กลยุทธ์การตลาดดิจิทัล (Digital marketing)

เพิ่มระดับการพยากรณ์ PPC ของคุณด้วยเครื่องมือสร้างแบบจำลองฟรีสำหรับ Excel

คุณเคยพบว่าตัวเองอยู่ในห้องกับผู้บริหาร ไม่ว่าจะเป็นลูกค้าหรือเจ้านายของคุณ หรือแม้แต่เจ้านายของลูกค้า — แนะนำกลยุทธ์ที่คุณเชื่ออย่างแท้จริงว่าเป็นการตัดสินใจทางการตลาดที่ดีที่สุดสำหรับบริษัท เพียงเพื่อให้ถูกต่อต้านโดยไม่คาดคิด

หรือบางทีคุณอาจมาเพื่อแสวงหางบประมาณเพิ่มเติมสำหรับช่องทางที่ทำลายเป้าหมายไปแล้ว โดยคิดว่าจะเป็นการขายที่ง่ายและชัดเจน แต่ตอนนี้กำลังเผชิญกับคำถามมากมาย

“เราคาดหวังอะไรจากสิ่งนี้” การสนทนาสามารถข่มขู่ได้ไม่ว่าจะเกิดขึ้นเมื่อไหร่หรือที่ไหน

ที่ SMX Advanced และ SMX Next เมื่อปีที่แล้ว ฉันได้แบ่งปันแหล่งข้อมูลสองอย่างเพื่อจัดเตรียมนักการตลาดดิจิทัลสำหรับการสนทนาที่ท้าทายประเภทนั้น:

คุณสามารถ ดาวน์โหลดสำเนาของแต่ละเครื่องมือได้ที่นี่.

การคาดการณ์ที่เชื่อถือได้เป็นสิ่งสำคัญแต่ ยาก

สิ่งที่ยิ่งใหญ่และเลวร้ายคือการพยากรณ์เป็นเรื่องเกี่ยวกับ ผู้คน

หากเศรษฐศาสตร์เชิงพฤติกรรมสอนอะไรเรา แสดงว่าคนไม่มีเหตุผลอย่างแน่นอน เราสนใจตัวเอง ใช่ แต่เรายังตัดสินใจตรงข้ามกับสิ่งที่ควรคาดหวังหากนั่นเป็นตัวแปรเดียวที่เล่นได้

การตลาดยังขึ้นอยู่กับสภาพแวดล้อมที่ผู้มีโอกาสเป็นลูกค้าของเราอาศัยอยู่ ทำงาน ช็อปปิ้ง และซื้อของ เมื่อลำดับความสำคัญและความชอบเปลี่ยนไป กลยุทธ์ของเราในการแจ้งและเชิญชวนก็เช่นกัน

ทุกวันนี้ ไม่จำเป็นต้องมีใครบรรยายเกี่ยวกับความสั่นสะเทือนที่อาจเกิดขึ้นกับระบบนิเวศที่ละเอียดอ่อนของเรา: นอกเหนือจากการแพร่ระบาดทั่วโลกแล้ว เราทุกคนยังคงต้องทนอยู่ ในช่วงไม่กี่ปีที่ผ่านมาได้นำภัยพิบัติทางธรรมชาติที่ร้ายแรง คู่แข่งรายใหม่และผู้ก่อกวน การเปลี่ยนแปลงด้านกฎระเบียบ (เช่น GDPR) ความไม่สงบทางการเมืองและสังคม และอื่นๆ

ถึงกระนั้น การตลาดก็เป็นส่วนหนึ่งของธุรกิจ และธุรกิจที่ประสบความสำเร็จต้องอาศัยการตัดสินใจที่ถูกต้อง ซึ่งจำเป็นต้องใช้ข้อมูลคุณภาพสูงอย่างมีประสิทธิภาพ ลูกค้าและผู้บริหารต้องการที่จะสามารถพูดว่า “ใช่!” เมื่อนำเสนอด้วยแนวคิดที่เป็นนวัตกรรมและน่าตื่นเต้น แต่ต้องระบุและลดความเสี่ยงที่เกี่ยวข้องด้วย

นั่นหมายความว่า นักการตลาดของเราจะต้องเตรียมพร้อมที่จะพูดคุยกัน ไม่เพียงแต่สิ่งที่เราเชื่อว่าจะเกิดขึ้น โดยอิงจากข้อมูลที่ดีที่สุดที่มีอยู่ แต่ยังรวมถึงสิ่งที่อาจเกิดขึ้นหากสถานการณ์เปลี่ยนไปอย่างกะทันหัน

การคาดการณ์ไม่ใช่การคาดการณ์

แต่ข้อมูลและสถิติสามารถช่วยให้เราคาดการณ์และเตรียมพร้อมสำหรับอนาคตได้ดียิ่งขึ้น

วิธีใช้เครื่องมือพยากรณ์กับตัวแปรความไม่แน่นอน

เครื่องมือแรกที่ฉันสร้างขึ้นได้รับการออกแบบมาเพื่อช่วยให้นักการตลาดในชีวิตประจำวันใช้ตัวแปรสุ่มและการวิเคราะห์ความอ่อนไหวเพื่อเสริมความแข็งแกร่งให้กับการคาดการณ์ของพวกเขา โมเดลนี้รวมเอาและบรรเทาความไม่แน่นอนโดยตรวจสอบว่าผลลัพธ์ที่คาดหวังจะเปลี่ยนแปลงไปอย่างไร หากอินพุตหลักตัวใดตัวหนึ่งทำงานแตกต่างไปจากที่คาดการณ์ไว้

ในการใช้เครื่องมือนี้ ก่อนอื่นคุณควรทำความคุ้นเคยกับแนวคิดของความน่าจะเป็นทางสถิติ

การกระจายความน่าจะเป็น

หากคุณไม่คุ้นเคยกับแนวคิดทางสถิติของการแจกแจงความน่าจะเป็น หรือหากผ่านไปสองสามปีแล้วและคุณขึ้นสนิมเล็กน้อย ก็ไม่เป็นไร คุณไม่จำเป็นต้องเข้าใจรายละเอียดหรืออนุพันธ์ทั้งหมดเพื่อใช้กับแบบจำลองที่ให้มา

สำหรับจุดประสงค์ของเรา คุณสามารถนึกถึงการแจกแจงความน่าจะเป็นแบบแยกส่วน ซึ่งรายการของสถานการณ์ที่เป็นไปได้แต่ละรายการมีโอกาสเกิดขึ้นที่แตกต่างกันออกไป

ตัวอย่างเช่น ฉันอาจไม่ทราบแน่ชัดว่า CPC ของฉันจะเป็นอย่างไรในวันพรุ่งนี้ แต่ฉันอาจสันนิษฐานได้ว่ามีโอกาส 16% ที่พวกเขาจะเหมือนกัน CPC ของฉันวันนี้ โดยมีโอกาส 40% ที่จะสูงกว่าวันนี้ และ 10% โอกาสที่พวกเขาจะต่ำกว่า เมื่อฉันตื่นนอนในวันพรุ่งนี้ CPC จริงจะอยู่ในสถานะที่แตกต่างกันสามสถานะ (เท่ากับ สูงกว่า หรือต่ำกว่า)

การแจกแจงแบบปกติเป็นสเกลแบบเลื่อนมากกว่าที่ครอบคลุมผลลัพธ์ที่เป็นไปได้ ถ้าในอดีตฉันรู้ CPC ของฉันอยู่ระหว่าง $1 ถึง $5 แต่ฉันสังเกตว่าโดยทั่วไปแล้วพวกมันจะอยู่ระหว่าง $2 50 และ $3.16 จากนั้น a การกระจายความน่าจะเป็นแบบปกติจะทำให้ฉันสามารถคำนวณความเป็นไปได้ที่ CPC ของวันพรุ่งนี้จะน้อยกว่าเป้าหมาย $4 ของฉัน

การตัดสินใจว่าจะใช้งานการกระจายแบบใดในแบบจำลองของคุณนั้นขึ้นอยู่กับคุณโดยสิ้นเชิง ไม่มีคำตอบที่ถูกหรือผิด

ฉันมักจะชอบโมเดลความน่าจะเป็นที่ไม่ต่อเนื่องที่แม่นยำน้อยกว่า เมื่อฉันไม่มีข้อมูลในอดีตที่น่าเชื่อถือ หรือมีความมั่นใจต่ำว่าสถานะในอนาคตน่าจะดูเหมือนอดีต ในทางกลับกัน ฉันจะเลือกใช้การกระจายความน่าจะเป็นแบบปกติที่แม่นยำยิ่งขึ้น หากมีข้อมูลในอดีตที่ดีและมั่นใจว่าประสิทธิภาพในอนาคตจะสอดคล้องกับประสิทธิภาพและแนวโน้มในอดีต

แท็บแรกของเครื่องมือพยากรณ์ความไม่แน่นอนที่มีป้ายกำกับว่า “วิธีใช้” จะให้ภาพรวมที่คุณสามารถอ้างอิงได้ทุกเมื่อ แท็บอื่นๆ แต่ละแท็บทำตามขั้นตอนห้าขั้นตอนเดียวกันเพื่อสร้างผลลัพธ์:

  1. สร้างแบบจำลอง

    : ป้อนค่าที่ทราบหรือค่าประมาณลงในแบบจำลองคงที่ ด้วย KPI เอาต์พุตเดียว (เช่น CPA หรือ Conversion Volume) ตรวจสอบว่าการเปลี่ยนแปลงค่าเซลล์อินพุตอย่างน้อยหนึ่งค่าทำให้ค่าเซลล์เอาต์พุตเปลี่ยนแปลง

  2. กำหนดความไม่แน่นอน: เพิ่มพารามิเตอร์ความน่าจะเป็นที่คุณต้องการลงในตารางที่ให้ไว้ตามประเภทของการแจกแจงที่คุณเลือก
  3. ใส่ความไม่แน่นอน: หากคุณไม่ได้ทำการเปลี่ยนแปลงโมเดลในขั้นตอนที่ 1 คุณไม่จำเป็นต้องดำเนินการใดๆ สำหรับขั้นตอนนี้ หากคุณแก้ไขโมเดลในขั้นตอนที่ 1 ตรวจสอบให้แน่ใจว่าโมเดลไดนามิกสะท้อนถึงความสัมพันธ์เดียวกันกับโมเดลสแตติกของคุณ
  4. วนซ้ำกับตารางข้อมูล:
  5. ทำตามคำแนะนำที่ให้ไว้เพื่อสร้างตารางข้อมูลโดยใช้บรรทัดที่ให้มา 38 . หากผลลัพธ์ไม่ปรากฏขึ้น ให้ตรวจสอบการตั้งค่าโดยไปที่ ribbon สูตร จากนั้นไปที่ “ตัวเลือกการคำนวณ” แล้วเลือก “อัตโนมัติ”

  6. ประเมินผลลัพธ์

    : ทบทวนสถิติที่สร้างขึ้นของค่าเบี่ยงเบนสูงสุด ค่าต่ำสุด ค่ามัธยฐาน ค่าเฉลี่ย และค่าเบี่ยงเบนมาตรฐาน สำหรับเซลล์เอาต์พุตของคุณ ตามการวนซ้ำของตารางข้อมูล

หากต้องการดูตัวอย่างการใช้งานเครื่องมือนี้ โปรดดูคำแนะนำแบบวิดีโอนี้:

500

วิธีใช้เครื่องมือการคาดการณ์สำหรับช่องใหม่และการเติบโตแบบปกติ

เครื่องมือที่สองที่ฉันสร้างขึ้นได้รับการออกแบบมาเพื่อเอาชนะความไม่แน่นอนประเภทต่างๆ ที่เกี่ยวข้องกับช่องทางใหม่ที่ยังไม่ทดสอบ หรือการเติบโตทางธรรมชาติภายในช่องทางที่มีอยู่

ตัวชี้วัดที่ต้องทำความเข้าใจ

    รูปแบบทั้งสองในเครื่องมือนี้ขึ้นอยู่กับเมตริกของความถี่และความอิ่มตัวและการเปรียบเทียบของ CPC หรือ CPM หากสิ่งเหล่านี้เป็นแนวคิดใหม่สำหรับคุณ ให้ทบทวนคำอธิบายสั้น ๆ ด้านล่าง

เมื่อคุณเริ่มเพิ่มระดับทักษะการคาดการณ์โดยใช้ไฟล์ที่เราให้มา ฉันหวังว่าคุณจะพบโอกาสในการปรับแต่งแบบจำลองให้เหมาะกับความต้องการของคุณมากขึ้น ในการทำเช่นนั้นควรพิจารณาข้อควรระวังสองประการ:

จากนักสถิติหลัก George Box: “โดยพื้นฐานแล้ว โมเดลทั้งหมดไม่ถูกต้อง แต่บางรุ่นก็มีประโยชน์”

ใช้เครื่องมือการคาดการณ์เหล่านี้และเครื่องมืออื่นๆ เพื่อเป็นแนวทางในการตัดสินใจของคุณ มากกว่าที่จะเป็นแหล่งที่มาของความจริงที่สมบูรณ์แบบ การเพิ่มตัวแปรความไม่แน่นอนระดับทุติยภูมิและระดับอุดมศึกษาลงในแบบจำลอง เช่น อาจให้คุณค่าและเพิ่มความมั่นใจของคุณในบางพื้นที่ อย่างไรก็ตาม ยังอาจสร้างความปลอดภัยที่ผิดพลาดและมองข้ามการโต้ตอบระหว่างตัวแปรที่อาจบิดเบือนการคาดการณ์ของคุณ อย่าเสียสละประโยชน์เพื่อแสวงหาความสมบูรณ์หรือความซับซ้อน

เดินไม่วิ่งไปสู่ความยิ่งใหญ่

ทุกครั้งที่คุณสร้างหรือปรับแต่งแบบจำลอง อย่าลืมตรวจสอบสูตรของคุณสองครั้งและสามครั้งเพื่อให้แน่ใจว่ามีการกำหนดความสัมพันธ์ระหว่างตัวแปรอย่างถูกต้อง หลีกเลี่ยงการตั้งสมมติฐานอย่างรวดเร็วหรือยอมรับผลลัพธ์ที่น่าตกใจโดยไม่มีคำถาม เครื่องมือเหล่านี้ควรช่วยหาปริมาณสิ่งที่ไม่รู้จักในสถานการณ์จริง และผลลัพธ์ควรอยู่ในช่วงที่คาดไว้โดยทั่วไป

Back to top button