真正具影響力的六個殺手級行銷指標:分列和互動

SEO公司-遠邦國際品牌顧問-真正具影響力的六個殺手級行銷指標:分列和互動

圖片出處:https://www.pexels.com/photo/working-in-a-group-6224/

作為一名數位行銷人員,在實際執行上很少是直接且輕易的,儘管其他的行銷人員可能會主張,數位行銷比起其他方式較易證明ROI(投資報酬率)。舉例來說,在這個充滿電子郵件行銷的世界,透過網路即能快速地找到消費者的位置。的確,數位行銷人員在觸手可及的地方便擁有豐富的數據指標,但這也讓從何開始著手變得難以決策。難道數據害死了所有人嗎?

還只聚焦在開啟和點擊率嗎?

Dale Carnegie在他的「如何贏取友誼且影響他人」一書中寫道:「通過對人們感興趣,你可以在兩個月內結交更多朋友,而之後的兩年,你可以嘗試讓人們對你感興趣。」這番引言同時也給了行銷人員許多啟發。

比起把焦點放在像是點擊率或更糟糕的電子郵件開啟率等被認定為虛華的指標上,更重要的是行銷人員對這些可擁有實際影響的基數數據看得更深、更遠。許多人難以理解這樣的思考方式。據報導指出,百分之七十二的行銷人員相信,對電子郵件行銷來說點擊率和開啟率是最重要的,但有百分之八十八的組織表示,他們對轉換率非常不滿意,這明顯地告訴我們有些事情被扭曲了。

機器人崛起

機器人的崛起是由許多的原因所致,首要且最基本的原因為,開啟和點擊率將不可避免地對電子郵件檢查機器人產生影響。透過搭載ESPs(超感官知覺),當人們詢問資訊時,機器人的回應可表現得如人類一般。而數據甚至在收訊者思考他們真正的傾向前就有所偏頗。

雖然偵察機器人演算法漸漸落沒,但這些智慧演算法持續發展,ESPs面臨一個決定—除去機器人並提供一個看起來較低的開啟和點擊率,或是繼續保持並提供「常態統計」。

再者,只專注在開啟和點擊率上,意味著行銷人員自動忽略了品牌形象和靈感的價值。思考一下,你每個禮拜會收到多少主要航空公司所寄來的電子郵件,並將它與你一年所搭乘的航班數量相比,你可能只會打開其中的極少數,前提是有收到的話。但維持品牌曝光的微妙之處在於,當你遇到要出國的時機時,它可能成為實際上驅使你跟航空公司購買航班的動力。

開啟和點擊率當然不會告訴我們這個故事。

它們是由高到低的數據指標,不但遠離底線且彼此之間通常完全不相關。這並不代表以資產為基礎的研究沒有發揮作用,就像曝光率、彈出率和退訂率一樣,這些指標顯示了廣告成效,且幫助我們調整並將溝通簡化。但我們應該嘗試將由低到高的數據指標聯繫起來,從中得到的才是能激勵人心的新發現。

由低到高數據的重要性

我們需要更加關注在品牌方面的數據資料、分列和不同分列細項的發展,藉此去了解是什麼激發且驅使人們參與互動。將焦點聚集在「消費者洞察」而不是以資產為基礎的研究,使我們能透過消費者視角來評估廣告成效。

  • 分列關鍵:好吧,它本身並不是一個分列細項,但在你建立出細項、觀察它們的表現、如何隨著時間增長(或萎縮),以及平均領導分數是多少之前,你沒辦法發現那些真正具有影響力的因素是什麼。因此,你所創造的細項越多越好,且只需要簡單點幾下,自動化就能幫你實現這一目標。
  • 領導評分的極大影響:有一個說法是,領導評分對於B2B行銷人員是一個巨大神話!機智的領導評分可以吸引任何類型的消費者互動。積分系統的設置可用來計算它們的分數,並且為品牌量身打造其預定義的「臨界點」,以及何時該觸發它有所行動。領導分數有助於確切地決定,在任何時間內我們應關注的對象。
  • 分析每個細項的平均領導分數:單個細項的平均領導分數可能隨著時間而高低起伏,這個數據可用於繪製互動曲線,它顯示了季節性、最佳購買時機、關鍵交叉銷售期,以及現存客戶最有可能的回購/回流時機。這類的分析有助於快速辨識在一個數據段裡不同細項的強弱,也幫助描繪出在領導分數與消費者活動、網頁行為間的關聯性,以及最重要的潛在客戶實際獲得數量。
  • 分列細項的發展:最重要的是要了解分列如何成長或衰退,例如:細項的數據是否有減少?這代表了什麼?
  • 使用者網頁互動:我們知道瀏覽行為能讓我們更深度的了解使用者的興趣和需求,但只有六分之一的組織有效地利用這項數據。應設計附屬網頁來支持這項資訊蒐集,和分析此網路真實身分的互動情況。
  • 使用者行銷偏好:這與了解你不想看見的細項分列一樣重要—你將會對不同階級的數據差異變化感到驚訝。

原文出處:https://www.marketingtechnews.net/news/2019/apr/03/six-killer-marketing-metrics-really-matter-segmentation-and-engagement/

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料