更新於 2024/10/05發佈於 2021/12/28閱讀時間約 6 分鐘

上億行銷預算的決策引擎：在德國擔任行銷分析師的學習 (2)

Marketing 不只有轉化顧客才算

我們在第一篇提到基本的行銷歸因(Marketing attribution)概念，但這些歸因法則其實受惠於線上追蹤系統的興起，Google Analytics，Mapp或是公司內建的追蹤都可以讓行銷人員理解：消費者的點擊，瀏覽與交易，但把視野只放在線上蹤跡是很片面的，包含幾個主要原因

有些業態多數交易在線下，或是線上線下混合，消費者在線下的活動難以被追蹤，以可追蹤的軌跡推估消費者行為全貌，斷定行銷績效相當危險
只看可追蹤的行銷活動會讓行銷決策變得「短視近利」，對於剛起步的電子商務或是APP企業來說，行銷預算確實會大量投入在「轉化客戶」為主的通路上，但如果不花行銷預算在建立品牌，強化消費者印象，到某個時間點會發現能轉化的顧客到達了上限，缺乏品牌經營或口碑會導致成長停滯
線上足跡的追蹤日益受限，不論是蘋果作業系統iOS的更新，歐洲GDPR法規的推行，分析單一消費者足跡已經相當受限，例如在iOS 14更新以後，有近八成的消費者選擇不再分享數據，斷掉的軌跡若被忽略，行銷決策絕對失去全貌

因此，行銷人員常會發現，如果只用線上軌跡的歸因方式，怎麼還有一大部分無法解釋，賺100塊錢裡面，大概只有20~30塊錢是從行銷活動來的？直客真的這麼多？當然不是，很多行銷預算在這個框架下解釋不了，這時候我們先回頭盤點我們有的行銷活動

從行銷漏斗（Marketing Funnel）來理解行銷活動的上下手

行銷人總相信蝴蝶效應，要證明這個蝴蝶效應帶來的是一場風暴，還是一陣微風，我們必須理解行銷活動上下手之間的關係。舉一台Dyson的吸塵器為例，我先在「捷運站裡的看板」看到這個產品，帶給我一點「印象」，接著我在Yahoo首頁看到雙11的宣傳，我看到活動後產生了「興趣」，在雙11來到時，我上網各處搜尋，點擊了幾個不同商城的關鍵字廣告，比價網站，最後我「下單」了一台吸塵器

從印象到購買，每個行銷活動都扮演著不太一樣的角色，位在比較上層的行銷通路（Upper Funnel Marketing Channel）主要目的在大量曝光，例如捷運看板，電視等等，這些行銷活動跟消費者下單的連結較低，而位在下層的行銷通路（Lower Funnel Marketing Channel）通常在強化消費者的購買動機，最終直接引導消費者購買，這些通路

回到行銷歸因的討論中，我們會發現可被追蹤的軌跡大多落在比較下層的行銷通路，既然有一環扣一環的可能性，那我們是否應該重新分配下層行銷通路的功勞呢？藉由Marketing Mix Modeling（行銷組合模型）可以有效的解決這個困境

Marketing Mix Modeling 行銷組合模型

Marketing Mix Modeling起源已久（簡稱MMM），目的就是為了理解各個行銷活動對於業績的影響，主要以「行銷活動成本或是帶來的曝光量」跟「業績的相關性」來進行分析，雖無法精確定位每個消費者個消費軌跡，但可用來描繪每個行銷活動對於業績產生的影響

如果把Multi-Touchpoint Attribution (MTA) 比喻成實名制，每個人的軌跡都清清楚楚，那MMM就很像是疫情的細胞簡訊，只能「大概的描繪，把某個時間點在那附近的人都通知一輪」，兩者可以並存，但盡可能不重疊，所以在設計MTA跟MMM的時候可以思考：是不是在MTA已經可以追蹤到的這些行銷通路就不需要再使用MMM來衡量了呢？

像德國生鮮廚房新創Hello Fresh的分析師所做的示意圖可以看出，哪一些行銷通路適合重新歸因，例如關鍵字搜尋（SEO），品牌關鍵字廣告（SEA – Brand），直客（Direct）等等，這些的來客都已經對品牌產生印象，重新歸因有助於解釋：這些通路的客人，品牌印象從何而來？（延伸閱讀：德國生鮮廚房新創Hello Fresh的MMM建模法）

商業假設讓模型更能反映真實

MMM數據模型的部分，大多公司採用Baysian Model來做（模型概念可以參閱Hello Fresh的文章），一大好處是可以放入很多商業假設來調整模型的真實性，舉幾個例子：

邊際效益遞減（Saturation Curve）: 廣告下越多，曝光越多，不代表業績會越好，通常會觀察到邊際效益遞減的現象，這個假設可以限制住過度廣告的效益
廣告長尾效益（Ad-stock effect）：很多看到廣告的人不會馬上下單，通常會延遲幾天甚至幾週，有許多數據模型可以用來分析Ad-Stock Effect (延伸閱讀：Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects)
供給與需求：如果面臨旺季，公司增加貨量，多開班次等等都有助於業績成長，是評估業績自然波動很重要的要素
定價：定價越高，需求越低，定價越低，需求越高，所以定價的數據也相當重要

把這些假設放入MMM的模型中以後，就可以描繪出許多行銷活動的效益，隨著近年演算法跟運算效能的進展，MMM模型可以做到到每週更新，更能跟隨行銷人員決策的步調

但最後終究會遇到一個問題：跟行銷人員溝通時，你要怎麼驗證這些數據是對的？我們怎麼靠實驗來修正行銷模型？我們下篇再繼續討論行銷分析的究極武器：市場實驗

感謝你的閱讀，喜歡這篇文章的話請追蹤，點閱，或按讚我們的專題喔!

付費訂閱

分享至

成為作者繼續創作的動力吧！

一分鐘德國

追蹤

付費閱讀

上億行銷預算的決策引擎：在德國擔任行銷分析師的學習 (2)

Marketing 不只有轉化顧客才算

從行銷漏斗（Marketing Funnel）來理解行銷活動的上下手

Marketing Mix Modeling 行銷組合模型

商業假設讓模型更能反映真實

作者的相關文章

Dave Huang的沙龍的其他內容

你可能也想看

發表回應

上億行銷預算的決策引擎：在德國擔任行銷分析師的學習 (2)

Marketing 不只有轉化顧客才算

從行銷漏斗（Marketing Funnel）來理解行銷活動的上下手

Marketing Mix Modeling 行銷組合模型

商業假設讓模型更能反映真實

作者的相關文章

Dave Huang的沙龍 的其他內容

你可能也想看

發表回應

Dave Huang的沙龍的其他內容