امروز با وجود بسیاری از کانال های بازاریابی ، شما باید درک خوبی از این کانال ها داشته باشید. در این مقاله ، ما مدل سازی آمیخته بازاریابی و مدل واگذاری بازاریابی را بررسی و مقایسه می کنیم تا مشخص کنیم که هر یک چگونه می توانند به نظر برسند. تجارت خود را پیش ببرید و به پیشرفت منجر شوید.

مدل سازی آمیخته بازاریابی روشی برای سنجش تأثیر ورودی بازاریابی بر فروش و سهم بازار است. هدف از استفاده از MMM این است که بفهمیم چگونه فعالیتهای ورودی و بازاریابی در فروش و هزینه و منابع هر منبع تأثیر دارد.

مدل سازی اسناد چارچوبی برای تجزیه و تحلیل نقاط تماس مشتری یا کانال های بازاریابی در تبدیل مخاطب به مشتری قابل اعتمادتر و موثرتر است. هر مدل تخصیص ، مقادیر تحول را به صورت جداگانه در بین مخاطبین مختلف توزیع می کند.

در دنیای چند کاناله و تحلیلی امروز ، ما نه تنها می دانیم که برای چه چیزی ارزش قائل هستیم ، بلکه کجا ، کی ، با چه کسی و چقدر خوب آن را انجام می دهیم.

برای اکثر بازاریابان مشخص نیست که کدام روش اندازه گیری برای تجارت آنها مناسب است. بازاریابان اغلب با نگرانی های زیر روبرو می شوند:

برای بهینه سازی کانال خود به بینش سطح بالا یا تاکتیکی در مورد برنامه ریزی بودجه خود نیاز دارید؟
علاوه بر ابزارهای موجود مانند تجزیه و تحلیل سایت ، چه چیزی می توانم استفاده کنم؟
چه تفاوتی بین راه حل های موجود و راه حل هایی که برای من منطقی است وجود دارد؟

برای پاسخ به این سوالات ، باید گزینه های موجود را کاملاً درک کنید. این کار با تعریف دو روش مشترک برای ارزیابی بازاریابی شروع می شود. مدل سازی آمیخته بازاریابی (MMM) که به عنوان جایگزینی برای مدل سازی ترکیبی رسانه و مدل سازی انتساب استفاده می شود.

ترکیبی از مدل سازی بازاریابی و تخصیص یک مدل پیچیده برای اندازه گیری فعالیت بازاریابی چندرسانه ای است ، اما به دلایل مختلف رفتار متفاوتی دارد.

مدل سازی آمیخته بازاریابی

هدف از مدل سازی آمیخته بازاریابی استفاده از بهترین ترکیب چهار عنصر آمیخته بازاریابی (افراد ، مکان ، قیمت ، ارتقا) برای دستیابی به اهداف شرکت است. مدل سازی آمیخته بازاریابی با تجزیه و تحلیل تمام داده های عوامل موثر در موفقیت کانال بازاریابی و استفاده از تجزیه و تحلیل رگرسیون بهترین ترکیب را برای شرکت تعیین می کند.

برای نشان دادن تعریف رگرسیون و کاربرد آن در مدل سازی آمیخته بازاریابی ، مثال زیر را در نظر بگیرید. تصور کنید یک مدیر فروش مجموعه قصد دارد فروش ماه آینده را پیش بینی کند. ما صدها و حتی هزاران عامل را می شناسیم ، از هوا گرفته تا استراتژی. حتی شایعات در مورد تبلیغات رقبا و مدل های جدیدی که به بازار عرضه می شوند ، بر فروش محصول تأثیر می گذارند.

تحلیل رگرسیون یک روش کمی و ریاضی برای طبقه بندی متغیرهای تأثیرگذار است. تحلیل رگرسیون به تعیین پاسخ س nextال بعدی کمک می کند.

کدام عنصر مهمترین است؟
کدام عناصر را می توان نادیده گرفت؟
این عوامل چگونه با هم تعامل دارند؟
و چقدر از این عوامل و پیامدهای آنها اطمینان داریم؟

مزایای اهمیت مدل سازی بازاریابی مختلط

1) تخصیص بودجه بازاریابی بهتر

با استفاده از این ابزار می توانید مناسب ترین کانال های بازاریابی (تلویزیون ، آنلاین ، چاپی ، تابلوی تبلیغاتی ، TL و …) را شناسایی کنید تا به اهداف بازاریابی خود برسید و بازده سرمایه گذاری خود را به حداکثر برسانید.

2) اجرای بهتر مبارزات بازاریابی

MMM بهترین هزینه را برای موثرترین کانال ها تعیین می کند.

3) تست سناریوی کسب و کار

از MMM برای پیش بینی معیارهای تجاری بر اساس فعالیت های برنامه ریزی شده بازاریابی و اندازه گیری تأثیر حالت های مختلف استفاده کنید.

مدل سازی تخصیص در بازاریابی چیست؟

مدل انتساب بازاریابی راهی برای تعیین اعتبار یا ارزش به میزان اهمیت فعالیتهای مختلف بازاریابی در دستیابی به روابط مشتری است. مدل تخصیص راهی برای اندازه گیری بازده سرمایه گذاری (ROI) کلیه فعالیت های بازاریابی و م componentsلفه های برنامه بازاریابی فراهم می کند.

دانستن مراحلی که هنگام تبدیل شدن مشتری به مشتری و مشتری با نام تجاری برمی دارید به همان اندازه فروش برای فروشنده مهم است. در مدل سازی تخصیص ، به نقاط دسترسی در نقشه راه مشتری توجه شده و بهترین نقاط لمس را مشخص می کند.

مدل سازی واگذاری یک رویکرد از پایین به بالا برای اندازه گیری اثربخشی بازاریابی است. مدل تخصیص مسیری را که مخاطب برای تبدیل شدن به مشتری طی می کند بررسی می کند و به طور جداگانه ارزش هر محرک بازاریابی را مشخص می کند.

انواع مختلف مدل تخصیص در بازاریابی

امروزه ، کاربران آنقدر از کانال های ارتباطی استفاده می کنند که از انواع مختلف مدل های تخصیص برای تحلیل کانال های ارتباطی استفاده می شود. بسته به نوع تجارت و اهداف فروش ، هر یک از این مدل ها نقاط قوت و ضعف خود را برای تجارت دارند.

آخرین تعامل

در تجارت الکترونیکی آنلاین و روزهای ابتدایی آن ، بازاریابان اعتبار کامل را به آخرین کانال خرید داده اند.

به عنوان مثال ، اگر مارکی در Google Ads تبلیغ کند ، بینندگان از این طریق به سایت مراجعه می کنند و در شبکه های اجتماعی آن را دنبال می کنند و یک سال بعد این برند تخفیف در شبکه های اجتماعی را اعلام می کند و مشتریان خرید می کنند ، اعتبار همه اعتبارات خواهد بود. ، به آخرین کانال دسترسی یعنی شبکه اجتماعی ارسال می شود.

تعامل اول

در این مدل ، تمام ارزش و اعتبار به اولین کانال تعامل بیننده با نام تجاری داده می شود.

در مثال قبلی ، وب سایت و Google Ads اعتراف می کنند که آنها با استفاده از اولین مدل تعامل ، مشتریان بالقوه را به مشتری تبدیل کرده اند.

آخرین کلیک غیر مستقیم

مانند دو مدل قبلی ، تمام اعتبار به کانال اعتبار ارسال می شود ، با این تفاوت که این مدل بیان می کند دلیل این تعامل اعتبار نیست.

به عنوان مثال ، URL وب سایتی که مشتری برای ورود به وب سایت استفاده می کند معتبر نیست زیرا ورود به وب سایت نتیجه فعالیت های قبلی بازاریابی است.

انتساب خطی

در این مدل ، اعتبارات به طور مساوی در تمام کانال های مورد استفاده برای تبدیل مشتری توزیع می شود.

در مثال قبلی ، 33٪ اعتبار به Google Ads ، 33٪ به شبکه های اجتماعی و 33٪ به وب سایت ها اختصاص دارد.

انتساب پوسیدگی زمان

این مدل از یک مدل خطی مشتق شده است. این مدل تأکید می کند که هر تعاملی که منجر به تعاملات موثرتر و مهمتری می شود ، انگیزه بیشتر مشتریان برای خرید و کانال های نزدیکتر به زمان تبدیل قابل اعتماد تر است. این مدل نیز بر اساس دانش فرضی است.

بنابراین ، در مثال قبلی ، رسانه های اجتماعی امتیاز بیشتری نسبت به سایت ها کسب می کنند و وب سایت ها امتیازات بیشتری نسبت به تبلیغات گوگل کسب می کنند.

انتساب U شکل

این مدل به عنوان انتساب مبتنی بر موقعیت نیز شناخته می شود. در این مدل 40٪ اعتبار به اولین تعامل ، 40٪ اعتبار به آخرین تعامل و 20٪ اعتبار به سایر مراودات تعاملی و ارتباطی تقسیم می شود.

بنابراین ، در مثال قبلی ، 40٪ اعتبار به Google Ads ، 40٪ به وب سایت ها و 20٪ به رسانه های اجتماعی اختصاص دارد.

مقایسه مدل سازی آمیخته بازاریابی و مدل سازی انتساب

با نگاهی به تعاریف فنی مدل سازی آمیخته بازاریابی (MMM) و تکالیف ، تفاوت زیادی نمی بینم. گارتنر مدل سازی آمیخته بازاریابی را یک راه حل تحلیلی می داند که به بازاریابان کمک می کند تأثیر تبلیغات را شناسایی و شبیه سازی کنند. و تاکتیک های رسانه ای و تحویل

هنگام اختصاص اقدامات با استفاده از رویکرد آماری پیشرفته ، اعتبارات مناسبی را برای ارتباطات بازاریابی و فعالیت رسانه ای در همه کانال ها اختصاص دهید. این در نهایت منجر به اقدام مطلوب مشتری می شود.

شما می توانید تفاوت جزئی را احساس کنید ، اما تفاوت عمده را نه. در زیر دو تفاوت اصلی وجود دارد.

در مقایسه با مدل سازی بازاریابی و مدل سازی تخصیص ، MMM و تخصیص در چندین جنبه مهم مانند رویکرد ، نوع رسانه ، قالب زمان و ورود داده ها متفاوت است.

رویکرد

مدل سازی آمیخته بازاریابی: مدل اقتصادی از بالا به پایین ، سطح کلان

این نوع مدل سازی داده های تاریخی را در رویدادهای مستقل تجزیه و تحلیل می کند تا معیارهای برنامه ریزی ، هزینه و عملکرد در سطح سازمان را ارائه دهد. این ارزش کلی عملکرد بازاریابی را اندازه گیری می کند.

تخصیص: مدل از پایین به بالا ، سطح خرد ، داده های عملی

برای ساخت و تجزیه و تحلیل مسیرهای تغییر از فروشندگان به کانال ها و افراد ، از داده های اختصاص یافته در سطح کاربر استفاده کنید. ارزش مستقل یک تاکتیک خاص بازاریابی را اندازه گیری می کند.

نوع رسانه

مدل سازی بازاریابی ترکیبی: تقریبا آفلاین.

MMM در نتیجه فعالیت های بازاریابی سنتی مانند تلویزیون ، رادیو ، دفاتر چاپ و فروش با تمرکز بر مارک CPG (محصولات بسته بندی شده مصرف کننده) در حال رشد است. توانایی مدل سازی آمیخته بازاریابی آفلاین همچنان باقی مانده است ، اما در نتیجه رشد بازاریابی دیجیتال ، علائم در حال تغییر هستند.

تخصیص: عمدتا بصورت آنلاین.

تخصیص ها از طریق فراوانی داده های دیجیتالی موجود در حال گسترش است و برای آخرین کلیک / نمایشگر باید به تکامل برسند. تمرکز آن در درجه اول بر فروش آنلاین و سایر رویدادهای تبدیل دیجیتال است. البته این تمرکز در حال تکامل است که بازاریابان سعی در درک چگونگی نفوذ برنامه های بازاریابی دیجیتال به کانال های آفلاین و بالعکس دارند.

دوره زمانی

مدل سازی آمیخته بازاریابی: از داده های تاریخی جمع آوری شده براساس نرخ رشد هفتگی استفاده می کند. این جمع آوری اطلاعات معمولاً سالانه یا دوسالانه انجام می شود.

تکلیف: از داده های حساب خاص ، داده های اندازه گیری در زمان واقعی یا در زمان واقعی استفاده کنید. و نتایج روزانه به روز می شوند.

داده های ورودی

مدل سازی بازاریابی مخلوط: داده های فروش و بازاریابی سطح بالا و عوامل خارجی.

MMM به ویژه عوامل آفلاین مانند داده های درآمد ، داده های معیار ، داده های هزینه بازاریابی ، همراه با متغیرهای اقتصاد کلان و خارجی مانند انعطاف پذیری بازار ، سودآوری حاشیه ای ، فصلی و حتی آب و هوا ، داده ها را می فروشد و می فروشد. من خواهم. ادغام رویدادهای جدید

تخصیص: داده های بازاریابی و فروش جزئی (خرد)

انتساب از یک الگوریتم پیشرفته برای اندازه گیری هر مخاطب در مسیر کاربر یک فرد برای تبدیل (معکوس) و مشاهده عملکرد هر دارایی رسانه در آن مسیر استفاده می کند. تخصیص ها با ارائه دهندگان فن آوری تبلیغات مانند DSP (Demand Side Platform) و DMP (سیستم عامل مدیریت اطلاعات) برای دید گسترده در فضای دیجیتال ادغام می شوند. بیشتر راه حل های تخصیص را می توان با ویژگی های فصلی ، جغرافیایی و سایر موارد ترکیب کرد.

آیا برای شغل ، مدل سازی آمیخته بازاریابی یا مدل واگذاری مناسب است؟

ترکیبی از مدل سازی بازاریابی و تخصیص به بازاریابان درک دقیق از نحوه سرمایه گذاری می دهد. بهترین روش برای تجارت شما به اهداف و شاخص های اصلی عملکرد (KPI) شما بستگی دارد. اکنون ممکن است شما یک ترکیب بازاریابی ، یک مدل مدلسازی یا ترکیبی از هر دو برای مشاغل خود داشته باشید.

توانایی اصلی

مدل سازی آمیخته بازاریابی: دیدگاه گسترده ، توانایی تجزیه و تحلیل متغیرهای آفلاین که شامل عواملی هستند که خارج از کنترل بازاریابان هستند و شاخص های برنامه ریزی شاخص ، هزینه و عملکرد.

MMM به ویژه برای تاکتیک های بازاریابی تحت فشار (PUSH) ، که باعث افزایش پاسخ مشتری در یک دوره نسبتاً کوتاه از طریق رویدادهای خاص می شود ، بسیار مثر است. همچنین در اندازه گیری ارزش پولی تبلیغات مهارت دارد.

مدل سازی تخصیص: سرعت و توانایی درک نحوه رسیدگی روزانه کانال ها ، تاکتیک ها و هزینه ها به ویژه برای بازاریابی PULL هنگامی که رویدادها توسط مشتریان ایجاد می شوند بسیار م effectiveثر است.

این نه تنها به بازاریابان اجازه می دهد تا کمپین های مداوم ، مانند تغییرات تاکتیکی بودجه بندی را به روز کنند ، بلکه بینش طولانی مدت در مورد برنامه ریزی و پیش بینی مبتنی بر سناریو را نیز فراهم می کند. صفحه نمایش ریز بینش هایی را از منظر بالاتر غیرممکن می پذیرد ، مانند هم افزایی دقیق بین کانال ها و توانایی تخصیص درآمد به کانال های تعامل پذیر.

سد احتمالی

مدل سازی آمیخته بازاریابی: با توجه به طولانی بودن MMM ، عوامل پیش بینی شده توسط مدل می توانند پس از جمع آوری و تجزیه و تحلیل داده ها تغییر کرده و بر دقت پیش بینی های بلند مدت تأثیر بگذارند. بنابراین ، بهینه سازی کوتاه مدت “اجرا” نیز یک چالش است.

فعالیتهای بازاریابی که عدم تنوع ، در دسترس بودن کم یا ارتباط قوی با عناصر بزرگتر در همان طرح را نشان می دهد ، با مدل سازی آمیخته بازاریابی نیز مورد چالش قرار می گیرند. همچنین ، حجم گسترده ای از داده ها که به طور کلی رفتار همه مصرف کنندگان را پوشش می دهد ، بینش در سطح کاربر را ارائه نمی دهد که به ما کمک کند مسیرهای مشتری را فراتر از تجزیه و تحلیل درک و بهینه کنیم.

مدل سازی تخصیص: مدل های تخصیص به کانال های دیجیتال و جذب مشتری اختصاص دارند ، با تأکید کمتر بر استراتژی های آفلاین و عوامل خارجی. برای راه حل های توسعه نیافته ، این می تواند منجر به تخصیص بیش از حد فعالیت دیجیتال شود. اگرچه در مدل جدید تغییر کرده است ، اما معمولاً تکالیف برای تغییرات اساسی (آنهایی که بدون تلاش بازاریابی روی داده اند) یا مدل سازی آمیخته بازاریابی در نظر گرفته نشده اند.

راه حل های تخصیص براساس مدل های ساده (مانند آخرین کلیک) یا مدل های پیشرفته تر (مانند تئوری بازی) ساخته شده اند و ممکن است تمام نیازهای مدل های مصرفی و تجاری را برآورده نکنند.

مناسب برای …

مدل سازی بازاریابی مخلوط: برای کانال های آفلاین ، به ویژه مارک های با تمرکز بر CPG. مشاغلی که تحت تأثیر عوامل خارجی و نام تجاری قرار دارند. همچنین ، سازمان هایی که داده های سطح کاربر ندارند مناسب هستند.

مدل سازی تخصیص: برای مارک های دارای سرمایه بازاریابی برای کانال های چندرسانه ای ، به ویژه در صحنه دیجیتال. شرکت ها بر روی بهینه سازی و بینش مبتنی بر مشتری تمرکز کرده اند. همچنین ، سازمان هایی که بر تغییرات سطح کاربر تمرکز دارند ، مناسب هستند.

جای ما کجاست …

بازاریابی و مدل سازی ترکیبی روش های مختلفی برای تعیین نیازهای مختلف برای رفع نیازهای مختلف دارد ، اما انتخاب بین این دو تصمیم نیست. هر روش ممکن است اطلاعات دقیق و تجزیه و تحلیل مورد نیاز شما را ارائه دهد یا ندهد. بسته به سازمان خود ، ممکن است از هر دو روش ، یا از هر دو روش بهره مند شوید.

FORRESTER آخرین رویکرد یکپارچه را “تجزیه و تحلیل تأثیر بازاریابی متحد” (UMIA) می نامد. UMIA روش های بالا به پایین و پایین به بالا را با مدل سازی کانال های چندرسانه ای ترکیب می کند تا نتایج آنلاین و آفلاین را به خوبی نمایش دهد.

اهداف و نتایج سطح بالا از مدل سازی آمیخته بازاریابی ، مانند توانایی ارزیابی ارزش کلی یک برنامه بازاریابی ، رسانه را با جزئیات مدل سازی تخصیص مانند بهینه سازی کانال تطبیق می دهد و پیامدهای کوتاه مدت و بلند مدت دارد. برای محاسبه. این کار باعث سریع و کامل شدن آن می شود.

UMIA مفهوم جدیدی است که اجرای آن بسیار دشوار است ، اما آن را به مفهومی کاربردی تر تبدیل می کند ، خصوصاً برای بازاریاب های بازاریابی و بازاریابی تحت تأثیر چندین کانال افزایشی.

اخرین حرف

با تکامل فناوری بازاریابی ، مرز بین این گروه ها و راه حل ها تار می شود. شناخت پیشنهادات موجود مهم است ، اما انتخاب ابزاری که به شما در درک و بهینه سازی سرمایه و بودجه بازاریابی شما کمک می کند مهمتر است. بدانید کدام مدل و مخلوط بازاریابی برای کسب و کار شما بهترین است.