尽管许多公司都有一些衡量营销ROI的流程，但很少有公司做得对。这是因为如今的消费者通过更多的渠道和设备与品牌建立联系。

那么现在有哪些最佳实践呢?你需要知道什么才能获得正确的市场投资回报率?

自上而下的方法:营销组合模型

如果你更像一名统计学家，那么营销组合模型(MMM)可能是你的首选。这通常被称为自上而下的方法，它能够提供所有营销投资的整体视角，包括数字和非数字营销活动和销售。非媒体因素，如促销，竞争对手的活动和经济条件也可以包括在模型中。

但是，在统计建模中，似乎很多模型可以完成工作;而且，当您与不同的数据科学家或供应商交谈时，他们的方法可能完全不同。哪一个选择？它需要的不仅仅是一个博士学位，因为MMM不是直接的线性回归模型。该模型需要考虑营销问题的独特性，例如集成营销协同作用，Adstock，滞后效果，消费者反应的收益递减。

MMM的优点和缺点是什么?许多营销人员使用MMM进行高水平的预算规划，而且往往粒度很小，而且只会偶尔更新一次，这意味着它不足以优化营销执行。

然而，当你没有自下而上方法所需的用户级数据时，例如当你的大多数营销活动是线下(如电视、印刷、户外广告牌、活动)和基于品牌的时候，MMM是非常有用的;此外，您可以创建一个假设场景模拟器，该模拟器允许营销经理更好地理解他们计划进行的任何更改的影响。

自底向上的方法:归因

基于规则的归因

归因钻取到最粒度的级别-e.g。，放置，广告大小，创意，关键字，推文 - 在用户级别。

如果您更喜欢Web分析，那么您可能是不同属性模型的专家——最后一击、第一次接触、均匀加权、时间衰减等等——因为大多数Web分析供应商，如Adobe analytics和谷歌analytics，在他们的工具中有免费的归属解决方案(如果你没有网络分析供应商，你就麻烦了)。

如果你过去是一个数字化营销组织，无论你的组织是否使用MMM或算法属性，你都应该设置基于规则的属性，因为它可以很容易地与分析工具中的其他数据一起使用，进行各种其他分析。您可以按照自己的意愿对数据进行分割，并几乎实时地在整个组织中共享结果。这在大型组织中尤其重要，因为在这些组织中，许多营销经理都善于分析，并定期优化自己的活动执行。此外，如果你的线下活动的目标是将用户引向你的网站，那么Adobe analytics和谷歌analytics等Web分析供应商也会涵盖这些内容(是的，我说的是虚假url)。

如何使用不同的基于规则的属性模型?Last-touch属性是默认视图，它会告诉你推动销售和转换率的营销渠道。这通常会让搜索团队看起来非常出色，但即使是搜索团队也应该超越最后的归因，确保他们的内容策略和关键字规划涵盖客户决策过程的所有阶段。

如果你是一名社交媒体管理者，你应该探索其他归因模式，因为社交媒体通常是上层漏斗活动发生的地方。类似地，专注于需求生成的营销人员可能会发现，第一次接触归类很有用，因为它突出了第一次将客户介绍给你的品牌的活动。甚至称重、时间衰减、基于位置和自定义属性模型可以让你在整个用户旅程中为更多接触点分配不同权重。例如，您可以为高价值的活动分配重要的信用。

这里有一些你可能不知道的小贴士。例如，last -touch归因意味着追踪不仅发生在同一次访问中，而且发生在最后一次互动后30天内的订单。如果你没有定制这个cookie过期时间，你就错过了。此外，大组织通常有内部活动。例如，一个品牌有一个公司网站和多个在线商店;黑色星期五的销售横幅被放置在公司网站的主页上，目的是吸引人们到网上商店购物。如果您没有正确设置内部和外部活动(例如，使用相同的eVar(在Adobe Analytics中)来跟踪外部和内部活动)，外部活动产生的订单可能会被内部活动覆盖。如果您想让跟踪代码的创建和验证过程更加自动化，像tracking First这样的供应商可以提供帮助。

先进算法的归因

尽管许多公司在建立基于规则的归因模型时遇到了困难，但许多人认为它仍然不是完全由数据驱动的。因此，在曲线之上的公司会同时构建高级算法属性。这种方法进行猜测，并让数据显示正确的答案。

MMM和算法归因均为复杂的模型。但是与营销混合建模不同，算法归因也需要拼接每个用户的跨通道和交叉设备之旅。一些公司，如Facebook，谷歌和电信公司，在这样做方面具有独特的优势。如果你是其中之一，归属是去的方式。如果您不是其中之一，那么许多概率和确定性解决方案都在那里为您解决这个问题，为您提供全能渠道归因或个性化，例如Liveramp，Tapad，Drawbridge和Adobe Marketing云设备合作社。可寻址电视也使其更容易。

然而，要找出上周看了你的品牌的电视广告、昨天又看了你的品牌的户外广告牌的同一个人……并非易事。如果你不能或不想在ID拼接上投资，你可以从营销组合模型开始，或者结合属性和MMM(一种统一的方法)来获得更全面的见解。

广告欺诈和归因欺诈

如果你的程序化广告购买获得了极低的ROI，你应该考虑的一件事是广告欺诈，这是一个真实且昂贵的问题——尤其是在程序化广告中。

根据互联网广告局(IAB)的数据，广告欺诈在数字生态系统中占了很大比例。它有多糟糕取决于你在哪里和如何购买，也因国家/地区而异。一些供应商，如Integral Ad Science和DoubleVerify，专门测量数字媒体质量，可以在你的媒体投标前消除广告欺诈。

很难相信今天仍有公司不去衡量营销ROI，而只关注CPM(每千人印象成本)。最有可能的是，他们不知道发生了什么，并继续为欺诈付出代价。然而，糟糕的玩家已经开始利用归因模型(又名归因欺诈):例如，将大部分预算分配给不必要的重新定位活动，以窃取勘探活动的所有信誉。简单的归因模式，特别是印象模式和最后一击模式更容易游戏。

* * *

许多公司都有衡量营销ROI的方法，但很少有公司做对了。你是他们中的一员吗?