自訂模型的最佳實務 best-practices-for-custom-model

概觀 overview

除了現成的Marketo Measure歸因模型之外,第2層以上的客戶也可以存取自訂歸因模型。

Marketo Measure自訂歸因模型可讓使用者選擇要納入模型中的里程碑接觸點位置及/或自訂階段。 此外,使用者可以控制模型中每個階段的歸因點數百分比(使用者最多可定義6個額外的自訂階段),也可以使用Marketo Measure機器學習模型建議的歸因百分比值。

自訂歸因模型有兩個主要方面:

自訂階段 ​可讓使用者定義與其業務及程式相關的漏斗。 自訂階段應該在整個購買者的歷程中代表「里程碑」,非常類似於Stock歸因模型中的Marketo Measure里程碑(首次接觸、潛在客戶建立接觸、機會建立接觸和已關閉的已成交接觸)。 您的自訂階段必須正確定義並在帳戶內對應,以確保Marketo Measure可正確追蹤階段轉換。 這是為了識別哪些接觸點應該與每個階段相關聯,並適當地屬性化評分。 自訂階段對應基本上是標準「階段對應」的延伸,應遵循相同實務。

NOTE
如需詳細資訊,請參閱階段對應最佳實務資源

自訂歸因模型 ​定義於您選取「自訂階段」漏斗之後。 然後,使用者就可以控制每個自訂階段以及Marketo Measure里程碑階段應該指派多少歸因評分。 使用者可以依其認為適當的方式指派評分給每個階段,或參考Marketo Measure機器學習模型(根據歷史資料當作「建議模型」)。

請務必正確定義自訂模型的這兩個層面,以確保Marketo Measure產生正確的自訂歸因模型。

最佳實務 best-practice

無論您是第一次設定自訂模型,還是檢閱先前已建立的專案,請務必牢記以下最佳實務。

  • 開始簡單

    • 識別您要新增至自訂模型的關鍵階段,這些階段對Marketo Measure報表至關重要。 通常,這些是您通常會測量或希望深入瞭解的階段
    • 您可以隨時新增至您的自訂模型
  • 利用Marketo Measure機器學習模型

    • 如果您難以決定歸因劃分的百分比,Marketo Measure機器學習模型可協助您在設定自訂歸因模型時做出明智的決策。

    • 檢視機器學習模型時,每個階段的歸因百分比會反映行銷工作的潛在影響

      • 較高的百分比表示行銷會直接影響漏斗在該點的移動
      • 歸因百分比越低,表示團隊監視的階段越不重要
  • 您必須根據「銷售機會」或「連絡人」階段來定義漏斗階段的頂端,而不是同時定義兩者

    • 這表示您必須確保所有人員都會在相對物件上通過該舞台
      • 例如:如果您從Lead物件定義MQL階段,則所有人員必須以Lead進入您的系統,並在其Lead記錄上標籤為MQL,以便Marketo Measure能夠準確反映哪個接觸與Lead轉換至MQL有關。 如果不是這種情況,並且某些人在成為MQL作為潛在客戶之前進度到聯絡,則Marketo Measure將無法準確地在您的接觸點資料中說明此問題,並且我們將必須假設該人員已經擁有MQL。Marketo Measure無法說明階段跳躍機制,因此我們將推斷階段已通過,即使階段尚未通過。
  • 確保為您納入用來定義自訂階段的所有欄位啟用欄位歷史記錄追蹤

  • 請勿使用公式欄位來定義自訂階段

    • 布林值欄位是最佳實務建議
  • 請勿將自訂階段合併到自訂模型中,因為自訂模型與Marketo Measure里程碑接觸點位置(FT、LC、OC、已關閉的贏家/輸家)一致

    • 如果您這麼做,這些位置一律會同時發生,並可能導致漏斗部分獲得膨脹的歸因評分。
  • 與您的Sales Opp團隊合作

    • 引進與階段工作最接近的團隊,以及他們的意思可確保您使用正確的階段,且他們已正確定義

維護最佳實務 best-practice-for-maintenance

您每年至少審視自訂模型兩次,才能確保自訂歸因報表準確可靠。

如果您的自訂模型使用機器學習模型,則應每季在自訂模型中檢閱其應用程式,以確保您的自訂模型儘可能最新。

其他可能觸發檢閱自訂模型的原因包括……

  • 您行銷團隊中的營業額
  • 對您的CRM階段所做的任何變更
  • 組織漏斗的更新
  • 套用自訂模型時,在Marketo Measure報表中看到不準確的收入資料
  • 檢視已填入與您的組織漏斗無關的接觸點位置
recommendation-more-help
9deee213-85c8-4c42-8ba8-089345b91d20