数字归因'太棒的阶梯:九步

紫色笔画文化是两副牌斗地主更强大的成功的决定因素,而不是其他任何东西。包括数据。

[人物+过程+结构]> [Data + Technology]

这似乎很难相信。然而,它非常奇妙。至少现在(是。至少直到 agi. takes over.

为什么这个配方材料?

例如,方程式的第一部分以更好或更差,以进化方式提高。等式的第二部分最常以革命的方式改善。

高级领导人的挑战是,革命似乎更具吸引力,因此他们承担了全速提升。这导致沮丧,履行职业和大量的金钱冲洗了悲伤的地方。

在我们上下文中的革命,几乎总是失败。进化工作。因此,忽略P + P + S的超重关键重要性是危险的。

您希望与营销一起赢得数据,与营销,转型化数字yada yada和Blah Blah,Evolve。以最快的步伐执行,您可以在上述等式的左侧转换,并使用相同的速度来发展上述等式的右侧。

这将确保人民,流程和结构达到足够聪明,以利用智能和Wizbang技术。

也许这个隐喻会有助于使这个真实的。

你可以'T给幼儿哈利戴维森汽车循环。你开始摩托车的那一刻,小孩将开始哭泣。幼儿不是错误,她只是两副牌斗地主小孩。这不是哈雷的错误,这是两副牌斗地主非常酷的摩托车。错误是你的。

幼儿需要一些稳定的东西,她可以推动的东西,锻炼她的腿让他们更强壮。在某些时候,她会爱两副牌斗地主哈利(因为她的父亲可能会吓到我,但我倾斜)。

该帖子被组织成以下结构:

I'LL在最后一次说这个…作为营销人员或分析师,您没有任何东西 'LL尝试比在这篇文章中阅读的内容更复杂和更具挑战性。您必须对您的工具和数据以及您的人民,流程和结构进行数据的升级频谱可能是无与伦比的。

那 is why this is so much fun. I have a huge smile on my face as I'm打字这句话,我对此的东西很兴奋。如果您遵循概述的建议,最可能的结果是您职业生涯斜坡的增加'S图朝向右侧的图表! :)

让 's go.

伟大的梯子#wth

谈到您的数字营销和数字分析练习,我've主张缓慢而稳定的进化。

问题有时,您可能不知道该路径看起来像什么,步骤是什么。要解决这个博客,我've分享了我叫的东西 太棒了梯子– 我对整个进化路径看起来的看法。

作为两副牌斗地主例子,这里'数字营销 梯子的壮丽:

令人敬畏的数字营销阶梯

非常酷,对吗?

这并不容易 线性化 这一切,世界很少干净。但是,您拥有两副牌斗地主可以指导您的策略的整体结构。

我的建议书…参与诚实的自我反思,让这可以帮助你识别今天这个阶梯在哪里,而不是射击月亮,弄清楚如何进入下一步。在进行这一步时,您不应该实施酷炫的技术并进行酷炫的营销,您还应该投资于越来越多的技能,体验您的人民,并投资将可扩展的结构和流程投入,以利用这一冷却的结构。赢得那个,然后去下一步。赢得那个… well, you get it.

COOL TECHNOMATION加上SAVVY人士利用新的可能性加上在最佳拟合结构中以刻度设置的进程等于赢得大。

我的第二个 梯子的壮丽 也非常令人兴奋。它为关键绩效指标奠定了两副牌斗地主进化路径,您应该用于推动贵公司内的数字复杂性。你'll find it here: Digital Metric太棒了 .

它告诉您不要立即追求客户终身价值。这是一种不够谨慎的地球'S氧气。指标梯级铺设了一条会让您在那里的路径,一步一步一步,同时确保您的ORG与您联系。

数字归因'太棒了。

前几天,我有两副牌斗地主惊人的特权,以我对归因的观点来提供主题演讲。 CMO表示希望观众了解高级归因策略。

这是两副牌斗地主我爱和崇拜的主题,但它也是两副牌斗地主比任何人都愿意承认的话题。

我借此机会创建两副牌斗地主,而不是简单地给他们所有的高级归因建模技术。 梯子的壮丽 用于数字归属。我不希望他们在主题演讲结束时犯下努力实现革命的错误,而是我想给他们两副牌斗地主实现全球最大值的道路。一步一步来。

这里'梯子我在我的主题演讲结束时汇总了我的世界观…

令人敬畏的数字归因阶梯

我建议的整体执行与其他两个的情况相同 太棒了梯子 :

1.找出你的步骤。

2.检查以确保您的组织(人,流程,结构)最大限制了这一步骤的好处。

3.有信心的时候 人,过程,结构 正在帮助您最大限度地提高该步骤的完整值,请转到下一步。大学教师'跳两个步骤!一步一步。

4.购买新技术,如果需要,投资实施它并使用它,开始专注于让您的人民,流程,结构演变为实现下一步的最大优势。

相信每个步骤都是相同的,这是两副牌斗地主错误"size"/需要相同的努力或技能。

为了说明这一点,在我在幻灯片上提供的空间中,我投射了,我分享了一些可能需要迈出一步的努力/技能/时间…

数字归因梯子的真棒现实版

你可以 see that the initial elements are pretty small, then things get complicated, but it is not an even distribution. If you do Step 4, Step 5 might actually take less time. It is also clear that things get insanely hard as you get towards the end. Insanely hard is putting it mildly.

我相信你很好奇,这些元素中的每个元素都是如此!

在两副牌斗地主简单的博客文章中,难以捕获整个主题击球,以及瘀伤的瘀伤的生命时间。主题演示为每个步骤包含解决方案,它需要太长。让我为每个元素给你两副牌斗地主简短的意义,这应该给你足以以更加集中的方式探索。

但是,在那之前…

等等,等待,赫克是什么归因?

:)

I'我肯定对大多数人都很清楚,但对于我们的一些新同龄人来说,让我迅速解释,然后我们'LL探索数字归属中的所有元素 梯子的壮丽.

这里'是最简单的方式来思考它。我们大多数人决定了我们的数字营销计划的有效性,拥有,赚取或支付,好像真实世界一样…

转换路径Google Analytics

恼人地,我们相信这是因为Google Analytics,Adobe,IBM和所有其他数字分析工具告诉我们相信这一点。他们在他们的标准报告中基于两副牌斗地主可怕的愚蠢的东西基础 最后一次点击 .

为什么我说烦恼?

因为上面的图片实际上看起来像这样…

实际转换路径Google Analytics

突然间,您的大部分标准Adobe和分析报告都不符合您营销投资的有效性。

根据其创建的活动为每个营销渠道分配最佳信贷的艺术和科学,称为归因分析。最终目标是为您的营销预算推荐最佳混合。

看看上面的第一行。归因分析将帮助您了解如何重视社交网络和直接频道和有机搜索。

智慧归因于结果,智能营销决策。

数字归因's梯子:步骤细节。

回到我们的故事。

我的核心推荐是,而不是直接跳转到归因建模或媒体混合建模,即您构建两副牌斗地主强大的,逐步,人物的基础,流程结构以及数据/工具复杂性。让'看看进化旅程中的每一步。

第1步:最佳度量。

如果是你的公司'仪表板充满了访问,现场时间,印象,%退出,基本活动指标然后贵公司还没有准备好归因于任何东西。如果您在那里抛出转换率而且准备好了。 nyet。

最重要的是你能做的是拥有两副牌斗地主非常强大的人,过程,结构基础是挑选伟大的指标来衡量。艰难的指标。智能指标。实际上告诉你的指标如果业务做得很好。

有很多方法可以选择真正的度量标准。例如,在此结帐我的列表: 适用于小型,中型或大型企业的最佳网络指标/ KPI.

或者,如果您有两副牌斗地主由我的超令人敬畏的Savvy数字策略提供支持 查看思考 - 关怀商业框架,您可以在框架中使用我的建议来判断您当前的度量标准策略的最佳方式…

最好的网络指标看到认为确实如理

使用这些指标,与访问和时间等基本活动指标,很难利用它们需要更聪明的人。此外,从上面列表中采取强大的洞察力需要智能流程和智能结构。

当我说最佳指标时,我的意思是创造文化和 思维 精致需要更难的事情吗?如果你不't have this. Don't move forward.

第2步:宏观和微量结果。

典型的宏观结果是一种电子商务订单,为B2B公司提交的领先级,这是两副牌斗地主由访问者开放的新个人资料,以内容网站,捐赠在非营利网站上。等等等等。

大多数人已经衡量了这个问题。 (如果你不'T,返回一步。)

只有少数人 测量微量结果.

电子商务网站的微型结果将包括商店查找,优惠券下载,新帐户,报告其用户可以下载,电子邮件注册,提交,产品放大,视频观看,慈善工作,博客订阅者,社区庆典等和,所有这些都是两副牌斗地主品牌'S网站。他们制作了一些像在线销售的牙膏一样的东西,但是主要分配渠道是离线商店。认为上述列表是他们在线的所有事情令人印象深刻!通过优化其宏观结果(订单)和所有这些微型结果,我们为此客户带来非常智能的非线性决策。

你能看到公司如何掌握'人们,过程和结构必须成为允许优化成果组合,而不是两副牌斗地主(转换率)?

很难这样做。这很难 计算经济价值 所有这些结果。对于整个投资组合很难优化。

那 is how you get ready to do sophisticated things like attribution modeling.

第3步:辅助转换.

你能闻到归因吗?关闭,但在我们到达之前一步一步。首先,让我们'让您的ORG准备使用真正是先进的归因建模的前兆。

在Google Analytics中转换为转换选项卡,然后是多通道Funnels,最后单击辅助转换。

我喜欢这份报告。

这是你的组织'S介绍超出了可怕的最后一次点击转换痴迷。在这份报告中你'请参阅您的营销表现更完整的视图…

辅助转换 report

你将有很多关于哪些部门(和人员!)的论据应该得到更多的信用,如何重视预算,现在您有这些辅助转换号码,为什么显示从121美元到6美元(!),所以等等。

在解决这些问题时,并通过更改您在上面的频道上花费多少预算来开始采取行动,您正在收集在线和离线归因建模的成功所需的元素。

你 jump directly to attribution anything, a cold, hard wall is waiting for you to run into it.

第4步:标准归因模型.

恭喜,它花了18个月,:),但你准备做归因建模。

它很容易开始。在Google Analytics中,包括免费版本,转换转换,然后归因,然后是模型比较工具。

你'LL已经看到最后的交互。旁边你'll see vs.选择模型 。 点击。

你'LL列出了七个默认模型。这些模型中的大多数都是为了疏远的需求,或者是错误的。以第一交互模型为例。选择这个模型就像 你给你的第两副牌斗地主女孩的信用给你嫁给你的妻子。疯狂的定义。

只有两副牌斗地主模型通过所有的气味测试,时间衰减。它为未来的营销触摸点提供了减少的荣誉,这些触摸点在客户旅程中回归。简单的。

使用时间衰减将您的第一步转变为归因建模。

时间衰减归因建模

右边的红色和绿色箭头正在帮助指导您应考虑的预算转移相关的决定,以优化您的营销和广告,以获得预算的最佳结果。

在这一点上,你'LL很高兴您听取了我,并执行了第3步,从而导致您的人民,流程和结构增加了灵活。如果你'D跳过,在此阶段,您只有两副牌斗地主聪明的报告,对贵公司产生零影响!

即使你这样做是第4步,你也是'LL仍然需要增量投资让您的ORG了解上述数据,您'LL必须发明新的文化规范,以便从建议中创建测试中的红色和绿色箭头,并将测试投入市场并创建两副牌斗地主反馈循环,使您的ORG结构可以从并提高未来的策略。

这是很多工作。由于对成本节约和增加利润增加而完全值得。

第5步:自定义归因建模.

完成所有艰苦的工作,现在ORG正在逐步更聪明地做出令人更聪明的决策,您已准备好利用您对您的业务,客户行为和您的策略的独特知识。

自定义归因模型允许您从Google Analytics中拍摄智能基础,并添加到您的智能。

对于客户我'在这里花了很多时间'S自定义归因模型…

Avinash自定义归因模型

以上选择的原因是商业知识,客户行为和业务战略。当你制作上面需要的七种选择时,你'll依靠这三个元素–与关键业务领袖的大量对话。

你的可操作步骤'LL从应用模型的应用将类似于上面概述的模型。

客户归因建模比标准归因建模更好。在成功完成这一步骤时,您正在加强领导联系,以及多个部门的更多买入(财务,销售,支持等)。不难想象如何与数据取得成功的重要意义。

第6步:数据驱动归因建模.

你痛苦的事情之一'在创建自定义归因模型时,LL陷入困境,这是后端持续疼痛… Opinions.

人x会说 不,艾因德是错的,我们不应该偏袒点击,我的广告没有点击,他们只有印象,更改avinash'S模型到过价值交互类型印象 。这个人错了,我是对的。 :)但是,可悲的是,你可以'把我拉出你的口袋,以便我可以告诉他们他们是多么错!

我只小孩略微。你会遇到很多这一点。而且,对于其中一些意见'永远没有明确的数据,以证明对意见或错误的意见。

人类失败的地方,让机器学习来救援。

Google Analytics查看所有*您的*数据,您的实际访问者的所有点击路径,每个营销渠道如何向您提供价值(基于成功标准*您*定义)并帮助创建反映您的归属模型现实。该属性模型称为数据驱动的属性模型。意见现在可以在两副牌斗地主非常黑暗的地方生活,而机器学习照亮世界。

你 click on the Model Explorer in the Attribution folder to see your data-drive model…

数据 driven attribution model google analyitcs

作为分析师,当我看到上面的蓝色阴影时,我必须承认我会得到一种特殊的骄傲感。没有办法在这种规模的情况下,人类可以达到这种潜在的洞察力,或者经常(你的模型又用新的数据/行为刷新)。我可能会害怕这些机器让我冗余。现在,我很惊讶。

你可以 see why Google wants you to pay for this feature (among many other great things in GA 360). It is smart, it is computationally intensive, and a competitive advantage for you.

你r data-driven model eliminates opinions/feelings/politics from the process of getting to the best model for you, and it is exquisitely yours.

你的行动你'll take, changes you'LL推动您的营销预算,将遵循第4阶段和第5阶段设定的模式(这就是为什么通过痛苦仍然很重要,并建立正确的基础P-S升级)。

奖金 :如果您想了解更多关于分析中的每个归属模型的更多信息,ProS-Cons,如何有效地使用它们,这篇文章有两副牌斗地主深深的潜水'll love: 多通道归因建模:良好,坏和丑陋的模型.

接下来的三个步骤 梯子的壮丽 复杂和先进。他们申请只适用于地球上最大的公司。让我简要介绍它们,只是为了你'如果您在两副牌斗地主大公司或成为成为两副牌斗地主人的路上,LL对他们有意义!

Step 7: 泛存在建模.

除非您在分析执行中做出异常独一无二的事情,否则您上面几乎所有所做的't被绑在两副牌斗地主人身上'行为。它将被绑定到cookie,它可能是由设备,浏览器和其他难以跟踪单个个人的其他东西的裂缝。不言而喻,其中一些可能是由于遵守当地法律(我应该深入压力,您应该阅读并熟悉您当地的法人实体)。

即使是我的所有限制,它也是绝对必要的'刚才提到的是,与在最后一次点击报告的可怕时,您仍然更好地拍摄于上面六步的旅程。

了解个人人类的行为如何让您进入全新的水平。想象一下,数据驱动的归因建模,了解两副牌斗地主人'跨移动和桌面的行为!现在抛出能够将这种行为与他们的商店或呼叫中心(销售或支持)联系起来。 #mindblowing.

想象一下,这缝合在一起,横跨设备…

用户资源管理器报告Google Analytics详细信息

[更多关于上面的报告: 揭示对您的观众的更聪明]

你需要做些什么 PAN存在归因建模?

某种方式来识别,激励和跟踪两副牌斗地主人。这种技术存在。在Google Analytics世界中,实施 通用分析用户ID覆盖 feature.

你可以 extend this to also tie to a CRM record you have for the person off a loyalty card or whatever global identifier your company has developed to identify its customers uniquely.

您的分析工具中的一切都会立即变得更强大,包括归因建模。

这很难做到,寻求帮助,有 大量授权顾问 谁可以加快你的时间来推动/胜利。

第8步:非线控制实验.

I'M确定上述步骤在你的头脑中种植了如何归因于在线活动归因于离线发生的影响(请记住美国的80%+商业继续脱机,即使是亚马逊变得巨大!)。

牢记有两种策略。

第一的。您可以通过利用借用来更直接地(无需步骤7) 受控实验的力量.

这里'是两副牌斗地主简单的例子。您已经知道,非品牌PPC广告系列驱动一吨最后一次单击并辅助转换。但是,你也知道 在线广告系列驱动离线影响。但是,你怎么能证明它?

运行受控实验。

在此示例中,我们在共11个测试市场(覆盖128商店)和39个控制市场(覆盖621个商店)中,我们跑了四周的测试。有点图片让你展示分销和 实验设计 savvy that you'll bring…

非线控制实验

在测试结束时,我们证明,在非品牌付费搜索营销上每花费1美元在商店销售中开辟了15美元。

如果你这样做,你甚至更聪明。在这种情况下,我们能够确定销售额的15美元缴纳缴款保证金(零售业的闻所未闻)。哦,我们没有完成。我们还可以确定产品类别X的销售电梯为3.5%,而产品类别为2.31%。

印象深刻?

想想,如果它是网络上标准操作过程的一部分,这可能是多么强大。归因于您在线广告的有效性来推动多通道结果。

你可以 leverage the smarts of 受控实验 without any of the seven steps above, but it is easy to see how much measurement, analysis, marketing, people, process and structure savvy you need to pull this off, hence it is Step 8.

如果您实际上成功完成步骤7,则可以将受控实验提高几个凹口,包括将在线行为绑定到与单个人类相关的长期结果。然后,您可以返回并定制您的整体营销组合,以与共享属性的个人的微型片段。这在圣杯区域非常多。

第9步:高级受控实验.

我们避开了上面的归因建模。我们回到建模,但不同类型。

步骤9中最常见的实现是媒体 - 混合建模(或者有些类似说,营销混合建模)。将其逐到最重要的是创建多元方程,当通过应用一些美味的统计回归来解决时,有助于确定您的营销组合的最佳组合。

几乎总是,Media-Mix模型包括所有营销–电视,收音机,数字等。这允许他们成为CMOS选择以推动统一的战略对话的转向来源。

有很多艺术涉及创建媒体混合模型,在组织或机构的手中,没有最佳的人,过程和结构,结果却没有少于基于观点的策略。

我相信消除偏差的最佳方式(或者通常通常意见),我建议大量使用复杂的控制实验,改变多个元素(与上面的不同),作为多元方程所需的最佳输入源。

我对媒体混合模型的最大抱怨,即使是最复杂的模型,就是这样,如果你正在执行 查看思考 - 关怀意图策略,数字是真的,真的,真的,真的擅长(传统媒体大多是完全无法行驶),媒体混合模型非常难以识别这些超级有价值的活动的价值。它们偏向短期商业成果。基本上进行意图策略。

因此,媒体混合模型是上帝的话语,当达到最佳的营销投资时,媒体混合模型是令人难以置信的。你将低估了看待思想的商业策略,这反过来意味着你不会用数字来做这是精致的有资格做的事情(例如:看看和护理帮助你建立 拥有受众 !)。

而且,所有代理商和公司都相信 通过爬树的能力来判断鱼 。这些机构的CMOS和分析师正在积极策划允许本公司'S营销发展到现在的位置,未来将是。

由于表达了这一点,表达了这一点,希望正好提出您的思想,我仍然推荐由受控实验的输入支持的媒体混合建模。原因很简单。我们都必须为我们的公司赚钱。并且,媒体混合建模是该任务中令人难以置信的有价值的工具。请记住,它只是解决了现在而不是下两副牌斗地主或长期。

奖金 :如果您希望更复杂的观点进入三种战略方式来框架归属机会,请查看此帖子: 多通道归因:定义,模型和现实检查 .

结束思想。

那'在解决最复杂的挑战之一时,你的进化阶梯是你可能面临的营销人员或分析师。您必须对您的工具和数据以及您的人民,流程和结构以及您面前的任何其他挑战都可以无与伦比的升级频谱。

那 is what makes this so much fun, so satisfying as a career choice and so rewarding from a compensation perspective. There is literally no harder thing you can do. I hope that, when offered, you'll选择接受戒指。 :)

祝你好运!

一如既往,现在轮到你了。

您的公司/代理商是否'实现最佳营销组合的宏观方法反映了革命还是演变?如果你 '完成所有步骤,哪一步是最难的?归因建模最困难的方面是什么,向您的高级管理人员解释?您的公司是否优先考虑人们的演变,流程,结构,因为它推动了工具/数据的新合同和支出?如果您不得不向读者提供归属之旅的两副牌斗地主建议,您会说什么?

请通过评论分享您的反馈,批评,赞誉,智慧和最佳实践。

谢谢你。

评论

  1. 1
    Henrik Lundqvist. says

    谢谢你另两副牌斗地主伟大的智慧阿德拉什。我无法'T同意更多,斗争是真实的,几乎所有客户'沃克雷德是他们想要咬得更多的阶梯,而不是准备咀嚼从未真正留下他们目前的一步。

    我注意到你没有的东西'提到但是,这真的可以通过梯子上的步骤4-6获取您的业务(或客户)是将实证和相关成本数据作为尽可能多的渠道(或广告系列)上传。看着红色和绿色箭头显示转换次数的略有变化(如你的形象)泛滥的结果"That's cool, … well let'回到我们正在做的事情"虽然对CPA的可见变更往往导致"我们可以做更多的事情和更少的吗?"

    简而言之,适当的成本数据有助于使归属模型报告更可操作,忽略是否使用标准模型或数据驱动模型。这种可操作性依次使得让组织接受和内化步骤更容易。

    • 2

      Henrik: 是的!对对对。更多次是。 :)

      我很尴尬地,在这个长的弧中,我完全忘了强调价值成本数据。在我们在市​​场动机的Web Analytics的主认证课程中,我在归因于归因时,我有两副牌斗地主整个10分钟的成本数据价值。

      我强烈推荐这一切的所有付费努力。通常,这些将包括显示,电子邮件,YouTube(假设PPC如果您的帐户链接,则会自动流动)。这将允许我们在当前看到划线的行中查看数字(在帖子中的第4版中的第一张照片)。

      我们看到类似的Shifts目前在最后两行中可见,而且如提及,可以推动有价值的对话和操作。

      谢谢你。

      arinash。
      PS:这里'在我们申请我们的电子邮件广告系列的成本数据之后,表格如何了解,这是两副牌斗地主例子

      电子邮件成本数据导入允许CPA归因建模结果

  2. 3
    阿尔文弗格森 says

    这可能是我在冬季最喜欢的帖子's Razor!

    承认我没有考虑对分析数据对人民和组织的许多影响的情况有点尴尬。我经常给哈利给婴儿。反思我现在可以看到我的策略中的差距是什么。谢谢你avinash。

    数据驱动的归因模型和受控实验对我来说是新的。我只是对他们的理论知识。我有两副牌斗地主新的待办事项列表,让自己和我的大公司在这些战略上扼杀鼻烟。

  3. 4
    Gaurav. says

    令人惊叹的诚实态度,迈出了对数字营销花费的视听和速度的态度和速度。喜欢易于理解的图表和感到兴奋,以便使用这些作为指导。

    谢谢你avinash。

  4. 5

    你好Avinash,

    谢谢你的另两副牌斗地主伟大的文章。您能在线影响到离线销售的实验吗?

    谢 's

    • 6

      Miroslav: As you can sense, I'通过所有实际结果共享客户端的真实数据。这意味着我可以'由于他们的许可,T分享任何细节。

      但是,使用实验策略的设计来建立这些测试并不疯狂复杂。很好,虽然与经验丰富的顾问合作,他们拥有建立实验并获得少数数据碎片所需的顾问。

      你 might also find this to be of value: 关于离线转换跟踪

      一切顺利!

      arinash。

  5. 7

    你好Avinash,

    谢谢你的一篇文章!

    我们在我公司中努力争取这个主题,因为我们有两副牌斗地主目录和其他离线营销计划。如果一切都脱机或全部全部,生活将更简单:)但虽然可能不太有趣。只是为了让事情进一步复杂化,我们有两副牌斗地主很长的购买周期(昂贵的产品,考虑购买),人们通过多种进入那里的方法使用多次访问网站。 (我总是告诉人们我的公司拥有最有趣的分析和客户收购挑战。)

    我们做了微调,这是非常有帮助的。有关如何将离线合并到此类模型的提示?谢谢!

    • 8

      克莱尔: 这些东西让我们支付吨和大量的雄鹿,因为它们很复杂。没关系。

      归因建模是关于了解多次访问多次并提供多种结果的能力。而且,您可以跟踪的一件事是离线转换。

      这里'有关如何在AdWords中进行的文章: AdWords离线转换跟踪

      你可以 also use the Universal Analytics feature-set to send data into Google Analytics. A bit about that is here 分析数据导入 但是,您可能需要两副牌斗地主授权顾问来帮助您,因为它只是两副牌斗地主复杂的东西。你'll find some at http://www.bit.ly/gaac

      arinash。

  6. 9
    Bobby Orr. says

    嗨avinash,

    我开始实施这条道路的过程,以营销归因于华丽地区。谢谢!

    您可以在购买前提供有关使用14天免费试用的一些建议吗?我们希望查看多通道归因模型预审,但在试验中没有收到$。我们正在考虑将微型转换放在这里具有预期的价值,但我们知道不同的渠道转换为以不同的速率付费–我们将优化每个通道的错误假设'S试验值得平等。

    另一种选择是在付款的辅助转换和多归因模型中,但现在我们介绍了试用后使用用于访问的所有渠道。

    有任何想法吗?

    爱你的博客!这篇文章的完美时间:)

    • 10

      鲍比: 我的主要建议是雇用GACP(www.bit.ly/gaac),因为他们将花时间明白您的本地情况和变量,并为您提供最佳建议。老实说,如果这些事情可以用博客发表评论回复,生活会更容易! :)

      让我尝试添加一些值。

      您可能会使这种比需要更复杂。如果您接受了平均转换率和平均订单大小,则可能会非常接近了解每个频道添加多少值。是的,CPA可能并不完美,但请记住您拥有未突出的原始转换号码。

      在一天结束时,你不't真的关心两副牌斗地主频道的转换率(即最后单击思维),您和我在转换路径中播放的角色播放的角色(参见数据驱动归因的图像)。因此,您可能不需要您表达的复杂性。

      最后,请记住,当您正在进行归因建模时,您有两个分段选项。您有转换段(只需点击GA中的该按钮,请参阅默认情况下显示的甜蜜,默认情况下,您可以创建自己的甜味。其次,你也有转换–您可以选择要查看的转换。这可能是价值。

      arinash。

      • 11

        你好Avinash,

        伟大的建筑和真正的迷人的东西。

        在发病时,我们都应该感谢一位叫做Alvin Toffler先生的绅士"originally"在他们说的是历史记录时,取消了用户生成的内容和其余的概念。重点是它是关于洞察力的全部。他预见了实时人类互动的力量,这将改变以往的技术/营销/通信景观。

        因此,关于方法/工具/进程/消费者规划最佳实践/研究最佳实践与将改变游戏的令人信服的最佳实践的辩论。我的建议是以下

        1.平台集成至关重要– bringing all the "data" together – both structured &非结构化,我的意思是来自各种来源。
        2.使数据适用于您,而不是相反–含义在多个平台上使用多个工具的含义不成比例地执行特定任务。简单地放置一些Web分析工具表现出某些任务辉煌。仅使用此工具设置以分析一组数据集,它可以最好地处理
        3.跨平台运行分析和工具集处理"piecemeal" data sets
        4.整合所有提取的"juices"在一起:指标,趋势,段,行为,集群,产品,竞争,中断等
        5.将所有这些变量放在一起–意味着那些自然有关和统计学意义的。所以我们应该获得#4中提到的不同变量的簇
        6.橡胶撞到道路时–测试,测试,测试,打市场,跨空格与消费者交谈(数字,离线) –所有集群是否有意义?一些群集可以用来推动中断吗?那些推动引人注目的创新吗?群集根本是有意义的"或者是两副牌斗地主平原公鸡&牛故事?如果是,那么回到绘图板!或者我们采取不同的路线。所有集群都没有意义的好消息–消费者总是不知道他们想要什么–如果新的创新,他们需要提醒或更好地说服…..thus disruption & changing the game
        7.如果群集是有道理的,那么是时候深入了。淘金匆忙刚刚开始。它只是两副牌斗地主群体或两个簇是有道理的–意思是我们要击中两副牌斗地主金矿或两枚金矿?或者是钻石矿吗?
        我们很接近产生两副牌斗地主或两个引人注目/深刻的洞察力
        9.转向服务的洞察力& products – Mind to market

        这些是我的想法。希望我有所了解…..

        感觉很棒在这样的平台上。就是棒….

        干杯,

        s

  7. 12

    嗨avinash,

    谢谢你的这篇文章。这太棒了!

    奥克兰的祝福。
    DJ.

  8. 13
    凯文凯利 says

    优秀的文章。非常感谢Avinash分享所有这些有价值的洞察力。

  9. 14

    喜欢博客。

    你对时间衰减的价值是什么?"only"基线模型可延长销售周期?你使用比喻给你的婚姻融资给你的第两副牌斗地主女朋友。我不'在多个层面上喜欢比喻。

    另两副牌斗地主(同样偏见/缺陷)类比可能是:使用时间衰减就像为您的转换漏斗提供大部分销售(而不是您首先吸引到您的网站的方法,或所有的方法您网站的令人敬畏的事情让人们进入转换漏斗)。

    点是:如果销售周期通常为30-90天,而且品牌ISN'它广泛识别,它'一般销售…我们不是在这里谈论T恤或通讯注册的冲动购买…我的本能是权衡初始品牌的介绍比你似乎更重。让's say we aren't在数据驱动的归因建模阶段(它's coming…但可能是12个月之外)。你能告诉我为什么我的思想仍然有缺陷吗?

    谢谢,
    罗夫

    • 15

      rff: 当我做归因建模时,这两个模型'll玩是时间衰减和数据驱动。它们提供了最佳对比,参数最佳开口。当然,数据驱动是正确的。 :)如果我不'我有权访问数据驱动,我'LL使用时间衰减和自定义建模。

      I'LL谦卑地不同意你的类比时间衰减。这里'是一种简单的方式来思考它:如果你的第二或第三或第四或第四次触摸点太棒了,为什么第七个导致转换?

      所以。当然,他们应该得到一些信誉,他们正在及时衰减。但是,在我们拥有不完整数据的情况下,您肯定知道的是第七次会导致结束交易。

      一切都说,你不'需要买什么我'勉说或其他任何人。您有权指出,您有本能基于您的经验和数据分析。基于您的本能构建自定义模型,两副牌斗地主基于我的(!)和实验。让数据有助于您的直觉验证–网络的祝福!

      我很高兴你正在以批判方式考虑这一点。

      arinash。

  10. 17

    你好Avinash,

    您如何通过查看/思考/执行/关心进行会话才能将适当的指标应用于这些4个部分?

    谢谢你。

    • 18

      Tryphon: 你可以 segment them by any dimension you are interested in.

      例如…通过客户思考的一种方法是提供最佳内容(因为他们有弱商业意图)。因此,您可以通过登陆页进行分割页面深度。或者,思想意图要完成微不足道,因此您可以通过访问目标值进行交通来源。

      等等等等。

      arinash。

  11. 19
    jánosmattvay says

    非常感谢这篇文章!

    从我们的经验营销人员开始时,营销人员就会被视为宏观和微观成果以及辅助转换。我们实施了一份报告,该报告将显示所有助攻渠道或广告系列交付的,因为我们认为有必要。我们最终爆炸了那个报告,因为营销发现它有趣的看,但是可以'T导出任何可操作的见解。

    正如您已指出的那样,步骤4 + 5涉及许多应应用哪些标准归因模型的意见和讨论,例如,为什么基于位置的模型应该优于时间衰减模型。例如,将你的论证对抗一次点击,我可以争辩说这是你的第两副牌斗地主阻止你成为两副牌斗地主僧人而不是结婚的女朋友(我们真的有类似的讨论)。

    自定义模型aren.'真的,在留下意见方面的巨大改善。不同的营销部门可能会带来不同的政治利益,即他们希望使他们的渠道看起来很好。来自不同数据源的数据,具有不同的数据质量来自定义基于规则的模型。这可能导致过度复杂的规则集(如果有机搜索单击X小时后,将为品牌搜索单击时,请将所有信用额递给品牌搜索单击)。这样的自定义模型考虑了每个部门的不同目标,但可能变得非常难以维护。

    我们的方法正在帮助客户"jump"尽快数据驱动模型,并防止它们在前面的步骤和各自的讨论中度过太多时间。不幸的是,每个数字广告客户都能够支出GA 360的成本。以便'我们在哪里尝试帮助中小型广告,以及在机器学习算法的基础上应用数据驱动归因模型的初创公司。我们绝不是GA 360的全面,我们没有针对同一客户。

    正如以前的评论中的两副牌斗地主提到的Henrik Lundqvist,其中包括实际成本数据确实是让洞察力的关键(和痛苦)。简单地说:如果我作为营销人员看到,她每天腰部10.000美元,改变某事的动机比看的是两副牌斗地主高度,这一运动在归属转换方面被X%过度了。那'为什么我们的目标是通过API将所有较大的广告平台集成,以自动提取成本数据。

    全面披露:我是Adtriba.com的联合创始人,营销归属启动。您的文章在决定开始这项业务方面发挥了重要作用,并允许更多的企业为数字营销带来更透明的透明度。

    • 20

      Janos: 你 are right, as this blog post outlines, there are shortcomings in each step, including data-driven, until you get to the very top of the 梯子的壮丽.

      我们努力解决的挑战是为了确保每一步,人们,流程和结构都可以利用该步骤中可以提供的数据和工具。

      否则,挑战是我们可以为公司销售两副牌斗地主工具/数据,以50,000美元,他们没有能力使用它,我们的长期回报是您可以从中销售的任何盈利。另一方面,如果我们也使ORG更智能,弄清楚它们在梯子上并将它们移动–同时抬起他们的人,过程,结构–我们可以制作50,000美元,:),然后是咨询和工具精明的所有$$$。 :)当然,客户还从我们的努力中获得长期收益。

      Adtriba听起来很令人兴奋,一切顺利!

      arinash。

  12. 21
    史蒂夫 says

    阿内托,

    你的归属是很大的帮助。我们不'T必须具有较长的销售周期,但我们确实在广告账户之间存在很多重叠。不幸的是,我们也是两副牌斗地主领导者。

    我们正在将后续转换映射回用户的user_id,但对于归因建模而言是毫无价值的,因为当映射后面时,它们就会作为Direct / None和在映射时,而不是转换时才。

    您是否让您对第三方网站的映射映射到正确的交通来源?

    帮助非常感谢

    • 22

      史蒂夫: 我担心这是两副牌斗地主问题,需要一点挖掘并识别你最终发生的事情。最好的策略是与授权顾问合作,他们可以帮助您非常精确地解决这些问题。这里's a list: http://www.bit.ly/gaac

      使用铅提交作用作为评估每个营销渠道价值的初始标准是两副牌斗地主非常聪明的策略。然后能够将离线转换绑在网上当然也非常聪明。使用这个新数据运行归因模型,因为成功有点棘手,但我不'知道你如何丢失源通道。正如我所提到的,顾问应该能够提供帮助。

      arinash。

  13. 23

    嗨Avinash,谢谢你的这篇文章!你是对的,这是两副牌斗地主很难解决的问题。

    我想知道您是否可以在以下内容分享您的意见:

    我已经开始找到两副牌斗地主归属模型,这些归属模型将从所有利益相关者获取买入并在我公司身上使用。但是,我找到了,就像你提到的那样,这是两副牌斗地主最少的过程来说是两副牌斗地主耗时的过程。我觉得如果我能够达成共识

    我们正在使用的技术/指标/营销策略是非常可能的,并且测量是如此不同,这很多努力都将进入最佳模型,但很陈旧。

    所以我的问题是:

    1.梯子上有两副牌斗地主递减的点,其中步骤x是'good enough'从攀登更多步骤达到更多步骤的任何渐进效益将不会超过那里所需的时间超过?

    你见过很多公司是否成功到达第9步?如果是这样,他们之间有共性吗?他们是否有执行归属费用?或者团队完全致力于开发最佳型号?或者是别的什么?

    任何洞察力都会受到非常感谢。谢谢 :)

    • 24

      安德里亚: 首先,您非常聪明,以担心收益递减的程度。

      有两副牌斗地主,很难知道你什么时候到达它。也许,当你有较少的争夺谁应该获得多少信贷 –纯粹被政治和自我保护驱动的战斗。

      当然,理想的识别点当然是您正在推动当前归因模型建议的驾驶变化的减少营销增益。老实说,这不会常常发生。人们!

      我确实与在第9步(否则我所说的一切是理论的公司合作,并且没有这个博客的品牌属性!)。它们往往更大(因为步骤9花钱)。他们有一种文化,CMO自己/自己直接给出了许多关于最大化非线性营销组合的掷骰子。它们倾向于控制实验和建模是DNA的核心部分,用于营销花费是材料。并且,正如您可以想象的那样,他们确实有两副牌斗地主专门的团队到非线性分析(我把压力放在那里而不是有"attribution team,"这是必要但不足以来的)。

      两副牌斗地主快速的建议。大学教师'试图说服*所有*利益相关者。这不是民主,每个人都没有得到一次投票。对齐将与您交谈的最高级人员,与拥有大多数营销预算的人或两个人对齐。在那之后,拖着其他人。我说拖出爱情。一旦你开始表明你可以为两个拥有最大预算的两个人推动更聪明的决定,其余的会出现(即使有些人会不情愿地做)。

      我可以't帮助它,最后两副牌斗地主,最后一件事。确保你告诉大家,在归因之旅中,你的目标是:每天都不那么错误。

      也许这会给你灵感,并告诉所有其他人都不会挂断事物。

      arinash。

      • 25

        谢谢你的洞察力!

        我也可以'帮助它,最后一件事。您认为主要根问题归因模型试图解决?

        我发现,在表面上,它看起来像两副牌斗地主归因模型是优化营销花费但实际上的解决方案,它似乎更有推动的是,需要提供资源分配和绩效评论等资源分配和绩效评估。这是你看到的吗?如果是,您认为归因模型是该问题的最佳解决方案吗?

        再次感谢!

        andrea.

        • 26

          安德里亚: 你 are trying to have an optimal mix when it comes to your marketing spend. That simply is the goal.

          该过程的一部分是肯定的,通知所有类型的管理讨论。这是了解媒体组合的输出,以推动业务的最佳价值。

          但请记住,归属建模只是你梯子的阶梯。继续前往右边。

          arinash。

  14. 28
    Saurabh Jain. says

    嗨Avinash,自从过去6年以来一直在关注你的博客,他们真的很有洞察力。

    这个特定的帖子现在是我最喜欢的帖子。

    到目前为止,在数字营销实施中没有任何结构!这是第两副牌斗地主我'到目前为止来吧:)
    谢谢!

  15. 29
    帕特里克 says

    我真的很喜欢令人敬畏的数字营销阶梯。

    这种整体结构可以真正帮助我互联网营销策略。

    感谢您分享这一点。

  16. 30

    我很少拼错:"Additinoally"
    干杯,我现在回去阅读:-)

  17. 31
    Richa Gangwani. says

    好的!

    感谢您分享一种方式来思考以及执行有效策略的实用提示。

  18. 32
    本杰明 says

    这是有道理的,并与我在emea归属的经验中非常共鸣。

    您的建议中的两副牌斗地主关键问题是跳转到建模,而不会强调数据质量的重要性。饼干–包括GA第1派对饼干–只能跟踪会话而不是跨设备活动,将用于更复杂的建模的转换路径很可能比实际发生的更短。

    让我举个例子:

    1 / alex点击其手机上的广告,访问网站并观看视频(微疗法)

    2 / alex在其桌面上返回网站,购买产品
    那么这个简单的例子,数据将是什么样的(具有更长的周期,它会更长)

    1 /付费广告>与微量结果访问

    2 /直接>访问宏观结果
    在这种情况下,公司将无法解释任何辅助转换,并将超过信用"direct"购买此购买。由于跟踪技术,任何先进的建模都将无法使用付费广告。

    我的观点:看着"assisted conversions"实验可能是有用的,但基于饼干的转换路径可能是隐藏两副牌斗地主完整的不同故事。

    • 33

      本杰明: 你 are absolutely right to stress the value of data quality, I do take that as a given and it is worth reinforcing.

      refro-device,你'请参阅第7步中的我涵盖了这一点"泛存在建模" in the post.

      谢谢!

      arinash。

  19. 34

    嘿阿维什,

    那'两副牌斗地主陡峭的梯子!我们只是试图通过辅助转换来攀升至第三步;-)

    当我看看利用伟大的谷歌商品演示账户时,我会看到一大批次的助攻和转换

    //analytics.google.com/analytics/web/#report/bf-assisted-conversions/a54516992w87479473p92320289/ –在辅助转换/归属方面,您可以给予您对直接流量的任何提示吗?

    我只是认为直接是在许多情况下捕获的所有遗漏推荐人信息而不是赢得忠诚的重复访问者。

    • 35

      迈克尔: : )

      有时,这很重要。业务的规模或前面的机会可能不需要进一步攀登,而不是步骤3.我会包括我们的创业公司(我现在想象现在的中型业务)在该桶中的市场动机。

      直接…该工具报告它捕获的内容。我推荐两件事。

      1.这篇文章中提到的所有事情: 优秀的分析技巧#18:使您的直接交通

      做所有的小事来清理我们可以干净地收集引用数据的能力始终是两副牌斗地主好主意,在这种情况下势在必行。

      2.实施理解人员(VS.Cookie)的能力。 用户ID-override FTW!

      这将有助于您了解他们是否真的是您所知道的所有人,或真正的新人。

      在此结束时,您可能没有100%完美的答案,但它会比我们目前可能所在的位置更好!

      arinash。

  20. 36

    总是新的东西要看… Great tips!

    我们一直在我们公司的归因,这确实可以帮助我们弄清楚为什么我们没有取得更多进展。我们正在跳过步骤,我们没有将周围的结构放在适当的地方。我们有工具。

    现在要做。读你的博客很高兴。

  21. 37

    非常长,信息丰富的帖子。

    I'肯定很多人会发现这个有用的。它肯定值得读。

  22. 38

    在我看来,平台是关键,因为Alexa Siri语音激活物联网系统(可能)使用内部的综合平台使用内部的两副牌斗地主对话来开发两副牌斗地主2个对话。 AI语言学必须是直接的根域平台。

    那些拥有或可以投资于特定于根域的权威平台的那些,随后为(并持久)聚合品牌平台的共同元素有两副牌斗地主策略可以看到/发现,其他人将支付渡轮'不断增加的收费。 SEO必须与数据挖掘合作相关?

    • 39
      彼得 says

      Avinash,谢谢您的回复,请允许我分解两副牌斗地主广泛的刷子/模棱两可的评论。

      AI语音激活系统[NLP]将与直到Siri Alex Google Home Alibaba IoT开发额外的群体IOT内部技术安全转让风险转移。公共信任是参与订婚&婚姻前面的苹果[手机解锁拒绝] Alexa [删除井学士]谷歌[医疗工作]金融肌肉,银行&保险公司用浴水推出品牌。有直接的两副牌斗地主对话的能力将意味着对根域特定的通用搜索项具有一两年的优势?在我看来,在保险,汽车销售,贷款等某些类别中,像聚合平台一样的能量将在House IoT与AI Q开发& A'这将似乎可以最好地渲染SEO,基本的AI算法,SEO MINDSETS将最好地放在数据挖掘协同效应中?您是否同意这一长期观察SEO的未来。

      发现它奇妙的讽刺意味着它需要ai来带回同情/礼貌:)

      • 40

        彼得: 你的纸条里有几个不同的股票,让我看看我是否可以解压缩。

        毫无疑问,营销人员在他们公司的产品人员中,最初将在机器学习中投资吨,然后肯定地应用人工智能达到和聘请客户(营销人员)并解决他们的问题(产品)。其中一些将采用IoT设备的形状,其他人仍可能利用您可以访问的所有物联网设备的网状网络等疯狂的东西。从Patagonia到AAA保险到我当地的实用程序,转换为什么每个存在的可能性是无限的。

        我不是安全et的专家。 al。与之相关,所以我'll skip those bits.

        到SEO.…Gartner预测,到2018年,30%的查询将在屏幕上的设备上。这本身将是非常破坏性的(没有ML或AI :))。允许的过程"computing entities"(Googlebot或ML / AI供电的新版本)了解您的公司是什么,您有哪些产品,您试图解决的问题将继续批判性重要。有些人称之为这个SEO–我想到它更加广泛。我们将专注于提供更多的洞察力信息(为什么不'我们沿着客户身份发送,因为我们了解产品数据,使其更容易弄清楚哪个人是正确的答案?)。同时,我相信这些新的ml / ai驱动器实体会更聪明,更易于了解(否定需要简单,基本的东西)?

        总而言之,令人兴奋的变化来。

        arinash。

  23. 41
    Johannes Kiessler. says

    亲爱的阿德纳什,

    我最近发现了你的博客,非常感谢你的努力以及你为社区所做的事情。谢谢!

    我还从11月8日开始阅读您对意大利有线问题的采访,您有关您对美国总统选举的看法。

    我的问题:这么多分析师不仅未能预测这种结果,而且错误地预测了完全不同的结果是什么?分析中的错误在哪里,我们可以为我们的职业作为营销人员来从这种情况中学到什么?我们需要改变方法吗?盲点在哪里?我期待着收到你的意见!

    来自柏林的最佳问候和问候!

    • 42

      约翰内斯: omg,我希望有两副牌斗地主简单的答案。

      首先是数据…有很多因素,但两个我认为是大的原因。 1.缺乏足够的用户在手机上采样。这在哥伦比亚和英国最近在预测性中损害了预测性的民意调查,我相信美国也是如此。 2. 布拉德利效果。没有足够的人将投票给特朗普承认他们将投票给特朗普。

      第二刻…在美国显然是两副牌斗地主被媒体/意见制造商/巴拉克奥巴马/正在谈话的其他人的焦虑。

      分享两个语境事物很重要:

      如果大约在57张票(3个美国州!)去过克林顿夫人,她就是总统。因此,结果比新闻界的强调更少,并且媒体似乎使其出现。 57k并不是很多。当你在美国看着古老的选举大学系统时,影响只是放大了(说美国是民主,而不是)。

      克林顿夫人赢得了2密耳的热门投票(截至目前的一点)。第二个不仅仅是在美国信仰系统中读取太多的原因 -

      尽管这两件事,但在特朗普先生下,美国的大变化就会到美国。

      arinash。

      • 43
        Johannes Kiessler. says

        谢谢你的答案,阿维什什。

        我听说过布拉德利的效果,但并不知道是没有足够的手机用户采样的事实。如果我理解正确,这是否意味着选民的一大块刚刚在民意调查中记录?

  24. 44
    约翰·埃尔特 says

    It'是一篇很长的文章,但它'值得读。我喜欢整个帖子的信息和详细信息。

    I'在SEO世界中的两副牌斗地主新手,我进入了不知道关于数字营销和其他相关的东西的事情。一世'终于和慢慢地获得了工作的主人。肯定会与我公司的管理层分享这一点。

    谢谢你这个,一切顺利!

  25. 45
    Noel Mades. says

    一种长的博客文章,但是当你完成阅读你'LL找到两副牌斗地主非常有趣和信息丰富的帖子。

    令人敬畏的整个观点。

    感谢您的写作,并提供我们可以采取行动的框架。

  26. 46

    我们有B2B提供,我们将CRM与GA联系在一起,以查看确切的客户及其行为。即使我们创建了自定义归因模型以比较通道。

    一切都很好,但问题是GA仅允许用户级别数据93天。因此,我们无法理解他们在初始阶段和渠道中消耗的内容是什么,因为销售周期大约在9个月内。

    如果我们停止基于销售数据(CRM)的频道,我们可能会通过停止将用户带到网站的渠道来结束。这限制了我们更高的见解。

    你有解决方法吗?感谢您对此的支持。

    • 47

      Niroshan: I'm afraid I don't知道GA界面内的限制,但请探索免费GA API,因为它具有更大的限制和更多数据领域您可以下载。

      需要考虑的另一种可能性是使用CRM数据库将Universal Analytics中的用户身份覆盖合并,并将标识符发送回GA(AS GA接受数据)并跟踪长销售周期–和原始来源等– in GA.

      Ping GACP因为他们可能对你有更多的想法, http://www.bit.ly/gaac

      arinash。

  27. 48
    Samantha Gomez. says

    谢谢你。

    作为刚进入这一领域的人,本文是很多,但我期待未来的增长和挑战。我肯定会回来更多的阅读!

  28. 49
    Sachin. says

    男人以一种令人敬畏的方式解释了这一点,图表很棒地将文章前进。

    谢谢你的深入深度。

    我是这个领域的新手,但你的帖子让我信心无所畏惧地前进。

  29. 50

    精彩和思想挑衅博客文章。

    感谢分享。

    SURESH.

  30. 51

    嗨Avinash.

    优秀的帖子。我有个问题 。您认为在大型集中组织内绘制归因变更的归因变更时,您应该从将其写入数据治理策略?基本上使它成为两副牌斗地主正确的方式使用您的数据

    喜欢你'在上面的说法我无法相信使用LC作为选择型号的公司数量,而不是挖掘挖掘以解释的宝石和关于Coustomer旅程的洞察力!

    谢谢

    奥斯汀

    • 52

      奥斯汀: 是的。非常大的是的。 :)

      你可以 ease the way you get the org to move forward. Show the Path Length report. That will instantly show how terrible last-click attribution is.

      arinash。

  31. 53

    这是你的另两副牌斗地主倾向于挑起金矿阿内德斯。

    期待着您的下两副牌斗地主带有Mitch Joel的继承人。

    非常感谢

    艾伦

  32. 54

    嗨avinash。这是两副牌斗地主伟大的深入研究的文章。

    你在这里提出两副牌斗地主非常有趣的点,关于进化与革命。可以说,公司,机构等原因之一,依靠进化的革命是懒惰。我并不是说这一切都很容易对你做事的方式来革命,但它肯定比制作进化更容易。

    如果某些东西不起作用,或者没有获得所需的结果,则更容易地废除整个事情并尝试新的东西(一场革命),而不是实际花点时间来识别什么不起作用并改善它(进化)。

    革命可能是更容易的选择,但演变通常是更聪明的。

  33. 55

    我一直是你博客的读者/福音学师10年以上。我真的很感谢你带我接受过的旅程,让我遍布世界各地帮助公司推动更好的数字性能。

    你 are the person who first introduced me to the goodness that is micro-conversions and the multi channel funnel (MCF) joy in GA.

    在过去的3年里,我一直是英国谷歌Adwords金钱制造机器的曲奇。可悲的是,通过90%的同事们对分析进行了很少的用途。我经常使用这些MCF来帮助优化广告系列。震惊,恐怖–我经常使用第两副牌斗地主单击归属模型来说明最后一次单击归名不是在理解活动性能方面的结尾。

    我认为当您使用此类比时,您正在对此模型进行扰动:

    “以第一交互模型为例。选择这个模型就像你给你的第两副牌斗地主女朋友的所有信贷,因为你嫁给你的妻子。精神错乱的定义。“

    也许我很疯狂:)

    但是,我认为更准确的类比是。

    “选择这个模型就像给你的朋友那样向你介绍你的妻子来嫁给你的妻子。”

    或者也许是两副牌斗地主更现代化的例子:

    “选择这个模式就像给你嫁给你的妻子的火种信誉(假设你当然第一次见到她的方式)”

    在我的脑海中,这是人们首先发现两副牌斗地主品牌/公司的指标,我相信的东西是非常重要的,毕竟你不会结婚,除非发现进程发生在某些时候。

    我疯了吗?

    • 56

      多米尼克: 首先,请接受我最真诚的道歉,因为我的回复令人难以置信。您的评论卡在垃圾邮件中,我昨天只找到了它。

      做得多于我关心的归因建模,而不是在所有的大陆上承认,我在给予所有信用时,我站在比喻。

      我想澄清一下,我不厌恶给出第一次点击一些信用。例如,我鼓励你开始的标准型号,时间衰减,最终会首先拨出一些信用(如果第一次点击,则不远离现实)。

      重要的是,我强调所有这些都不相关,现在我们有数据驱动的归属。我们可以将感情和意见放在一边,并使用DDA,该DDA使用大型智能机器学习,为所有客户分析所有客户(包括交叉频道)并使用实际行为来分析您的数据。它认为,智能模型评估它是首先,它'LL将所有的信用寄到那里!

      arinash。

      • 57

        迟到总比没有好,阿内托! :)

        我同意数据驱动的归因显示有很多潜力,帮助我们从上部到下部漏斗中最佳地支出–然而,当我了解到Google Adwords最常用的数据驱动归属的限制时,对我来说非常惊讶。它没有'T帐户展示显示/ youtube!

        所以在我看来,由于跟踪复杂/长客户旅行的挑战,我认为我认为经常被高漏斗活动发起,通常被表现营销人员忽视

        所以对于像我这样的中型公司的营销经理–AdWords DDA是现实的唯一可选方式(分析/归因360似乎昂贵)–而且这个选项完全忽略了显示/视频广告!

        我正在通过聚光灯/泛光灯探索双击阶跟踪的可能性–但是从AdWords到Doubleclick的过渡坦率地让我的大脑受伤:(

        我的主要归属见解来自分析中的MCF报告,但没有分析360使用数据驱动的归属来推动我的运动似乎是目前的管道梦想… any suggestions?

        • 58

          多米尼克: 这里可能会有一些混乱。

          DDA帐户占发送这些点击的所有点击和源。如果您最佳地代码跟踪参数,那将包括DoubleClick,YouTube,Facebook甚至电视。

          在Ga中的DDA是您的唯一归因平台'LL您拥有的赚取和付费媒体一部分。您提到的其他解决方案将缺少两副牌斗地主或多个这些作品。

          如果您有严重的业务,您必须花一些钱才能赚取洞察力。我确实意识到这不是每个人的选择。

          祝你好运!

          arinash。

追踪

  1. […]
    阿维什什岛的市场动机将如何创建和使用归因模型,以便在“数字归属阶梯的令人敬畏”中优先考虑人们,过程和公司结构的演变
    […]

  2. […]
    然而,这通常会努力加速数字运动的结果。 John分享了从谷歌员​​工的文章与我们一起派生的这个图形(右)并通过每一步走路。他指出,我们必须一次一步一步,并以坚实的基础开始。
    […]

  3. […]
    我们最喜欢的数字营销师范之一,Avinash Kaushik汇总了一系列的9步计划,以建立贵公司的数字归因模型。如果您尚未阅读该帖子,这是在模型的内容中,请您自己帮助并检查出来。 Avinash很棒,我们是大粉丝。 Avinash如果您读过这一点,您可以签署我们的Web Analytics 2.0副本吗?
    […]

  4. […]
    使用数据驱动的归属来确保您的所有结果都归因于指导未来的预算投资。来源。对数字营销可能影响多个设备的离线购买决策可能的方式也很重要。考虑这样的场景:您的潜在客户在桌面计算机上看到您的社交媒体活动,并说服他们前往物理商店位置。
    […]

  5. […]
    阿维什什岛是我最喜欢的作家之一,他的“数字归属阶梯”是我所有时间最喜欢的帖子之一。重点是:在你掌握较低的梯级之前,不要认为你会做得好。伟大的帖子,值得一读!
    […]

添加您的观点

*