Convertlab薈聚：全渠道獲客來源管理和營銷歸因（17頁）.pdf

《Convertlab薈聚：全渠道獲客來源管理和營銷歸因（17頁）.pdf》由會員分享，可在線閱讀，更多相關《Convertlab薈聚：全渠道獲客來源管理和營銷歸因（17頁）.pdf（17頁珍藏版）》請在三個皮匠報告上搜索。

1、全渠道獲客來源管理和營銷歸因11課B2B營銷歸因：混沌日益復雜的客戶旅程1.客戶張先生的生命周期旅途2022年2月28日通過百度搜索廣告進入A公司官網，掃碼添加微信公眾號。3月3日，張先生參加了A公司的線上直播活動。4月13日，張先生參加了A公司的線下市場活動，然后到企業的官網上產品方案，并留下了試用產品的信息。A公司的SDR經過溝通后，判斷線索達到MQL標準，將線索推送給銷售部門。4月18日，銷售人員與客戶線下溝通，相談甚歡。4月26日，張先生閱讀了微信推文后，下載了一份解決方案白皮書。4月28日，雙方簽訂了產品采購合同。隨著數字化營銷的逐漸普及和深入，B2B客戶的營銷觸點越來越多，對于這個

2、客戶而言，營銷歸因應該怎么做？B2B營銷歸因：源起靈魂三問：什么是營銷歸因？為什么要做營銷歸因？怎么做營銷歸因？W W HB2B營銷歸因：天梯流量線索TRAFFIC TO LEADS(流量到線索)LEADS TO CASH(線索到成交回款)MQL成交營銷漏斗淺深獲客歸因全渠道歸因全生命周期歸因成交的來源/ROI/歸因03Leads的來源/ROI/歸因01MQL的來源/ROI/歸因02B2B營銷歸因：四部曲做到營銷歸因需要哪些必備的條件和步驟？全渠道STEP 1對接各個獲客渠道的數據，擁有一定規模的精準數據來洞察客戶來源STEP 2STEP 3STEP 4數據模型驗證全鏈路需要打通營銷前中后鏈路

3、，清晰地追蹤客戶的生命周期旅途規則模型建立適合自己的營銷歸因規則及模型，錯誤的模型會讓你南轅北轍敏捷迭代需要不斷地進行敏捷迭代和A/B測試來驗證模型和數據的準確性B2B營銷歸因：全渠道官網公域廣告&社媒獲客SEM信息流廣告私域社交獲客公眾號&視頻號企業微信社群+朋友圈社交裂變社交媒體會議營銷獲客線下活動線上直播銷售&經銷商獲客經銷商線上/線下銷售微官網落地頁微信公眾號企業微信小程序視頻號智能表單用戶來源識別用戶唯一身份識別用戶行為軌跡記錄B2B營銷歸因：數據營銷歸因的“阿喀琉斯之踵”1.數據源的接入方式要準確API/中間庫/http/Kafka/SDK/UTM/埋點離線數據/實時數據第三方Da

4、ta Lake/數據中臺/數倉/表單數據上傳只需要Marketing數據，不需要供應鏈/倉儲/生產/財務/物流等數據2.數據的傳輸要具有穩定性和持續性數據格式/數據傳輸周期/埋點，渠道的增減，避免數據的混亂和缺失3.數據規模和數據積累的必要性營銷洞察分析和歸因需要有一定的數據規模，否則歸因結果的偏離度較大，影響最終的判斷歸因需要一定周期的數據累積，至少大于等于1.5倍的產品平均成交周期數據的存儲需要隨時可以調用，數據的存儲周期B2B營銷歸因：全鏈路打通CRM等后臺系統，實現市場和銷售的數據互通營銷觸點活動海報小程序官網后臺BICRMConvertlab薈聚落地頁/H5微信公眾號EDM/SMSL

5、og info management客戶企業微信直播自媒體 客戶信息 商機信息 微信Open ID 微信Open ID 客戶信息 行為事件 客戶信息 行為事件DATALAKEB2B營銷歸因：方法歸因方法：先驗知識、數理統計、模型算法、心理學B2B營銷歸因：規則營銷歸因的規則和基礎1.歸因建模前的準備重新思考對何種目標進行歸因？歸因目標是否符合實際能力，且歸因結果對營銷管理提升有較大推動？用于歸因的數據量是否是高質量且具有一定規模？歸因的營銷渠道是否有人為的干擾因素？（如CTA的設置對上下游關系的影響）2.品效如何權衡？品牌廣告、活動、PR等渠道，如果強行歸因，是否需要考慮對品牌建設方面的作用？

6、3.確定歸因周期線索生命周期歸因VS自然時間周期歸因平均成交周期對歸因目標的影響平均成交周期的界定，紡錘形，1.5，四分之三是否需要考慮時間衰減？B2B營銷歸因：模型1.單點歸因模型（Single-Touch Attribution）：將所有歸因歸于單個觸點FTA模型（First Touch Attribution）：初始來源歸因LTA模型（Last touch Attribution）：末次來源歸因LCTA模型（Lead conversion touch attribution）：初始注冊/互動來源歸因LNTA模型（Last Non-Direct Touch Attribution）：末次非

7、直接流量歸因2.多點歸因模型（Multi-Touch Attribution）：考慮轉化環節所有或核心觸點的歸因LA模型（Linear Attribution）：線性歸因TDA模型（Time Decay Attribution）：時間衰減歸因U型模型（U-Shaped Attribution）：U型賦值歸因W型模型（W-Shaped Attribution）：W型賦值歸因BLR模型（Bagging Logistic Regression）：基于Bootstrap的邏輯回歸SPM模型（Simple Probability Model）：基于簡單概率的歸因TWA模型（Time-Weighted A

8、ttribution）：時間加權歸因Aprirori算法：關聯關系歸因（多到讓你想不到）B2B營銷歸因：敏捷任何歸因模型和歸因規則都需要長時間的驗證和迭代1.營銷學常識及先驗知識驗證歸因結果需要符合營銷學常識歸因結果需要符合先驗知識歸因結果需要符合心理學的行為邏輯2.持續的測試驗證A/B（同時間的不同條件測試）或A/A測試（同樣條件的不同時間周期測試）測試環境的搭建，執行組和對照組的選擇3.模型的對比測試對STA和MTA的各個模型進行對比數據測試4.增量測試根據歸因結果對BOB進行增量測試B2B營銷歸因：變量宏觀環境自然環境宏觀/行業政策變化疫情等不可抗因素環境變量全生命周期變量數據鏈路線下因

9、素自身的產品升級氣溫/氣候變化競品的產品及策略宏觀經濟變化行業環境全渠道變量營銷鏈路CTA營銷渠道的增減技術變量客戶同意與偏好授權埋點的廣度和深度廣告變量人口學圍墻花園時間周期預算變化售前/銷售對客戶的影響前后鏈路系統的打通注意：變量可能會影響歸因結果B2B營銷歸因：誤區營銷歸因的常見誤區線索評分營銷歸因ROI營銷歸因MMM的Digital版本數字營銷的營銷歸因適合C端和廣告的歸因模型，并不一定適用于B2B營銷歸因模型沒用VS迷信模型解決不了營銷歸因就沒法做市場工作產品能解決營銷歸因的問題營銷歸因的結果一定會Led-GrowthB2B營銷歸因：總結營銷學中的歸因：很美好，但很朦朧1.三階天梯，歸因四部曲獲客歸因、全渠道歸因、全生命周期歸因全渠道、全鏈路、規則模型、敏捷迭代2.不要全壓歸因，也不要不做嘗試結果也許會讓你失望，但嘗試的過程又是美好的，你會樂在其中3.不要忽略變量往往一些變量因素會是影響到增長的關鍵4.歸因是戰術，不是戰略，不要本末倒置預告第12期課程：支撐數字化營銷的Martech系統7月6日，下周三晚20：00我的下期課程：B2B市場部的人員配置、目標及KPI管理7月13日 20：00全渠道獲客來源管理和營銷歸因11課