Dlaczego tradycyjna atrybucja marketingu B2B jest zepsuta i co możesz z tym zrobić

Powiedz mi, że raportowanie atrybucji marketingowej B2B jest uszkodzone, nie informując mnie, że raportowanie atrybucji marketingowej B2B jest uszkodzone…

To jedno z wielu zapytań o wycenę, w przypadku których wiadomość, która pojawiła się w Session Media, nie zgadzała się ze źródłem atrybucji zawartym w Google Analytics lub HubSpot.

I nie chodzi tylko o mnie — rozmawiałem z wieloma marketerami, którzy odkryli, że ich dane nie odzwierciedlają tego, w jaki sposób użytkownik faktycznie się o nich dowiedział. Walka jest realna — nawet w przypadku marek SaaS, takich jak Cognism — zajmujących się wieloma zapytaniami przychodzącymi.

Porozmawiajmy więc o problemach tradycyjnego cyfrowego śledzenia B2B i o tym, jak wykorzystać Supermetrics do optymalizacji działań związanych z generowaniem popytu w naszym ulubionym kanale społecznościowym B2B — LinkedIn.

Ale najpierw, czym jest atrybucja B2B?

Jakie są modele atrybucji B2B

Zanim zagłębimy się w kwestie związane z atrybucją B2B, przypomnijmy różne typy modeli atrybucji, których używamy do raportowania sukcesu marketingowego.

Ostatnie kliknięcie

Atrybucja ostatniego kliknięcia odnosi się do modelu analityki internetowej, w którym „ostatnie kliknięcie” jest przypisywane do konwersji lub sprzedaży. Jest to domyślny model atrybucji dla Google Analytics i większości danych CRM.

Upływ czasu

Atrybucja według rozkładu czasowego to model atrybucji typu multi-touch, który przypisuje udział każdemu „punktowi styku”, ale waży go bardziej w stosunku do punktu ostatniego kontaktu.

Liniowy

Atrybucja liniowa rozdziela udział w konwersji równo między wszystkie interakcje.

Oparte na pozycji

Model atrybucji oparty na pozycji przypisuje udział wszystkim punktom styku na ścieżce konwersji, ale przypisuje większość pierwszemu i ostatniemu kliknięciu.

Pierwsze kliknięcie

Atrybucja pierwszego kliknięcia to model atrybucji, w którym 100% udziału w potencjalnej sprzedaży lub konwersji do pierwszego kanału klikniętego przez użytkownika.

Problem z modelami atrybucji

Teoretycznie modele te mają dużo sensu i powinny odpowiadać na każde pytanie, jakie mamy dotyczące interakcji użytkowników z naszą marką.

W ten sposób domyślnie skonfigurowana jest większość oprogramowania analitycznego, takiego jak Google Analytics i systemy CRM, takie jak HubSpot i Salesforce, co wzmacnia wiarygodność modelu atrybucji.

Jest prawie idealny.

Jest tylko jeden główny problem, który powoduje dziurę w tym, co powinno być idealnym systemem atrybucji.

Nie tak kupują kupujący B2B.

Od czasu do czasu otrzymujemy śledzoną podróż użytkownika, taką jak ta powyżej, przywracając zaufanie do śledzenia wielopunktowego.

Chociaż może to zapewnić świetny wgląd w to, jakie treści działają, problem polega na tym, że analizujesz te dane w oderwaniu, aby podejmować świadome decyzje dotyczące skalowania budżetu marketingowego.

Na przykład, jeśli wyświetlasz reklamę wideo na LinkedIn, użytkownik może nie zawsze kliknąć Twoją reklamę, ale mógł obejrzeć pełne 4 minuty treści. Później trafiają do Twojej witryny i wypełniają formularz o dużej intencji, a następnie są klasyfikowani jako konwersja „bezpośrednia”.

Z tego, co widzieliśmy i testowaliśmy, jest to typowa podróż kupującego. Ale ponieważ nie zalicza się do domyślnych raportów ostatniej atrybucji jako „LinkedIn”, podejście do danych i marketingu odchodzi na dalszy plan.

Co gorsza, niemożliwa do śledzenia aktywność, która prowadzi do wyników, zostaje zastąpiona aktywnością, której nie można śledzić, która tego nie robi. Na przykład film jest zastępowany statycznymi reklamami graficznymi, które prowadzą użytkownika do reklamy „Pobierz wersję demonstracyjną” tylko z tego powodu, że łatwiej jest śledzić ROI.

W świecie bogatym w informacje konwersje B2B przy pierwszym kontakcie stają się coraz rzadsze.

Większość działań, które uzasadniają kierowanie użytkowników do Twojej witryny — do czytania blogów, studiów przypadków, podcastów — rzadko będzie źródłem bezpośrednich odpowiedzi na leady. Oznacza to, że rzadko otrzymają przypisanie do sprzedaży.

Po raz kolejny wielu docelowych odbiorców nie będzie tymi, którzy faktycznie nawiążą kontakt. Zamiast tego przekazują informacje komuś innemu, kto wypełni formularz „Pobierz wycenę” lub „Pobierz wersję demonstracyjną”.

Nazywa się to ciemnym kanałem społecznościowym lub ciemnym lejkiem.

Dark social obejmuje całą nieśledzoną aktywność, która ma miejsce na platformach takich jak Slack, WhatsApp, DM, które nie są tak łatwe do śledzenia.

Niedawnym przykładem tego w akcji jest nasz szef PPC, Alex, który widział wiele reklam LinkedIn dla nowego oprogramowania do blokowania adresów IP, które jego zdaniem mogłoby pomóc w codziennym prowadzeniu naszej agencji PPC. Wysłał mi nazwę marki przez Slack i tego samego dnia mieliśmy płatną licencję.

Zabawne jest to, że reklama na LinkedIn, którą zobaczył, nie zostałaby przyznana za ten dochód. Znalazłby się w kategorii „Wyszukiwanie organiczne” — w ten sposób szukałem marki i zapłaciłem za oprogramowanie.

Jak przypisać do ciemnego lejka

Jest kilka sposobów na naprawienie tego. Najprostszym sposobem jest cofnięcie marketingu do podstaw i faktyczne zapytanie użytkowników, jak dowiedzieli się o Twojej firmie. Oto przykład naszego pola obowiązkowego.

Jeśli zostawisz to jako otwarte pole tekstowe, zdziwisz się, ile informacji podaje użytkownik na temat tego, jak dowiedział się o Twojej marce.

Następnie możesz skonfigurować automatyczne reguły w swoim systemie CMS, które aktualizują atrybucję za pomocą słów kluczowych użytych przez użytkowników w tym polu.

Reklamy LinkedIn do Studia danych Google

Teraz do dobrego.

Korzystając z integracji Supermetrics z Google Data Studio, opracowaliśmy metodę raportowania szerszego wpływu reklam LinkedIn na wyniki finansowe.

Zobacz, jak to robimy, w tym filmie krok po kroku.

Zaczynaj

Wypróbuj LinkedIn Ads z Google Data Studio za darmo przez 14 dni

Rozpocznij okres próbny

Zakończyć

Reklamy LinkedIn nie są kanałem „intencyjnym”, więc nie powinieneś wyświetlać reklam o wysokiej intencji. Zamiast tego możesz użyć ich hiperprecyzyjnego kierowania, aby dostarczać treści, które wzbudzają zainteresowanie, a następnie sprawdzić, które firmy uzyskują ruch z „bezpośredniego” lub „bezpłatnego wyszukiwania”, które widziały Twoje reklamy. I użyj tych danych do skalowania.

O autorze

Ben Brown jest założycielem Session Media, agencji marketingowej SaaS. Żyjąc z burrito i swojej karty kawowej Pret-a-Manger, Ben uwielbia pomagać firmom B2B SaaS w tworzeniu strategii, które napędzają rozwój biznesu — prawie tak bardzo, jak lubi odnosić się do siebie w trzeciej osobie.