การระบุที่มาช่วยให้คุณทราบได้ว่าการมีส่วนร่วมต่างๆ ในกระบวนการตัดสินใจซื้อของลูกค้าส่งผลต่อการเปลี่ยนมาเป็นลูกค้าจริงอย่างไร แม้ว่าการระบุที่มาแบบเดิมนั้นจะให้ความสำคัญกับกิจกรรมทั้งแบบเฉพาะและไม่เจาะจง แต่การระบุที่มาที่ดีที่สุดจะใช้แมชชีนเลิร์นนิงและแบบจำลองทางสถิติขั้นสูงในการพิจารณาผลกระทบที่แม่นยำของทุกความเคลื่อนไหว
วัตถุประสงค์ของการวิเคราะห์คือข้อมูลเชิงลึกของลูกค้าที่ถูกต้อง ส่งผลให้องค์กรธุรกิจรวบรวมข้อมูลผ่านช่องทางที่หลากหลายมากขึ้นเรื่อยๆ ทั้งทางออนไลน์และออฟไลน์ แม้ว่าข้อมูลดังกล่าวบอกคุณได้มากมายเกี่ยวกับสิ่งที่ลูกค้าทำอยู่ แต่ก็ไม่ได้ดีมากพอที่จะบอกคุณได้ลึกถึงสาเหตุของการดำเนินการดังกล่าว หรือที่สำคัญกว่านั้นก็คือผลกระทบจากการโต้ตอบเหล่านั้นมีต่อการตัดสินใจที่จะก่อให้เกิดการเปลี่ยนมาเป็นลูกค้าจริง
เพิ่มการระบุที่มา เป้าหมายของการระบุที่มาคือการทำความเข้าใจความสำคัญของการดูอีเมลหรือวิดีโอ หรือโฆษณาดิสเพลย์หรือเอกสารในกระบวนการตัดสินใจซื้อของลูกค้าแต่ละราย ในเชิงสมมติฐานแล้ว วิธีนี้จะส่งผลให้ตัดสินใจเลือกวิธีและเนื้อหาที่คุณควรพัฒนาได้ง่ายขึ้น แต่ในอดีตนั้น มีบริการระบุที่มามากมายได้พยายามดิ้นรนอย่างมากเพื่อให้ได้มาซึ่งศักยภาพนี้ หรือไม่ก็วัดผลเฉพาะสื่อแบบชำระเงินหรือเน้นเฉพาะช่องทางใดช่องทางหนึ่ง เช่น เว็บ เท่านั้น แม้ว่าข้อมูลเชิงลึกจะมีประโยชน์อย่างมากก็ตาม แต่กลับไม่เพียงพอในโลกที่ซับซ้อนและมีหลากหลายช่องทางในปัจจุบันนี้
ความต้องการขององค์กรธุรกิจในปัจจุบันนั้นมีมากขึ้น ธุรกิจต้องการทราบว่าสิ่งใดใช้ได้ผลและไม่ได้ผล อีกทั้งยังต้องการติดตามความเคลื่อนไหวที่ซับซ้อนของลูกค้าผ่านทุกช่องทาง ทั้งออนไลน์และออฟไลน์ ยิ่งไปกว่านั้น บรรดาองค์กรธุรกิจยังต้องการความสามารถในการเปรียบเทียบกระบวนการตัดสินใจซื้อของลูกค้าเพื่อให้เข้าใจบริบทในทุกการกระทำ
หรือกล่าวได้ว่า ธุรกิจต้องใช้การระบุที่มาเพื่อให้ทราบในสิ่งที่ควรจะทำอยู่เสมอ
Adobe Analytics จะช่วยมอบศักยภาพในการระบุที่มา ในรายงาน The Forrester Wave™: Digital Intelligence Platforms ประจำปี 2560 เราได้รับคะแนนที่ยอดเยี่ยมสำหรับการระบุที่มาข้ามช่องทาง ด้วยการทำให้การรวบรวมและการผสานข้อมูลจากทุกช่องทางเป็นเรื่องง่าย ตลอดจนจัดลำดับความสำคัญของปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และการวิเคราะห์เชิงคาดการณ์ เราจึงทำให้การระบุที่มาที่มีประสิทธิภาพสามารถเกิดขึ้นได้จริง
เรามีรูปแบบการระบุที่มาแบบอิงกฎและขั้นสูงมากมายให้เลือก (แบบ First Touch และ Last Touch, แบบเชิงเส้น, แบบอัลกอริธึม ฯลฯ) ซึ่งช่วยให้เข้าใจการลงทุนของคุณได้ในทุกช่องทาง ทั้งต้นทุนที่เสียไป ต้นทุนในการเป็นเจ้าของ และผลกำไรที่ได้รับ อีกทั้งเรายังให้คุณสร้างรูปแบบได้เองเพื่อให้เหมาะกับความต้องการเฉพาะสำหรับธุรกิจของคุณ
“เราได้ใช้ข้อมูลการระบุที่มาเพื่อดำเนินการวิเคราะห์เชิงคาดการณ์ ซึ่งจะช่วยให้เรากำหนดการจัดสรรงบประมาณได้อย่างดีที่สุดสำหรับแคมเปญและช่องทางต่างๆ”
Alexander Gaertner หัวหน้าฝ่ายวิเคราะห์ข้อมูลดิจิทัลของ DER Touristik
A machine-learning approach to assigning attribution values across the different channels of a successful conversion event. The attribution analysis automatically assigns weight to the most important touches and provides a best-fit model per channel based on your customers’ actual interaction patterns.
Our open measurement protocol can capture data from virtually any source (i.e., voice, video, audio, connected car, IoT, CRM, Intranet, etc.) Or, use our data collection library for Javascript and mobile app SDKs.
Integrate data from a CRM system or any other source of online or offline enterprise data (e.g., loyalty program levels) as an added analysis dimension.
