作为营销人员,我们知道转化率受多种因素影响——渠道类型、时机、用户在购买旅程中所处的阶段等等。各种归因模型可以反映这种差异性。
首次互动归因模型(也称为首次接触)将所有功归因模型的类型劳归于第一个渠道(例如 – 推荐链接),并且不会报告用户与贵公司的所有其他互动(例如,点击新 电报数据 闻稿链接,参与登陆页面或浏览博客活动)。
首次接触有助于优化漏斗顶部
并确定哪些渠道能带来最佳潜在客户。然而,它无法提供任何关于促使用户转化的其他因素的洞察。
最后一次互动归因模型(也称为最后一次接触)将 100% 的功劳分配给转化前的最后一个渠道 – 无论是直接流量、付费广告还是内部产品页面。
这些数据对于优化漏斗底部 (BoFU) 元素非常有用。但您无法了解辅助转化——用户在转化前进行的互动。
最后一个非直接归因模型会排除直接流量
并将转化功劳 100% 分配给用户转化前与之互动的最后一个渠道。例如,如果购物者三天后购买了产品,则该社交媒体帖子将获得 100% 的功劳。
该模型更能体现销售流程中 提供项目所需的总时间的清 及的其他渠道。然而,您只看到了倒退一步,这对于销售周期较长的公司来说可能不够。
线性归因模型在所有跟踪的接触点之间分配相同归因模型的类型的转化功劳。
例如,在四个接触点转换(例如,自然访问、直接访问、社交访问、广告活动的访问和转换)中,每个接触点将获得该单次转换的 25% 信用。
这是许多工具支持的最简单的营销归因建模技术
其细微差别在于,线性模型无法反映各种事件的真实影响。毕竟,向购物者介绍您品牌的付费广告和结账页面上的限时折扣码,可能比购物者浏览的博客内容更有影响力。
基于位置的归因模型将 40% 的信用分配给第一个和最后一个接触点,然后将剩余的 20% 分布在第一个和最后一个接触点之间的接触点上。
这种归因模型对于优化漏斗顶部
和底部的转化率非常有用。但它对中间环节 俄罗斯号码列表 的洞察不足,这可能会影响您的决策。例如,您可能会忽略一些购物者通过社交媒体帖子登陆,然后通过电子邮件再次联系,并在自然访问后结账的情况。如果没有电子邮件营销,这笔交易可能就不会发生。
时间衰减归因模型会根据互动发生的时间调整权重。转化之前的接触点得分最高,而转化较早的接触点得分较低(例如,5%-5%-10%-15%-25%-30%)。
这种营销归因模型非常适合追踪漏斗底部,但它低估了品牌知名度活动或中期辅助转化的影响。