Mengapa atribusi pemasaran B2B tradisional rusak dan apa yang dapat Anda lakukan untuk mengatasinya

Beri tahu saya bahwa pelaporan atribusi pemasaran B2B rusak tanpa benar-benar memberi tahu saya bahwa pelaporan atribusi pemasaran B2B rusak…

Ini adalah salah satu dari banyak permintaan kutipan di mana pesan yang muncul di Session Media tidak selaras dengan sumber atribusi yang disimpulkan oleh Google Analytics atau HubSpot.

Dan bukan hanya saya—saya telah berbicara dengan banyak pemasar yang menemukan bahwa data mereka tidak mencerminkan bagaimana sebenarnya pengguna mengetahuinya. Perjuangan itu nyata—bahkan untuk merek SaaS seperti Cognism—berurusan dengan banyak pertanyaan masuk.

Jadi, mari kita bicara tentang masalah pelacakan B2B digital tradisional dan bagaimana Anda dapat menggunakan Supermetrics untuk membantu mengoptimalkan upaya penciptaan permintaan Anda di saluran sosial B2B favorit kami—LinkedIn.

Tapi pertama-tama, apa itu atribusi B2B?

Apa model atribusi B2B

Sebelum kita membahas lebih dalam masalah di balik atribusi B2B, mari kita rangkum berbagai jenis model atribusi yang kita gunakan untuk melaporkan keberhasilan pemasaran.

Klik terakhir

Atribusi klik terakhir mengacu pada model analisis web di mana 'klik terakhir' diberikan kredit untuk konversi atau penjualan. Ini adalah model atribusi default untuk Google Analytics dan sebagian besar data CRM.

Peluruhan waktu

Atribusi peluruhan waktu adalah model atribusi multi-sentuh yang memberikan setiap kredit 'titik sentuh' tetapi lebih menimbangnya ke titik sentuh terakhir.

Linier

Atribusi linier mendistribusikan kredit untuk konversi secara merata di semua interaksi.

Berbasis posisi

Model atribusi berbasis posisi memberikan kredit ke semua titik kontak di sepanjang perjalanan konversi tetapi menetapkan mayoritas ke klik pertama dan terakhir.

Klik Pertama

Atribusi klik pertama adalah model atribusi yang menetapkan 100% kredit untuk prospek atau konversi ke saluran pertama yang diklik pengguna.

Masalah dengan model atribusi

Secara teori, model ini sangat masuk akal dan harus menjawab setiap pertanyaan yang kami miliki tentang bagaimana pengguna terlibat dengan merek kami.

Beginilah cara sebagian besar perangkat lunak analitik seperti Google Analytics dan Sistem CRM seperti HubSpot dan Salesforce disiapkan secara default—memperkuat kredibilitas model atribusi.

Ini hampir sempurna.

Hanya ada satu masalah utama yang menyodok apa yang seharusnya menjadi sistem atribusi yang sempurna.

Bukan bagaimana pembeli B2B membeli.

Sesekali, kami mendapatkan perjalanan pengguna yang terlacak seperti di atas, memulihkan kepercayaan pada pelacakan multi-titik sentuh.

Meskipun ini dapat menawarkan beberapa wawasan hebat tentang konten apa yang berfungsi, masalahnya terletak ketika melihat data ini secara terpisah untuk membuat keputusan yang tepat tentang cara menskalakan anggaran pemasaran Anda.

Misalnya, jika Anda menjalankan iklan video di LinkedIn, pengguna mungkin tidak selalu mengklik iklan Anda, tetapi mereka mungkin telah menonton konten selama 4 menit penuh. Kemudian mereka datang ke situs web Anda dan mengisi formulir dengan maksud tinggi, dan mereka dikategorikan sebagai konversi 'Langsung'.

Dari apa yang telah kami lihat dan uji, ini adalah perjalanan pembeli yang khas. Namun karena tidak termasuk dalam laporan atribusi terakhir default sebagai 'LinkedIn', pendekatan data dan pemasaran tidak dapat dilakukan.

Lebih buruk lagi, aktivitas yang tidak dapat dilacak yang menghasilkan hasil digantikan oleh aktivitas yang dapat dilacak yang tidak. Misalnya, video digantikan oleh iklan gambar statis yang mengarahkan pengguna ke iklan 'Dapatkan Demo' karena satu-satunya alasan ROI lebih mudah dilacak.

Di dunia yang kaya informasi, konversi B2B pada titik kontak pertama semakin jarang.

Mayoritas aktivitas yang menjamin mengarahkan pengguna ke situs web Anda—untuk membaca blog, studi kasus, podcast—jarang menjadi sumber arahan tanggapan langsung. Artinya mereka akan jarang menerima atribusi untuk penjualan.

Sekali lagi, banyak audiens target Anda tidak akan menjadi orang-orang yang benar-benar berhubungan. Sebagai gantinya, mereka meneruskan informasi tersebut kepada orang lain yang akan mengisi formulir 'Dapatkan Penawaran' atau 'Dapatkan Demo'.

Ini dikenal sebagai dark social atau dark funnel.

Sosial gelap melibatkan semua aktivitas tidak terlacak yang terjadi pada platform seperti Slack, WhatsApp, DM, yang tidak mudah dilacak.

Contoh terbaru dari tindakan ini adalah Kepala PPC kami, Alex, melihat beberapa Iklan LinkedIn untuk perangkat lunak pemblokiran IP baru, yang menurutnya akan membantu menjalankan Agen PPC kami sehari-hari. Dia mengirimi saya nama merek melalui Slack, dan pada hari yang sama kami memiliki lisensi berbayar.

Yang lucu adalah iklan LinkedIn yang dilihatnya tidak mendapatkan kredit untuk pendapatan ini. Itu akan jatuh di bawah 'Pencarian Organik'—karena itulah cara saya mencari merek dan membayar perangkat lunak.

Bagaimana menghubungkan ke corong gelap

Ada beberapa cara Anda dapat memperbaikinya. Cara paling sederhana adalah dengan membawa pemasaran kembali ke dasar dan benar-benar bertanya kepada pengguna bagaimana mereka mendengar tentang perusahaan Anda. Berikut adalah contoh bidang wajib kami.

Jika Anda membiarkannya sebagai bidang teks terbuka, Anda akan terkejut dengan banyaknya informasi yang diberikan pengguna tentang bagaimana mereka mendengar tentang merek Anda.

Anda kemudian dapat menyiapkan beberapa aturan otomatis di CMS Anda yang memperbarui atribusi dengan kata kunci yang telah digunakan pengguna di bidang tersebut.

Iklan LinkedIn ke Google Data Studio

Sekarang untuk sedikit yang baik.

Dengan menggunakan integrasi Supermetrics dengan Google Data Studio, kami telah mengembangkan metode pelaporan dampak yang lebih luas dari Iklan LinkedIn pada intinya.

Lihat bagaimana kami melakukannya dalam video langkah demi langkah ini.

Memulai

Coba Iklan LinkedIn dengan Google Data Studio gratis selama 14 hari

Mulai uji coba

Bungkus

Iklan LinkedIn bukanlah saluran 'niat', jadi Anda tidak boleh menjalankan iklan dengan niat tinggi. Sebagai gantinya, Anda dapat menggunakan penargetan hiper-spesifik mereka untuk mengirimkan konten yang beresonansi, dan kemudian melihat bisnis mana yang datang sebagai lalu lintas 'Langsung' atau 'Penelusuran Organik' yang telah melihat iklan Anda. Dan gunakan data ini untuk skala.

Tentang Penulis

Ben Brown adalah Pendiri Session Media, Agen Pemasaran SaaS. Hidup dari burrito & kartu kopi Pret-a-Manger-nya, Ben suka membantu perusahaan B2B SaaS menciptakan strategi yang mendorong pertumbuhan bisnis—hampir sama seperti dia suka menyebut dirinya sebagai orang ketiga.