一家我們訪問過的保險公司，在計算營銷的投資回報率時，進(jìn)行過幾項地區(qū)性的實驗，以評估電視、有機(jī)搜尋和展示型網(wǎng)絡(luò)廣告的綜效。公司讓不同服務(wù)區(qū)域的消費者，有不同的電視廣告接觸情況。他們發(fā)現(xiàn)，其中一個地區(qū)的消費者，除了接觸到展示型廣告之外，也有收看電視廣告，這個地區(qū)的網(wǎng)站有機(jī)造訪數(shù)和展示型廣告點擊率，都不成比例地大幅增加。這項實驗，促使這家公司開始更完善地協(xié)調(diào)跨媒體渠道的營銷活動。
運(yùn)用統(tǒng)計模型
在辨識、測試資料得出的簡單模型方面經(jīng)驗豐富的公司，很快就準(zhǔn)備好可以試試更復(fù)雜的歸因模型，這些模型往往需要多變量回歸分析，或許甚至?xí)\(yùn)用到貝葉斯估計方法（Bayesian estimation）。這些模型提供一些公式，讓營銷人員更有信心去決定要投資哪些接觸點、讓消費者長期多次接觸同樣媒體能獲得什么綜效、還有要投資多少在各個媒體上。重要的是，這些模型能夠解釋，也能預(yù)測。即使它們不是完美的預(yù)測模型（當(dāng)然不是），但是依循這種模型所判斷的歸因，就跟初期運(yùn)用簡單原則的時候一樣，通常還是能改善投資報酬率。
一家與我們合作的零售商，使用多變量回歸分析和貝葉斯估計方法，去了解鎖定目標(biāo)的離線傳播渠道，對消費者重復(fù)曝光的成效。分析顯示，雖然零售商需要在所有渠道傳播，但是第一次接觸后，就可以在接下來的三個月里降低傳播頻率，而不需要維持固定的訊息流。根據(jù)這項發(fā)現(xiàn)采取相應(yīng)行動，讓他們的離線傳播渠道，提升至少10%的投資報酬率。
擴(kuò)大分析的范圍
目前為止，營銷人員只在顧客購買旅程上做歸因分析；所謂顧客購買旅程，是指公司從購買周期的起點到終點的整個過程當(dāng)中，接觸顧客的情況。但顧客的選擇，也強(qiáng)烈受到他們在那個旅程之外的體驗所影響，無論從互動時間的角度來看，或是從顧客實際上互動的對象來看，都是如此。
要衡量購買旅程以外的互動，或是消費者與其他團(tuán)體的互動，公司可以借助統(tǒng)計方法當(dāng)中更精細(xì)復(fù)雜的做法。例如，追蹤向量自我回歸模型（Panel vector-autoregression, Panel VAR），可以將公司目前這段時期的電視廣告，在未來的時段里對其他媒體渠道造成的影響（例如，付費搜尋點擊率），建立成模型。當(dāng)然，這些統(tǒng)計模型還可以和后續(xù)的實驗結(jié)合，以實地測試統(tǒng)計模型給予的建議。
一家我們曾提供咨詢建議的軟件公司，發(fā)展出這種統(tǒng)計模型，而且反復(fù)使用以改善這個模型，目的是要了解橫跨離線媒體（例如電視和廣播）與數(shù)字媒體（以品牌為關(guān)鍵字或是沒有以品牌為關(guān)鍵字的搜尋、展示等等）的歸因原則?！缸詈笠粋€接觸點」原則，可能會要這家公司把所有成效，歸功于以品牌為關(guān)鍵字的搜尋，但是，追蹤向量自我回歸模型之類的先進(jìn)統(tǒng)計模型，正確地顯示，這家公司的電視廣告，促進(jìn)了品牌關(guān)鍵字搜尋的點擊。進(jìn)行這項分析之后，這家公司實際上提升了對電視的投資，而不是刪減。采用這種新策略，大幅改善了這家公司的總體營銷投資報酬率。
對現(xiàn)今的營銷人員來說，處理復(fù)雜性是不可避免的必然。要在多通路與科技中介的商業(yè)環(huán)境中，做出有依據(jù)、有遠(yuǎn)見的媒體和通路配置決策，以任何標(biāo)準(zhǔn)而言都是艱鉅的任務(wù)；而歸因模型，大概是公司因應(yīng)處理復(fù)雜的因果環(huán)境時，最好的導(dǎo)航工具。但是，要有肯花時間建立正確能力的意愿，才能有效運(yùn)用這個方法。還有要記住，跑之前，你得先學(xué)會走。