© 2025 上海天(tian)擎(qing)天(tian)拓信息技術股(gu)份有限公司 版權(quan)所有
什么是Google Analytics數據驅動歸因模型？應該如何使用？
近期資訊
2019-04-04
自2005年成立以來，已有(you)超(chao)過288億個網站使(shi)用 Google Analytics。就數據驅動歸因(yin)模型本身而言，許多人試圖尋找一個“一刀切”的(de)方法。
雖然這種模型(xing)本(ben)身的(de)強大功能(neng)(neng)令人欽佩，但與此同時，它也違背了Google Analytics的(de)本(ben)質(zhi)。既(ji)然該服(fu)務的(de)USP能(neng)(neng)夠根據顧客的(de)要求來(lai)定制報告，那么導致該歸因模型(xing)的(de)特殊之處(chu)的(de)因素又是什(shen)么呢？
什么(me)是(shi)歸因？
在(zai)進(jin)行(xing)更加深入的(de)研究之前，我們給出了關于歸(gui)因的(de)定(ding)義。在(zai)Google Analytics中，歸(gui)因這個術語可能意味著很多種(zhong)行(xing)為，并且歸(gui)因功能主要用于信(xin)息的(de)轉化和網絡(luo)會話。比如，從(cong)網站的(de)訪問到特(te)定(ding)行(xing)為的(de)完成(cheng)，以及從(cong)網絡(luo)廣告營銷到未知信(xin)息發(fa)源等。
數據(ju)驅動歸因
目前的(de)(de)(de)歸因模(mo)型(xing)(xing)(xing)可(ke)以以各種(zhong)形式存在，并(bing)且(qie)最(zui)近非常火爆的(de)(de)(de)一個模(mo)型(xing)(xing)(xing)就是(shi)數(shu)據(ju)驅動歸因模(mo)型(xing)(xing)(xing)。這種(zhong)由算法生(sheng)成的(de)(de)(de)模(mo)型(xing)(xing)(xing)并(bing)不是(shi)一種(zhong)傳統模(mo)型(xing)(xing)(xing)，而是(shi)為Google Analytics 360的(de)(de)(de)客戶專門設計，能夠 為 客戶提供一種(zhong)簡單(dan)的(de)(de)(de)方式 使其獲(huo)得個性化體驗的(de)(de)(de)創新模(mo)型(xing)(xing)(xing)。此外，使用(yong)該模(mo)型(xing)(xing)(xing)的(de)(de)(de)用(yong)戶需要(yao)在28天內滿足以下兩個參數(shu)：
• 每(mei)種(zhong)類型(xing)需要400次(ci)轉(zhuan)換，且每(mei)次(ci)轉(zhuan)化(hua)至(zhi)少需要兩次(ci)互動。
• 每個(ge)用(yong)戶可(ke)以(yi)創(chuang)建許多導航路(lu)徑。如果網(wang)站(zhan)上(shang)有(you)10,000條路(lu)徑，那么就(jiu)類似于有(you)10,000個(ge)網(wang)站(zhan)用(yong)戶 。但(dan)是，單個(ge)用(yong)戶可(ke)以(yi)創(chuang)建多個(ge)導航路(lu)徑。
數據驅動歸(gui)因模(mo)型的(de)突(tu)出特點(dian)(dian)是它在轉換過(guo)程開始之前就考慮了如(ru)何處理用戶的(de)接(jie)(jie)觸點(dian)(dian)。該模(mo)型瀏覽(lan)器工具 通過(guo)報告這些接(jie)(jie)觸點(dian)(dian)，然(ran)后進行數據的(de)審查。
數據驅(qu)動的(de)歸(gui)因(yin)模型可作為Google Analytics中的(de)基(ji)準模型，使用戶(hu)能夠(gou)創建(jian)新的(de)個性化(hua)歸(gui)因(yin)模型。在(zai)個性化(hua)定(ding)制的(de)信用規則實施之前，創建(jian)新的(de)數據驅(qu)動歸(gui)因(yin)模型能夠(gou)實現在(zai)轉化(hua)路(lu)徑(jing)上與多個接觸(chu)點(dian)共享轉化(hua)信用。
使用數(shu)據驅(qu)動的(de)(de)歸因(yin)模型來(lai)分析非轉(zhuan)化和轉(zhuan)化路徑(jing)信息(xi)。前者的(de)(de)數(shu)據是(shi)從轉(zhuan)換的(de)(de)網(wang)站(zhan)收(shou)集(ji)的(de)(de)，而(er)后者的(de)(de)數(shu)據是(shi)從未被(bei)用戶的(de)(de)網(wang)站(zhan)轉(zhuan)換的(de)(de)訪問(wen)者收(shou)集(ji)的(de)(de)。此外，數(shu)據驅(qu)動歸因(yin)模型的(de)(de)一(yi)個獨特(te)之處是(shi)它每(mei)周都(dou)會改變。
為什(shen)么數據驅動(dong)歸(gui)因(yin)模型可以運作？
可以通(tong)過(guo)了(le)解他們在(zai)轉(zhuan)換過(guo)程中(zhong)(zhong)(zhong)所起的(de)(de)作用來(lai)了(le)解這個模型。在(zai)轉(zhuan)換過(guo)程中(zhong)(zhong)(zhong)，它主要為各(ge)種接(jie)觸(chu)(chu)點(dian)或營銷渠(qu)(qu)道(dao)的(de)(de)轉(zhuan)換提供信(xin)用。無論是(shi)初始接(jie)觸(chu)(chu)，中(zhong)(zhong)(zhong)間(jian)接(jie)觸(chu)(chu)還是(shi)最后接(jie)觸(chu)(chu)，提供最多幫助的(de)(de)接(jie)觸(chu)(chu)點(dian)或營銷渠(qu)(qu)道(dao)都(dou)會被認為是(shi)轉(zhuan)化過(guo)程中(zhong)(zhong)(zhong)發(fa)揮(hui)最大效用的(de)(de)功(gong)能(neng)。其余(yu)的(de)(de)接(jie)觸(chu)(chu)或渠(qu)(qu)道(dao)則根據它們在(zai)轉(zhuan)換過(guo)程中(zhong)(zhong)(zhong)所發(fa)揮(hui)效用的(de)(de)大小來(lai)獲得信(xin)用。
由于(yu)分(fen)配(pei)轉換(huan)(huan)信(xin)用的機制取(qu)決于(yu)最新的信(xin)息轉換(huan)(huan)過程而不(bu)是接觸(chu)點位置，因此歸因模型(xing)就會變為(wei)數據(ju)(ju)驅動模型(xing)。這(zhe)不(bu)僅突破了(le)隨機給眾多觸(chu)摸(mo)點或通(tong)道轉換(huan)(huan)信(xin)用分(fen)配(pei)的需(xu)要，而且恰當地解(jie)釋了(le)為(wei)什么整個模型(xing)會被稱(cheng)為(wei)數據(ju)(ju)驅動的歸因模型(xing)。
需要注意(yi)的(de)(de)是數(shu)據驅動歸因模型(xing)有一定(ding)的(de)(de)時效性，因為模型(xing)會隨著(zhu)轉換(huan)信息(xi)的(de)(de)變化而發生(sheng)相應的(de)(de)變化。
您的(de)企業需要實施DDA（數據驅動歸因）模型嗎(ma)？
永(yong)遠不要(yao)認(ren)為一個類似于(yu)這(zhe)種(zhong)基(ji)于(yu)算法的(de)歸因(yin)模(mo)型(xing)是(shi)每個企(qi)業(ye)(ye)都(dou)可以實(shi)現的(de)。想要(yao)處理(li)這(zhe)種(zhong)模(mo)型(xing)，首先需要(yao)滿(man)足各(ge)種(zhong)嚴格(ge)的(de)要(yao)求，并(bing)保持這(zhe)種(zhong)狀態(tai)，只(zhi)有這(zhe)樣(yang)企(qi)業(ye)(ye)才能處理(li)數據驅動的(de)歸因(yin)模(mo)型(xing)。
1. 訪問Google Analytics（分析）360帳戶
只有(you)擁有(you)了Google Premium或Google Analytics 360的(de)帳戶才能使用(yong)這種模(mo)型，否則用(yong)戶將(jiang)無(wu)法使用(yong)數據驅動的(de)歸(gui)因模(mo)型。
%1. 高質量的數(shu)據及其可用性
需(xu)要牢(lao)記的(de)(de)一點是，DDA模型的(de)(de)數(shu)據所(suo)能(neng)反映信息(xi)的(de)(de)能(neng)力取決于用戶提交(jiao)的(de)(de)信息(xi)。因此(ci)，糟(zao)糕(gao)的(de)(de)數(shu)據將(jiang)會(hui)導致(zhi)糟(zao)糕(gao)的(de)(de)分析結果。
然而，現在的問題是大多數組織(zhi)可(ke)能(neng)能(neng)夠下載和安裝Google Analytics 360，但他們很難確定如何從服務中獲得利益。
更(geng)重要的是(shi)，盡管他們能夠聘(pin)請到經(jing)驗豐富的分(fen)析師，但(dan)他們始終(zhong)無法創建(jian)和維護從不同數據源收集的大量(liang)數據。
因(yin)此，從(cong)DDA模(mo)型(xing)分析得到的結論可(ke)能(neng)具(ju)有(you)誤導性，存(cun)在缺陷，甚至無法(fa)使用。
%1. KPI和目標的兼(jian)容(rong)性
您為業務選擇(ze)的KPI和(he)目(mu)(mu)標需要(yao)在(zai)組織和(he)營銷渠道之間(jian)保(bao)持(chi)一致。否則，數(shu)據驅動(dong)的歸因(yin)模型(xing)就不(bu)能發揮作(zuo)用。因(yin)此(ci)，如果(guo)Twitter廣告的目(mu)(mu)標主要(yao)集中在(zai)改(gai)善網站銷售上，那么您的Facebook廣告目(mu)(mu)標也應該(gai)與其保(bao)持(chi)一致。
%1. 分享此文章(zhang)
相關(guan)文章
會話映射：在搜(sou)索和內容營銷(xiao)中獲(huo)勝的新規則
使用Python恢復 搜索引擎(qing)優化 網(wang)站(zhan) 的(de) 流量（第一部(bu)分）
內部受眾 ：如何在研究 方式 中 尋找適當的 消費者
按(an)行(xing)業劃(hua)分的(de)Google廣告轉化率： 應當 如何比(bi)較？
轉化(hua)跟(gen)蹤
在Google Analytics Premium中(zhong)設定目標，可(ke)以(yi)用(yong)來監控轉化和電子商(shang)(shang)務的過程。無論用(yong)戶是否被允(yun)許(xu)使(shi)(shi)用(yong)， Google Analytics會為(wei)使(shi)(shi)用(yong)這種信息轉換(huan)的商(shang)(shang)家生成數據驅動的歸(gui)因模型。
%1. 滿足并保持(chi)最低轉換(huan)閾值的重要(yao)性
確保要(yao)生(sheng)成(cheng)的Google Analytics Premium視(shi)(shi)圖符合最低轉化次數閾(yu)值。此外，需(xu)要(yao)注(zhu)意的是(shi)，如果您(nin)的Google Analytics（分析）視(shi)(shi)圖達到了最低轉化次數閾(yu)值，那(nei)么(me)它將(jiang)會正(zheng)常(chang)運行(xing); 如果要(yao)繼(ji)續進行(xing)DDA分析，那(nei)么(me)它是(shi)不被(bei)允許的，因(yin)此必須確保維持最低轉換閾(yu)值。
%1. 每種(zhong)轉換類型的最低轉換閾值
用(yong)戶選(xuan)擇的(de)(de)Google Analytics視圖不(bu)僅必須滿足每(mei)種(zhong)轉化類型(xing)的(de)(de)最(zui)低轉化次數;，而且它也需要(yao)一定的(de)(de)維護。每(mei)種(zhong)轉換都會生成自己的(de)(de)DDA模型(xing)，這(zhe)些生成的(de)(de)DDA模型(xing)始終可(ke)以用(yong)于某些轉換，但(dan)不(bu)是全部的(de)(de)轉換。
如果您已實施(shi)數(shu)據(ju)驅動(dong)的歸因模型，但是生成的模型不(bu)適用于該(gai)轉化，那么GA將在歸因模型報告(gao)的正(zheng)上方閃現警告(gao)標志。
使用DDA模型評估用戶的自然搜(sou)索頻道(dao)
打開“模型(xing)比較工具”。開始“最后非直接點擊”,“數據驅動”模型(xing)和“最后交互(hu)模型(xing)”之間的比較。
最(zui)好選(xuan)擇(ze)“最(zui)后一次互(hu)動(dong)”模(mo)型(xing)(xing)，因為它(ta)是(shi)Google Analytics的多渠(qu)道(dao)(dao)渠(qu)道(dao)(dao)報告(gao)的基本模(mo)型(xing)(xing)。“上次非直接點擊”能夠發揮(hui)效用，因為它(ta)是(shi)非多渠(qu)道(dao)(dao)渠(qu)道(dao)(dao)報告(gao)的基本模(mo)型(xing)(xing)。最(zui)后需要注意的是(shi)，應該選(xuan)擇(ze)“數據驅動(dong)”模(mo)型(xing)(xing)而不是(shi)“時間(jian)衰減”模(mo)型(xing)(xing)，原因如下(xia)：
• 前(qian)者(zhe)不僅會分析Google Analytics帳戶(hu)中的詳細(xi)信息，還會分析其他關聯帳戶(hu)，例如Google廣告，Doubleclick Campaign Manager等。
• DDA模型使用(yong)算法(fa)來轉化分配信用(yong)，這比通過“時間(jian)衰減”歸因和(he)/或手動轉換給(gei)出的信用(yong)結(jie)果更可靠。
檢(jian)查(cha)標(biao)記為(wei)“轉化百分比(bi)變化（來(lai)自”上次互動“）的列(lie)，以查(cha)找”自然搜索(suo)“
使(shi)用此報告可(ke)以衡量自然搜(sou)(sou)索轉換從之前(qian)的交互模型(xing)(xing)轉變為數據驅動模型(xing)(xing)的百分比(bi)。在(zai)這種情況下(xia)，您(nin)可(ke)以看(kan)到它是22.66％。這就(jiu)意味著如果DDA模型(xing)(xing)被用于提供自然搜(sou)(sou)索轉換信用，那么該過程(cheng)將產(chan)生22.66％的信用額度。因此，最終點擊模型(xing)(xing)低估了自然搜(sou)(sou)索的22.66％。
完(wan)成后，只需單擊(ji)“模型(xing)資源管理器工(gong)具”右上角標(biao)有“下(xia)載完(wan)整模型(xing)”的按鈕(niu)，即可將DDA模型(xing)下(xia)載到Excel工(gong)作(zuo)表中。
結束語
在Google Analytics中選擇數據驅(qu)動的歸因(yin)模(mo)型，以便用戶應用該模(mo)型并體驗其(qi)優勢(shi)。雖(sui)然還(huan)有很(hen)多其(qi)他歸因(yin)模(mo)型可(ke)供使用，但這種模(mo)式(shi)屬于自己的聯盟。
文章標簽： 谷歌廣告
版(ban)權聲(sheng)明：文(wen)章來源互(hu)聯(lian)網，如(ru)有侵權行為(wei)，請聯(lian)系我們刪除。
自2005年成立(li)以(yi)來(lai)，已有超過(guo)288億個網站(zhan)使用 Google Analytics。就數據(ju)驅動歸因(yin)模(mo)型本身(shen)而言，許(xu)多人試圖尋找一個“一刀切”的(de)方法。
雖然這種模(mo)(mo)型(xing)本(ben)身的強大功能(neng)(neng)令人(ren)欽佩，但與(yu)此同時，它也違背了Google Analytics的本(ben)質。既然該(gai)服務的USP能(neng)(neng)夠根據顧客的要求來定(ding)制(zhi)報告，那(nei)么導致(zhi)該(gai)歸因(yin)模(mo)(mo)型(xing)的特殊之處的因(yin)素又是什么呢？
什(shen)么是歸因？
在進行(xing)更加深入的(de)研究之前，我(wo)們給出了關于歸因(yin)(yin)的(de)定(ding)義。在Google Analytics中，歸因(yin)(yin)這個(ge)術語可能(neng)意味著很多種行(xing)為，并且歸因(yin)(yin)功能(neng)主要用于信息的(de)轉化和網(wang)絡會話。比如，從(cong)(cong)網(wang)站的(de)訪問到特(te)定(ding)行(xing)為的(de)完(wan)成，以及從(cong)(cong)網(wang)絡廣告營銷(xiao)到未知信息發源等。
數據驅動歸因(yin)
目前的(de)歸因(yin)模(mo)(mo)型(xing)(xing)可以以各種(zhong)(zhong)形式存在，并(bing)且(qie)最近非常(chang)火(huo)爆的(de)一個(ge)(ge)模(mo)(mo)型(xing)(xing)就是(shi)(shi)數據驅動歸因(yin)模(mo)(mo)型(xing)(xing)。這種(zhong)(zhong)由算法生成的(de)模(mo)(mo)型(xing)(xing)并(bing)不是(shi)(shi)一種(zhong)(zhong)傳統(tong)模(mo)(mo)型(xing)(xing)，而是(shi)(shi)為Google Analytics 360的(de)客(ke)戶專門(men)設計(ji)，能夠 為 客(ke)戶提供一種(zhong)(zhong)簡(jian)單的(de)方式 使其(qi)獲得個(ge)(ge)性化體驗(yan)的(de)創(chuang)新模(mo)(mo)型(xing)(xing)。此外，使用(yong)該模(mo)(mo)型(xing)(xing)的(de)用(yong)戶需(xu)要在28天內(nei)滿足(zu)以下兩個(ge)(ge)參數：
• 每種類(lei)型(xing)需(xu)要(yao)400次(ci)轉換，且每次(ci)轉化至少需(xu)要(yao)兩次(ci)互動。
• 每個(ge)用戶可以(yi)(yi)創建許多(duo)導航路徑(jing)。如果網(wang)站(zhan)上有10,000條路徑(jing)，那(nei)么就類似于有10,000個(ge)網(wang)站(zhan)用戶 。但是，單(dan)個(ge)用戶可以(yi)(yi)創建多(duo)個(ge)導航路徑(jing)。
數(shu)據(ju)驅動歸因模(mo)型的突出特點(dian)(dian)(dian)是它(ta)在(zai)轉換過程開始之前就考慮了如何處理(li)用戶的接觸點(dian)(dian)(dian)。該(gai)模(mo)型瀏覽器工具 通過報(bao)告這些接觸點(dian)(dian)(dian)，然后進(jin)行數(shu)據(ju)的審(shen)查(cha)。
數據驅動的(de)歸(gui)因(yin)模(mo)型可作為Google Analytics中的(de)基準模(mo)型，使用戶能(neng)夠(gou)創(chuang)建新的(de)個性(xing)化歸(gui)因(yin)模(mo)型。在個性(xing)化定制的(de)信用規(gui)則實施之(zhi)前，創(chuang)建新的(de)數據驅動歸(gui)因(yin)模(mo)型能(neng)夠(gou)實現在轉(zhuan)(zhuan)化路徑上(shang)與多個接觸點共享(xiang)轉(zhuan)(zhuan)化信用。
使用數(shu)(shu)(shu)據驅動的歸(gui)因模型來分析非轉(zhuan)化和(he)轉(zhuan)化路(lu)徑信息。前者(zhe)(zhe)的數(shu)(shu)(shu)據是(shi)從(cong)轉(zhuan)換的網站收集的，而后者(zhe)(zhe)的數(shu)(shu)(shu)據是(shi)從(cong)未被用戶的網站轉(zhuan)換的訪問者(zhe)(zhe)收集的。此外(wai)，數(shu)(shu)(shu)據驅動歸(gui)因模型的一(yi)個(ge)獨特之(zhi)處是(shi)它(ta)每周都會改變。
為(wei)什(shen)么(me)數據驅動歸(gui)因(yin)模型可以運(yun)作？
可(ke)以通(tong)過(guo)(guo)了解他(ta)們在轉(zhuan)(zhuan)換過(guo)(guo)程中所起的作用(yong)來了解這個模(mo)型。在轉(zhuan)(zhuan)換過(guo)(guo)程中，它主(zhu)要為各種接(jie)觸(chu)(chu)點或營銷渠道(dao)的轉(zhuan)(zhuan)換提供(gong)信用(yong)。無論(lun)是初始接(jie)觸(chu)(chu)，中間(jian)接(jie)觸(chu)(chu)還是最后接(jie)觸(chu)(chu)，提供(gong)最多幫(bang)助(zhu)的接(jie)觸(chu)(chu)點或營銷渠道(dao)都會被(bei)認為是轉(zhuan)(zhuan)化過(guo)(guo)程中發揮最大(da)效(xiao)用(yong)的功能。其(qi)余的接(jie)觸(chu)(chu)或渠道(dao)則(ze)根據它們在轉(zhuan)(zhuan)換過(guo)(guo)程中所發揮效(xiao)用(yong)的大(da)小來獲(huo)得(de)信用(yong)。
由于分配(pei)轉換(huan)信(xin)(xin)用的(de)機(ji)制取決于最新(xin)的(de)信(xin)(xin)息轉換(huan)過(guo)程而(er)不(bu)是接觸(chu)點(dian)位置，因此歸因模型(xing)就會變為數(shu)(shu)據(ju)(ju)驅(qu)動模型(xing)。這(zhe)不(bu)僅突破了(le)隨(sui)機(ji)給眾多觸(chu)摸點(dian)或通道(dao)轉換(huan)信(xin)(xin)用分配(pei)的(de)需要，而(er)且(qie)恰當地(di)解釋了(le)為什(shen)么整個模型(xing)會被稱為數(shu)(shu)據(ju)(ju)驅(qu)動的(de)歸因模型(xing)。
需要注意的是數據驅動(dong)歸因模(mo)型有一(yi)定(ding)的時效性，因為模(mo)型會(hui)隨著轉換信息的變化(hua)而發(fa)生相應(ying)的變化(hua)。
您(nin)的企業需要實(shi)施DDA（數據驅動歸因）模型嗎？
永遠(yuan)不(bu)要(yao)(yao)認為一(yi)個類(lei)似(si)于(yu)這(zhe)種(zhong)(zhong)基(ji)于(yu)算法(fa)的歸因模(mo)型是(shi)每個企(qi)業都可以實現的。想要(yao)(yao)處理這(zhe)種(zhong)(zhong)模(mo)型，首先需(xu)要(yao)(yao)滿足(zu)各種(zhong)(zhong)嚴(yan)格的要(yao)(yao)求，并保持這(zhe)種(zhong)(zhong)狀態，只有這(zhe)樣(yang)企(qi)業才能處理數(shu)據驅動的歸因模(mo)型。
1. 訪(fang)問(wen)Google Analytics（分析）360帳(zhang)戶
只有擁有了(le)Google Premium或(huo)Google Analytics 360的(de)帳戶(hu)才(cai)能使(shi)用這(zhe)種模(mo)型，否則用戶(hu)將(jiang)無法使(shi)用數據驅動的(de)歸因模(mo)型。
%1. 高質量(liang)的數據及其可用性(xing)
需要牢記(ji)的(de)一(yi)點是，DDA模型(xing)的(de)數據所能(neng)反(fan)映信息的(de)能(neng)力取決于用戶提交的(de)信息。因此，糟(zao)糕的(de)數據將會導致糟(zao)糕的(de)分析結果。
然而，現在的問(wen)題是大多(duo)數組織可能能夠下載和(he)安裝(zhuang)Google Analytics 360，但他們很難確(que)定如何從服務(wu)中獲(huo)得利(li)益。
更(geng)重要的(de)是，盡管他們能夠聘(pin)請到經驗豐富(fu)的(de)分(fen)析師(shi)，但他們始(shi)終(zhong)無法創(chuang)建和維(wei)護從不同數據源收集的(de)大量數據。
因此，從DDA模(mo)型分析得到的結論可能具有誤導性，存(cun)在缺陷，甚至無法使用。
%1. KPI和目標的兼(jian)容性
您為(wei)業務(wu)選擇的KPI和(he)目(mu)(mu)標需要(yao)在組(zu)織和(he)營(ying)銷(xiao)渠道之間保持一(yi)致。否則，數據(ju)驅(qu)動的歸因模(mo)型就不能(neng)發揮作用。因此，如果Twitter廣告的目(mu)(mu)標主要(yao)集中(zhong)在改善網站銷(xiao)售(shou)上(shang)，那么(me)您的Facebook廣告目(mu)(mu)標也應該與其保持一(yi)致。
%1. 分享此文章
相(xiang)關文章(zhang)
會話(hua)映射：在搜索和內容營銷(xiao)中獲勝(sheng)的新規(gui)則
使用Python恢(hui)復 搜索引擎(qing)優化(hua) 網(wang)站 的 流(liu)量（第一部(bu)分(fen)）
內部受眾 ：如(ru)何在研(yan)究 方式 中 尋(xun)找適當的 消費(fei)者
按行業(ye)劃分的(de)Google廣告轉化率： 應(ying)當(dang) 如何(he)比較？
轉(zhuan)化跟蹤
在Google Analytics Premium中設定目(mu)標，可以用來監控轉化和電(dian)子商務的過程。無論用戶是否(fou)被允許(xu)使用， Google Analytics會為使用這種信息轉換的商家(jia)生成(cheng)數據驅(qu)動(dong)的歸(gui)因模型。
%1. 滿足(zu)并保(bao)持最低轉(zhuan)換閾值的(de)重要性
確(que)保要生成的(de)Google Analytics Premium視(shi)圖符合最低(di)轉(zhuan)(zhuan)化次數閾值。此外，需要注意的(de)是，如(ru)果您的(de)Google Analytics（分(fen)析）視(shi)圖達到了最低(di)轉(zhuan)(zhuan)化次數閾值，那(nei)么它(ta)將會正常運(yun)行; 如(ru)果要繼續進行DDA分(fen)析，那(nei)么它(ta)是不被(bei)允許(xu)的(de)，因(yin)此必(bi)須確(que)保維(wei)持最低(di)轉(zhuan)(zhuan)換閾值。
%1. 每種轉(zhuan)換類型的最低轉(zhuan)換閾值
用(yong)戶選擇的(de)Google Analytics視(shi)圖不僅必須滿足每種轉化(hua)類型的(de)最低轉化(hua)次數;，而且它也需要一定的(de)維護。每種轉換(huan)都會生成(cheng)自己的(de)DDA模(mo)型，這些生成(cheng)的(de)DDA模(mo)型始終可以用(yong)于某(mou)些轉換(huan)，但不是全部的(de)轉換(huan)。
如果您已實施(shi)數據(ju)驅(qu)動(dong)的歸(gui)因模型，但是生成的模型不適(shi)用于該轉化，那么GA將在歸(gui)因模型報告的正上(shang)方閃(shan)現警告標(biao)志。
使用DDA模型評估用戶的自然搜(sou)索頻道
打開“模型(xing)比(bi)較工具”。開始“最后非直接點擊”,“數(shu)據驅(qu)動(dong)”模型(xing)和“最后交互模型(xing)”之間的比(bi)較。
最好選(xuan)擇“最后(hou)一次(ci)互(hu)動”模型(xing)(xing)，因(yin)為(wei)它(ta)是(shi)(shi)Google Analytics的(de)多渠(qu)道(dao)渠(qu)道(dao)報告(gao)的(de)基本(ben)模型(xing)(xing)。“上次(ci)非直接點擊”能(neng)夠發揮效用，因(yin)為(wei)它(ta)是(shi)(shi)非多渠(qu)道(dao)渠(qu)道(dao)報告(gao)的(de)基本(ben)模型(xing)(xing)。最后(hou)需要注(zhu)意(yi)的(de)是(shi)(shi)，應該選(xuan)擇“數據驅動”模型(xing)(xing)而不是(shi)(shi)“時(shi)間衰(shuai)減”模型(xing)(xing)，原因(yin)如下：
• 前者不僅會分析Google Analytics帳(zhang)戶中的詳細(xi)信息，還會分析其他關聯帳(zhang)戶，例如Google廣(guang)告(gao)，Doubleclick Campaign Manager等。
• DDA模型使(shi)用算法(fa)來(lai)轉化分配信(xin)用，這(zhe)比(bi)通過“時間衰減”歸因和/或手動轉換給出的信(xin)用結果更可靠。
檢查標記為“轉化百(bai)分比變化（來自”上次互動“）的列(lie)，以查找(zhao)”自然搜索“
使用(yong)(yong)(yong)此報告可以(yi)衡量自(zi)然(ran)(ran)搜(sou)(sou)索轉(zhuan)換從之前(qian)的(de)交互模(mo)型(xing)(xing)轉(zhuan)變(bian)為數(shu)據驅動模(mo)型(xing)(xing)的(de)百分比。在這種情(qing)況下，您(nin)可以(yi)看(kan)到它是(shi)22.66％。這就意味著如果DDA模(mo)型(xing)(xing)被(bei)用(yong)(yong)(yong)于提(ti)供自(zi)然(ran)(ran)搜(sou)(sou)索轉(zhuan)換信用(yong)(yong)(yong)，那(nei)么(me)該過程將(jiang)產生22.66％的(de)信用(yong)(yong)(yong)額(e)度。因此，最終點擊模(mo)型(xing)(xing)低估了自(zi)然(ran)(ran)搜(sou)(sou)索的(de)22.66％。
完成后，只需單擊“模(mo)型(xing)資源管理器工具(ju)”右上(shang)角標有“下載(zai)完整模(mo)型(xing)”的按鈕，即可(ke)將DDA模(mo)型(xing)下載(zai)到Excel工作表(biao)中。
結(jie)束語
在(zai)Google Analytics中選擇數(shu)據驅動的(de)歸因模(mo)(mo)型(xing)，以便(bian)用(yong)戶應(ying)用(yong)該模(mo)(mo)型(xing)并體驗其(qi)優勢(shi)。雖然還(huan)有很多(duo)其(qi)他(ta)歸因模(mo)(mo)型(xing)可(ke)供使(shi)用(yong)，但這種模(mo)(mo)式屬于自(zi)己(ji)的(de)聯盟。
文章標簽： 谷歌廣告
版權聲明：文章來源互聯網，如有侵(qin)權行為，請聯系我(wo)們(men)刪除。
上一篇: 谷歌SEO：谷歌抓取網址的頻率？
下一篇: 什么是谷歌加大型文字廣告？