谷歌转化归因模型

做独立站的人肯定会碰到转化归因(Attribution)的问题,也就是我们将转化(购买、下载、安装等)归因到具体广告的过程,在一个用户发生转化的旅程中,我们会有很多个和他接触的过程(touch points)。我们需要借助归因模型(Attribution model)来分析。

转化归因模型并不简单,我知道刚开始接触独立站的你,这个问题估计是能躲则躲,,就像当初的我一样。但是当你的销量与日俱增,不得不直面这个问题,你需要知道哪些广告费花的值当,而哪些应该削减。

当然就算一开始你觉得看到这个很头痛,也不必着急,因为谷歌广告也好,谷歌分析也好都设置了默认的归因模型。但是要真正弄清楚归因模型也不是一件容易的事,那么我们开始吧。

一、默认归因模型

有人可能会觉得归因模型?我没用啊。其实你用了,只是不知道而已。

因为 Google Analytics 中的所有标准报告都使用最后(非直接)点击归因模型Last non-click。

什么是最终点击归因Last click?

也就是转化前的最后一次点击获得该转化的所有功劳。

例:如果用户点击 Google 搜索广告,访问网站并购买,则该 Google 搜索广告系列将获得 100% 的归因。

听起来好像也没什么问题。

但是,如果这个人是先通过自然搜索找到你,然后通过搜索广告才进行转化的,该怎么算?

在标准的 Google Analytics 报告中,付费广告获得 100% 的销售归因。

但事实上并不是这样。再举个例子, 假如我们使用 YouTube 广告来推广品牌。

如果使用这种最终点击归因模型来评估 YouTube 广告活动的有效性,能猜得到的结果是YouTube广告几乎没有任何贡献,看着这么差的数据可能就会停止投放。但事实上品牌的推广本身就是一个比较长比较慢的转化过程。直接定了个死罪,就很难在漏斗上层吸引更多用户,很难打造品牌的知名度。

因此,默认的 Google Analytics 报告中,类似于 YouTube 广告就几乎没有销售额,而品牌付费(和自然)搜索将获得很高的归因。问题是品牌搜索的高转化率并没有解释人们为什么要搜索。

所以我们需要更全面的角度来发现推动转化的真正原因,才能做出更明智的决定。

二、多渠道归因

多渠道归因可以弄清楚不同的营销渠道之间如何相互影响,以及如何在转换中分配合适的归因。

Google Analytics 中多渠道路径报告的概览:

转化>多渠道漏斗>概览

报告一:路径长度报告

转化>多渠道漏斗>路径长度

注意:转化就选一个,不要全选,把查看优惠这种转化目标都混起来看并没有什么意义。

路径长度报告显示用户在转化之前走过多少路径(或交互或会话)。

在上面的帐户中,可以看到大多数访问者在第一、二次互动时进行了转化。第二次转化价值比转化数量要高(与第一次比尤为明显),可以猜测高这是由于客单价的产品需要更多更长时间的决策。

报告二:辅助转化报告

转化 > 多渠道漏斗 > 辅助转化。

辅助转化报告显示了渠道辅助的所有转化,除了最后一次点击转化。

例1:有人在 Google 上搜索,点击搜索广告,稍后通过自然结果回来,“付费搜索”获得辅助转化。

例2:有人在 Google 上搜索,点击搜索广告,稍后通过不同的搜索广告回来,“付费搜索”获得辅助转化和最后一次点击转化。

所以上面的报告中有很多重复计算,容易夸大某些渠道的影响。

辅助转化次数大于2 或越大,助攻效果越好,辅助转化渠道可加大投入或再营销

报告三:热门转化路径

转化 > 多渠道漏斗 > 热门转化路径

这里可以看到最常见的转化路径。第一次查看可能会和你想的转化方式大相径庭。

看1次转化多的,再营销就不用怎么做,多次转化的路径可加强再营销。

直接流量可能包含了很多其他的流量:未标记的电子邮件活动、广告、站点重定向问题等。因此,如果在帐户中看到这一点,请确保外部链接正确使用 UTM 参数进行标记。

如果我们将此报告切换到 Google Ads,我们可以看到广告系列之间的互动:

马赛克是广告系列名称。在 Google Ads 广告系列是第一次互动的情况下,如果我们只使用最终点击归因,就很可能会错过这些转化。

报告四:转化耗时报告

转化 > 多渠道漏斗 > 转化耗时

上面的截图,用户的转化基本在当天,很出色。

如果长时间滞后,路径长度长:说明访问者需要在准备转化之前建立对品牌的信心。可以多做些再营销广告、更积极发电子邮件等。

三、谷歌广告中的归因模型

1. 最后点击模型(默认模型

在 Google Ads 上设置广告系列时,如果从未调整过归因设置,那么默认最终点击归因模型。

这是 Google Ads 和 Google Analytics 的默认设置。

文章开头也说了弊端。

话虽如此,如果在 Google Ads 上运行简单的广告系列而没有多样化的再营销列表,这是一个不错的模型。但是,大部分人最好还是选择更高级的归因模型比较好。

2.首次点击模型

首次点击将功劳归功于首先为网站带来流量的渠道或关键字。

例如,运行了一个标准搜索广告系列。产生了一次点击,但用户今天并没有购买。通过向他们投放再营销广告再次吸引点击,这一次他们下单了。

在数据报告中,就会看到他们参与的第一个关键字获得了转化归因。

这里的问题也显而易见:第一次点击当然成功引起了他们的注意,但其实根本没什么用。

如果需要多个关键字进行转化,第一个促成点击的关键词的购买意图并不高。

这个模型比较适合专注品牌知名度和测试漏斗顶部的用户。

3. 线性模型

线性模型的工作原理是将功劳平均分配给用户在转化之前进行的每一次互动。

线性建模可以很好地了解哪些渠道和关键字有效,哪些无效。

如果计划运行复杂的广告系列,将人们直接从广泛的自然搜索词带到转化,那么线性模型是一个不错的选择。

4.时间衰减模型

Google Ads 归因的时间衰减模型将最多功劳归于更接近最终转化的行为。

如果用户进行了 7-13 次互动才转化,但它们分散在几个月的时间里,那么最后的几次互动将获得最多的归因。

如果广告系列很复杂,时间衰减模型挺有用。

购物广告一般的决策周期不会太长,所以不太适合使用这个模型。

时间衰减也可以了解销售流程有多长。

5.基于位置的模型

基于位置的模型将 40% 的转化功劳归于第一次和最后一次接触,20% 归于旅程中的剩余点击。

这些数据比单独的第一次或最后一次点击更具体,因为它可以让我们深入了解:

哪个第一个关键字或广告引起了注意

哪一个完成了交易

中间的哪些点击/关键字支持他们的旅程信息

基于位置的归因是一种保守的模型。你不会直接将功劳归于第一个或最后一个关键字。

基于位置的模型可以了解哪些关键字组合促成了首次互动以及哪些关键字促成了销售,更多地关注第一个和最后一个关键字。

6.数据驱动模型

基于数据的归因模型是随着智能广告出现的新模型。使用 Google 机器学习技术将转化归功于最具影响力的关键字,这种新模型很依赖于帐户性能。

正如谷歌所说:数据驱动的方法消除了选择模型时的猜测。

数据驱动复杂的算法评估帐户中的所有不同路径(转换和非转换),以确定哪些互动最具影响力。广告互动次数、曝光顺序和每个转化路径中使用的广告创意等因素都包含在结果中。算法将实际发生的情况与可能发生的情况进行对比,以确定哪些广告点击对转化最为关键。

要使用此模型,至少需要在 30 天内满足以下条件:

3000 次点击

300 次转化

要继续使用该模型,还必须保持住以上的水平。

这个对小账户可能不太友好了,意味着每月在 Google Ads 上花费超过 2000-5000 美元。

只要你有这个资格,还是强烈建议使用,尤其是跑了智能广告系列的。对广告效果有非常直接的影响。

四、谷歌分析中的归因模型

谷歌分析中的和谷歌广告中的也挺类似的,只是因为有多个广告渠道汇总,稍有差异:

1.最终互动:最后的互动(或点击)获得100%归因。

2.最终非直接点击:所有直接流量被忽略,100%归因于客户转化之前点击的访问的最后一个渠道。

3.最终Adwords点击:最终谷歌广告的点击将获得100%归因。

4.首次互动

5.线性

6.时间衰减

7.基于位置

在谷歌分析中可以对这些归因模型做对比,以确定更适合自己的归因模型。

五、如何在 Google Ads 中选择归因模型

要更改广告系列的归因设置,前往:工具>转化,点击单个转化 (查看如何配置转化)编辑:

点击保存,完成

当然也可以像在 Google Analytics 中一样,直接在 Google Ads 中比较不同的模型,以了解您的广告系列、广告和关键字如何在购买过程中发挥作用。

同样的也可以查看热门路径,辅助路径,及比较不同的归因模型。

其实理清楚了,归因模型也不太难吧,好啦,收藏一下,先去过节吧~~

微信公众号:搞毛线的毛

类似文章