(2020-08-13)隨著數位廣告快速發展,廣告主能運用的行銷管道也越加多元;品牌與受眾的接觸點越來越多且分散,然而在「消費者歷程」中,哪些接觸點扮演了促使消費者購買的因素?

(2020-08-13)隨著數位廣告快速發展,廣告主能運用的行銷管道也越加多元,從傳統電視廣告、戶外看板、傳單等,到現在關鍵字、社群媒體、影音平台,網站上的每個角落都是廣告主能向消費者傳遞訊息的管道。

然而在各式各樣的行銷管道興起之下,品牌與受眾的接觸點(touchpoint)越來越多且分散,在消費者最終購買產品前所歷經的「消費者歷程」中,哪些接觸點扮演了促使消費者購買的因素?以及在眾多且分散的行銷管道中,哪些成效和指標是身為數位行銷人該注意和整合的地方?接下來的案例與思維說明可能會幫助你重新思考現今衡量廣告成效的方式。

 

在經典的消費者歷程中,消費者在最終購買商品前會有許多接觸到品牌訊息的機會(包含廣告),以下我們舉個例子:

Amy在電視上看到B牌牙膏廣告,後來在上班途中又看見B牌牙膏出現在公車廣告上,下班回家後滑Facebook時,看到B牌牙膏正在打九折的廣告,最後她決定下單購買。

以上Amy有三次與B牌牙膏廣告接觸的機會,究竟是哪次廣告促使Amy決定購買?
許多人應該會想,是最後的Facebook廣告促使Amy下單,但假如今天Amy在Facebook上看到的廣告,是完全沒聽過的C牌牙膏在做九折優惠,她會購買嗎?

如今一個品牌在數位廣告市場中可能有數個行銷管道同時進行,其中促成轉換的因素錯綜複雜,目前市場上對於數個接觸點與轉換的關係大多使用「歸因模式」(Attribution Modelling),來分析不同管道和最終轉換之間的關聯。

然而不同的「歸因模式思維」最終帶來的結果將會截然不同,在現今多元且複雜的行銷管道中,哪些歸因模式最適合自身品牌,是身為數位行銷人該思考的方向,以下整理出7種歸因模式應有的分析思維及適合應用的情況,幫助大家能更透析不同行銷管道帶來的效益。

7種歸因模式(Attribution Modelling)應有的分析思維


1、最終互動歸因(LAST-TOUCH ATTRIBUTION)
「最終互動的歸因模式」將轉換歸功於消費者看到或點擊的最後一則廣告,以上述例子來說,Amy最後在Facebook看到的廣告就成為促成轉換的關鍵因素。

這樣的歸因方式非常「精準」(precise)但不一定「正確」(accurate),廣告主可以明確知道消費者是點擊了哪篇廣告進而買單,但卻可能忽略其他接觸點影響消費者選擇的可能,無法保證最終的點擊就是最關鍵的因素。

2、最初互動歸因(FIRST-TOUCH ATTRIBUTION)
「最初互動的歸因模式」則是將轉換歸功於品牌與消費者第一次的互動,也就是品牌在消費者心中留下的第一印象極為重要,以Amy的例子來說,她在電視上看到的B牌牙膏廣告就是促成轉換的關鍵因素。

另一種思考方向則是觀察使用者最初都是以哪些管道進站,而這些管道會為我們帶來真正會轉換、具高經濟價值的新客戶。

3、線性歸因(LINEAR ATTRIBUTION)
線性歸因假設每個接觸點對於轉換皆有一樣的貢獻程度,在上述案例中,電視廣告、公車廣告與Facebook廣告皆對Amy產生一樣程度的作用,三者廣告的加成最後促使她下單。

若是B牌牙膏在這次的行銷成效良好想要增加預算,那麼以線性歸因思維來說,就會同時增加三個行銷管道的預算;然而這樣的線性歸因有點理想化,它有可能「精準」評估消費者所歷經的接觸點,但無法「正確」讓廣告主了解其中哪些行銷策略或管道才是扮演關鍵因素。

4、時間衰減(TIME DECAY)
和線性歸因相同,時間衰退的歸因模式認為每一次接觸點皆對轉換有所幫助,只是時間越接近轉換時間的接觸點能夠獲得越多的功勞。

5、U型歸因(U-SHAPED)
U型歸因的思維也是認為所有接觸點皆有所貢獻,而第一個與最後一個接觸點比其他接觸點更具有價值。這個思維邏輯也有它的道理:能把一個從未進站的新客戶吸引進站,和能讓舊客戶最終完成轉換,第一和最後的管道確實該比其他管道獲得更多功勞。

6、演算法歸因(ALGORITHMIC ATTRIBUTION)
演算法歸因是一種自訂歸因的方式,其需要透過機器學習來幫助廣告主分析各行銷管道的效益,包括總體銷售與市場狀況也會被加入比對,成果可能會更加精準且正確,缺點則是分析成本較高。

7、自訂歸因(CUSTOM ATTRIBUTION)
最後的自訂歸因,廣告主可以根據自身的行銷策略來設計屬於自己的歸因模式,有些廣告主會使用多種指標去衡量整體的行銷績效,例如提升品牌知名度、改變消費者認知、提升轉換等,以不同的維度去分析不同的行銷目標。

自訂歸因有時需要其他數據來輔助分析每個接觸點與行銷管道所貢獻的程度,其考量的因素較為複雜,所需投入的成本與時間較高,但成果也最接近準確。

3項指標選出最適合的歸因模式


以上7種不同的歸因模式各有好壞、沒有對錯,僅有適不適合運用在自身的廣告成效上,以下3項指標也許能夠協助數位行銷人選擇出適合自身廣告成效的歸因思維。

選擇合適的歸因模式,避免衡量行銷成效的偏差
如今多數品牌皆有多個行銷管道同時並行,不同的「歸因模式思維」最終帶來的結果將會截然不同,尤其數位廣告當道的時代,若行銷人忽略了某些接觸點的價值,容易造成分析成效上的偏差。

假如今天B牌牙膏在Instagram上製作出非常吸睛的短片,消費者觀看後沒有點擊按讚(現今的確許多消費者不會有按讚行為),但這個影片確實在消費者心中留下很好的印象,後來消費者在網路上搜尋B牌牙膏後,被瘋狂的「再行銷」展示型廣告洗禮,最終下單。

這時如果行銷成效以最終互動歸因來思考,那麼展示型廣告將會被大大吹捧,Instagram短片及搜尋廣告的效益則會被忽略;然而在數位行銷的世界中,這樣的衡量偏差時常發生,若行銷人沒有選取適合自身品牌的歸因模式,則容易被誤導至錯誤方向。

參考資料
THE DIGITAL ADVERTISING INDUSTRY NEEDS TO BE CAREFU