تحلیل MCF) Multi Channel Funnels) در کمپین‌های دیجیتال

فیلیپ کاتلر در کتاب بازاریابی نسل ۴ می‌گوید:
“باید رویکرد مارکترها به فروش و کانال‌های ارتباطی تغییر کند و خود را با این واقعیت جدید وفق دهد؛ در عصر دیجیتالی، سفر مشتری همیشه ساده نیست و اتفاقا گاهی پیچ‌درپیچ هم است. اضافه بر این، ترکیبات احتمالی زیادی از تاچ پوینت‌ها وجود دارد که مشتریان ممکن است در مسیر خرید خود به آن‌ها بر بخورند.”

‌یکی از چالش‌هایی که همیشه در تحلیل ترافیک کانال­‌های مختلف دیجیتال در بیمه بازار داریم، فهمیدن نحوه اثرگذاری مجموعه این کانال‌­ها در کنار هم بر رفتار مخاطب و مسیر خرید او است. اثرگذاری کانال‌های دیجیتال بر یکدیگر در محصولاتی که مشخصات زیر را داشته باشند به مراتب بیشتر است :

• کاربر زمان زیادی را برای تصمیم‌گیری خرید صرف می‌کند.
• کاربر قصد خرید محصولی با حساسیت بالا دارد و معمولا قبل از خرید تحقیق انجام می‌دهد.

دقیقا همین موارد از ویژگی­‌های فروش آنلاین بیمه در ایران است به همین دلیل در بیمه بازار یک استراتژی مشخص برای تحلیل اثرگذاری کانال‌های دیجیتال بر هم تدوین کردیم.

داده‌ها به ما نشان داده‌اند که تقریبا بیش از ۸۰ درصد از کاربرانی که در بیمه بازار یک سفارش ثبت می‌­کنند، از بیش از ۲ کانال وارد سایت شده‌اند و از زمان اولین ورودشان گاهی تا ۱۰ روز در حال بازدید سایت از کانال‌های مختلف بوده‌اند. در این نوشتار به صورت مختصر به این ۳ سوال پاسخ خواهم داد:

• چگونه اثرگذاری هر یک از کانال‌ها در کنار یکدیگر (به‌خصوص کانال‌های PPC ) بر رفتار خرید مشتری اندازه‌گیری می‌شود؟ (درباره تبلیغات کلیکی ppc بخوانید)
• مدل تحلیل اثرگذاری هر یک از کمپین‌های دیجیتال بر رفتار خرید مشتری یا همان Attribution Model چیست؟
• مدت زمان خرید مشتری (time to conversion) چه کمکی به تیم مارکتینگ برای تعیین استراتژی می­‌کند؟

معرفی بخش MCF گوگل آنالتیکس

یکی از مهم‌ترین ابزارهایی که برای تحلیل سفر مشتری در هنگام خرید از آن استفاده می‌کنیم گوگل آنالتیکس است. بخش Multi channel funnels یا مختصرا MCF یکی از بخش‌های کاربردی برای تحلیل اثرگذاری کانال‌های مختلف دیجیتال بر یکدیگر است.

در قسمت Top conversion path می‌توان مهم‌ترین مسیرهای خرید مشتری را بررسی کرد. برای مثال یک کاربر ممکن است از طریق کانال گوگل سرچ ادز با وارد سایت شده باشد و بعد مجدد با کلیدواژه دیگری از طریق سرچ ارگانیک وارد سایت شود و در نهایتا مجدد با کانال گوگل سرچ ادز خرید خود را تکمیل کند. اینجاست که می‌توان اثرگذاری و کمک یا Assist کانال‌های مختلف بر هم را مشاهده کرد. برای مثال در صورتی که رتبه سئو خوبی نداشته باشید، اثرگذاری کانال گوگل سرچ ادز شما هم کمتر خواهد شد چون یک مرحله از مسیر خرید مشتری را از دست داده‌اید.

به تعداد کانورژنی که هر کانال در تحقق آن‌ها حضور داشته است Assisted conversion یا اصطلاحا کانورژن کمک شده گفته می‌شود. برای مثال در عکس زیر ۲ کانورژن کمکی برای کانال ارگانیک سرچ و ۲ کانورژن کمکی برای کانال گوگل سرچ ادز اختصاص پیدا می‌کند.

این تحلیل را میتوان در قسمت Assisted Conversions مشاهده کرد.

حالا بحثی که پیش می‌آید این است که کانورژن ثبت شده باید به کدام یک از کانال‌های فوق اختصاص داده شود. برای مثال اگر کاربر شما از ۵ کانال مختلف وارد سایت شما شده و در نهایت از آخرین کانال در سایت شما خرید کرده است. آیا باید اثرگذاری کانال اولیه‌ای که کاربر با آن با شما آشنا شده را نادیده گرفت؟ یا ۳ کانال دیگری که در بین این مسیر باعث تعامل کاربر و در نهایت خرید از سایت شما شده است را می‌توان نادیده گرفت؟ جواب این هست که کاملا به هدف و انتظار شما از کانال مورد نظر بستگی دارد.

اینجاست که به مفهوم Attribution Model می‌رسیم. Attribution Model درست مانند یک عینک متناسب با تحلیلی است که می‌خواهیم انجام دهیم. مدل ریاضی‌ای که با آن به هر یک از کانال‌های درگیر در یک مسیر کانورژن اعتبار اختصاص می‌دهیم Attribution Model است. ۵ نوع Attribution Model اصلی وجود دارد که در جدول زیر به توضیح پیرامون هر یک می‌پردازیم.
اما قبل از آن یک قانون کلی: هر قدر به کانال‌های اولیه اعتبار بیشتری داده شود مدل تحلیل ما بیشتر به سمت رشد حرکت می‌کند و هر قدر اعتبار کانورژن به کانال‌های نهایی اختصاص داده شود مدل ما به سمت بهینه‌سازی حرکت می‌کند.

پیش فرض مدلی که در گوگل آنالتیکس در نظر گرفته می‌شود همان مدل last click هست که به عقیده من بدترین مدل برای تحلیل کانورژن کانال تبلیغاتی دیجیتال حساب می‌شود به دلیل این که تمام اعتبار کانورژن را به آخرین کانال اختصاص می‌دهد و بیشتر برای تحلیل کمپین‌های ریتارگتینگ و کمپین‌های حساس به برند مناسب است.

در قسمت Model Comparison Tool امکان مقایسه مدل‌های مختلف با هم وجود دارد. این ابزار کمک می‌کند که عملکرد هر کانال به Attribution Modelهای مختلف بررسی شود. برای مثال عملکرد یک کمپین ریتارگتینگ را قطعا با مدل first click نمی‌توان بررسی کرد اما می‌توان یک مدل مناسب مانند time decay را با این ابزار برای آن انتخاب کرد.

یک پارامتر مهم دیگر در تحلیل سفر مشتری مدت زمان طی شده از اولین ورود کاربر تا لحظه خرید یا انجام اکشن مورد نظر ما است. عموما زمان خرید بستگی به نوع مارکت و صنعت مورد نظر دارد. در خریدهای با مبلغ بالا و سرویس‌های جدید زمان تحقیق تا خرید کاربر بیشتر از معمول بازار است.

بالا بودن زمان اولین ورود تا خرید نشان‌دهنده امکان لانچ کمپین های متعدد ریتارگتینگ و تولید محتوای متناسب برای تحقیقات قبل از خرید در سوشال مدیا است. اما برای مشتریانی که در مدت زمان کمتری خرید خود را انجام می‌دهند شاید استفاده از کال سنتر و یا کانال هایی مانند پیامک کارآیی بالاتری داشته باشد. این تحلیل در قسمت Time Lag قابل مشاهده است.

تحلیل سفر مشتری در فضای دیجیتال به ما کمک کرد که در بیمه بازار دید بهتری نسبت به عملکرد هر یک از کانال‌های دیجیتال و اثری که روی همدیگر می‌گذارند داشته باشیم. شناخت سفر مشتری به طراحی محصولی بهتر و انتخاب کانال‌های درست ارتباط با مشتری با توجه به نوع صنعت و رفتار خرید مشتریان منجر می‌شود.

امیدوارم توانسته باشم در این نوشتار مرور مختصری برای تحلیل MCF کانال‌های دیجیتال داشته باشم.