營銷衡量的未來：如何在數據世界中取勝
已發表: 2021-11-29當我在 2006 年作為研究分析師開始我的職業生涯時，營銷比現在容易得多。 這個行業不那麼擁擠。 自然廣告和付費廣告的搜索機會都是巨大的。 直接響應廣告正處於鼎盛時期。 營銷人員幾乎可以跟踪所有內容。
可能最困難的挑戰是將孤立的營銷數據放入電子表格中以進行分析和報告。 這就是我首先創建 Supermetrics 的原因——幫助像我這樣的營銷人員輕鬆獲得他們想要的所有數據。
快進到今天，衡量和整合營銷數據仍然是許多公司的一大障礙。 老實說，隨著您同時積累更多數據，跟踪變得更加困難，挑戰將變得更加複雜。
在這篇文章中，我將討論營銷衡量的更多挑戰以及如何克服這些挑戰。
如果您更喜歡視頻格式的相同內容，請查看營銷分析節目的這一集。
營銷測量面臨的三大挑戰
1. 可追踪性下降
讓我們從第三方 cookie 的消亡開始。
營銷人員過去能夠跟踪從營銷活動到轉化的完整客戶旅程。 但是，情況已不再如此。 谷歌和蘋果等大公司正在禁止第三方 cookie。
因此，營銷人員很難根據他們在其他網站或應用程序上的在線行為來創建和吸引合適的受眾。
此外，評估和監控您的營銷績效也可能令人頭疼。 多點觸控歸因 (MTA) 等測量模型（嚴重依賴於點擊）將變得不可靠並可能過時。
如何在沒有第三方 cookie 的情況下成功營銷
告別第三方 cookie 並不意味著告別個性化營銷。 了解在無 cookie 的世界中創造一流客戶體驗的五個步驟。
2. 數據爆炸
您可能熟悉 Scott Brinker 的 martech 5000 信息圖表，該圖表說明了目前市場上可用的營銷平台和工具。 現在可能接近10,000。
10,000。
大多數公司積累的數據超出了他們的管理能力。 更多數據也意味著更多孤立的數據位於您的技術堆棧中。 具有諷刺意味的是，雖然您的企業擁有的數據量呈指數級增長，但跟踪也變得越來越困難。
為了找出處理這一切的最佳方法，正在進行一場戰鬥。
3. 競爭加劇
由於現在幾乎每個人都在做網絡營銷，競爭非常激烈。
2021 年，平均每個人每天會看到 6,000 到 10,000 個廣告。 消費者正淹沒在選擇、廣告和消息傳遞的池子中。 營銷人員需要找到一種方法來消除噪音並脫穎而出。
最後，擁擠的市場意味著付費廣告的成本將不斷增加。 獲得良好的投資回報將更加困難。
這三個挑戰將我們引向了價值百萬美元的問題：公司如何為即將發生的事情準備營銷測量策略？
克服測量挑戰的三個步驟
第 1 步：增加您的第一方數據
首先，您需要開始增加您的第一方數據。 這就是它的意思。
用質量數據填充您的 CRM
CRM 是您業務的基石。 任何沒有 CRM 的公司都需要投資一個。 這裡的關鍵是保持您的 CRM 乾淨和相關。
一個優秀的 CRM 充滿了關於您的客戶和潛在客戶的質量數據，而不是垃圾。
為您的數據創建中央存儲庫
建立 CRM 後，您需要考慮將來自不同來源的數據（包括 CRM、網絡分析、付費廣告和 martech 工具）集中到一個屋簷下，以便快速了解您的營銷活動。
當您剛剛開始並且還沒有大量數據時，您可以使用 Google 表格或 Excel 等電子表格來存儲和分析您的數據。
隨著公司的發展，您的數據也在增長。 此時，您可能會考慮從電子表格畢業到像 Google BigQuery 或 Snowflake 這樣的數據倉庫。
重新考慮您的廣告支出
下一步是根據您看到的結果重新評估您的廣告預算。 儘管這對許多人來說似乎是一件輕而易舉的事，但如果您的預算很大，您可能會在這里和那裡錯過機會。
第 2 步：為營銷組合建模 (MMM) 打造面向未來的營銷堆棧
隨著您的第一方數據不斷增長，您還需要研究營銷組合建模。 營銷組合建模是一種統計方法，它使用歷史營銷和銷售數據來估計未來營銷活動對收入的影響。
營銷組合建模不依賴於多點觸控歸因等弱的客戶行為鏈，而是使用統計方法分析營銷投入和結果之間的關係。
營銷組合建模與多點觸控歸因
哪一個適合您的業務？ 發現每種方法的優缺點。
這樣，營銷人員可以更好地在不同的營銷渠道和策略之間分配資源。
儘管營銷組合建模對於預算充足的大型廣告商來說主要是一種有效的技術，但您仍然可以為此類分析準備營銷技術堆棧。
我們看到許多公司進入了三層營銷分析堆棧，每一層都離營銷組合建模更近了一步。
第 1 層：基本營銷分析堆棧
使用 Google 表格和 Excel 等電子表格進行報告的營銷人員最終會遇到限制。 當您的數據呈指數級增長（新數據和歷史數據）時，電子表格工具將耗盡其計算能力。
此外，跨營銷渠道混合這些數據，並在電子表格中使用非營銷數據豐富它。
為了減輕電子表格的重量並充分利用數據，您可以將數據倉庫添加到堆棧中。 您的基本營銷分析堆棧將如下所示。
本質上，您希望將所有數據移動到數據倉庫中。 您可以使用 Supermetrics 之類的工具來自動化數據傳輸。 Google Sheets 或 Google Cloud Storage 等臨時數據源也可以輕鬆添加為 BigQuery 模型的輸入。
最重要的是，您可以保留 Google Data Studio、Looker 或 Power BI 等 BI 工具來進行報告。
第 2 層：將報告數據與原始數據分開
如果您正處於數據旅程的開始階段，基本的營銷分析堆棧可以讓您走得更遠。 但是，隨著您的業務積累更多數據，您最終會意識到將數據直接從源輸入數據倉庫然後直接輸入 BI 工具並不是最佳方法。 如果您直接在原始數據之上進行報告，那麼您將錯失許多機會。
這就是第 2 層堆棧派上用場的地方。
在第 2 層中，您將“原始”數據與“報告”數據分開。 在將數據提供給報告方之前，您可以進行清理、轉換和豐富數據。 通常，您需要使用 cron 作業將原始表中的數據處理為此堆棧中的報告表。
許多企業可以在第 2 層中走得更遠。但是，為了保持數據管道的複雜性，您需要依賴一流的文檔和人力資源，這使第 2 層處於不穩定的狀態。
第 3 層：面向未來的第 2 層營銷分析堆棧
我們看到最成熟的公司正在進入或開始擁有第 3 層。從根本上說，第 3 層堆棧和第 2 層堆棧之間的設置沒有太大差異。 這裡的主要區別在於四個要素：
- 測試：擁有出色的數據基礎架構有什麼意義，但您不能相信結果？ 為了消除猜測，您需要有一個健壯的測試框架。 例如，您可以使用 dbt 或 Dataform 之類的工具。
- 編排：使用 Airflow 或 Google Cloud Composer 之類的工具來處理數據倉庫中的所有數據處理是個好主意。
- 版本控制：在軟件開發中，版本控制是過程的關鍵部分。 同樣的事情也適用於數據基礎設施方面。 如果出現錯誤，版本控制可幫助您確定數據的原因和問題。 像 Github 和 Google Cloud Data Catalog 這樣的工具可以創造奇蹟。
- 文檔：最後但並非最不重要的一點是，鼓勵您的團隊隨時記錄整個過程。 您可以將 dbt 和 Dataform 用於源代碼文檔，將 Google Cloud Data Catalog 用於字段級文檔。
您在營銷分析之旅的哪個階段？
我們整理了一份營銷分析路線圖，其中包含成長型公司的三種典型數據架構。
第 3 步：使用運營數據倉庫提供情境化和個性化營銷
現在是拼圖的最後一塊。 在您的數據基礎架構啟動並運行之後，是時候為您的客戶提供卓越的體驗了。
更進一步，您可以將營銷和廣告數據推送回您的數據倉庫。 然後，您可以使用 SQL 構建客戶檔案和模型。 最後，您可以使用這些數據來優化您的營銷活動並改進您的消息傳遞。
到目前為止，只有最頂尖的 1% 的營銷人員才能做到這一點。 進入門檻很高。 你需要一個成熟的數據團隊來完成它。
但本質上，它將幫助您了解整個客戶生命週期並為您的客戶創造個性化體驗。
輪到你
總之，無論未來如何，您都可以通過構建可靠的數據基礎架構來保持領先地位。 這開始於：
- 增加您的第一方數據。
- 為營銷組合建模提供面向未來的營銷分析堆棧。
- 使用運營分析數據倉庫提供個性化營銷。
如果您希望將數據自動傳輸到數據倉庫，請查看我們的 14 天免費 Supermetrics 試用版。
開始您的 14 天免費試用
了解將營銷數據轉移到報告和分析平台是多麼容易