Upptäck möjligheterna i Adobe Analytics attribueringspanel och historikfönster för att förstå kundresan bättre.

När jag först såg attribueringspanelen och historikfönstret tänkte jag direkt på en tidsresa. Sedan tänkte jag på vår vanliga reaktion inför nya verktyg som dessa. Vi skjuter helt enkelt upp användningen av dem eftersom de ser så komplicerade ut.

Ärligt talat, titta bara på alla alternativ: omkopplare, paneler, avläsningar och reglage. Och för att inte om de komplicerade blinkande lamporna, slangarna, mätarna ... Men vänta lite... Det här är inte rätt tillfälle att bli distraherad av tidsmaskiner – vi har inte tid ... eller har vi det?

Jag ska erkänna att  attribueringspanelen  är ett ganska komplext verktyg, men vårt jobb som analytiker är att använda ett annat av våra komplicerade favoritverktyg och ta en titt på det som har hänt tidigare. Det verktyget kallas Adobe Analytics! Så ja, för att svara på frågan så tror jag att dessa två saker säger att vi har gott om tid.

Därför bör vi inte låta något så futtigt som rädsla stå i vägen för sådana fantastiska, sofistikerade och kraftfulla verktyg som dessa som bokstavligen gör att vi kan gå bakåt i tid.

Det handlar om tidsresor! Och det är det vi gör. Eller hur???!!

Så vad väntar vi på – att en blank bil, poliskur eller gammal telefonkiosk med ett gammalt paraply som antenn ska dyka upp vid vår dörr?

Nej! Vi har något ännu bättre, så vi sätter på oss säkerhetsbältena och åker!

Ni fattar tanken.

Nu när vi är alla entusiastiska över tidsresor ska vi ta ett djupt andetag, ta ett steg bakåt och se vad  attribueringspanelen  verkligen är:

Bild 1 – nummer visas med text längre ned

Inom attribuering ska vi tänka på hur händelser/handlingar inträffar/orsakas av en eller flera individer eller ett antal olika händelser över tiden.

Enligt Adobe, ger attribuering analytiker möjligheten att anpassa hur  dimensionsobjekt  kan tillskrivas framgångshändelser.

Det är faktiskt sällan som en kundresa är helt linjär och ännu mindre förutsägbar. Alla kunder har sitt eget tempo. De går fram och tillbaka, hit och dit, tar en paus eller rör sig på andra icke-linjära sätt. De här organiska aktiviteterna gör det svårt att veta hur olika marknadsföringssatsningar påverkar olika delar av kundresan. Det hämmar också arbetet med att knyta samman olika datakanaler.

Det stämmer. Lämna era ”dominoanalogier” vid dörren och öppna era tankar för koncept i linje med fjärilseffekten och strängteorier, men precis som allt annat måste vi börja med några av grunderna.

Attribueringsmodeller

När vi använder attribueringspanelen kan vi observera flera olika saker. Till exempel visar attribueringsmodeller hur  konverteringar  (dvs. ❶ framgångsmått) kan fördelas över  träffar  i en viss grupp.

Kort sagt, om  10 personer  trycker på en  STOR RÖD KNAPP  för att gå igenom en dörr, kommer våra attribueringsmodeller att tala om för oss vilka av dessa 10 personer som vi kan ”kreditera”, eller ännu bättre, hur mycket ”kredit” vi kan tilldela dem, för att de tryckte på den där knappen.

Här är några exempel på hur ❸  attribueringsmodeller  kan påverka dessa 10 personer:

• Först på plan: Den här modellen fungerar exakt som den låter, vi ger den första personen som går genom dörren 100 % kredit. Marknadsförare är mer benägna att använda den här metoden för saker som  sociala medier  eller visningar men det är också en bra metod som ofta används för produktrekommendationer på webbplatsen.

• Sist på plan: Den här metoden fungerar också exakt som den låter, men ger i stället  100 % kredit  till den person som går sist igenom dörren. Den här modellen används vanligtvis för att analysera saker som  naturliga (organiska) sökningar  och andra  kortfristiga  marknadsföringskampanjer.

• Linjär: Den här modellen distribuerar lika mycket kredit till alla personer som går igenom dörren.

• U-form: Den här metoden tilldelar  40 %  av krediten till den  första personen  som går igenom dörren, 20 % kredit till alla däremellan och 40 % till den  sista  personen. Den här modellen används oftast när det är en  lång konverterings-/försäljningscykel  med flera kontaktytor längs vägen. I det här fallet är ditt mål att i första hand lyfta fram den  första  och  sista  marknadsföringstaktiken som gjorde att kunden konverterade.

• J-form och inverterat J:

  • Ungefär som U-formen, men i stället tilldelas 60 % kredit till den sista personen som går igenom dörren,  20 %  till den första och sedan  divideras  återstående  20 %  på alla andra i mitten.  Inverterat J  gör raka motsatsen.

    Målet här är att lägga större vikt vid början eller  slutet  av kampanjen, men du vill ändå tilldela en viss kredit till det bidragande objektet i motsatt ände samtidigt som du bekräftar de små insatserna under resans gång.

• Tidsförsämring: Det vore dumt av mig om jag inte berättade om den. Den här modellen har bokstavligen en halveringstid som sjunker exponentiellt med tiden! I det här fallet är standardparametern för modellens halveringstid 7 dagar. Man tillämpar sedan en  vikt  för varje  marknadsföringskanal   baserat på hur lång tid  som går efter den inledande kontaktpunkten och när kunden konverterar.

  Tidsförsämring och  U-formade attribueringsmodeller  används ofta för att mäta mer långvariga kampanjer, men som ni ser har de olika mål, baserat på hur resultatets värde viktas.

• Anpassad: Välj vem som ska krediteras. Det är er kampanj!

Mer information om dessa och andra attribueringsmodeller finns om du klickar här

För att göra allt detta ännu intressantare ska vi prata om att vrida tillbaka klockan!

Historikfönster

Nu är det dags att gå ett steg längre. Här lägger vi bokstavligen in en tidsresa i vår analys och vi börjar återigen med grunderna.

Adobe definierar ❹  historikfönster  som hur lång tid bakåt man ska räkna för att inkludera kontaktpunkter före en konvertering. Attribueringsmodeller som ger mer kredit till första interaktioner uppvisar större skillnader när man tittar på olika historikfönster.

Med andra ord:  historikfönster  fastställer den tidsperiod under vilken  konverteringar  beaktas och ger attribueringsanalysen kontext.  Adobe Analytics  har tre typer av historikfönster:

• Historikfönster för besök: Går tillbaka till början av ett  besök  när en konvertering skedde och ger insikter om de omedelbara interaktionerna som leder till konverteringen.

  Kom ihåg att det här vanligtvis är det kortaste historikfönstret.

• Historikfönster för besökare: Ser tillbaka på alla  besök  fram till den första i månaden inom det valda datumintervallet vilket ger en bredare bild av kundens interaktioner och hjälper till att identifiera mönster över tid.

• Anpassat historikfönster: Utökar  attribueringsfönstret  utöver det rapporterade datumintervallet upp till  max  90 dagar. Den ger  flexibilitet  för att hitta kontaktpunkter utanför det valda datumintervallet och ger en heltäckande analys.

Genom att justera ett visst historikfönster kan analytiker undersöka effekten av en eller flera kontaktpunkter inom specifika tidsramar och få insikter om hur olika tidsperioder påverkar attribueringsresultaten.

För samman resultaten

Så vad betyder allt det här för oss som analytiker?

Attribueringspanelen och  historikfönstret  ger oss möjlighet att se bortom vardagliga data på ytnivå och fördjupa oss i kundresan. Genom att förstå vilka kontaktpunkter som hade störst effekt på konverteringar kan vi fatta välgrundade beslut om våra marknadsföringsstrategier och fördela resurser effektivare.

Kom ihåg, när du har  attribueringsmodeller  och  historikfönster  kan du ändra data ytterligare genom att filtrera dem efter ett visst ❺ segment eller någon annan komponent. När panelen har skapats har du tillgång till alla vanliga Workspace-funktioner.

I praktiken

Nu när du förstått grunderna kan du tänka dig att du kör en marknadsföringskampanj och försöker avgöra vilken kanal som är  mest effektiv  för konverteringar. Med hjälp av attribueringspanelen kan du inte bara se den sista kontaktpunkten, utan även den första kontaktpunkten och andra kontaktpunkter samt välja andra  modeller  för att avgöra vilka  kanaler  som är  mest effektiva  för konverteringar. Sedan kan du använda informationen för att  optimera  era kampanjer och förbättra resultaten genom att helt enkelt vrida tillbaka klockan med historikfönstret!

Nu när du har sett vad de kan göra ska du inte låta dig avskräckas av de till synes komplexa funktionerna i attribueringspanelen. Testa det. Anamma  det.  Förstå  det.
MEN VIKTIGAST AV ALLT –  Använd det till er fördel.   Attribueringspanelen  och  historikfönstret  är nycklarna till en djupare förståelse av era kunder och deras resa med ert varumärke.

Nu kan vi resa tillbaka i tiden och med hjälp av vår tillförlitliga tidsmaskin (även känd som Adobe Analytics) kan vi fatta databaserade beslut.