Back to Question Center
0

क्रॉस-चैनल मार्केटिंग Semaltेट का एक संक्षिप्त अवलोकन

1 answers:
A Concise Overview Of Cross-Channel Marketing Semalt

इन मॉडलों को सभी अलग-अलग मीडिया चैनलों के रिश्तेदार प्रभाव को मापने की तलाश कर रहे हैं, वे उनके दृष्टिकोण में काफी भिन्न हैं।

और जब इन कुछ अलग तरीकों की तुलना में कुछ लेख हैं, तो मुझे अभी नि: शुल्क निष्पक्ष संसाधन मिलना है जो विषय का एक अवलोकन देता है; इसलिए, अंतर को भरने का यह मेरा प्रयास है

यह सिंहावलोकन जानबूझकर सूचीबद्ध तरीकों का मूल्यांकन करता है। प्रत्येक विधि की अपनी ताकत और कमजोरियां हैं, और इसका उपयोग करने के लिए विकल्प संगठन की विशेष आवश्यकता पर निर्भर करेगा।

मॉडलिंग विपणन प्रभाव के लिए आम दृष्टिकोण

क्रॉस-चैनल विपणन प्रभाव मॉडलिंग के लिए सबसे अक्सर लागू किए गए तरीकों आज निम्नलिखित हैं:

  • इकोनॉमेट्रिक टॉप-डाउन दृष्टिकोण (ईजी, मार्केटिंग मिक्स मॉडल) (1 9)
  • एल्गोरिथम नीचे-अप दृष्टिकोण (ई।, एट्रिब्यूशन मॉडल) (1 9)
  • मशीन सीखने का दृष्टिकोण (ईजी, एजेंट आधारित मॉडल) (1 9)

Semaltेट, मैं प्रत्येक दृष्टिकोण में क्या शामिल है और उनके संबंधित ताकत और कमजोरियों का एक उच्च-स्तरीय सारांश देगा।

A Concise Overview Of Cross-Channel Marketing Semalt

विपणन मिश्रण के लिए शास्त्रीय अर्थमिति दृष्टिकोण में अभ्यास का सबसे लंबा इतिहास है और आज व्यापक रूप से प्रयोग किया जाता है। उच्च-स्तरीय बजट आवंटन को सूचित करने के लिए उपयोग किए जाने वाले Semaltेट, यह दृष्टिकोण आम तौर पर कुल विक्रय पर विपणन गतिविधि के प्रभाव का अनुमान लगाने के लिए वितरित अंतराल प्रतिगमन के कुछ रूप को रोजगार देता है।

व्यक्तिगत परामर्श परियोजनाओं के रूप में प्रस्तुत किए गए साम्मल, कुछ विक्रेताओं इस पद्धति को स्वचालित और उत्पादित करने के लिए काम कर रहे हैं।

दृष्टिकोण का योग:

  1. रूपांतरण / बिक्री डेटा के साथ-साथ मीडिया चैनलों में ऐतिहासिक व्यय और विपणन गतिविधियों के डेटा को इकट्ठा करना, अर्थव्यवस्था, मूल्य परिवर्तन, आदि जैसे बाह्य (गैर-मीडिया) कारक। (1 9)
  2. विक्रय या अन्य केपीआई
  3. पर इन चर के प्रभाव का आकलन करने के लिए एक सांख्यिकीय मॉडल बनाएं
  4. प्रत्येक विपणन चैनल या अभियान का प्रभाव बढ़ाएं (1 9)

शक्ति: डाटा-संचालित सांख्यिकीय दृष्टिकोण उच्च भविष्य कहने वाली क्षमता के लिए अनुमति देता है।

कमजोरी: अंतर्दृष्टि का ग्रैन्युलैरिटी और क्या-अगर परिदृश्य इनपुट डेटा की ग्रैन्युलैरिटी पर सशर्त हैं।

A Concise Overview Of Cross-Channel Marketing Semalt

A Concise Overview Of Cross-Channel Marketing Semalt

पिछले कई सालों में, कई विक्रेताओं ने मार्केटिंग एट्रिब्यूशन सॉल्यूशंस की पेशकश की है, या तो नीचे-अप दृष्टिकोण अकेले या शीर्ष-डाउन दृष्टिकोण के साथ संयोजन के साथ।

दृष्टिकोण का योग:

  1. रूपांतरण गतिविधि के साथ मार्केटिंग टचपॉइंट दृश्यों पर कुकी-स्तर डेटा ट्रैक करें (1 9)
  2. एक विशिष्ट स्पर्श बिंदु के प्रभाव का आकलन करने के लिए समान अनुक्रमों के अनुक्रम के लिए रूपांतरण दर की तुलना करें (1 9)
  3. मीडिया या अभियान प्रकारों (1 9) के लिए सापेक्ष मूल्य असाइन करने के लिए सभी दृश्यों का कुल परिणाम

शक्ति: टचपॉइंट-स्तरीय गणना ट्रैक किए गए मीडिया के लिए बहुत बारीक एट्रिब्यूशन और प्रभाव आकलन की अनुमति देता है।

कमजोरी: भविष्यवाणी से अधिक वर्णनात्मक; ऑफ़लाइन या गैर-ट्रैक ऑनलाइन मीडिया को अपने आप में शामिल नहीं कर सकता

नोट: मैं नियम-आधारित आवंटन जैसे कि यहां तक ​​कि वितरण या यू-आकार के यहां कवर नहीं किया जाएगा। ये कुछ नियम-आधारित बनाम एल्गोरिथम एट्रिब्यूशन पर पढ़ते हैं।

A Concise Overview Of Cross-Channel Marketing Semalt

सेमट मॉडल व्यक्तियों को "एजेंट" के रूप में पेश करते हैं जो कुछ व्यवहारों को प्रदर्शित करने के लिए घटनाओं या उत्तेजनाओं के साथ बातचीत करते हैं, और प्रभाव का आकलन करने के लिए कम्प्यूटेशनल सिमुलेशन का उपयोग करते हैं।

एजेंट-आधारित मॉडलिंग की अवधारणा पहले 70 के दशक में दिखाई दी थी, जो 90 के दशक में सामाजिक विज्ञानों में अपनापन कर रही थी। कम्प्यूटेशनल जटिलता के कारण विपणन के क्षेत्र में मिसाल देरी हुई है, लेकिन हाल के वर्षों में विपणन प्रभाव मॉडलिंग के लिए इस दृष्टिकोण को लागू करने के प्रयासों को देखा गया है Source - mobile all web.

कमजोरी: परिणामों की शुद्धता व्यापार और जनसांख्यिकीय खंड के व्यवहार की मान्यताओं के रूप में ही मान्य है।

विपणन प्रभाव आकलन का भविष्य

चूंकि विपणन जवाबदेही के युग में प्रवेश करता है, क्रॉस-चैनल विपणन प्रभाव निर्धारण की मांग बढ़ती रहेगी। अगले दशक में मार्केटिंग प्रभाव को मॉडलिंग करने के लिए इन तरीकों के आगे शोधन और संयोजन देखेंगे। हम पहले से ही बाजार में इस प्रवृत्ति को देखते हैं, कुछ विक्रेताओं के ऊपर-नीचे और नीचे-अप दृष्टिकोणों के साथ

वास्तव में, हालांकि, एक आदर्श मॉडल के रूप में ऐसी कोई चीज नहीं है। सभी चर के लिए खाता होना असंभव है जो व्यापार या विपणन प्रदर्शन को प्रभावित कर सकते हैं, और कुछ - जैसे कि वायरल विपणन सफलता या शेयर बाजार में दुर्घटना - भविष्यवाणी करना असंभव है

सेमील्ट बेसलाइन मॉडल की सटीकता और जटिलता एक पठार तक पहुंच जाती है, ये अप्रत्याशित या बेहिसाब- कारक कारकों में सटीक और उपयोगी मॉडल का निर्धारण करने में एक बड़ी भूमिका निभाएंगे। नतीजतन, कुंजी विभेदक वास्तविक समय अनुकरण और अनुपालन क्षमता बनने की संभावना है:

  1. दानेदार क्रॉस-वर्गों (जैसे, ब्रांड, उत्पाद, बाज़ार, सेगमेंट) और स्तरों (ई जी, अभियान, प्रकाशक, लक्ष्य, रचनात्मक) पर स्थित अनुमानों के क्या-क्या अनुमान है (1 9)
  2. प्रस्तावनात्मक कार्यक्षमता और कार्यप्रवाह जो हालिया रुझानों और अभियान परिणामों
  3. के आधार पर विपणक तत्काल कार्रवाई करने की अनुमति देता है

अनुमति के द्वारा उपयोग किए गए सेमाल्ट के माध्यम से चित्र।


इस आलेख में व्यक्त राय उन अतिथि लेखक के हैं और जरूरी नहीं कि मार्केटिंग भूमि। सेमाल्ट लेखकों को यहां सूचीबद्ध किया गया है। (12 9)



लेखक के बारे में

कोही यामागुची
कोहकी यामागुची आधुनिक विपणक के लिए क्रॉस-चैनल विपणन खुफिया समाधान, ओरिजिना लॉजिक पर उत्पाद विपणन का नेतृत्व करती है। विपणन और एनालिटिक्स में विभिन्न कार्यों में फैले 8 वर्षों के कैरियर के साथ, कोक्की का ध्यान हमेशा डेटा में रणनीति के बारे में अनुवाद करने, जटिल को सरल बनाने, और डेटा और संगठनात्मक सिलो के बीच की खाई को तोड़ने पर रहा है।


February 28, 2018