Οι πελάτες σπάνια αγοράζουν στην πρώτη επαφή. Έρχονται από ένα κανάλι (οργανική αναζήτηση) και δεν αγοράζουν. Επιστρέφουν από άλλο κανάλι (email) και πάλι δεν αγοράζουν. Γυρνούν από ένα τρίτο κανάλι (διαφημίσεις επί πληρωμή) και τελικά αγοράζουν. Στο μοντέλο απόδοσης τελευταίου κλικ, οι διαφημίσεις παίρνουν όλα τα εύσημα. Όμως η οργανική αναζήτηση και το email έπαιξαν καθοριστικό υποστηρικτικό ρόλο. Οι χοάνες πολλαπλών καναλιών αναλύουν όλες τις επαφές και δείχνουν πώς τα διαφορετικά κανάλια συνεργάζονται για να φέρουν μετατροπές. Αυτό το κεφάλαιο εξηγεί πώς μετράς τις αλληλεπιδράσεις των καναλιών.
Τι είναι οι χοάνες πολλαπλών καναλιών
Μια χοάνη πολλαπλών καναλιών είναι η διαδρομή από την πρώτη επαφή μέχρι την τελική μετατροπή. Παράδειγμα: οργανική αναζήτηση → καμία μετατροπή → email → καμία μετατροπή → απευθείας επίσκεψη → μετατροπή. Συμμετείχαν τρία κανάλια. Η απευθείας επίσκεψη έκλεισε την πώληση, αλλά η οργανική αναζήτηση και το email βοήθησαν. Η ανάλυση χοάνης πολλαπλών καναλιών δείχνει και τις τρεις επαφές και τον ρόλο τους.
Αυτό διαφέρει από την απόδοση ενός καναλιού: η οργανική αναζήτηση έφερε μία επίσκεψη (που μπορεί να μετατράπηκε ή όχι). Το email έφερε μία επίσκεψη. Η απευθείας επίσκεψη έφερε μία επίσκεψη. Το καθένα μετριέται ξεχωριστά. Οι χοάνες πολλαπλών καναλιών μετρούν τη σειρά.
Συνηθισμένα μοτίβα πολλαπλών καναλιών
Μοτίβο 1: Ευαισθητοποίηση στην κορυφή της χοάνης. Οργανική αναζήτηση (μεγάλος όγκος, χαμηλή πρόθεση) → ευαισθητοποίηση. Email (μέτριος όγκος, μέτρια πρόθεση) → εξέταση. Διαφημίσεις επί πληρωμή (μικρότερος όγκος, υψηλή πρόθεση) → μετατροπή. Κάθε κανάλι παίζει τον ρόλο του.
Μοτίβο 2: Κλείσιμο από πληρωμένη αναζήτηση. Οργανική αναζήτηση, social, περιεχόμενο → ευαισθητοποίηση. Πληρωμένη αναζήτηση (retargeting) → τελικό κλείσιμο. Η πληρωμένη αναζήτηση φέρνει τις περισσότερες μετατροπές, αλλά δεν θα υπήρχε χωρίς τις προηγούμενες επαφές.
Μοτίβο 3: Επιστροφές με απευθείας επίσκεψη. Ο επισκέπτης έρχεται από μια διαφήμιση και δεν αγοράζει. Επιστρέφει απευθείας (έχει απομνημονεύσει τη διεύθυνση) και αγοράζει. Η απευθείας επίσκεψη φαίνεται κανάλι με υψηλή μετατροπή, αλλά υπεύθυνη είναι στην πραγματικότητα η διαφήμιση.
Πώς αναλύεις τις χοάνες πολλαπλών καναλιών στα analytics
Το Google Analytics (και άλλες πλατφόρμες) προσφέρουν αναφορές χοάνης πολλαπλών καναλιών. Δείχνουν: τις διαδρομές μετατροπής (τη σειρά των καναλιών που οδήγησε σε μετατροπή), το μήκος της διαδρομής (πόσες επαφές πριν από τη μετατροπή) και τον χρόνο μέχρι τη μετατροπή (πόσο καιρό περνά από την πρώτη επαφή ως τη μετατροπή).
Χρησιμοποίησε αυτές τις αναφορές για να απαντήσεις: πόσες επαφές χρειάζονται πριν από τη μετατροπή (2, 3, 5); Ποιοι συνδυασμοί καναλιών είναι οι πιο αποτελεσματικοί; Υπάρχουν μοτίβα (π.χ. η οργανική αναζήτηση είναι πάντα η πρώτη επαφή, οι πληρωμένες διαφημίσεις πάντα η τελευταία); Ποια κανάλια παίζουν υποστηρικτικό ρόλο;
Πώς χρησιμοποιείς τα δεδομένα πολλαπλών καναλιών στη στρατηγική σου
Ισορρόπησε τον προϋπολογισμό σου: αν η οργανική αναζήτηση παίζει πάντα τον ρόλο της πρώτης επαφής (ευαισθητοποίηση) και το email πάντα τον ρόλο της μεσαίας (εξέταση), και τα δύο κανάλια είναι κρίσιμα. Μην κόψεις τις δαπάνες για οργανική αναζήτηση, ακόμη και αν η απόδοση τελευταίου κλικ δίνει τα εύσημα στο email. Και τα δύο είναι απαραίτητα για τις μετατροπές.
Βελτιστοποίησε τις αλληλουχίες: αν το μοτίβο «οργανική → email → πληρωμένη → μετατροπή» είναι συχνό, φρόντισε η αλληλουχία των email σου να είναι δυνατή. Βελτιστοποίησε το βήμα του email, γιατί πολλές μετατροπές εξαρτώνται από αυτό.
Βρες τα σημεία συμφόρησης: αν οι περισσότερες διαδρομές τελειώνουν με απευθείας επισκεψιμότητα (απευθείας επισκέψεις που δεν μετατρέπονται), η εμπειρία στην ιστοσελίδα ή η προσφορά σου μπορεί να είναι αδύναμη. Βελτίωσε την εμπειρία στη σελίδα ή την προσφορά πριν κατηγορήσεις τα κανάλια.
Προκλήσεις στην ανάλυση χοάνης πολλαπλών καναλιών
Παράθυρο απόδοσης: για πόσο καιρό καταγράφεις τις επαφές πριν από τη μετατροπή; 7 ημέρες, 30 ημέρες, 90 ημέρες; Τα μεγαλύτερα παράθυρα δείχνουν περισσότερες αλληλεπιδράσεις καναλιών, αλλά μπορεί να περιλαμβάνουν άσχετες επαφές. Λύση: χρησιμοποίησε 30 ημέρες ως προεπιλογή και δοκίμασε 7 και 90 ημέρες για να καταλάβεις πόσο ευαίσθητα είναι τα αποτελέσματα.
Νέοι και επιστρέφοντες επισκέπτες: μερικές φορές ο επισκέπτης είναι υπάρχων πελάτης που κάνει νέα αγορά. Είναι χοάνη νέου πελάτη ή υπάρχοντος; Λύση: ξεχώρισε τις χοάνες νέων πελατών από τις χοάνες επιστρεφόντων πελατών. Ανάλυσέ τες χωριστά, γιατί είναι διαφορετικές.
Ασάφεια της απευθείας επισκεψιμότητας: η απευθείας επισκεψιμότητα μπορεί να είναι σελιδοδείκτες, σύνδεσμοι email χωρίς παραμέτρους UTM, επισκεψιμότητα από εφαρμογή προς web ή πραγματικοί απευθείας χρήστες. Λύση: καθάρισε την υλοποίηση των UTM ώστε οι σύνδεσμοι email να επισημαίνονται ως email (όχι ως απευθείας). Σημείωσε ξεχωριστά την επισκεψιμότητα από εφαρμογές. Ό,τι απομένει ως απευθείας επισκεψιμότητα είναι η βάση σου.
Πόσες επαφές πριν από τη μετατροπή είναι τυπικές;
Διαφέρει ανά κλάδο: B2B = 4-8 επαφές. B2C = 2-4 επαφές. Προϊόντα με πολλή σκέψη = 5-10 επαφές. Προϊόντα με λίγη σκέψη = 1-2 επαφές. Τα δεδομένα σου δείχνουν τη δική σου πραγματικότητα. Αν βλέπεις 2 επαφές κατά μέσο όρο, βελτιστοποίησε για γρήγορη μετατροπή. Αν βλέπεις 7 επαφές, εστίασε στη φροντίδα και στη διατήρηση του ενδιαφέροντος.
Να βελτιστοποιώ για την πρώτη ή την τελευταία επαφή στην ανάλυση πολλαπλών καναλιών;
Και οι δύο μετράνε. Η πρώτη επαφή (ευαισθητοποίηση) θέλει όγκο και εμβέλεια. Η τελευταία επαφή (μετατροπή) θέλει πειθώ και δυνατή προσφορά. Μη βελτιστοποιείς μόνο για την πρώτη επαφή (η ευαισθητοποίηση πάει χαμένη αν το μήνυμα είναι αδύναμο) ούτε μόνο για την τελευταία (δεν μπορείς να κλείσεις αν δεν δημιούργησες ευαισθητοποίηση). Ισορρόπησε: 40% του προϋπολογισμού σε ευαισθητοποίηση, 40% σε μετατροπή, 20% σε retargeting.
Πώς χειρίζομαι τους επιστρέφοντες πελάτες στην ανάλυση χοάνης πολλαπλών καναλιών;
Ξεχώρισέ τους από την ανάλυση των νέων πελατών. Οι επιστρέφοντες πελάτες έχουν διαφορετικές χοάνες: ένας υπάρχων πελάτης βλέπει μια νέα προσφορά → κάνει κλικ στο email → αγοράζει (2 επαφές). Αυτό διαφέρει από τον νέο πελάτη (οργανική → email → πληρωμένη → απευθείας → μετατροπή). Ανάλυσέ τους χωριστά: οι χοάνες νέων πελατών τροφοδοτούν τη στρατηγική απόκτησης, οι χοάνες επιστρεφόντων πελατών τη στρατηγική διατήρησης.
Ποιο είναι το ιδανικό παράθυρο απόδοσης για την ανάλυση χοάνης πολλαπλών καναλιών;
Ξεκίνα με 30 ημέρες: είναι το τυπικό για B2B. Αν οι περισσότερες μετατροπές γίνονται μέσα σε 7 ημέρες, χρησιμοποίησε παράθυρο 7 ημερών (πιο γρήγορη ανατροφοδότηση). Αν οι αποφάσεις παίρνουν πάνω από 90 ημέρες, χρησιμοποίησε παράθυρο 90 ημερών. Έλεγξε τα δεδομένα σου: τι ποσοστό των μετατροπών γίνεται μέσα σε 7, 14, 30, 90 ημέρες; Διάλεξε το παράθυρο που καλύπτει το 85-90% των μετατροπών σου.
Πώς καθαρίζω την «απευθείας» επισκεψιμότητα ώστε η ανάλυση καναλιών να είναι πιο ακριβής;
Πρόσθεσε παραμέτρους UTM σε όλη την επισκεψιμότητα από email και εφαρμογές. Έλεγξε τα πρότυπα email ώστε οι σύνδεσμοι να περιλαμβάνουν utm_source=email. Έλεγξε τον κώδικα της εφαρμογής ώστε τα κλικ να περιλαμβάνουν utm_source=app. Επισήμανε ξεχωριστά τις εσωτερικές καμπάνιες. Ό,τι απομένει ως απευθείας επισκεψιμότητα είναι η πραγματική σου βάση. Έτσι βελτιώνεται η ανάλυση πολλαπλών καναλιών, γιατί φεύγει η επισκεψιμότητα με λάθος επισήμανση.
Μπορώ να προβλέψω ποιες αλληλουχίες καναλιών φέρνουν τα περισσότερα έσοδα;
Ναι, ανάλυσε τις προηγούμενες μετατροπές: ομαδοποίησε ανά διαδρομή και άθροισε τα έσοδα ανά τύπο διαδρομής. Παράδειγμα: οι διαδρομές οργανική → email → πληρωμένη έχουν μέσα έσοδα $5k, ενώ οι διαδρομές οργανική → πληρωμένη έχουν μέσα έσοδα $3k. Η πρώτη αλληλουχία αξίζει περισσότερο. Βελτιστοποίησέ την (βελτίωσε το περιεχόμενο των email, αύξησε το ποσοστό μετατροπής). Αυτό είναι προβλεπτικό: οι μελλοντικοί πελάτες που ακολουθούν αυτό το μοτίβο θα έχουν πιθανότατα μεγάλη αξία.