以下內容是我在 SDX 2016 搜尋行銷及網路數據分析年會所分享的主題 [ 2016 數據分析趨勢 – 那些我從GOOGLE 產品演進中偷學到的事] 當中用行銷科技架構來解析 Google Analytics 360 suite 的部份

在 SDX 2016 開始前的一個禮拜,Google發佈了 Analytics 360 suite。雖然說先前就有聽到消息,但沒想到 Google 這一步跨得這麼大步! 這也讓我決定要修改準備在SDX2016分享的內容。

在構思了許久後決定用下述架構來說明Google Analytics 360 suite

 

[ 數位分析工具 Digital Analysis Tools]

首先,在數位的世界裡,網站跟APP是企業提供訊息以及服務的主要介面,也是蒐集訪客行為的一大資料來源。而網站上所用的追蹤機制跟APP上所用的有很大的不同,有些追蹤服務也只能用在 web端 或是 APP端,且在沒有使用其他機制來進行跨裝置追蹤的狀況下,網站跟APP的個人識別是各自獨立、串聯不起來的。這裡所說的個人識別是指像 cookie 之類用來紀錄瀏覽器端或是APP端訊息的機制。

[ 標籤管理系統 Tag Management System ]

而為了要分析使用者的行為、追蹤媒體購買的成效、進行轉換優化…等目的。我們有了許多追蹤碼、像素、標籤的埋設需求,且這些需求有時還真複雜! 有些標籤要全站鋪設,有些又只要求嵌在特定頁面,有些只能在特定時間內上線或是在特定狀況下啟動。而當處理這些各式各樣需求的時候,版本控制又是一大難題。所以這時就需要有標籤管理系統 (tag management) 來協助處理這些需求。

[ 廣告平台 Ad Platforms ]

隨著廣告科技的發展,再行銷成為一個高效的廣告投放方式,讓廣告主可以對曾經造訪網站或APP的訪客進行再一次的溝通。Facebook 的再行銷是透過在網站上佈建的 Facebook Pixel 來進行。

 

而 AdWords透過 GA 的再行銷則提供了更多的維度及指標可應用,透過Google Analytics跟 AdWords串接並使用 GA 上的資料來產生目標群眾 (audience)讓 AdWords 可對其進行廣告投放。所以像”曾將商品加入購物車但卻沒結帳”、”曾在網站上搜尋過特定關鍵字”…這些比較進階的行為都可變成產生目標群眾的規則,然後對他們投放不同的廣告。

[ CRM 系統串接以及名單上傳  Customer Match ]

在企業內,客戶關係管理系統 (CRM)通常是另一大資料來源。利用網站跟APP上的會員註冊機制來蒐集客戶資料後,儲存在 CRM 系統內,並在其中更新客戶與企業的互動紀錄。行銷人員可使用客戶的性別、年齡…等人口統計資料 (demographic) 以及過往與企業的互動紀錄來產生不同的區隔/分類,然後用 Email 來對不同的會員區隔進行一連串的溝通。通常在網站上進行的行銷活動也會用email通知符合資格的會員參加,在使用email 流量標記機制後,在網站以及APP中就可以進行email行銷活動的成效追蹤。

 

而很多廣告平台也提供了上傳email 列表到平台上以建立目標群眾的功能,讓行銷人員多了一個接觸現有客戶的管道。這個功能在 Google AdWords上是Customer match,在 Facebook 上是 custom audience

 

[ 廣告平台受眾擴大機制 Look-alike modles]

所以在這個資料收集和應用的循環之下,行銷人員將有越來越多的資料可用來做客戶區隔,但有經驗的行銷人員會發現,當設定的篩選條件越細、越精準,這個目標群眾(audience)的總數量會越少。這時就不免會有時間投資報酬率的考量,雖然這樣轉換率提高了,但因為目標群眾的總數太小,所以最終的轉換數太少。那這樣還值得特別為這個目標群眾來客製化行銷訊息嗎?

 

廣告平台也知道這個問題,所以應用了資料科學的方式推出了可以擴大廣告受眾的功能。比對行銷人員所設定的目前群眾資料與平台上其他廣告受眾的資料後,找出一群總量較大的類似目標群眾。這個功能在Google AdWords 內叫做類似目標對象(Similar Audiences),在Facebook 上叫類似廣告受眾 (Lookalike audience)。

 

在 Google Analytics 中,甚至可以利用網站上過去的電子商務交易資料來產生再行銷目標對象。這個功能叫做智慧名單 (Smart List)。官方說明文件上是這麼敘述的 ” Google Analytics 會對轉換資料採取機器學習的方式,以判斷哪些使用者很可能在後續工作階段中完成轉換。接著,Google Analytics 會動態管理再行銷目標對象,將重點放在這些使用者上。”

 

到目前為止所敘述的分析以及廣告投放架構用免費版的 GA 搭配 AdWords 就可以完成。但在經營了自己的目標群眾一段時間後會發現,企業對這些目標群眾進行行銷活動的紀錄以及成效相關資料是散落在各個廣告平台上的。而且

也會發現不同系統或平台間的群眾相關資料幾乎無法串接,而在廣告平台上所使用的目標群眾區隔也無法延伸到其他的廣告平台或用途上。以至於在目標群眾所下的功夫,很多都只能單次使用,無法有系統性的延伸其綜效。

 

簡單來說,就是這些目標群眾區隔的資料及應用方式都被綁架在Google 及 Facebook這兩大平台上,無法整合也不易管理。所以這時候就需要資料管理平台 (Data Management Platform) 的協助。

 

[ 資料管理平台 Data Management Platform ]

什麼是資料管理平台呢? 它是一個讓企業可以對網站或是行動應用上所收集到的 cookie進行管理、建立區隔並匯出到其他平台上使用的系統。

可以把它想像成是一個加強版的顧客關係管理系統,只不過它管理的不是會員資料而是所有企業自己從網站上或是行動應用上所收集到的cookie,它也能把所有的會員跟這些cookie串接在一起,所以我們不只有了會員的人口統計資料,還有會員在網站以及行動應用上的行為資料(註一)。市場上主要的資料管理平台也提供了企業將利用自己的cookie所建立的目標群眾區隔與第三方資料進行匿名串接的功能,所以我們對於這些目標群眾區隔能夠知道的資料,除了人口統計資料以及網站和行動應用上的行為資料外,還能夠再增添許多額外的維度。這些額外的維度會依區域而有所差異,在相關產業發展得比較早的國家甚至有家戶收入狀況的推估、信用卡交易的品類資料、信用卡交易的通路資料…等。

 

所以在搭配了資料管理平台 (Data Management Platform)後,原本依賴其他廠商所進行的目標群眾建立和管理就可以由企業自行處理了,而且在資料的掌控度、應用的自由度都高很多,目標群眾的經營也能較有持續性以及更細緻,擴大受眾的方式也更多元。

 

[ 個人化內容 Content Personalization]

關於目標群眾的應用方式,在搭配了 DMP 後,常見的應用方式還有網站內容的個人化以及APP 推播訊息的個人化。先前所提到的在廣告上的種種應用,為的是提高廣告對受眾的相關性以增加成功轉換的比例,而有部份行銷科技公司專注的方向是在利用類似的機制來提供網站或行動應用的內容以及APP 推播的訊息上,透過向特定目標群眾顯示個人化內容的機制,來提高相當性及轉換率。

 

[ 資料視覺化 Data Visualization & 資料科學 Data Science ]

由於近來大數據相關的技術興起並有越來越多的行銷科技公司也投入相關應用中,資料視覺化 (Data Visualization) 和資料科學(Data Science) 為行銷科技的兩大應用方向。像是先前所提到的智慧名單以及類似廣告受眾都是利用資料科學來達成,資料科學的領域相關廣,上述只是兩種應用方式。

 

到目前為止所敘述的,是將近來所研讀的資料統整後,所建立的資料分析應用在行銷科學下的架構。目的是為了能更有系統的去理解這個生態系並掌握各個行銷科技產品間的關係,雖然各個產品的功能有差異,不一定能夠將它塞在這個架構圖上的特定位置上,或是有些更專注在細部功能的產品不一定在這個架構圖上有將它的類別畫出來,但大致上這個架構圖是夠用的。

 

[ Analytics 360 suite 各產品定位 ]

而這是將 Google Analytics 360 suite 的六個產品套在這個架構圖上所呈現的樣子 。Analytics 360 是網站/APP分析系統、Tag Manager 360 是標籤管理系統、Audience Center 360 是 DMP (資料管理平台) 、Optimize 360 是網站個人化內容 (以及網站內容測試工具) 、Data Studio 360 是資訊視覺化工具、Attribution 360 是利用資料科學來建立歸因模型的工具。那右邊廣告科技的部份呢?

 

[ Google 生態系 ]

Google 在廣告科技的部份有 Doubleclick 以及 AdWords。在 APP 端有 Android ,雖然說 Android 是作業系統而不是單一行銷科技,但它就是 Google 在 APP 端的佈局囉。

 

在 SDX 2016 搜尋行銷及網路數據分析年會上,限於時間因素所以沒有說明到這麼細。而當天分享的內容還有敘述數據分析的價值以及分析工具的不同資料層級的部份,那些未在今天文章內的部份就容小弟我日後補充了。希望這個行銷科技架構圖能幫助大家了解 Google Analytics 360 suite 的架構 。

感謝你看到這一行 XD

註一:顧客資料以及網站行為紀錄的整合並不是只能在使用資料管理平台後才能取得,有些網站分析工具在整合了會員登錄功能後其實就已經可以提供這個功能。

Comments

Posted by Terence Peng

8年數據分析相關工作經驗。曾任職亞太精品電商 Reebonz、FMCG品牌 Nestle、Cyberlink電商部門等,多年國際工作經驗。工作內容主要為數據產品規劃、多國多語系網站優化、APP / 網站分析、數位媒體購買、SEO 等,運用 數據分析及 測試 / 優化 方法來解決會員招募、業績成長、轉換優化、使用者經驗改善等商業問題。 2012 年開始組織網站分析讀書會和經營線上社群 web analytics 101 鑽研並推廣數據分析觀念及專業知識。

留下你的想法