通过高级分析衡量营销有效性 - Big Bang World
Posted: Tue Jan 07, 2025 11:00 am
月，我们与斯洛文尼亚消费电子领域最大的零售商Big Bang一起展示了高级分析在营销中整合的成果。
随着消费者的变化，商店也会发生变化。超过80% 的客户在线搜索信息，在 Big Bang 涵盖的某些类别中，这一比例超过 90%。
基于这些数据和其他数据，Big Bang开发了一种结合实体店和在线的新商业模式。所谓的信息点已在销售点本身设立，客户可以通过电视选择助手进行教育，并提供一系列没有实际库存的型号 - 我们正在谈论扩展或长尾系列。越来越多的买家希望他们的决定得到确认。因此，销售人员的专业建议对他们来说是不够的，他们正在寻求对自己选择的确认。选电视助手会引导顾客完成 4 个简单的步骤，最后为顾客提供 4 种型号的选择。他们还对产品范围进行了细分。较大的商店展示 88 种不同的电视型号，而网上列出了 170 种不同的型号。买家可以从更多的产品系列中进行选择，从而找到适合自己的电视。
Big Bang为在线买家开发了“点击提货”系统。通过这种方式，他们还允许在线客户在 16 个地点提货，为他们提供赊购的选择，同时为他们提供补充产品。
Big Bang 也非常重视教育。这些内容在信息门户网站上在线呈现，他们在那里准备与新技术相关的文章，同时在自己的制作中，他们录制了YouTube视频来解释这些技术的有用性。在线、实体店和所有营销材料中的内容都是相同的。
我们如何监控、衡量、升级、开发这一切？
营销从来都不是简单的事情。随着数字营销的爆炸式增长，情况变得更 智利电报数据库 加复杂。大量不同的网站、应用程序、广告选项、社交媒体和其他营销渠道根本无法帮助我们了解消费者。
Big Bang 建立营销绩效衡量系统也不例外。我们很快了解到一些可能影响斯洛文尼亚整个数字环境的事实。数字环境确实很复杂。在 Big Bang 中，超过 66% 的在线转化包含多个数字渠道。仅在过去六个月中，我们就列出了1,300 多种不同的购买路径。这表明购买决策正变得日益复杂。尽管如此，网上商店销售额仍然只占总销售额的百分之几。所以大多数人都是在实体店购物。对于互联网来说，情况更糟——只有 1% 开始在线购买（将产品添加到购物篮）的用户实际上完成了购买。那么网络分析的重要性是什么？
网络分析的目的不是收集数据，而是建立一个支持系统，以便在数字世界和现实世界中进行决策。在构建高级分析系统时，首先要监控消费者的整个决策过程（正确数据的收集和测量），其次要正确理解消费者（数据解读），第三要正确理解不同渠道之间的归因。
是的，我知道，我们都了解我们的消费者。我们完全清楚他们的决策过程是什么。对我们来说是这样吗？在 Big Bang，事实证明，典型的决策过程是在三种不同的设备、8 个渠道和 17 个商店中进行的。很少有消费者总是遵循相同的模式，总是使用相同的渠道做出购买决定，并且总是在同一家商店进行购买。为了后期能够正确理解不同设备、渠道、店铺的重要性，我们在规划阶段就已经建立了多渠道归因体系。基于上述消费者决策过程，我们建立了跨多个屏幕、跨数字渠道、从线上到实体店（线上2线下）的归因。
通过建立的归因模型，我们开始定义品牌与消费者在整个决策过程中的所有接触点。对于每个接触点，我们定义了八个基本尺寸，以区分该接触点与其他接触点。在每个点上，我们都根据 ABO 模型定义了指标，这些指标定义了如何让消费者到达该点、消费者在该点的行为方式以及该接触点的结果是什么。上述每个阶段均由目标、关键成功指标和典型用户群体进一步定义。
基于所有接触点，我们建立了一个指标体系，其中包括对20个子域和45个配置文件的数据监控。具有先进消费者监控方法的 Google 标签管理器、包含 20,000 多种产品的 Google Analytics 电子商务已实施，并且还监控在斯洛文尼亚各地 Big Bang 商店中设置的 16 个信息点的使用情况。
所有这些使我们能够获得极其有趣的数据。例如，我们发现通过手机访问 Big Bang 的用户平均年龄比通过电脑访问的用户要大。我们很快注意到手机上的转化率比电脑上低 3 倍，但更深入的分析揭示了这种消费者行为的逻辑原因。大多数手机消费者正在寻找与销售点（位置）、活动和信息门户相关的内容。基本上，他们的目的不是购买。
所有这些数据都很有趣，但正如前面提到的，高级分析的目的不是监控数据，而是构建决策系统。因此，我们希望了解消费者如何在不同渠道和设备之间移动、购买前的互动次数是多少以及消费者的决策过程需要多长时间。
为此，我们将所有指标组织到一个框架中，将消费者分为决策过程的三个主要阶段——观察、思考和行动。在第一阶段（观察或看到）有所有使用我们或相关产品的消费者。第二阶段（思考）是所有使用产品并考虑购买新产品的消费者。在第三阶段（行动或直到），所有消费者都准备好从钱包中取出信用卡并进行购买。基于这个系统，我们还更容易地细分了所有其他维度，包括成功的关键指标。
按接触点总结并根据框架细分的成功关键指标，提供了衡量营销有效性的最佳分析之一。消费者在决策过程中采取的每项行动都与导致该行动的渠道相关联。因此，从所有收集到的数据中，我们可以看到哪些渠道在决策过程的初始阶段、中期和最后阶段更有效。这一见解为我们优化营销活动奠定了基础。
基于消费者决策过程的高级分析系统更进一步。根据收集到的数据，我们可以优化 Big Bang Info 门户网站上的内容。基于对商店信息点消费者行为的监控，我们可以记录与斯洛文尼亚城市相关的消费者趋势和偏好。最后但并非最不重要的一点是，根据在线消费者行为，结合实体位置的数据，我们可以根据区域趋势调整每个商店的报价。实施由高级分析决定的变革的可能性仍然巨大。在《Big Bang》中，我们可能才刚刚开始改变，我们还有很多工作要做。
最后。即使在今天，营销也并不简单，但先进的分析使我们能够比以往更好地了解消费者，并优化我们的营销并使其更加有效。
随着消费者的变化，商店也会发生变化。超过80% 的客户在线搜索信息，在 Big Bang 涵盖的某些类别中，这一比例超过 90%。
基于这些数据和其他数据，Big Bang开发了一种结合实体店和在线的新商业模式。所谓的信息点已在销售点本身设立，客户可以通过电视选择助手进行教育，并提供一系列没有实际库存的型号 - 我们正在谈论扩展或长尾系列。越来越多的买家希望他们的决定得到确认。因此，销售人员的专业建议对他们来说是不够的，他们正在寻求对自己选择的确认。选电视助手会引导顾客完成 4 个简单的步骤，最后为顾客提供 4 种型号的选择。他们还对产品范围进行了细分。较大的商店展示 88 种不同的电视型号，而网上列出了 170 种不同的型号。买家可以从更多的产品系列中进行选择，从而找到适合自己的电视。
Big Bang为在线买家开发了“点击提货”系统。通过这种方式，他们还允许在线客户在 16 个地点提货，为他们提供赊购的选择，同时为他们提供补充产品。
Big Bang 也非常重视教育。这些内容在信息门户网站上在线呈现，他们在那里准备与新技术相关的文章，同时在自己的制作中，他们录制了YouTube视频来解释这些技术的有用性。在线、实体店和所有营销材料中的内容都是相同的。
我们如何监控、衡量、升级、开发这一切？
营销从来都不是简单的事情。随着数字营销的爆炸式增长，情况变得更 智利电报数据库 加复杂。大量不同的网站、应用程序、广告选项、社交媒体和其他营销渠道根本无法帮助我们了解消费者。
Big Bang 建立营销绩效衡量系统也不例外。我们很快了解到一些可能影响斯洛文尼亚整个数字环境的事实。数字环境确实很复杂。在 Big Bang 中，超过 66% 的在线转化包含多个数字渠道。仅在过去六个月中，我们就列出了1,300 多种不同的购买路径。这表明购买决策正变得日益复杂。尽管如此，网上商店销售额仍然只占总销售额的百分之几。所以大多数人都是在实体店购物。对于互联网来说，情况更糟——只有 1% 开始在线购买（将产品添加到购物篮）的用户实际上完成了购买。那么网络分析的重要性是什么？
网络分析的目的不是收集数据，而是建立一个支持系统，以便在数字世界和现实世界中进行决策。在构建高级分析系统时，首先要监控消费者的整个决策过程（正确数据的收集和测量），其次要正确理解消费者（数据解读），第三要正确理解不同渠道之间的归因。
是的，我知道，我们都了解我们的消费者。我们完全清楚他们的决策过程是什么。对我们来说是这样吗？在 Big Bang，事实证明，典型的决策过程是在三种不同的设备、8 个渠道和 17 个商店中进行的。很少有消费者总是遵循相同的模式，总是使用相同的渠道做出购买决定，并且总是在同一家商店进行购买。为了后期能够正确理解不同设备、渠道、店铺的重要性，我们在规划阶段就已经建立了多渠道归因体系。基于上述消费者决策过程，我们建立了跨多个屏幕、跨数字渠道、从线上到实体店（线上2线下）的归因。
通过建立的归因模型，我们开始定义品牌与消费者在整个决策过程中的所有接触点。对于每个接触点，我们定义了八个基本尺寸，以区分该接触点与其他接触点。在每个点上，我们都根据 ABO 模型定义了指标，这些指标定义了如何让消费者到达该点、消费者在该点的行为方式以及该接触点的结果是什么。上述每个阶段均由目标、关键成功指标和典型用户群体进一步定义。
基于所有接触点，我们建立了一个指标体系，其中包括对20个子域和45个配置文件的数据监控。具有先进消费者监控方法的 Google 标签管理器、包含 20,000 多种产品的 Google Analytics 电子商务已实施，并且还监控在斯洛文尼亚各地 Big Bang 商店中设置的 16 个信息点的使用情况。
所有这些使我们能够获得极其有趣的数据。例如，我们发现通过手机访问 Big Bang 的用户平均年龄比通过电脑访问的用户要大。我们很快注意到手机上的转化率比电脑上低 3 倍，但更深入的分析揭示了这种消费者行为的逻辑原因。大多数手机消费者正在寻找与销售点（位置）、活动和信息门户相关的内容。基本上，他们的目的不是购买。
所有这些数据都很有趣，但正如前面提到的，高级分析的目的不是监控数据，而是构建决策系统。因此，我们希望了解消费者如何在不同渠道和设备之间移动、购买前的互动次数是多少以及消费者的决策过程需要多长时间。
为此，我们将所有指标组织到一个框架中，将消费者分为决策过程的三个主要阶段——观察、思考和行动。在第一阶段（观察或看到）有所有使用我们或相关产品的消费者。第二阶段（思考）是所有使用产品并考虑购买新产品的消费者。在第三阶段（行动或直到），所有消费者都准备好从钱包中取出信用卡并进行购买。基于这个系统，我们还更容易地细分了所有其他维度，包括成功的关键指标。
按接触点总结并根据框架细分的成功关键指标，提供了衡量营销有效性的最佳分析之一。消费者在决策过程中采取的每项行动都与导致该行动的渠道相关联。因此，从所有收集到的数据中，我们可以看到哪些渠道在决策过程的初始阶段、中期和最后阶段更有效。这一见解为我们优化营销活动奠定了基础。
基于消费者决策过程的高级分析系统更进一步。根据收集到的数据，我们可以优化 Big Bang Info 门户网站上的内容。基于对商店信息点消费者行为的监控，我们可以记录与斯洛文尼亚城市相关的消费者趋势和偏好。最后但并非最不重要的一点是，根据在线消费者行为，结合实体位置的数据，我们可以根据区域趋势调整每个商店的报价。实施由高级分析决定的变革的可能性仍然巨大。在《Big Bang》中，我们可能才刚刚开始改变，我们还有很多工作要做。
最后。即使在今天，营销也并不简单，但先进的分析使我们能够比以往更好地了解消费者，并优化我们的营销并使其更加有效。