我们与多个行业的多个客户合作
Posted: Sun Dec 15, 2024 6:35 am
数字营销/ 2023 年 6 月 22 日
营销人员对数据缺乏信心
随着企业越来越依赖数据驱动的营销策略，营销人员对他们收集和分析的数据的信心变得越来越重要。然而，最近的研究表明，许多营销人员缺乏这种信心。
不到五分之一的人认为他们可以准确衡量营销投资回 南非电话区号 报率或拥有实现营销目标所需的技术工具。缺乏信心可能导致营销活动无效，错失增长和收入机会。
，亲眼目睹了这个问题。
Bloom 的客户经常问：当我们所依赖的工具报告不同的转化次数时，我们如何识别成功的策略和渠道？
例如，Meta Ads、Google Ads 甚至 Display 报告的转化次数可能比 Google Analytics 多，而这些差异有时会远远超出正常的标准差，让试图优化广告支出并相应分配预算的营销人员感到困惑。
这种差异有多种原因：
第三方 Cookie 弃用：Google 计划逐步淘汰 Chrome（最广泛使用的网络浏览器）上的第三方 Cookie。其他浏览器（如 Firefox 和 Safari）几年前就已采取了这一举措。这一变化影响了广告平台跨网站跟踪用户的能力，因此，某些转化可能无法正确归因于适当的广告系列或渠道。
苹果的应用跟踪透明度：随着 iOS 14.5 的发布，苹果推出了应用跟踪透明度，要求应用在跟踪用户之前征求许可。这一变化影响了 Meta 和其他公司跟踪 iOS 设备用户的能力。
不同的归因模型：广告平台和 Google Analytics 使用不同的归因模型来衡量转化，这可能导致平台之间报告的指标存在差异。
我们的解决方案：Polaris，Bloom 的专有媒体组合建模工具
Polaris 是 Bloom 媒体组合建模工具的名称，完全由我们的数据分析团队内部创建。
媒体组合模型是一种分析技术，允许营销人员衡量其营销和广告活动的影响，以确定各种渠道如何有助于实现他们的目标。
Bloom 的工具利用计量经济学来协调平台报告和 Google Analytics 结果。其最终目标是：帮助我们的团队制定更高效、更以数据为导向的媒体计划。
它是如何工作的？
首先，我们将不同的数据源连接到我们的工具中。我们提取的指标包括但不限于：来自各种广告平台（如 Google Ads、Meta Ads、Snapchat、Pinterest 等）的转化次数、会话数和收入。然后，我们从 Google Analytics 中执行相同的操作。
其次，在渲染之后，该算法会根据不同数据点之间的差异将折扣率应用于平台的报告。转化所需的平均接触点数量也会被考虑在内。
一旦完成，我们就会得到每个平台的模型收入。
例如，一方面，Meta Ads 报告其广告收入为 961,818 美元。另一方面，Google Analytics 仅将 18,543 美元的收入归因于 Meta Ads。使用 Polaris 后，我们可以估算出将 623,316 美元归因于 Meta Ads 更为现实。
最终，输出结果将是对每个渠道在媒体组合中的表现的更细致的了解。它告诉我们如何在不同渠道之间规划更优化的预算分配。
为什么选择北极星？
就像北极星一样，北极星可以作为营销人员在复杂的数字营销世界中导航的可靠指南或参考点。
北极星也是可靠性、可信度和恒久性的象征。正如水手们依靠北极星指引航向一样，营销人员可以依靠北极星这样的归因工具，提供有关其营销活动效果的准确且一致的数据。
总体而言，Polaris 这个名字体现了营销人员所寻求的工具的许多关键特征，这些特征可以帮助营销人员导航、衡量和优化他们的营销工作。
北极星的下一步计划是什么？
这个项目的有趣之处在于改进的可能性几乎是无穷无尽的。在不久的将来，我们将继续根据客户和团队的建议完善我们当前的模型。之后，我们将考虑整合传统渠道和线下指标。我们还期待尝试人工智能和机器学习来增强工具的功能。
如果您有兴趣了解有关我们的媒体解决方案的更多信息
营销人员对数据缺乏信心
随着企业越来越依赖数据驱动的营销策略，营销人员对他们收集和分析的数据的信心变得越来越重要。然而，最近的研究表明，许多营销人员缺乏这种信心。
不到五分之一的人认为他们可以准确衡量营销投资回 南非电话区号 报率或拥有实现营销目标所需的技术工具。缺乏信心可能导致营销活动无效，错失增长和收入机会。
，亲眼目睹了这个问题。
Bloom 的客户经常问：当我们所依赖的工具报告不同的转化次数时，我们如何识别成功的策略和渠道？
例如，Meta Ads、Google Ads 甚至 Display 报告的转化次数可能比 Google Analytics 多，而这些差异有时会远远超出正常的标准差，让试图优化广告支出并相应分配预算的营销人员感到困惑。
这种差异有多种原因：
第三方 Cookie 弃用：Google 计划逐步淘汰 Chrome（最广泛使用的网络浏览器）上的第三方 Cookie。其他浏览器（如 Firefox 和 Safari）几年前就已采取了这一举措。这一变化影响了广告平台跨网站跟踪用户的能力，因此，某些转化可能无法正确归因于适当的广告系列或渠道。
苹果的应用跟踪透明度：随着 iOS 14.5 的发布，苹果推出了应用跟踪透明度，要求应用在跟踪用户之前征求许可。这一变化影响了 Meta 和其他公司跟踪 iOS 设备用户的能力。
不同的归因模型：广告平台和 Google Analytics 使用不同的归因模型来衡量转化，这可能导致平台之间报告的指标存在差异。
我们的解决方案：Polaris，Bloom 的专有媒体组合建模工具
Polaris 是 Bloom 媒体组合建模工具的名称，完全由我们的数据分析团队内部创建。
媒体组合模型是一种分析技术，允许营销人员衡量其营销和广告活动的影响，以确定各种渠道如何有助于实现他们的目标。
Bloom 的工具利用计量经济学来协调平台报告和 Google Analytics 结果。其最终目标是：帮助我们的团队制定更高效、更以数据为导向的媒体计划。
它是如何工作的？
首先，我们将不同的数据源连接到我们的工具中。我们提取的指标包括但不限于：来自各种广告平台（如 Google Ads、Meta Ads、Snapchat、Pinterest 等）的转化次数、会话数和收入。然后，我们从 Google Analytics 中执行相同的操作。
其次，在渲染之后，该算法会根据不同数据点之间的差异将折扣率应用于平台的报告。转化所需的平均接触点数量也会被考虑在内。
一旦完成，我们就会得到每个平台的模型收入。
例如，一方面，Meta Ads 报告其广告收入为 961,818 美元。另一方面，Google Analytics 仅将 18,543 美元的收入归因于 Meta Ads。使用 Polaris 后，我们可以估算出将 623,316 美元归因于 Meta Ads 更为现实。
最终，输出结果将是对每个渠道在媒体组合中的表现的更细致的了解。它告诉我们如何在不同渠道之间规划更优化的预算分配。
为什么选择北极星？
就像北极星一样，北极星可以作为营销人员在复杂的数字营销世界中导航的可靠指南或参考点。
北极星也是可靠性、可信度和恒久性的象征。正如水手们依靠北极星指引航向一样，营销人员可以依靠北极星这样的归因工具，提供有关其营销活动效果的准确且一致的数据。
总体而言，Polaris 这个名字体现了营销人员所寻求的工具的许多关键特征，这些特征可以帮助营销人员导航、衡量和优化他们的营销工作。
北极星的下一步计划是什么？
这个项目的有趣之处在于改进的可能性几乎是无穷无尽的。在不久的将来，我们将继续根据客户和团队的建议完善我们当前的模型。之后，我们将考虑整合传统渠道和线下指标。我们还期待尝试人工智能和机器学习来增强工具的功能。
如果您有兴趣了解有关我们的媒体解决方案的更多信息