拥抱复杂数据，打造立足业务的归因分析

所谓数字驱动市场营销，很大一部分是通过数据收集、整合、处理、分析弄清楚哪些营销活动是有效的，在此基础上，企业才能合理规划营销资源的分配，最大化营销成果，有效预测未来增长。

随着消费者能接触的渠道、设备越来越多，营销分析也变得越来越复杂。企业所采用的营销渠道可以是企业网站、微博平台、微信平台、即时通信工具、电视广告，以及线下的一系列宣传渠道等等。采用多渠道营销的企业面临着最大的问题是如何确定哪个营销渠道促成了销售；大部分的业绩是哪种行为路径产生的；哪种渠道组合的转化率更高。

一次购买的原因是多元的

某客户希望购买一台笔记本电脑，他在地铁站看到某品牌笔记本的大幅广告，对外观很满意，于是掏出手机在搜索引擎上搜索该电脑，查看硬件配置和价格，但到站之后，由于工作繁忙忘记此事。之后的某个周末，该客户去影院看电影，发现了该电脑的广告植入，随后在微博上浏览了网友对其评价，最终在搜索引擎的帮助下找到电商平台完成支付。

这是一个常见的客户购买路径，在该客户购买完成之前，他接触到了来自多个渠道的广告，但这次转化最终应该归功于哪个渠道？企业以后应该加大哪些渠道的投入力度？想弄清楚这个问题，企业需要对各营销渠道进行归因分析。

当前，比较热门的归因模型是“单点接触”归因，就是把一次成交100%的功劳归因于某一渠道的接触。这种归因方式比较适合那些购买转化路径少，周期短的业务，比如企业只在某一渠道进行营销活动。但以上案例中，无论将这次笔记本电脑的成交归功于地铁广告（首次接触归因）、或是电商平台（最终接触归因），或是搜索引擎（最终非直接点击归因），都无法准确评估所有渠道的贡献。

另外，“单点接触归因”会夸大某些渠道的作用，对企业产生误导，比如，很多用户都有使用搜索引擎的习惯，在接触了各种渠道的广告之后，往往在转化之前，会在各类搜索引擎上对产品进行搜索，因此很多转化用户接触的最后一个触点为搜索引擎，此时如果运用这种模型，则会将贡献率赋予搜索引擎渠道，这样无疑高估了搜索引擎的作用。

渠道多，数据大，如何做归因分析？

多触点的企业，希望更好地实现营销优化，需要数据建模和分析技术帮助其构建用户从开始接触广告到最终购买的整条路线，从而能够较为准确地衡量路线上每个渠道的贡献度。比如通过数据建模将客户购买路径中的每一个触点赋予一定的权重，最终加成为成交的转化价值。

比如在这个购买笔记本电脑的案例中，客户经历了从线下渠道转换为线上渠道——地铁广告→手机搜索；跨多个设备之间转换——搜寻信息时使用电脑，最终购买完成在智能手机或平板上；这就需要企业能够实现跨设备，跨屏，跨渠道去综合评估，给出一个更合理的效果分配比例。

客户洞察是归因的最终目的

归因分析能够帮助企业实现在不增加市场推广费用的情况下，通过合理安排推广费用在不同渠道间的分配，显著提升销售额。更重要的是，归因分析可用于整个购买周期中的营销优化。营销人员需要持续监控内容、渠道、传播，营销归因可以帮助他们密切关注随着时间的推移客户都发生了什么，各渠道发生什么，哪些渠道对客户有效，哪些渠道之间会相互影响，从而发现客户接触和离开品牌背后的原因。例如，一个人收到一封邮件，并点击一个横幅广告后，再收到一封邮件，他会有更大的可能性进行购买。那么，营销团队就要确保发送了第二封邮件。

当前，多渠道的归因分析并未在企业营销中广泛使用，谷歌调查了600多个市场操作人员以及代理机构，其调查范围遍及不同行业，结果发现，只有十分之一的市场营销人员仍然认为“最终互动”归因是有效的，但是，超过50%的营销者仍然在使用它。原因可能是他们不知道或没有发现有效的分析工具可以帮助他们，或者是他们觉得分析工具的开支对于他们来说无法承受，甚至有可能部分市场营销人员认为他们的经验足够丰富，对于自己的直觉判断过于自信，过于依赖经验来指导市场投放。反而是国内，涌现了一批具备跨渠道营销归因分析能力的数据分析应用，比如商科网络凭借多年在营销分析及跨渠道归因分析的经验，立足国内营销实际情况，开发了智能客户数据平台，为有需求的企业提供包括监测、效果评估、归因分析及建模，以及跨营销渠道投放建议等服务。