上周在上海前滩

帮客户做广告跟踪的策略实施，这是很常见的一个需求，为什么客户需要做广告跟踪呢？你想啊，一年花几十万上百万，老板是不是想知道这些钱花在哪了，有没有效果，明年怎么花更好，这三个问题需要通过技术解决，而大多数公司对这个环节不是很熟。

你可以通过广告跟踪解决以下几个问题：

1、知道花钱花的值不值，也就是投入产出问题，比如我今年花了30万投放广告，带来多少个线索，带来多少个订单，带来多少个客户，要知道这个问题，如果你花了30万，赚了40万，那完全可以继续投入，如果花了30万，才回本20万，那就要琢磨一下哪里出问题了，还要不要继续投了。

2、要知道这笔钱产生作用的细节，如果花了30万带来了20万，那么在哪个环节出现了问题，我遇到几个客户，市场一年花30万，带来的大量的线索，转给了销售，但是销售不签单，导致这笔钱花的有点冤。

3、数字营销能给公司带来效益是明确的事情，为什么我们没做好？要怎么调整？明年要怎么做？

一、广告跟踪策略，让你知道钱花在哪了

这些答案都可以通过广告跟踪来解决，在B2B营销领域，用的最常见的方式就是UTM参数广告跟踪，注意，只有落地在你的可控平台上，才可以使用UTM技术，因为UTM技术由两部分构建，触发和接收。

触发：让你的被点击链接带参数。比如UTM_source=baidu。

接收：让你的接收方可以解析并传导UTM参数，接收方需要写代码，或者直接内置好解析URL里UTM参数的能力，所以你的接收方要“可控”，比如你的官网。

很多时候我们对UTM的应用容易产生误会，知乎、抖音里的链接可能不能让你的URL带UTM参数，注意，这个时候UTM的广告跟踪就用不了，不要试图再钻牛角尖一定要用，解题方法有很多。

触发的时候，常见的UTM参数有五个，具体可以看我之前的攻略，但是今天我们要交流第六个参数以及以后的更多参数，理论上URL上可以附带很多参数的，但是为了效率和避免出错，尽可能少一些参数，那五个基础参数都不一定要用全，要根据你的使用场景从中选择需要的参数使用。

为什么会有第六个参数？

我提出一个场景你就知道了，通过百度推广来的线索落地到官网下载了白皮书，这条线索算百度推广的还是算内容营销的？最早的时候我们使用双算的办法，后来发现双算法虽然能用但是不是很科学，因为双算法等同于但凡跟某行为有关联，都算某行为的业绩，这里面有两个难受的点，首先要做相对绩效，也就是去年用什么口径，今年还要用什么口径，相对合理，比如去年内容用双算法得到了1万条MQL，今年定到了1万2，那么就相对合理，因为口径没变，努力就好了；第二个难受的点是市场总不能合并数据。

那么如果想清晰的知道百度推广来的线索落地到官网下载白皮书，算谁的贡献，我们需要经历两步。

1、定义计算逻辑

到底应该归属于谁这件事，并不是数据层面能解决的，而是逻辑层面，我们需要自己定义，比如，我们规定，这就属于百度，因为百度贡献了渠道，没有百度带来的流量，内容也没办法转化，或者我们规定，这就属于内容，也可以。

怎么规定要看团队的整体运营思考，我问了AI，几个AI给的答案都是一致的，他们统一认为是首次触点比较重要，应该归属于百度，我也认同。这属于归因分析里的首次归因，但是还有一种算法，跟权重有关，就是MQL从线索成为MQL的过程中，每个接触的触点，都计算贡献，经过一系列公示，来进行“蛋糕”切割，如果向细节发展，会有很多种归因方式。

归因分析在数字营销中用于评估不同营销渠道或触点对用户转化（如生成潜在客户、完成购买等）的贡献程度。以下是几种常见的归因分析类型：

首次触点归因（First Touch Attribution）：

核心思想：将转化功劳归于用户首次接触的营销渠道。

适用场景：适用于强调品牌认知和用户初次接触点重要性的情况。

最后触点归因（Last Touch Attribution）：

核心思想：将转化功劳归于导致转化的最后一个营销渠道。

适用场景：适用于关注用户转化直接动因的情况。

线性归因（Linear Attribution）：

核心思想：将转化功劳均匀分配给用户转化路径中的所有营销渠道。

适用场景：适用于多个营销渠道对转化都有贡献，且难以判断哪个更重要的情况。

时间衰减归因（Time Decay Attribution）：

核心思想：认为用户转化路径中越接近转化的触点越重要，因此这些触点会被分配更多的功劳。

适用场景：适用于认为用户最近的行为对其转化决策影响更大的情况。

位置归因（Position-Based Attribution）：

核心思想：将更多的功劳分配给用户转化路径中的第一个和最后一个触点，其余触点功劳相对较少。

适用场景：结合了首次触点和最后触点归因的特点，适用于认为用户首次接触和最终转化都很重要的情况。

数据驱动归因（Data-Driven Attribution）：

核心思想：使用算法分析用户转化路径数据，根据各触点的实际贡献分配功劳。

适用场景：适用于拥有大量数据，希望通过更复杂的方法获得更准确归因结果的情况。

每种归因模型都有其优势和局限性，企业应根据自身的营销策略、数据和目标选择最合适的归因模型。

2、得到数据

既然我们可以通过很多种算法来商定贡献，那么得到路径上的数据就变得很重要了。UTM参数前五个参数通常被用来做首次归因使用，通过五个参数来进行位置定位，五个参数逐层精细，就看你想要追踪到哪个环节，比如百度、百度推广、计划、单元、关键词。我们引入第六个或者更多参数的目的是定位末次，归因分析的使用是根据业务的负责度酌情使用的，业务需求很简单，就用首次，业务需求稍微复杂，用首次和末次，业务需求很复杂，用线性。

当使用到首次和末次的时候已经够大部分企业用了，第六个参数可以定为末次，比如在白皮书下载环节上，赋予Cookie里的第六个参数以及参数值。或者直接在白皮书的页面的URL里继承上级参数同时增加第六个参数。

通过以上的策略，就可以使用首次结合末次的归因方式把线索的贡献弄清楚了。但是这仅仅完成了一半。还有一些客户做数据分析仅仅分析到了线索层面，做过线索运营的朋友们，都知道这门道有多深。

二、彻底追踪，找到增长关键点

通过UTM的方式做广告跟踪，这些代表着信息的参数落地到官网或者其他可控平台上，解析了之后这些信息会存在Cookie里，访客只要不关闭浏览器就会在某一个窗口期内持续存在，当访客留资成为线索的时候，调取参数进入到网站后台，当然，这部分需要网站进行一些开发。至此，我们可以监控分析广告到线索之间的流转状态，按照专家习惯，应该叫A2L。

水深得很，线索成本不代表真正的需求成本，我们至少要把广告跟踪追踪到MQL级别，也就是经过市场验证的有效线索环节，我们需要知道给销售分配的有效线索成本每一条是多少。网站后台做的再智能，它也不会做线索生命周期管理模块，也就是线索到MQL环节，你需要引入MA营销自动化工具里的线索管理能力，来弥补状态信息的缺失。

虽然你买了MA，但是还是要经过部分开发，才能让UTM参数同时同步到MA里，MA在国内大概率是个SaaS工具，不会因为某一个两个客户需求而进行开发，那么，开发的工作就要前置。在官网这个中间件的位置，除了要进行承接UTM参数，还要进行MA的数据注入，当然MA会提供标准的API给我们使用。这部分开发工作预计消耗半天人时，承包方是官网。

注意细节，并不是线索先进入官网然后再做定时任务从官网后台提取给MA，而是一次打火，两条引线同时进行，在执行入库程序的时候，进入官网后台，同时进入MA。

注意细节2，查重机制，如果后台或者MA有了这条线索，那么在进入的时候必然会遇到查重，合并线索保留更新时间还是覆盖线索保留更新时间？处理规则还是要你来定，然后由开发人员进行开发，我的建议是一定要有更新时间这一字段，SDR对此有很大需求，另外如果有能力，做字段更新日志。

至此，这个方案完结。

它的好处很大，你可以得到一个报表。

1、横向：所有投放渠道的投入产出比；

2、纵向：所有投放渠道的转化路径转化率以及优化方向；

3、从流量到订单过程中，哪个环节出现了卡点；

解决这些问题，订单就来了，营收就来了，压力给到订单交付，跟销售协同作战过的营销团队，都知道这里的水有多深。

-你可以在我的视频号和B站找到我的视频，在小宇宙找到我的音频-