mulai terlibat analisis atribusi, penting untuk terlebih dahulu mendefinisikan kesuksesan dalam istilah Anda sendiri - dan membuatnya tetap sederhana. Tanyakan pada diri Anda, siapa yang saya anggap sebagai pelanggan yang baik? Lalu tanyakan, apa tujuan saya dengan pelanggan itu? Anda dapat memilih untuk meningkatkan pembelanjaan dan memperkuat loyalitas dengan pelanggan bernilai tertinggi Anda. Atau, Anda dapat memilih untuk menentukan di mana Anda dapat menemukan lebih banyak pelanggan bernilai tinggi seperti mereka. Semuanya terserah Anda, dan apa yang tepat untuk organisasi Anda.

Singkatnya, analisis atribusi bisa menjadi cara yang sangat cepat dan mudah untuk menyatukan data dari sejumlah sumber internal dan pihak ketiga, dan memahami data tersebut dalam istilah yang Anda tentukan dengan sangat spesifik. Anda akan mendapatkan wawasan yang Anda butuhkan untuk mendefinisikan dengan jelas dan memenuhi tujuan pemasaran Anda, kemudian mengasah strategi Anda untuk mencapai ROI setinggi mungkin pada setiap biaya pemasaran yang dikeluarkan.

Apa itu Data Warehouse as a Service

Kami baru-baru ini menulis tentang bagaimana teknologi data sedang meningkat untuk pemasar. Gudang Data menyediakan repositori pusat yang mengukur dan memberikan wawasan yang luar biasa tentang upaya pemasaran Anda - memungkinkan kemampuan untuk membawa data pelanggan, transaksi, keuangan, dan pemasaran dalam jumlah besar. Dengan menangkap data online, offline, dan seluler dalam database pelaporan pusat, pemasar dapat menganalisis dan mendapatkan jawaban yang mereka butuhkan saat mereka membutuhkannya. Membangun gudang data cukup merepotkan bagi perusahaan rata-rata - tetapi Data Warehouse as a Service (DWaaS) memecahkan masalah bagi perusahaan.

Tentang BitYota Data Warehouse as a Service

Posting ini ditulis dengan bantuan BitYota. Solusi Gudang Data sebagai Layanan BitYota menghilangkan pusing karena harus menyiapkan dan mengelola platform data lain. BitYota memungkinkan pemasar untuk segera mengaktifkan dan menjalankan gudang data mereka, dengan mudah terhubung ke penyedia cloud dan mengonfigurasi gudang Anda. Teknologi ini menggunakan teknologi SQL over JSON untuk dengan mudah melakukan kueri gudang Anda dan dilengkapi dengan umpan data waktu nyata untuk analitik cepat.

Analisis Attrribusi - BitYota

Salah satu penghambat utama puasa analisis adalah kebutuhan untuk mengubah data sebelum menyimpannya di analisis sistem. Di dunia di mana aplikasi terus berubah, data datang dari berbagai sumber, dan dalam format yang berbeda, membuat perusahaan sering menghabiskan terlalu banyak waktu untuk proyek transformasi data atau menghadapi rusak analisis sistem. BitYota menyimpan dan menganalisis data dalam format aslinya sehingga menghilangkan kebutuhan akan proses transformasi data yang melelahkan dan memakan waktu. Melakukan transformasi data memberi pelanggan kami dengan cepat analisis, fleksibilitas maksimum, dan ketepatan data lengkap. BitYota

Saat kebutuhan Anda berubah, Anda dapat menambah atau menghapus node dari cluster Anda atau mengubah konfigurasi mesin. Sebagai solusi yang terkelola sepenuhnya, BitYota memantau, mengelola, menyediakan, dan menskalakan platform data Anda, sehingga Anda dapat fokus pada hal yang penting - menganalisis data Anda.

Bagaimana menurut Anda?

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.