准备进行营销组合模型：你需要了解的内容

即使你小心使用UTM标签进行流量分配，Google Analytics账户中仍然会出现“未分配”和“直接”流量。这是因为数据隐私法规保护了访问你的网站的用户。

随着数据隐私法规日益严格，归因模型可能会越来越难以保持准确性和实用性。许多公司使用Google Analytics 4来执行属性归因建模，但它并不是GDPR合规。由于这一点，基于Google Analytics的归因模型效果将更差。它们无法准确显示哪些渠道在发挥作用。这就是营销混合建模（Marketing Mix Modeling）派上用场的地方。

本文探讨了营销混合建模如今越来越重要的原因，它与归因建模有何不同，并如何有效利用其战略框架内进行分析。

比较归因建模和营销混合建模

归因建模和营销混合建模是两种不同的方法，用于在市场营销分析中理解各种营销活动对业务成果的影响。虽然它们都旨在提供关于营销努力效果的见解，但它们在方法、范围和应用方面有所不同。

归因建模

归因模型确定 credit attribution for conversions 的一组规则。这些模型使用数字触点在转换路径上的转化点。例如，最后一个影响到转换的动作前一个触点分配 100% 的信用。还有第一触点、时间衰减、线性和数据驱动的模型等。

营销混合建模

营销混合建模是一种分析技术，帮助广告商衡量其营销和广告活动的影响。他们可以看到不同变量对目标的贡献。目标通常是收入、转换、表单填写或订阅。

简单来说：

• 归因模型 告诉你某个用户采取了某种行动后发生了什么。在市场营销中，我们通常使用归因报告来查看哪些动作导致了特定的转换。例如，我们可以学习打开电子邮件是否导致填写表格。
• 营销混合建模 是一个大型回归模型。回归模型试图理解变量之间的关系。例如，天气模式和收入之间有关系。你可以尝试理解哪些行动导致了转换，但营销混合建模允许你引入更多数据。分析可以告诉你变量之间的关系。当天气晴朗时，更多人会去你的实体店，从而增加销售额。

两者都很有价值，可以帮助你理解你的营销活动。此外，它们也可以用机器学习和编码来执行。

如何在今天实施营销混合建模

为了避免错误，在开始处理复杂的模型之前组织你的分析很重要。例如，最近我在查看一些月度报告时遇到了问题。我们为 ourselves 和客户运行归因报告。因为我非常了解我们的数据，我标记了一些看似不准确的地方。

我们花了两个小时调查，并发现网站数据和Google Analytics之间的差异与数据 API 有关。更具体地说，这些差距是数据源的差异。

我们知道该 metric 应该是什么，但我们的数据来源并不匹配。问题是归因模型只能使用一个数据集。我们可以忽略有问题的数据，但如果改用营销混合建模，就可以解决这个问题，因为数据可以从其他系统中获取以告诉我们哪些渠道在发挥作用。

在进行分析之前，我们需要做的是收集要求并确保良好的数据治理。如果你对数据不了解，复杂的分析不会帮助你。这正是为什么在使用营销混合建模之前需要收集要求并确保良好的数据治理的原因。

要理解我们正在处理的内容，我们可以使用“5 Ps”框架来确定你的：

• 目的
• 人
• 流程
• 平台
• 绩效

目的

这是你要运行营销混合建模时会问的问题。最好的方法是用用户故事组织你的思路。

“作为 [角色]，我 [想要]，所以 [这样]。”

这个用户故事会告诉你其他 Ps 的信息。

• [角色] 会告诉你人们是谁。
• [想要] 会告诉你流程和平台。
• [这样] 会告诉你绩效。

我的用户故事是：

• 作为 CEO，我想要了解哪些是我的数字营销活动导致的销售，以便优先考虑预算和资源。

在这个陈述中，我已经得到了很多信息。让我一步步拆解。

人

我在陈述中提到我要理解数据，所以我是第一个涉及的人。我知道这不是我独自负责的数据收集和分析，所以我可以假设我会需要我的分析师介入。我们还需要业务开发资源来获取销售数据。

流程

我在目的部分提到的是我的数字营销活动和销售。在流程方面，这意味着我需要知道如何收集这些数据、频率和格式。这需要我在数据治理方面做好准备，以便运行归因模型时不会遇到问题。

一旦确定了需要从哪些系统提取数据（在下一步中），就可以回到流程，确保可以获取所需的数据。如果不能，则需要将新过程纳入整体计划中。我还需要开发并工作这些流程以清洁和标准化数据，以便从不同来源分析数据。

如果你让目标用户Story 从相关方那里提出，他们可能会要求更多的具体时间框架。这就是在流程和平台之间花大部分时间的地方。

你可以使用营销混合建模来分析来自不同来源的数据。这些来源可能格式不同，因此你需要开发一个过程将它们结合起来进行分析。你使用的越多不同平台的数据，就需要开发越多的过程，尤其是如果你希望反复运行营销混合建模的话。

平台

在陈述中提到我的目的是了解数字营销活动和销售。这告诉我需要从哪些系统提取数据，因为我要了解销售数据，这可能来自CRM或会计软件。

我也想了解我的数字营销活动。这意味着我需要首先知道所有数字营销策略，然后再确定可以从哪些平台获取数据。例如，LinkedIn 对数据提取很 stingy，所以如果我关心这个渠道，可能会面临数据不足的问题。我可以从半 dozen 平台中提取数据。而归因模型通常只来自一个或两个来源。

如果你有一个精心编写的用户故事，就不会被吓到去从所有系统收集数据。我的用户故事说：“作为 CEO，我希望了解哪些是我的数字营销活动导致的销售，以便优先考虑预算和资源。” 这个陈述告诉我我需要的数据类型。

绩效

这是用户故事的最后部分。如果没有可衡量的结果，就重写一下吧。我的用户故事中提到的是“优先考虑预算和资源”。这并不是一个很好的结果。它可能正确，但很难衡量。我不知道如何知道我已经实现了这个目标。

建议改写用户故事以包含可衡量的成果。例如：“为了降低无效渠道的支出并增加对有效策略的预算，我需要优先考虑哪些渠道？”

在实施营销混合建模之前，不要跳过这些 Ps。如果你没有明确的要求和数据治理，可能会导致 costly 的错误和资源浪费。

回顾我最近的一次审计，我发现我还需要做很多工作才能开始运行营销混合建模。许多团队会使用代码和机器学习来运行营销混合建模。在开始编写代码之前制定计划会使你的执行更高效。你可以不再担心数据问题，而是专注于制定行动计划。

好消息是，你可以将其分解为更可控的小部分。你可以创建重复的过程从不同的系统提取数据并重新运行营销混合建模。如果你希望反复运行该分析，选择这条路可能会花更多时间开发前期工作。然而，一旦进入这个阶段，过程将更加高效。

用营销混合建模获得全面洞察

营销混合建模可以成为你数据分析工具包中非常强大的部分。在进行数据项目时，设定成功的基础非常重要。要求收集和治理是大家想加速的部分，但不要走捷径。提前制定计划会使得你的分析更加有效和实用。

深入挖掘: 什么是营销归因和绩效管理平台？

我们的合著者受到 Martech 的编辑团队的监督，并接受 MarTech 社区的贡献。我们的作者在内容质量和服务质量方面经过严格审查，符合我们读者的需求。他们的意见仅为他们个人意见。