我们很容易问出这个问题:“我的营销努力带来了什么样的结果?”

然而，回答这个问题可能非常困难。营销项目评估的一些关键挑战是：

了解何时衡量

今天投资的钱将会在未来产生无法确定的影响。

它可能会在当下提高消费者对您品牌的认知度，甚至产生新的销售线索，但要看到投资对管道线和收入的影响可能需要几周、几个月甚至几年的时间。上个月的贸易展可能在下个月带来结果，也可能两年内都不会产生结果。

但市场营销人员需要在今天决定把预算投向何处。如果您过早地试图计算ROI，您可能会低估它的价值，最终做出错误的决定。

多点触达

从匿名访客到顾客，这个购买过程可能在不同环节造成数十到数百项触达。没有强大的追踪和复杂的归因系统，您很难具体而准确地分配收入到任何具体的触点上。

另外，如果您只追踪诸如填表之类的触点，那么您可能会漏掉一些关键触点——我们的研究表明，这些关键触点有填写表单的7-8倍之多。

多个影响者

根据MarketingSherpa的数据，在中等规模的公司，金额达到5位数的采购会由采购委员会决策，而这个委员会平均有6人组成。对于较大的公司或更复杂的采购情况，这样的委员会可以包括21个或更多的影响者，甚至更多的个人参与。

在交易的过程中，不同的营销行为会对每个人产生不同的影响，因此挑战在于不仅要知道哪些人是交易中的影响者，还要知道哪些活动的影响最大。对于那些采用某种基于客户的营销形式的组织来说尤其如此。

无关的变量

在许多情况下，营销可控之外的因素可以显著影响项目结果——从宏观经济趋势到天气再到销售代表的质量。如果收入增加是因为经济好转，市场营销人员能声称他们的项目产生了更出色的ROI吗?

衡量一个特定的营销活动对收入和利润的贡献一直是营销衡量的圣杯。正如John Wanamaker名言所说：“我投资在广告上的钱有一半都被浪费了，问题是，我不知道是哪一半。”

本节将介绍营销人员如何解决这个挑战性的难题，并建立一个可操作的框架来衡量和确定什么是真正有效的方法。

衡量营销ROI很困难，但并非不可能完成的任务。幸运的是，这里有各种各样的方法可以让公司深入了解各种项目在不同层面上的有效性。

下面依次介绍的方法在提供有关客户价值的数据方面越来越准确——但是方法的复杂度也是越来越高。因此，大多数组织在开始他们的营销衡量之旅时都采用了第一种方法，随着时间的推移，他们会逐渐成长而采用更先进的方法——就像您学习走路一样：先爬、再走、最后跑起来。

方法1:单触点归因（初次触达／末次触达）

想要追踪营销结果，最常见的起点是将所有的价值(管道或收入)分配给第一个或最后一个触及交易的活动。

这通常意味着将交易分配给该公司要接洽的第一个人或关键人物。公司使用这种方法来确定交易的来源，并衡量“来源于营销的收入”和“来源于销售的收入”。

然而，对于成熟的、数据驱动的组织来说，“来源”的观点过于简单，并可能导致糟糕的决策，因为一个触点获得了100%的权重，而其他触点什么也得不到。

运用初次触达模型，根据定义，就意味着培育活动被严重低估了，因为它们从来没有初次触达用户。同样，在末次触达模型中，帮助用户树立品牌意识的渠道的影响经常被低估，比如社交和展示。

单一触点归因的利弊(初次触达/末次触达)：

初次和末次触达归因的还有一个问题是，今天的营销投资可能在相当长的一段时间内都不会得到回报，所以您目前的营销ROI仍然不确定。

营销ROI度量方法如果没有充分考虑到投入的时间，可能会导致决策偏向于短期收益，而不是构建真正的长期价值。这适用于所有行业，但它的影响在深思熟虑型购买的产品和较长收入周期的公司尤其严重。

通过将收入周期预测添加到初次触达单一归因中，您可以更深入地了解您项目的长期影响。例如，与其等着看贸易展的实际结果，还不如看看贸易展在其他几个方面对处于领先地位的企业收入基于历史转化指标的长期影响。

在示例模型中，贸易展 1发生在一年前，其回报情况的相对良好。相比之下，第二届贸易展在上周举行。使用基本的初次触达单一归因模型，贸易展2看起来效果很差。但这不是对等的比较。

然而，当我们将对收入周期的理解应用于销售线索是怎么在相似的交易中随着时间而转变成以上模型的，我们就可以去预估未来贸易所能产生的影响力。

这么想——在讨论最近的营销计划时，你是说“活动很棒，有500人在展位前驻足”，还是说“活动很棒，有500人在展位前驻足，我们期望在接下来的12个月里增加60万美元的收入”?

请注意，这些预测的有效性取决于数据的准确性，并受平均值缺陷的影响。例如，如果去年平均有2%的来自展会的销售线索成为客户，而你在今年的所有展会上都采用了这个比例，那么你对展会的预测将有一半高于实际，一半低于实际。用于预测的数据越精细，你的预测就会越合理。

单一触点归因与收入周期预测的利弊：

方法2: 非加权多触点归因

使用非加权多触点归因建立在单点触摸归因的基础上。它承认了这样一个事实：完成一笔交易需要多次触达多个人，并需要试图衡量每个触点的贡献。非加权或线性多触点归因是最简单的多触点归因方法。

假设最近有一笔价值10万美元的交易完成了，有三个人参与这项交易：A参加贸易展1及研讨会2。B只参加了一场贸易展。C收到了直邮1，并点击了网站。

本质上，线性归因追踪每一个触点，然后均匀地分配您所衡量的任何结果(例如，收入，管道)到所有触点上。这种做法有时被戏称为“花生酱方法”——涂得均匀。

在这种情况下，因为总共有4个触点，所以每项活动的收益就占了整个收益的1/4，即2.5万美元。线性归因将5万美元计入贸易展1(因为有两个接触点来自贸易展1)，2.5万美元计入研讨会2，2.5万美元计入直邮1。

单一触点归因收入周期预测的利弊：

方法3:加权多触点归因

比非加权多触点归因更进一步的是添加触点加权的归因模型。使用加权归因模型试图克服非加权方法的缺点——分数被稀释，导致给低影响的触点分配的贡献值太多、而给高影响的触点的贡献值又太少

时间衰减模型给最靠近转化处的接触点更多的分数，并假设越接近转化，对转化率的影响越大。

这个假设的缺点在于，它永远不会给予作用于营销漏斗顶部的努力(例如，品牌知名度、线索生成)足够的贡献值，因为那总是离转化处最远的地方。

加权模型有不同的类型，它们有不同的应用场景，帮助营销人员回答不同类型的问题。

U形模型，有些机构称之为基于位置的模型，是一个很棒的多触点归因模型，适用于负责产生销售线索的营销团队。

它是一个多触点模型，追踪每一个接触点，但不像线性模型那样让所有接触点平摊分数。它强调了两个关键接触点的重要性：促使访客进门的匿名第一次触点以及线索转化触点。这两个接触点各得到40%的分数，剩下的接触点平分剩下的20%。

这种模型的缺点是，它没有考虑线索转化之外的营销努力。这使得它成为一个理想状态下的模型，适合那些不开展线索阶段以外的营销活动的团队。

W型模型将U型模型的概念带到机会阶段，许多组织认为它处于营销漏斗的末端。除了强调匿名第一次接触和线索转化接触外，W型模型还强调机会创造接触。这三个关键接触点各得到30%的贡献值，剩下的10%平分给其余接触点。

通过这种分配贡献值的方法，W型模型突出了营销对客户旅程施加影响的三个关键漏斗阶段，并克服了非加权或线性模型**现的关键接触点贡献值的摊薄。

全路径模型更进一步，还考虑了机会阶段之外的营销。在全路径模型中，不是U形模型中的两个关键阶段，也不是W形模型中的三个关键阶段，而是增加了第四个关键阶段：成交阶段。

在这个模型中，四个关键阶段的每个接触点都得到22.5%的积分，剩下的10%平分给其余的接触点。

虽然看起来更多的关键接触点是对客户旅程更好和更准确的表示，但是这个模型最适合那些针对现有销售机会进行营销的营销组织。对于那些让他们的客户经理(AE)在试图完成交易时控制对话和消息传递的组织来说，这种模式可能不是最合适的。在你尝试采用这个归因模型之前，一定要和你的销售团队商量好。

自定义归因模型使营销人员能够根据客户购买过程，设置自己想要的不同阶段和权重系统。这种方法适用于拥有成熟的分析团队、成熟的运营功能以及清楚地了解如何准确地设置自己的模型的营销团队。但如果合理地自定义归因模型了，这可能是衡量你的营销对买家旅程影响的最准确方法之一。

最后,有些机构拥有独特的客户旅程(独特的阶段、长销售周期)，但是不知道从哪里开始设置自己的自定义归因模型。

一些专业技术公司的产品使营销人员能够利用他们的机器学习引擎创建独特的归因模型。例如，有的公司的模型是由数亿个触达点和客户旅程训练出来的。当客户的历史数据通过机器学习模型运行时，它会生成一个定制的、由数据推荐的归因模型。

加权多触点归因的利弊：

虽然CMO和其他市场领导应该使用归因等方法来确定项目的有效性和贡献，但推广活动和推广项目层面的指标不应该被忽视。虽然CEO可能不太关心，但营销人员可以将这些用于日常优化和看作绩效的早期指标。

这个列表可能只代表您开展的一些影响项目，在你的营销组合中捕捉信息是很重要的。以下是一些你可能想要定期追踪的指标，按项目类型划分：

方法一：实验组和参照组

一个衡量特定营销计划的真正影响的好方法是做对比，用一个构成合理的对照组来测试该计划的有效性。当然，这意味着你的推广项目从一开始就要设计成可测试的。

几乎任何东西都可以采用这个对比测试的方法来衡量，但是这样不划算，测试所有东西的成本太高了。

对于测试组合对照组，你仅对测试组开展推广项目、而对同构的对照组则不开展。这样一来，在所有其他因素相同的情况下，您就能够将两组之间买家行为的差异具体归因于特定推广项目。

比如说，你想衡量一个推广活动对目标受众品牌认知度的影响。一种可行的方法是将你的市场分成两个地域一样大的区域，在一个区域的推广上投入另一个区域两倍的钱。您可以通过比较这两个细分市场的行为来分析推广活动的有效性：在推广投入更多的哪个区域你是否收获到更多的网站直接到访和品牌词的自然搜索流量？假设这两个群体的所有其他营销和销售影响因素都一样，你就可以将流量增长归功于你的品牌广告支出。

结果指标(您衡量的东西)可以是任何东西:收入、利润、线索、搜索流量、转化率、平均销售价格，或者以上全部。这在某些情况下是很好的，比如在很难看到项目对收入的影响时。你也可以测试几乎其他任何东西，包括：

你要传播的信息：

联系频率：

花费水平：

不仅仅是单个触达，您也可以测量触达的组合。这是一个测试销售线索培养方式的好方法——让您可以去测试和衡量不同的线索培育方式的有效性，而不仅仅依赖单独的邮件。如果你想同时测试多个推广计划，也可以采用多变量测试的方法。

无需要求太苛刻，但是至少要确保您的对照组和实验组之间的差异比较了平均标准差后有显著性。有80%的置信度就可以了——毕竟我们说的不是医学实验或其他需要99%置信度的事情。

设置实验组和对照组的利弊：

有一种常见但不够严谨的测试方式，是将实施营销活动前后的结果进行比较，或者根据历史趋势来预测没有互动的情况下会呈现出什么样的结果。

这种方法不会把贡献值完全分配给市场营销，因为它假设您不进行营销活动也还是会有一些自然流量促进销售。没有人愿意成为这样的笑话中被问责时首当其冲的那位：“如果业务增长了，市场营销部就是功臣；如果结果不理想，那肯定是其他原因了。

测试结果难以解释季节性或周期性影响。前/后测试没有一个保持其他因素相同的严格的对照组，而其他因素，例如经济、销售计划和其他营销计划等仍然可以影响结果。

前/后测试可以为您提供营销活动有效性的定性信息，但是由于它无法消除非营销因素的影响，因此结果最多只是一个“估计”。

方法二：营销组合建模

市场营销组合建模(MMM)通过使用统计技术，如回归，揭示销售量结果是如何受各独立的营销触达和其他非营销因素所影响。这种方法在B2C营销机构中更为常用。

看到这个例子后，您可能会觉得自变量的选择是一件复杂的事情——而且可以说，它既涉及科学又关乎技艺。您可能会发现，您将花费大部分资源(包括时间和金钱)来收集数据，而不是分析数据。

无论如何，确保你深入到你自己的MMM方程的科学中，综合所有可能影响你产出的因素。可能的因素包括:

驾轻就熟各种可用的营销项目衡量模型和方法并不是个轻松的任务。

如果你尚未衡量你的营销项目ROI，那么项目前景会让人有点担心。在你不知所措之前，请记住以下要点:

在学习曲线面前，你并不孤单。

别忘了，只有三分之一的CMO表示总营销支出的ROI是一个战略绩效指标。换句话说，这意味着你可以凭借这个竞争优势超过三分之二的竞争对手!

让利益相关者从一开始就参与进来。

您选择哪一种归因模型会影响一大批利益相关人员，所以从一开始他们就参与进来是很重要的。利益相关者应该清楚每种模型的优势和局限性(例如，电子邮件营销人员可能对使用首次触达归因模型有话要说，因为他们可能永远不会得到任何分数)，并在实施之前设定期望。这也适用于您考虑转换归因模型的时候。

质量比数量更重要

比起使用一些不精确、不全面的指标，一些精巧设置的衡量方法更能改进您的营销项目并最终使您的公司受益，从完成一个个小任务开始，然后逐渐进步。

种瓜得瓜，种豆得豆。当你战略性地投入时间和财力去设置一个营销衡量模型时，你就为未来的成功做好了准备。通过了解那些是真正有效的举措，什么是无用功，您将能够做出更明智的、由数据驱动的决策。比如用来优化您的整体项目组合结构，以及在绩效最佳的独立项目上加倍投资。

成功的衡量让营销人员可以推动收入上升，增加利润和市场份额。哪位营销人员不想要这样的好名声呢?

来源：Marketo

译者：李苗

‖往期精彩内容‖

直播回顾｜数字化营销核心拆解——效果营销与归因

移动营销中的归因

营销指标与分析权威指南

客户画像工作表