iCDO譯者 駱姿亦
理解每位用戶在全管道購物過程中發生的互動行為是困難的。 因為他們可能通過Facebook瞭解到我們的品牌, 通過郵件行銷進行註冊,
歸因模型為全管道購物過程之中的各個觸點分配權重分數, 這樣我們可以更好的分配資源並且理解市場行銷的有效性。
今天, 我們將列舉一些常用的歸因模型, 並演示如何使用Googel Analytics 歸因模型對比工具來為你的業務挑選最適合的模型。
歸因模型應用示例
假設你的網站售賣燒烤架。 Grillmaster 先生在谷歌上搜索燒烤架, 然後點擊進入了網站。 之後他通過行銷郵件註冊了你的網站, 但是沒有購買任何產品。 幾天之後, 他收到了你的行銷郵件, 通過點擊行銷郵件進入網站並流覽了燒烤架型號頁面。 一周之後, 他在Facebook上點擊了一個關於免費送貨2日達的帖子。
他的購買過程是這樣的:自然搜索, 郵件行銷, 社交網路, 直接來源。
Google Analytics 歸因模型101
在末次互動歸因模型中, 我們將轉化的全部功勞歸於使用者的最後一個觸點。 在Grillmaster先生的例子中, 如果我們使用末次互動歸因模型, 直接來源將成為這次成功購買的最大功臣。
末次非直接點擊歸因模型忽視了直接流量, 把轉化功勞全歸因於在完成銷售之前的最後一次管道點擊。 在Grillmaster先生的例子中, 如果使用末次非直接流量點擊歸因模型,
末次廣告點擊歸因模型把成功轉化歸功於最後一次廣告點擊或者付費搜索點擊。 這個歸因模型並不適用於Grillmaster 先生的例子, 除非Facebook 廣告進行了Adword標記。 那麼在剛才的例子中, 他的線上購物過程即為:自然搜索, 郵件行銷, 付費搜索, 和直接來源。 在末次廣告點擊歸因模型中, 我們就把功勞全歸結于付費搜索。 (這取決於社交媒體是如何被標記的, 它可以被標記在社交媒體管道或者付費廣告管道之下)
到現在為止, 你基本瞭解了歸因模型。 我們再來看更多模型:
與末次互動相似, 首次互動歸因模型把轉化功勞全歸因於首次觸點——在Grillmaster先生的例子中, 即為自然搜索。
線性歸因模型在各個管道之間平均分配成功轉化分數。
在時間衰減歸因模型中, 越接近成交時間的管道將得到越多的評分, 而越遠離成交時間的管道將得到越少的分數。 在Grillmaster先生的例子中, 直接來源將得到最多的轉化分數, 而自然搜索將得到最少的轉化分數。
最後, 在基於位置的歸因模型中, 首次和末次互動管道將各自得到40%的轉化分數, 而剩下20%的轉化分數將平均分配給處於中間過程的互動管道。 在Grillmaster先生的例子中, 自然搜索和直接來源將各自得到40%的成功交易轉化分數, 而郵件行銷和社交媒體管道將各自得到10%的分數。
Google Analytics的歸因模型
Google Analytics 的大多數標準報告使用的是末次非直接點擊歸因模型,
在Google Analytics中, 你可以通過下滑滑鼠, 在轉化>屬性>模型對比工具 中找到它:
末次互動模型是預設設置。你將看到5個管道以及所對應的末次互動轉化次數及百分比(基於所挑選模型的轉化數值)以及末次互動轉化價值(基於所挑選模型的權重價值)
你可以通過挑選模型的下拉清單對比其他模型。在這裡,我們選擇對比末次互動模型和首次互動模型。這個工具能計算相對初始模型在轉化量和轉化價值上的百分比變化。
更多選項:在轉化的下拉清單,選擇所需的資料。現在我們同時觀察交易(電子商務)和註冊(目標)。在類別選項下,可以在全部資料和僅選擇AdWords資料之間進行切換。設置回環視窗的範圍為1到90天之間,並將回環視窗長度作為每項轉化需要向前追蹤的時間長度。
模型對比工具一次最多能對比3種模型。添加二次維度,例如來源/媒介,可以更加深入挖掘轉化的路徑。例如,添加二次維度來源,把自然搜索細分為Google, Bing 和Yahoo. 這個資訊有助於我們在不同搜尋引擎上分配廣告預算。
重要的結論
歸因模型主要是用於衡量各個管道在用戶的多管道購物過程中對轉化的影響。這些模型並不是完美的,也不能簡單的告訴我們要做什麼。相反,他們幫助我們分析並且找出多觸點間所有行為資料的意義,因此我們能做出基於資料的判斷。
在我們的實際工作中,可以經常嘗試多種歸因模型,對比分析歸因模型對多管道效果轉化的效果,選擇適合自己公司業務的最優模型。
作者簡介:
Whereoware
Whereoware是一家專事郵件行銷,網站設計和開發,移動app設計和開發,SEO+PPC的公司,總部在美國華盛頓特區都會區。
譯者簡介:
陳佳藝
穀歌分析認證分析師,曾在美國芝加哥留學,工作。目前在美庫爾商務諮詢(上海)有限公司擔任網站分析師,也是iCDO的資深翻譯志願者。
關於互聯網資料官(Internet CDO)
國內第一家聚焦於基於資料和大資料的互聯網行銷、運營、產品和管理的中立平臺。我們為互聯網資料從業者、愛好者、解決方案提供商提供行業資訊、技術、知識、經驗以及內容分享、活動等。我們也為行業提供內容、活動、招聘和求職的共用發佈平臺。
iCDO就是Internet Chief Data Officer的英文首字母縮寫。
互聯網資料官旗下也包括另外兩個子品牌:包括宋星老師創建的國內最著名的互聯網行銷和運營資料分析博客:CWA(網站分析在中國)——知識分享平臺、宋星老師和Florian Pihs老師創始的WAW(網站分析星期三)——沙龍活動平臺。而iCDO本身,則不僅僅包括前二者的知識分享和沙龍活動,還包括行業資訊及行業資訊共用發佈平臺。
末次互動模型是預設設置。你將看到5個管道以及所對應的末次互動轉化次數及百分比(基於所挑選模型的轉化數值)以及末次互動轉化價值(基於所挑選模型的權重價值)
你可以通過挑選模型的下拉清單對比其他模型。在這裡,我們選擇對比末次互動模型和首次互動模型。這個工具能計算相對初始模型在轉化量和轉化價值上的百分比變化。
更多選項:在轉化的下拉清單,選擇所需的資料。現在我們同時觀察交易(電子商務)和註冊(目標)。在類別選項下,可以在全部資料和僅選擇AdWords資料之間進行切換。設置回環視窗的範圍為1到90天之間,並將回環視窗長度作為每項轉化需要向前追蹤的時間長度。
模型對比工具一次最多能對比3種模型。添加二次維度,例如來源/媒介,可以更加深入挖掘轉化的路徑。例如,添加二次維度來源,把自然搜索細分為Google, Bing 和Yahoo. 這個資訊有助於我們在不同搜尋引擎上分配廣告預算。
重要的結論
歸因模型主要是用於衡量各個管道在用戶的多管道購物過程中對轉化的影響。這些模型並不是完美的,也不能簡單的告訴我們要做什麼。相反,他們幫助我們分析並且找出多觸點間所有行為資料的意義,因此我們能做出基於資料的判斷。
在我們的實際工作中,可以經常嘗試多種歸因模型,對比分析歸因模型對多管道效果轉化的效果,選擇適合自己公司業務的最優模型。
作者簡介:
Whereoware
Whereoware是一家專事郵件行銷,網站設計和開發,移動app設計和開發,SEO+PPC的公司,總部在美國華盛頓特區都會區。
譯者簡介:
陳佳藝
穀歌分析認證分析師,曾在美國芝加哥留學,工作。目前在美庫爾商務諮詢(上海)有限公司擔任網站分析師,也是iCDO的資深翻譯志願者。
關於互聯網資料官(Internet CDO)
國內第一家聚焦於基於資料和大資料的互聯網行銷、運營、產品和管理的中立平臺。我們為互聯網資料從業者、愛好者、解決方案提供商提供行業資訊、技術、知識、經驗以及內容分享、活動等。我們也為行業提供內容、活動、招聘和求職的共用發佈平臺。
iCDO就是Internet Chief Data Officer的英文首字母縮寫。
互聯網資料官旗下也包括另外兩個子品牌:包括宋星老師創建的國內最著名的互聯網行銷和運營資料分析博客:CWA(網站分析在中國)——知識分享平臺、宋星老師和Florian Pihs老師創始的WAW(網站分析星期三)——沙龍活動平臺。而iCDO本身,則不僅僅包括前二者的知識分享和沙龍活動,還包括行業資訊及行業資訊共用發佈平臺。