Trợ giúp người dùng trên mọi điểm tiếp xúc trong hành trình của khách hàng bằng cách hiểu các mô hình phân bổ đa điểm và phân tích dữ liệu trong GA4.
Hành trình của khách hàng liên quan đến nhiều tương tác giữa khách hàng và người bán hoặc nhà cung cấp dịch vụ.
Chúng tôi gọi mỗi tương tác trong hành trình của khách hàng là một điểm tiếp xúc.
Theo Salesforce.com, trung bình phải mất sáu đến tám lần chạm để tạo ra khách hàng tiềm năng trong không gian B2B.
Số lượng điểm tiếp xúc thậm chí còn cao hơn đối với một lần mua hàng của khách hàng.
>> Tham khảo: Cách theo dõi chuyển đổi ngoại tuyến từ Google Ads.
Phân bổ đa chạm là cơ chế đánh giá đóng góp của từng điểm tiếp xúc đối với chuyển đổi và cung cấp các khoản tín dụng thích hợp cho mọi điểm tiếp xúc tham gia vào hành trình của khách hàng.
Tiến hành phân tích phân bổ đa điểm có thể giúp các nhà tiếp thị hiểu được hành trình của khách hàng và xác định các cơ hội để tối ưu hóa hơn nữa các đường dẫn chuyển đổi.
Trong bài viết này, bạn sẽ tìm hiểu kiến thức cơ bản về phân bổ đa chạm và các bước tiến hành phân tích phân bổ đa chạm bằng các công cụ dễ tiếp cận.
1. Những điều cần xem xét trước khi tiến hành phân tích phân bổ đa chạm
1.1. Xác định mục tiêu kinh doanh
Bạn muốn đạt được điều gì từ phân tích phân bổ đa chạm?
Bạn có muốn đánh giá lợi tức đầu tư (ROI) của một kênh tiếp thị cụ thể, hiểu hành trình của khách hàng hoặc xác định các trang quan trọng trên trang web của bạn để thử nghiệm A/B không?
Các mục tiêu kinh doanh khác nhau có thể yêu cầu các phương pháp phân tích phân bổ khác nhau.
Xác định những gì bạn muốn đạt được ngay từ đầu sẽ giúp bạn đạt được kết quả nhanh hơn.
>> Tham khảo: Tại sao nên tạo nội dung hàng loạt cho phương tiện truyền thông xã hội?
1.2. Xác định chuyển đổi
Chuyển đổi là hành động mong muốn mà bạn muốn khách hàng của mình thực hiện.
Đối với các trang web thương mại điện tử, nó thường thực hiện mua hàng, được xác định bởi sự kiện hoàn thành đơn hàng.
Đối với các ngành khác, nó có thể là đăng ký tài khoản hoặc đăng ký.
Các loại chuyển đổi khác nhau có khả năng có đường dẫn chuyển đổi khác nhau.
Nếu bạn muốn thực hiện phân bổ đa điểm trên nhiều hành động mong muốn, tôi khuyên bạn nên tách chúng thành các phân tích khác nhau để tránh nhầm lẫn.
1.3. Xác định điểm tiếp xúc
Điểm tiếp xúc có thể là bất kỳ sự tương tác nào giữa thương hiệu của bạn và khách hàng của bạn.
Nếu đây là lần đầu tiên bạn chạy phân tích phân bổ đa điểm, tôi khuyên bạn nên xác định đó là lượt truy cập vào trang web của mình từ một kênh tiếp thị cụ thể. Phân bổ dựa trên kênh rất dễ thực hiện và có thể cung cấp cho bạn thông tin tổng quan về hành trình của khách hàng.
Nếu bạn muốn hiểu cách khách hàng tương tác với trang web của mình, tôi khuyên bạn nên xác định các điểm tiếp xúc dựa trên số lần xem trang trên trang web của mình.
Nếu bạn muốn bao gồm các tương tác bên ngoài trang web, chẳng hạn như cài đặt ứng dụng dành cho thiết bị di động, mở email hoặc tương tác xã hội, bạn có thể kết hợp các sự kiện đó trong định nghĩa điểm tiếp xúc của mình, miễn là bạn có dữ liệu.
Bất kể định nghĩa điểm tiếp xúc của bạn là gì, cơ chế phân bổ đều giống nhau. Các điểm tiếp xúc được xác định càng chi tiết thì phân tích phân bổ càng chi tiết.
Trong hướng dẫn này, chúng tôi sẽ tập trung vào phân bổ dựa trên kênh và dựa trên lượt xem trang.
Bạn sẽ tìm hiểu về cách sử dụng Google Analytics và một công cụ mã nguồn mở khác để tiến hành các phân tích phân bổ đó.
>> Tham khảo: Cách lập kế hoạch cho một bài đăng trên blog.
2. Giới thiệu về các mô hình phân bổ đa chạm
Các cách ghi nhận điểm tiếp xúc cho những đóng góp của họ đối với chuyển đổi được gọi là mô hình phân bổ.
Mô hình phân bổ đơn giản nhất là cung cấp tất cả tín dụng cho điểm tiếp xúc đầu tiên để thu hút khách hàng ban đầu hoặc điểm tiếp xúc cuối cùng để thúc đẩy chuyển đổi.
Hai mô hình này lần lượt được gọi là mô hình phân bổ lần chạm đầu tiên và mô hình phân bổ lần chạm cuối cùng.
Rõ ràng, cả mô hình phân bổ lần chạm đầu tiên và lần chạm cuối cùng đều không “công bằng” đối với các điểm tiếp xúc còn lại.
Sau đó, làm thế nào về việc phân bổ tín dụng đồng đều trên tất cả các điểm tiếp xúc liên quan đến việc chuyển đổi khách hàng? Điều đó nghe có vẻ hợp lý – và đây chính xác là cách hoạt động của mô hình phân bổ tuyến tính.
Tuy nhiên, việc phân bổ tín dụng đồng đều cho tất cả các điểm tiếp xúc giả định rằng các điểm tiếp xúc đều quan trọng như nhau, điều này cũng có vẻ không “công bằng”.
Một số người cho rằng các điểm tiếp xúc gần cuối đường dẫn chuyển đổi quan trọng hơn, trong khi những người khác lại ủng hộ điều ngược lại. Do đó, chúng tôi có mô hình phân bổ dựa trên vị trí cho phép các nhà tiếp thị đưa ra các trọng số khác nhau cho các điểm tiếp xúc dựa trên vị trí của họ trong đường dẫn chuyển đổi.
Tất cả các mô hình được đề cập ở trên đều thuộc danh mục mô hình phân bổ heuristic hoặc dựa trên quy tắc.
Ngoài các mô hình phỏng đoán, chúng tôi còn có một danh mục mô hình khác được gọi là phân bổ theo hướng dữ liệu, hiện là mô hình mặc định được sử dụng trong Google Analytics.
>> Tham khảo: YouTube mang đến tính năng chỉnh sửa ảnh và câu đố cho các bài đăng trên cộng đồng.
3. Phân bổ theo hướng dữ liệu là gì?
Mô hình phân bổ theo hướng dữ liệu khác với các mô hình phân bổ theo kinh nghiệm như thế nào?
Dưới đây là một số điểm nổi bật của sự khác biệt:
- Trong một mô hình heuristic, quy tắc phân bổ được xác định trước. Bất kể mô hình lần chạm đầu tiên, lần chạm cuối cùng, tuyến tính hay dựa trên vị trí, các quy tắc phân bổ đều được đặt trước và sau đó được áp dụng cho dữ liệu. Trong mô hình phân bổ theo hướng dữ liệu, quy tắc phân bổ được tạo dựa trên dữ liệu lịch sử và do đó, quy tắc này là duy nhất cho từng trường hợp.
- Mô hình heuristic chỉ xem xét các đường dẫn dẫn đến chuyển đổi và bỏ qua các đường dẫn không chuyển đổi. Mô hình theo hướng dữ liệu sử dụng dữ liệu từ cả đường dẫn chuyển đổi và không chuyển đổi.
- Mô hình heuristic phân bổ các lượt chuyển đổi cho một kênh dựa trên số lần chạm mà một điểm tiếp xúc có đối với các quy tắc phân bổ. Trong mô hình theo hướng dữ liệu, việc phân bổ được thực hiện dựa trên tác động của các lần chạm vào từng điểm tiếp xúc.
3.1. Cách đánh giá hiệu quả của một điểm tiếp xúc
Một thuật toán phổ biến được sử dụng bởi phân bổ theo hướng dữ liệu được gọi là Chuỗi Markov. Trọng tâm của thuật toán Chuỗi Markov là một khái niệm gọi là Hiệu ứng loại bỏ.
Hiệu ứng loại bỏ, như tên gợi ý, là tác động đến tỷ lệ chuyển đổi khi một điểm tiếp xúc bị xóa khỏi dữ liệu đường dẫn.
Bài viết này sẽ không đi vào chi tiết toán học của thuật toán Markov Chain.
Dưới đây là một ví dụ minh họa cách thuật toán phân bổ lượt chuyển đổi cho từng điểm tiếp xúc.
3.2. Hiệu ứng loại bỏ
Giả sử chúng ta có một kịch bản trong đó có 100 chuyển đổi từ 1.000 khách truy cập vào trang web qua 3 kênh Kênh A, B và C. Trong trường hợp này, tỷ lệ chuyển đổi là 10%.
Theo trực giác, nếu một kênh nhất định bị xóa khỏi đường dẫn chuyển đổi, thì những đường dẫn liên quan đến kênh cụ thể đó sẽ bị “cắt” và kết thúc với tổng số lượt chuyển đổi ít hơn.
Nếu tỷ lệ chuyển đổi giảm xuống 5%, 2% và 1% khi các Kênh A, B và C bị xóa khỏi dữ liệu tương ứng, thì chúng tôi có thể tính toán Hiệu ứng xóa dưới dạng phần trăm giảm tỷ lệ chuyển đổi khi một kênh cụ thể bị xóa.
Sau đó, bước cuối cùng là phân bổ chuyển đổi cho từng kênh dựa trên tỷ lệ Hiệu ứng loại bỏ của từng kênh.
Tóm lại, phân bổ theo hướng dữ liệu không dựa vào số lượng hoặc vị trí của các điểm tiếp xúc mà dựa vào tác động của các điểm tiếp xúc đó đối với chuyển đổi làm cơ sở phân bổ.
>> Tham khảo: Kỷ nguyên mới của tìm kiếm Google: Ý nghĩa của nó đối với SEO.
4. Phân bổ đa chạm với Google Analytics
Đủ lý thuyết, hãy xem cách chúng ta có thể sử dụng Google Analytics phổ biến để tiến hành phân tích phân bổ đa điểm.
Vì Google sẽ ngừng hỗ trợ Universal Analytics (UA) từ tháng 7 năm 2023 nên hướng dẫn này sẽ dựa trên Google Analytics 4 (GA4) và chúng tôi sẽ sử dụng tài khoản Demo Merchandise Store của Google làm ví dụ.
Trong GA4, báo cáo phân bổ nằm trong Ảnh chụp nhanh quảng cáo như minh họa bên dưới trên menu điều hướng bên trái.
Sau khi đến trang Ảnh chụp nhanh quảng cáo, bước đầu tiên là chọn một sự kiện chuyển đổi thích hợp.
GA4, theo mặc định, bao gồm tất cả các sự kiện chuyển đổi cho báo cáo phân bổ của nó.
Để tránh nhầm lẫn, tôi khuyên bạn chỉ nên chọn một sự kiện chuyển đổi (“mua hàng” trong ví dụ bên dưới) để phân tích.
5. Hiểu đường dẫn chuyển đổi trong GA4
Trong phần Phân bổ trên thanh điều hướng bên trái, bạn có thể mở báo cáo Đường dẫn chuyển đổi.
Cuộn xuống bảng đường dẫn chuyển đổi, bảng này hiển thị tất cả các đường dẫn dẫn đến chuyển đổi.
Ở đầu bảng này, bạn có thể tìm thấy số ngày trung bình và số điểm tiếp xúc dẫn đến chuyển đổi.
Trong ví dụ này, bạn có thể thấy rằng khách hàng của Google mất trung bình gần 9 ngày và 6 lượt truy cập trước khi mua hàng trên Merchandise Store của Google.
5.1. Tìm đóng góp của từng kênh trong GA4
Tiếp theo, nhấp vào báo cáo Tất cả các kênh trong phần Hiệu suất trên thanh điều hướng bên trái.
Trong báo cáo này, bạn có thể tìm thấy các lượt chuyển đổi được phân bổ cho từng kênh của sự kiện chuyển đổi đã chọn – trong trường hợp này là “mua hàng”.
Giờ đây, bạn đã biết Tìm kiếm không phải trả tiền, cùng với Trực tiếp và Email, đã thúc đẩy hầu hết các giao dịch mua trên Cửa hàng Merchandise của Google.
5.2. Kiểm tra kết quả từ các mô hình phân bổ khác nhau trong GA4
Theo mặc định, GA4 sử dụng mô hình phân bổ theo hướng dữ liệu để xác định số lượng tín dụng mà mỗi kênh nhận được. Tuy nhiên, bạn có thể kiểm tra cách các mô hình phân bổ khác nhau chỉ định tín dụng cho mỗi kênh.
Nhấp vào So sánh mô hình trong phần Ghi công trên thanh điều hướng bên trái.
Ví dụ: so sánh mô hình phân bổ theo hướng dữ liệu với mô hình phân bổ lần chạm đầu tiên (còn gọi là “mô hình lần nhấp đầu tiên” trong hình bên dưới), bạn có thể thấy nhiều chuyển đổi được phân bổ cho Tìm kiếm không phải trả tiền theo mô hình lần nhấp đầu tiên (735) so với dữ liệu -mô hình điều khiển (646,80).
Mặt khác, Email có nhiều lượt chuyển đổi được phân bổ hơn theo mô hình phân bổ theo hướng dữ liệu (727,82) so với mô hình nhấp chuột đầu tiên (552).
Dữ liệu cho chúng tôi biết rằng Tìm kiếm không phải trả tiền đóng vai trò quan trọng trong việc đưa khách hàng tiềm năng đến cửa hàng nhưng nó cần sự trợ giúp từ các kênh khác để chuyển đổi khách truy cập (tức là để khách hàng thực sự mua hàng).
Mặt khác, về bản chất, Email tương tác với những khách truy cập đã truy cập trang web trước đó và giúp chuyển đổi những khách truy cập quay lại, những người ban đầu đến trang web từ các kênh khác.
5.3. Mô hình phân bổ nào là tốt nhất?
Một câu hỏi phổ biến khi so sánh mô hình phân bổ là mô hình phân bổ nào là tốt nhất. Tôi cho rằng đây là câu hỏi sai đối với các nhà tiếp thị.
Sự thật là không có mô hình nào hoàn toàn tốt hơn các mô hình khác vì mỗi mô hình minh họa một khía cạnh của hành trình khách hàng. Các nhà tiếp thị nên nắm lấy nhiều mô hình khi họ thấy phù hợp.
>> Tham khảo: Những số liệu hữu ích đối với chiến lược SEO năm 2023.
6. Từ Phân bổ dựa trên kênh đến Phân bổ dựa trên số lần xem trang
Google Analytics rất dễ sử dụng, nhưng nó hoạt động tốt cho phân bổ dựa trên kênh.
Nếu bạn muốn hiểu thêm về cách khách hàng điều hướng qua trang web của bạn trước khi chuyển đổi và những trang nào ảnh hưởng đến quyết định của họ, thì bạn cần tiến hành phân tích phân bổ trên số lần xem trang.
Mặc dù Google Analytics không hỗ trợ phân bổ dựa trên lượt xem trang, nhưng bạn có thể sử dụng các công cụ khác.
Gần đây, chúng tôi đã thực hiện phân tích phân bổ dựa trên lượt xem trang như vậy trên trang web của AdRoll và tôi rất vui được chia sẻ với bạn các bước chúng tôi đã thực hiện và những gì chúng tôi đã học được.
6.1. Thu thập dữ liệu trình tự số lần xem trang
Bước đầu tiên và khó khăn nhất là thu thập dữ liệu về chuỗi lần xem trang cho mỗi khách truy cập trên trang web của bạn.
Hầu hết các hệ thống phân tích trang web ghi lại dữ liệu này dưới một số hình thức. Nếu hệ thống phân tích của bạn không cung cấp cách trích xuất dữ liệu từ giao diện người dùng, bạn có thể cần lấy dữ liệu từ cơ sở dữ liệu của hệ thống.
Tương tự như các bước chúng tôi đã thực hiện trên GA4, bước đầu tiên là xác định lượt chuyển đổi. Với phân tích phân bổ dựa trên lượt xem trang, bạn cũng cần xác định các trang là một phần của quá trình chuyển đổi.
Ví dụ: đối với trang web thương mại điện tử có mua hàng trực tuyến dưới dạng sự kiện chuyển đổi, trang giỏ hàng, trang thanh toán và trang xác nhận đơn hàng là một phần của quy trình chuyển đổi vì mọi chuyển đổi đều đi qua các trang đó.
Bạn nên loại trừ những trang đó khỏi dữ liệu số lần xem trang vì bạn không cần phân tích thuộc tính để cho bạn biết những trang đó quan trọng đối với việc chuyển đổi khách hàng của bạn.
Mục đích của phân tích này là để hiểu những trang mà khách hàng tiềm năng của bạn đã truy cập trước sự kiện chuyển đổi và cách chúng ảnh hưởng đến quyết định của khách hàng.
6.2. Chuẩn bị dữ liệu của bạn để phân tích thuộc tính
Khi dữ liệu đã sẵn sàng, bước tiếp theo là tóm tắt và thao tác dữ liệu của bạn thành định dạng bốn cột sau đây. Đây là một ví dụ.
Cột Đường dẫn hiển thị tất cả các trình tự xem trang. Bạn có thể sử dụng bất kỳ số nhận dạng trang duy nhất nào, nhưng tôi khuyên bạn nên sử dụng url hoặc đường dẫn trang vì nó cho phép bạn phân tích kết quả theo loại trang bằng cách sử dụng cấu trúc url. “>” là dấu phân cách được sử dụng giữa các trang.
Cột Total_Conversions hiển thị tổng số chuyển đổi mà một đường dẫn xem trang cụ thể dẫn đến.
Cột Total_Conversion_Value hiển thị tổng giá trị bằng tiền của các chuyển đổi từ một đường dẫn lần xem trang cụ thể. Cột này là tùy chọn và chủ yếu áp dụng cho các trang web thương mại điện tử.
Cột Total_Null hiển thị tổng số lần một đường dẫn lần xem trang cụ thể không chuyển đổi được.
6.3. Xây dựng mô hình phân bổ cấp trang của bạn
Để xây dựng các mô hình phân bổ, chúng tôi tận dụng thư viện mã nguồn mở có tên là ChannelAttribution.
Mặc dù thư viện này ban đầu được tạo để sử dụng trong các ngôn ngữ lập trình R và Python, nhưng các tác giả hiện cung cấp một ứng dụng Web miễn phí cho nó, vì vậy chúng tôi có thể sử dụng thư viện này mà không cần viết bất kỳ mã nào.
Khi đăng nhập vào ứng dụng Web, bạn có thể tải dữ liệu của mình lên và bắt đầu xây dựng các mô hình.
Đối với người dùng lần đầu, tôi khuyên bạn nên nhấp vào nút Tải dữ liệu demo để chạy thử. Đảm bảo kiểm tra cấu hình tham số với dữ liệu demo.
Khi bạn đã sẵn sàng, hãy nhấp vào nút Chạy để tạo các mô hình.
Sau khi các mô hình được tạo, bạn sẽ được chuyển hướng đến tab Đầu ra, tab này hiển thị kết quả phân bổ từ bốn mô hình phân bổ khác nhau – lần chạm đầu tiên, lần chạm cuối cùng, tuyến tính và ổ đĩa dữ liệu (Chuỗi Markov).
Hãy nhớ tải xuống dữ liệu kết quả để phân tích thêm.
Để bạn tham khảo, mặc dù công cụ này được gọi là ChannelAttribution, nhưng nó không giới hạn ở dữ liệu dành riêng cho kênh.
Vì cơ chế lập mô hình phân bổ không phụ thuộc vào loại dữ liệu được cung cấp cho nó, nên nó sẽ phân bổ chuyển đổi cho các kênh nếu dữ liệu dành riêng cho kênh được cung cấp và cho các trang web nếu dữ liệu lượt xem trang được cung cấp.
6.4. Phân tích dữ liệu phân bổ của bạn
6.4.1. Sắp xếp các trang thành các nhóm trang
Tùy thuộc vào số lượng trang trên trang web của bạn, trước tiên, bạn nên phân tích dữ liệu phân bổ của mình theo nhóm trang thay vì các trang riêng lẻ.
Một nhóm trang có thể chứa ít nhất là một trang đến nhiều trang tùy thích, miễn là nó có ý nghĩa đối với bạn.
Lấy trang web của AdRoll làm ví dụ, chúng tôi có một nhóm Trang chủ chỉ chứa trang chủ và một nhóm Blog chứa tất cả các bài đăng trên blog của chúng tôi.
Đối với các trang web thương mại điện tử, bạn cũng có thể xem xét nhóm các trang của mình theo danh mục sản phẩm.
Bắt đầu với các nhóm trang thay vì các trang riêng lẻ cho phép các nhà tiếp thị có cái nhìn tổng quan về kết quả phân bổ trên các phần khác nhau của trang web. Bạn luôn có thể xem chi tiết từ nhóm trang đến các trang riêng lẻ khi cần.
6.4.2. Xác định các mục nhập và thoát khỏi đường dẫn chuyển đổi
Sau khi chuẩn bị dữ liệu và xây dựng mô hình, hãy chuyển sang phần thú vị – phân tích.
Trước tiên, tôi khuyên bạn nên xác định các trang mà khách hàng tiềm năng truy cập vào trang web của bạn và các trang hướng dẫn họ chuyển đổi bằng cách kiểm tra các mẫu của mô hình phân bổ lần chạm đầu tiên và lần chạm cuối cùng.
Các trang có giá trị phân bổ lần chạm đầu tiên và lần chạm cuối cùng đặc biệt cao lần lượt là điểm bắt đầu và điểm cuối của đường dẫn chuyển đổi. Đây là những gì tôi gọi là trang cổng.
Đảm bảo các trang này được tối ưu hóa để chuyển đổi.
Hãy nhớ rằng loại trang cổng này có thể không có lưu lượng truy cập quá cao.
Ví dụ: là một nền tảng SaaS, trang định giá của AdRoll không có lưu lượng truy cập cao so với một số trang khác trên trang web nhưng lại là trang mà nhiều khách truy cập đã truy cập trước khi chuyển đổi.
6.4.3. Tìm các trang khác có ảnh hưởng mạnh mẽ đến quyết định của khách hàng
Sau các trang cổng, bước tiếp theo là tìm hiểu những trang nào khác có ảnh hưởng lớn đến quyết định của khách hàng của bạn.
Đối với phân tích này, chúng tôi tìm kiếm các trang không phải cổng có giá trị phân bổ cao theo mô hình Chuỗi Markov.
Lấy nhóm trang tính năng sản phẩm trên AdRoll.com làm ví dụ, mẫu giá trị phân bổ của chúng trên bốn mô hình (hiển thị bên dưới) cho thấy chúng có giá trị phân bổ cao nhất theo mô hình Chuỗi Markov, tiếp theo là mô hình tuyến tính.
Đây là dấu hiệu cho thấy họ được truy cập ở giữa đường dẫn chuyển đổi và đóng vai trò quan trọng trong việc ảnh hưởng đến quyết định của khách hàng.
Các loại trang này cũng là những ứng cử viên chính để tối ưu hóa tỷ lệ chuyển đổi (CRO).
Làm cho khách truy cập trang web của bạn dễ dàng phát hiện ra chúng hơn và nội dung của chúng thuyết phục hơn sẽ giúp nâng cao tỷ lệ chuyển đổi của bạn.
