什麼是 Google Analytics（分析）中的歸因模型及其重要性

已發表: 2020-06-02

什麼是歸因模型？

歸因模型是一種工具，允許營銷人員在成功轉換/購買之前衡量客戶旅程中每個接觸點的價值。谷歌將歸因模型描述為“決定如何將銷售和轉化功勞分配給轉化路徑中的接觸點的規則或規則集”。

用戶在成為付費客戶之前經常與品牌互動幾次，同時他們會在您的銷售漏斗中前進。您的漏斗可能會根據以下情況而改變；您的產品價格、品牌知名度、行業類型以及許多其他因素，但它們往往歸結為相同的 3 個關鍵步驟。意識、興趣、行動。

這個漏斗是消費者在成為客戶之前將採取的步驟的簡化和表示。

首先，他們可能會通過展示廣告、YouTube 廣告或其他品牌知名度活動了解您的品牌。這將屬於漏斗第 1 步——意識
然後，用戶可以查找評論、訪問您的產品或服務頁面、訂閱您的公司時事通訊等。這將使此人進入第二個漏斗步驟——興趣
一旦用戶對您的服務表現出興趣，這可能會導致購買意圖，然後用戶隨後進行購買或互動。這是最後一步——行動

為什麼歸因模型很重要？

歸因模型為我們提供了不同的方式來解釋我們的營銷活動中的數據，並讓我們更深入地了解客戶旅程。

在 Google 廣告上，當您創建或導入轉化操作時，默認歸因模型是“最終點擊”。這意味著，當用戶進行轉化時，所有功勞都會分配給他們對您的一個廣告所做的最後一次點擊。這樣做的主要問題是它完全忽略了用戶與您的品牌進行的任何其他交互。

下面的屏幕截圖顯示了一個示例，該示例取自 Google Analytics（分析）中的“熱門轉化路徑”報告，該報告來自一個電子商務網站，該網站具有高級過濾器，可在多渠道路徑分組路徑中顯示帶有“展示”的轉化。

在此示例中，我們可以看到來自看到展示廣告的用戶的 6 次轉化。但是，使用最終點擊歸因模型的轉化操作的 Google Ads 僅報告了來自展示廣告系列的 2 次轉化。這是來自數字 5 和 3，其餘的沒有為展示活動提供任何功勞。

使用模型比較工具（位於“轉化”下，然後是 Google Analytics（分析）中的“多渠道路徑”）下——我們可以觀察到在每個歸因模型相互比較時發生的轉化次數和轉化價值字段的變化。

在第一列中，我們可以看到“Last Interaction”的結果，旁邊是“Time Decay”，右側的列是“Linear”的結果。這使我們能夠更好地了解我們的展示活動在客戶購買決策中的重要性，而不僅僅是關注旅程的最後一步。

不同類型的歸因模型

您可能已經最熟悉的歸因模型是 Google Ads 提供的選項。這些是; 最後點擊、首次點擊、基於位置、線性、時間衰減和數據驅動。這些歸因模型中的每一個都將不同的接觸點歸功於不同的價值。這將在下面解釋。

最後點擊

最終點擊歸因模型將 100% 的轉化功勞分配給最後一個接觸點。

首次點擊

最終點擊歸因模型將 100% 的轉化功勞分配給第一個接觸點。

基於位置

基於位置的歸因模型將 40% 的轉化功勞分配給第一個和最後一個接觸點。其餘部分均勻分佈在其餘接觸點之間。

線性

線性歸因模型在所有接觸點之間平均分配功勞。

時間衰減

時間衰減歸因模型將較少的功勞分配給最早的接觸點，而將更多功勞分配給最接近轉化的接觸點。

數據驅動

數據驅動的歸因模型的不同之處在於它使用歷史轉化數據來計算每個接觸點的實際貢獻。

Google Ads 和 Google Analytics 上的歸因模型之間的差異

您可能已經註意到，在 Google Analytics（分析）中創建目標時，它不會像在 Google Ads 上那樣為您提供應用歸因模型的相同選項。這使我們能夠使用模型比較工具在 Google Analytics 上比較不同的歸因模型。

Google Ads 和 Google Analytics 上可用的歸因模型略有不同。雖然 Google Ads 包含上面列出的歸因模型，但 Google Analytics（分析）沒有數據驅動，但確實有兩個額外的歸因模型；最後一次 Google Ads 點擊和最後一次非直接點擊。

Google Analytics 中的“最後一次 Google Ads 點擊”歸因模型與 Google Ads 上的“最後一次點擊”模型相同。

另一方面，Google Analytics 對非多渠道漏斗報告使用最後非直接點擊歸因模型，對多渠道漏斗報告使用最後點擊模型。

歸因模型在 Google Analytics（分析）和 Google Ads 上的工作方式之間的差異可能會導致兩者之間的結果出現差異。例如，如果用戶點擊了搜索廣告，然後自然地訪問了該網站並進行了轉化，那麼 Google Ads 會將其歸為搜索廣告系列的轉化，而 Google Analytics（分析）會將其歸類為自然轉化。

哪個是正確的歸因模型？

使用各種歸因模型來解釋您的轉化數據以了解客戶在成功轉化之前所經歷的旅程非常重要。例如，使用最終點擊歸因模型完全忽略了用戶之前採取的每一步，而使用首次點擊歸因模型則會給您帶來相反的問題。然而，比較這兩者可以幫助我們了解哪些廣告方式最能鼓勵客戶首先探索我們的品牌，以及哪些類型的廣告使他們成功地在漏斗中進一步轉化。

在 Google Ads 上測試多種歸因模型並找出最適合您的歸因模型。基於位置和線性歸因模型非常適合開始使用，因為您現在可能會開始看到分佈在您的品牌活動、產品活動、展示、YouTube 等中的轉化功勞。

如何利用您對歸因建模的理解來改進您的 Google Ads 廣告系列

通過比較歸因模型和分析用戶的轉化路徑，我們可以開始了解完整的客戶旅程，而不僅僅是最終點擊。使用 Google Analytics 中的熱門轉化路徑工具，我們可以了解用戶在成為轉化客戶之前如何在線與我們的品牌互動。

在 Google Analytics（分析）上，導航並展開左側邊欄中的“轉化”，展開“多渠道漏斗”下拉菜單，然後選擇“熱門轉化路徑”。在這裡，我們可以看到每個轉化用戶在完成轉化操作之前所採取的步驟。

確保您在左上角選擇了正確的轉化操作，並將路徑長度設置為“全部”以查看所有轉化的信息。第三個選項“回溯期”可以設置為從 1 天到 90 天不等。此選項決定了我們可以分析轉化操作之前的天數。

接下來，我們可以創建一個二級維度，為我們提供有關用戶與之交互的內容類型的更多信息。點擊“次要維度”並嘗試一些選項（廣告組路徑或搜索查詢路徑非常適合開始使用）。

然後，我們可以過濾結果，僅顯示用戶與廣告互動的轉化詳情。這可以通過單擊主表右上角的“高級”來完成。在這裡，選擇“MCF Channel Grouping Path”，在空白框中輸入“Paid”，然後單擊“Apply”，如下圖所示。

完成上述步驟後，將搜索查詢路徑設置為我們的二級維度，我們現在可以看到每個用戶進行的單獨搜索。

我們還可以使用 MCF 渠道分組路徑過濾器來顯示結果，例如，對於用戶與展示廣告和搜索廣告進行互動的轉化。這可以在下圖中看到。

現在您可以更好地了解您的客戶旅程，您應該能夠使用收集到的信息來調整您的活動。我只提到了幾種不同的方法來試驗你的數據，但是你可以自己進行大量的其他實驗！