「Omni-channelCommunication 全渠道溝通」系列文章一共分為三個部分：
本文是「全渠道溝通」系列文章的第三篇，將通過歸因模型來分析全渠道溝通的效果，來幫助您和您的團隊完善全渠道溝通策略。2020年，全渠道溝通是當今市場營銷的新寵，但並非每個營銷人員都知道如何正確且適時地應用它。對於不同類型的公司，其相適應的歸因模型也不同，如何根據自身公司選擇合適的歸因模型？今天就帶你探索多種歸因模型，制定最適合你的歸因模型，營造最佳的全渠道溝通效果。如今，客戶能夠通過多個接觸點與品牌進行線上或線下的交互。全渠道溝通提供了更多的交流機會，但同時，多渠道的複雜性也帶來了新的挑戰。
幸運的是，目前擁有的工具已能夠衡量營銷工作的效率，確定推動銷售業績的關鍵因素。通過歸因模型，可以將銷售歸因於貢獻最大的市場營銷。這樣，就能夠決定如何分配將來的資源，以最大程度提高投資回報率。
卡拉在社交媒體上的廣告中偶然發現了您的網站。她在網站上進行瀏覽之後，訂閱了您的通訊渠道。接下來的一周內，她收到您的一封電子郵件，然後撥打電話詢問了幾個問題，最後直接返回網上商店進行在線購買。接下來我們將分析三種不同類型的歸因模型，單點觸控歸因模型，多點觸控歸因模型和數據驅動歸因模型。將功勞歸功於轉化路徑上的一個觸摸點，沒有複雜的計算，易於實現且投資最少。然而，這大大簡化了全渠道客戶旅程，並可能導致嚴重的誤解。
全渠道歸因示例：功勞將全部分配給社交廣告，因為它作為首次接觸點吸引了卡拉。
優點：關注渠道中的營銷活動，有助於發現吸引新客戶的營銷內容。這最好在較短的銷售周期中使用，因為它可以快速進行活動宣傳以吸引大量受眾。
缺點：缺少對中後期營銷活動的關注可能會導致最終消費的客戶減少。
全渠道歸因示例：卡拉對網站的直接訪問獲得了全部功勞，因為它是到達銷售點前的最後接觸點，是卡拉進行購買之前的關鍵轉折點。
優點：如果改善購買前的接觸點是公司的明確目標，那麼該模型可以明確最終接觸點，並以此進行優化從而促進消費。
缺點：缺少有關推動客戶旅程的信息，以及推動客戶消費的各種情況。
單點觸控的簡單性使數據分析產生了空白，而多點觸控通過在客戶旅程中增加更多步驟來彌補這一差距。在客戶旅程中的單個觸摸點之間平均分配功勞。假設多次接觸同一接觸點，例如多次直接訪問網站，則每次訪問的相應功勞會累加以顯示觸摸點價值。看重於第一個和最後一個接觸點，各分配40％的功勞，其餘20％則平均分配給其他接觸點。全渠道歸因示例：社交廣告作為首次觸摸，而直接訪問網站作為最後觸摸，各自獲得40％的功勞。剩下的接觸點是電子郵件和呼叫中心，各佔10％的功勞。
優點：該策略把客戶興趣點和促成消費的渠道結合在了一起，是兩個單點觸摸歸因模型和線性歸因模型的組合。
缺點：稀釋了中間接觸點的價值，可能會忽略關鍵轉化點。
數據驅動歸因模型旨在解決上述所有模型的局限性。
1）算法歸因模型：通過預測算法來分析數據，以確定哪些渠道、活動和關鍵字對轉換的影響最大。通過識別整個用戶旅程中經歷的步驟，增加客戶轉換的可能性，並給予發揮作用的接觸點相應的轉換功勞。
2）機器學習技術和數據分析：以此處理轉換和非轉換流量的數據，確定用戶旅程中的每次點擊要分配多少信用，解釋客戶在轉換前所經歷的每個接觸點的重要性，並確定在轉換過程中發揮作用的營銷行為和可以推動銷售的接觸點。
3）實時調整：根據各渠道花費的時間進行調整，並根據結果進行功勞劃分，以為每個營銷渠道提供加權得分。
全渠道歸因示例：功勞得分是基於用戶旅程數據以分配的。社交廣告吸引了卡拉的興趣，因此獲得20％的功勞。而電子郵件讓卡拉與所有連結進行交互並花時間閱讀詳細信息，因此獲得40％的功勞。呼叫中心獲得30％的功勞，因為討論時間很長，且問題得到了解答，由於Direct僅用於購買，因此只獲得剩餘的10％的功勞，且卡拉並沒有花太多時間瀏覽該網站。
優點：數據驅動被認為是最好的歸因跟蹤模型之一，因為它通過數據快速識別無效渠道而消除了很多猜測。除此之外，該模型能夠顯示哪些數據流是最有價值的（或最沒有價值的），允許品牌相應地分配他們的營銷預算。
缺點：需要大量的高質量歷史數據。
營銷人員需要計算各種營銷活動的投資回報率，確保每項活動都能對客戶的旅程產生適當的影響；如果沒有，就需要迅速將重點轉移到另一條途徑。選擇最合適的歸因方法可以幫助更好地衡量營銷活動，並更好地定義關鍵轉化點。但是多種歸因模型的應用會因公司目標而異。接下來，我們將通過流程圖，幫助您選擇正確的歸因模型。
1、步驟一：
公司規模大小
從公司規模大小的劃分出發，分為小型（0-99），中型（100-999）和大型企業（1000+）三個類型。以公司規模和預計數據流量為基礎，提高利用率，避免投入不足或投入過多。
2、步驟二：
1）溝通渠道的數量（小型公司）
溝通渠道的數量可分為單個或多個。當公司僅使用單個溝通渠道時，其總活動量相對較少，發生重複計算的可能性也相對較少，此時就更適用於單點觸控歸因模型。然而，當使用多個溝通渠道時，多觸點歸因模型將更利於開發一套多渠道歸因的解決方案。
如果已經具備能夠儲備並分析大量高質量數據的能力，則可以應用數據驅動歸因模型來精準分配功勞和提高溝通效能。若未能具備這種能力，則最好選擇多點觸控作為主要的基礎歸因模型。
3、步驟三：
1）銷售周期的時間範圍（使用單個溝通渠道的小型公司）
2）品牌發展戰略的類型（擁有多個溝通渠道的小型公司，未能儲備大量高質量用戶數據的中型公司和大型公司）
通過定義品牌發展戰略的類型，如定位不確定型，穩當型和激進型，來對應合適的多點觸控歸因模型。定位不確定型對應線性歸因模型，穩當型對應時間衰退歸因模型，激進型對應基於位置歸因模型。不同的歸因模型適合不同的行業和不同的公司。正如優點和缺點所描繪的那樣，它們的結果可能永遠不會100％準確。但是，您可以不斷地測試模型，積極地進行比較，而從不是僅選擇一種方法來解決問題。註：本系列分享譯自 EXPONEA 官網的《Omni-channel》，經譯者胡凌宇翻譯、整理而成。
易觀方舟通過全量實時採集用戶屬性與行為數據，連通內外部數據源，打通用戶運營觸點，為企業各個部門提供從數據採集、分析、應用到智能用戶運營閉環的數據管理平臺，目前已經覆蓋銀行、證券、品牌零售、電商、教育等多個行業。易觀方舟可以幫助企業整合用戶數據資產，建立用戶數據分析體系，通過用戶精準分群實現用戶精細化運營，為企業決策層提供數據決策依據，提升決策效率，以數據驅動企業精益成長。點擊閱讀原文，了解智能用戶運營
你「在看」我嗎？