什么是 Google Analytics（分析）中的归因模型及其重要性

已发表: 2020-06-02

什么是归因模型？

归因模型是一种工具，允许营销人员在成功转换/购买之前衡量客户旅程中每个接触点的价值。谷歌将归因模型描述为“决定如何将销售和转化功劳分配给转化路径中的接触点的规则或规则集”。

用户在成为付费客户之前经常与品牌互动几次，同时他们会在您的销售漏斗中前进。您的漏斗可能会根据以下情况而改变；您的产品价格、品牌知名度、行业类型以及许多其他因素，但它们往往归结为相同的 3 个关键步骤。意识、兴趣、行动。

这个漏斗是消费者在成为客户之前将采取的步骤的简化和表示。

首先，他们可能会通过展示广告、YouTube 广告或其他品牌知名度活动了解您的品牌。这将属于漏斗第 1 步——意识
然后，用户可以查找评论、访问您的产品或服务页面、订阅您的公司时事通讯等。这将使此人进入第二个漏斗步骤——兴趣
一旦用户对您的服务表现出兴趣，这可能会导致购买意图，然后用户随后进行购买或互动。这是最后一步——行动

为什么归因模型很重要？

归因模型为我们提供了不同的方式来解释我们的营销活动中的数据，并让我们更深入地了解客户旅程。

在 Google 广告上，当您创建或导入转化操作时，默认归因模型是“最终点击”。这意味着，当用户进行转化时，所有功劳都会分配给他们对您的一个广告所做的最后一次点击。这样做的主要问题是它完全忽略了用户与您的品牌进行的任何其他交互。

下面的屏幕截图显示了一个示例，该示例取自 Google Analytics（分析）中的“热门转化路径”报告，该报告来自一个电子商务网站，该网站具有高级过滤器，可在多渠道路径分组路径中显示带有“展示”的转化。

在此示例中，我们可以看到来自看到展示广告的用户的 6 次转化。但是，使用最终点击归因模型的转化操作的 Google Ads 仅报告了来自展示广告系列的 2 次转化。这是来自数字 5 和 3，其余的没有为展示活动提供任何功劳。

使用模型比较工具（位于“转化”下，然后是 Google Analytics（分析）中的“多渠道路径”）下——我们可以观察到在每个归因模型相互比较时发生的转化次数和转化价值字段的变化。

在第一列中，我们可以看到“Last Interaction”的结果，旁边是“Time Decay”，右侧的列是“Linear”的结果。这使我们能够更好地了解我们的展示活动在客户购买决策中的重要性，而不仅仅是关注旅程的最后一步。

不同类型的归因模型

您可能已经最熟悉的归因模型是 Google Ads 提供的选项。这些是; 最后点击、首次点击、基于位置、线性、时间衰减和数据驱动。这些归因模型中的每一个都将不同的接触点归功于不同的价值。这将在下面解释。

最后点击

最终点击归因模型将 100% 的转化功劳分配给最后一个接触点。

首次点击

最终点击归因模型将 100% 的转化功劳分配给第一个接触点。

基于位置

基于位置的归因模型将 40% 的转化功劳分配给第一个和最后一个接触点。其余部分均匀分布在其余接触点之间。

线性

线性归因模型在所有接触点之间平均分配功劳。

时间衰减

时间衰减归因模型将较少的功劳分配给最早的接触点，而将更多功劳分配给最接近转化的接触点。

数据驱动

数据驱动的归因模型的不同之处在于它使用历史转化数据来计算每个接触点的实际贡献。

Google Ads 和 Google Analytics 上的归因模型之间的差异

您可能已经注意到，在 Google Analytics（分析）中创建目标时，它不会像在 Google Ads 上那样为您提供应用归因模型的相同选项。这使我们能够使用模型比较工具在 Google Analytics 上比较不同的归因模型。

Google Ads 和 Google Analytics 上可用的归因模型略有不同。虽然 Google Ads 包含上面列出的归因模型，但 Google Analytics（分析）没有数据驱动，但确实有两个额外的归因模型；最后一次 Google Ads 点击和最后一次非直接点击。

Google Analytics 中的“最后一次 Google Ads 点击”归因模型与 Google Ads 上的“最后一次点击”模型相同。

另一方面，Google Analytics 对非多渠道漏斗报告使用最后非直接点击归因模型，对多渠道漏斗报告使用最后点击模型。

归因模型在 Google Analytics（分析）和 Google Ads 上的工作方式之间的差异可能会导致两者之间的结果出现差异。例如，如果用户点击了搜索广告，然后自然地访问了该网站并进行了转化，那么 Google Ads 会将其归为搜索广告系列的转化，而 Google Analytics（分析）会将其归类为自然转化。

哪个是正确的归因模型？

使用各种归因模型来解释您的转化数据以了解客户在成功转化之前所经历的旅程非常重要。例如，使用最终点击归因模型完全忽略了用户之前采取的每一步，而使用首次点击归因模型则会给您带来相反的问题。然而，比较这两者可以帮助我们了解哪些广告方式最能鼓励客户首先探索我们的品牌，以及哪些类型的广告使他们成功地在漏斗中进一步转化。

在 Google Ads 上测试多种归因模型并找出最适合您的归因模型。基于位置和线性归因模型非常适合开始使用，因为您现在可能会开始看到分布在您的品牌活动、产品活动、展示、YouTube 等中的转化功劳。

如何利用您对归因建模的理解来改进您的 Google Ads 广告系列

通过比较归因模型和分析用户的转化路径，我们可以开始了解完整的客户旅程，而不仅仅是最终点击。使用 Google Analytics 中的热门转化路径工具，我们可以了解用户在成为转化客户之前如何在线与我们的品牌互动。

在 Google Analytics（分析）上，导航并展开左侧边栏中的“转化”，展开“多渠道漏斗”下拉菜单，然后选择“热门转化路径”。在这里，我们可以看到每个转化用户在完成转化操作之前所采取的步骤。

确保您在左上角选择了正确的转化操作，并将路径长度设置为“全部”以查看所有转化的信息。第三个选项“回溯期”可以设置为从 1 天到 90 天不等。此选项决定了我们可以分析转化操作之前的天数。

接下来，我们可以创建一个二级维度，为我们提供有关用户与之交互的内容类型的更多信息。点击“次要维度”并尝试一些选项（广告组路径或搜索查询路径非常适合开始使用）。

然后，我们可以过滤结果，仅显示用户与广告互动的转化详情。这可以通过单击主表右上角的“高级”来完成。在这里，选择“MCF Channel Grouping Path”，在空白框中输入“Paid”，然后单击“Apply”，如下图所示。

完成上述步骤后，将搜索查询路径设置为我们的二级维度，我们现在可以看到每个用户进行的单独搜索。

我们还可以使用 MCF 渠道分组路径过滤器来显示结果，例如，对于用户与展示广告和搜索广告进行互动的转化。这可以在下图中看到。

现在您可以更好地了解您的客户旅程，您应该能够使用收集到的信息来调整您的活动。我只提到了几种不同的方法来试验你的数据，但是你可以自己进行大量的其他实验！