Inside GetYourGuide

Baptiste Amar, vanhempi data-analyytikko, suunnitteli murto-osittaisen attribuutiomallin, jonka avulla markkinointikanavien vaikutus tulonmuodostukseen voidaan ottaa tarkemmin huomioon. Tämä artikkeli on osa 1 3-osaisesta sarjasta, jossa kerrotaan, miten hän suunnitteli ja toteutti mallin. Tässä ensimmäisessä osassa Baptiste luo perustan esittelemällä attribuutiomallien perusteet ja haasteet.
Tässä toisessa osassa Baptiste jatkaa mallin suunnitteluprosessia, datan keräämistä ja muotoilua sekä Markov Chains -mallin muokkaamista. Osassa 3 hän sukeltaa syvällisesti haasteeseen, joka liittyy dataan perustuvan mallin käyttöönottoon järjestelmissä ja sen painetestiin todellisissa markkinointikampanjoissa sen relevanssin varmistamiseksi. Jos et vielä ole, seuraa meitä LinkedInissä pysyäksesi ajan tasalla osista 2 ja 3.

Mihin tarvitsemme dataan perustuvia attribuutiomalleja?

Markkinoinnissa uskoon tai asiantuntemukseen perustuvien budjetinjakojen aika on jo aikoja sitten ohi. Datan ja analytiikan lisääntyvän tunkeutumisen myötä liiketoimintastrategioihin markkinointipäälliköt joutuvat entistä suurempien haasteiden eteen: Heidän on nyt jatkuvasti todistettava toimiensa arvo.

Mutta markkinoijat eivät ole ainoita, jotka joutuvat kohtaamaan tämän uudenlaisen haasteen. Kaltaiseni markkinointiin erikoistuneet data-analyytikot ovat vastuussa arvokkaan ja käyttökelpoisen sisällön tarjoamisesta markkinoijille, olipa kyse sitten nopeista oivalluksista tai raskaasta mallintamisesta. Viime kädessä tämä auttaa operatiivisia markkinointitiimejä tekemään parempia päätöksiä, kuten rakentamaan optimaalisen mediamixin, käynnistämään suorituskykyisempiä kampanjoita tai luomaan houkuttelevampaa sisältöä.

Ilman tätä perustavanlaatuista ymmärrystä liiketoimintaongelmasta on käytännössä mahdotonta suunnitella ja ottaa käyttöön relevanttia frakionaalista attribuutiomallia.

GetYourGuiden kaltaisissa kypsissä markkinointiorganisaatioissa analytiikka on olennaista resurssien kohdentamisessa: Mediapäälliköt tarvitsevat aineistoa saadakseen taloudellisten sidosryhmien hyväksynnän ja lopulta avatakseen toimintabudjetin.

Yksi suurimmista haasteista tässä yhteydessä on mediainvestointien tuoton mittaaminen: Kuinka paljon tuloja tiettyihin kanaviin tai kampanjoihin käytetyt investoinnit tuottivat? Tähän rakenteelliseen kysymykseen voidaan vastata useilla eri lähestymistavoilla, jotka kaikki edellyttävät luotettavia tietoja ja hienostunutta mallintamista.

Yksi tavallisista tavoista ratkaista se on jakaa tulot markkinointikanavien kesken sen mukaan, miten ne vaikuttivat tulojen tuottamiseen. Tästä attribuutiomallinnuksessa on kyse.

Sinä saatat olla myös kiinnostunut:

Markkinointi ja konversio

Ennen tuotteen ostamista verkossa asiakkaat voivat altistua monenlaisille markkinointikeinoille. Esimerkki polusta konversioon voisi olla:

1. Asiakas näkee verkkosivustolla bannerin, joka linkittää Tour Eiffel -lipun varaamiseen GetYourGuidessa (display-mainos), ja klikkaa sitä. Hän selaa inventaariotamme konvertoimatta.

2. Muutamaa päivää myöhemmin hän hakee Googlen hakukoneella Tour Eiffel -lippuja ja klikkaa GetYouGuide-mainosta (maksettu haku) päästäkseen uudelleen alustallemme ja virkistääkseen muistiaan tarjoamistamme aktiviteeteista. Selaillessaan he ilmoittautuvat uutiskirjeeseemme.

3. Viikko asiakkaan viimeisen vierailun jälkeen he saavat toimintapohjaisen sähköpostiviestin, jossa heitä muistutetaan Tour Eiffel -lipusta, he klikkaavat sähköpostiviestiä, etsivät verkkosivuiltamme kiertoajelun, jota he olivat silmäilleet, ja varaavat nähtävyyden.

Tälle matkalle kohti konversiota osallistui kolme markkinointikanavaa: näyttö, maksettu haku ja sähköposti.

Jos haluaisimme hyvittää näille kolmelle kanavalle oikean osuuden liikevaihdosta – riippuen niiden vaikutuksesta konversioon – mille kanavalle hyvittäisimme eniten?

a. Display-mainos, koska se ohjasi asiakkaamme verkkosivustolle ensimmäistä kertaa ja sai hänet harkitsemaan brändiämme?

b. Maksettu hakuklikkaus, koska se todennäköisesti työnsi asiakasta paljon pidemmälle ostoaikeissa?

c. Sähköpostikosketus, koska se sai asiakkaan muuttumaan?

Vastaa

Sähköpostiosoitettasi ei julkaista.