Тази статия се отнася за собственостите в Google Анализ 4. Прегледайте секцията за Universal Analytics, ако все още използвате собственост в Universal Analytics, която ще спре да обработва данни на 1 юли 2023 г. (1 октомври 2023 г. за собственостите в Анализ 360).

[GA4] Всичко за приписването и моделирането на приписване

Тази статия е предназначена за всеки, който иска да научи как рекламите работят заедно по пътя до реализация.

Приписването в собствености в Google Анализ 4 предоставя подобрени функции за приписване, като например обновен отчет Пътища до реализация, както и нови функции, като например моделиране на приписването на ниво собственост, които предоставят по-задълбочени статистически данни и по-голяма възможност за действия от всякога.

В тази статия:

Общ преглед на моделирането на приписване

Възможно е клиентите да направят няколко търсения и да кликнат върху няколко от рекламите Ви, преди да извършат покупка или да извършат друго ценно действие в уебсайта Ви. Обикновено цялата заслуга за реализацията се приписва на последната реклама, върху която са кликнали клиентите. Но дали само тази реклама ги е накарала да решат да извършат реализация? Какво мислите за другите реклами, върху които са кликнали преди това?

Приписването е присвояването на заслугата за реализациите към различни реклами, кликвания и други фактори по пътя на потребителя към осъществяването на реализация. Моделът на приписване може да е правило, набор от правила или управляван от данни алгоритъм, който определя по какъв начин заслугата за реализациите се приписва на точки на съприкосновение в пътищата до реализация.

В отчетите за приписването в собственостите в Google Анализ 4 има три типа модели на приписване: модели въз основа на правила, обхващащи различни канали, модел въз основа на правила с приоритет на Google Ads и управлявано от данни приписване.

За да намерите отчетите за приписването, кликнете върху Рекламиране вляво. Под Приписване кликнете върху Сравняване на модели или Пътища до реализация.

Бележки:
  • Всички модели на приписване изключват директните посещения от получаването на заслуга за приписване, освен ако пътят до реализацията не се състои изцяло от такива посещения.
  • Моделите на приписване бяха въведени на различни дати (вижте по-долу). Това означава, че ако изберете период от време, започващ преди началната дата за даден модел, ще видите частични данни.

    • Модели въз основа на правила в различни канали: 14 юни 2021 г.
    • Управлявано от данни приписване в различни канали: 1 ноември 2021 г.

Управлявано от данни приписване

Управлявано от данни: При управляваното от данни приписване заслугата за реализацията се разпределя въз основа на данни за всяко събитие с реализация. Моделът се различава от другите по това, че за изчисляване на действителния принос на всяко кликване се използват данни от профила Ви.

Data-driven model iconВсеки управляван от данни модел е специфичен за всеки рекламодател и всяко събитие с реализация.

Как функционира управляваното от данни приписване

Приписване използва алгоритми на машинното обучение, за да оценява пътищата както до реализация, така и до липсата на такава. Полученият в резултат управляван от данни модел се обучава как различните точки на съприкосновение се отразяват върху реализациите. Моделът инкорпорира фактори, като изминало време от реализацията, тип устройство, брой взаимодействия с рекламата, ред на присъствие на рекламите и тип на елементите на рекламното послание. Използвайки подход на изчисляване на потенциалните възможности, моделът съпоставя това, което се е случило, с това, което е можело да се случи, за да определи кои точки на съприкосновение има най-голяма вероятност да стимулират осъществяването на реализации. Моделът приписва заслуга за реализацията на тези точки на съприкосновение на базата на съответната вероятност.

Забележка: В зависимост от наличните данни моделите „Последно кликване (различни канали)“ и „Управлявано от данни приписване“ могат да генерират еднакви резултати в определени ситуации.

Методологията на управляваното от данни приписване (разширено)

Методологията на управляваното от данни приписване се състои от две основни части:

  • Анализ на наличните данни за пътя с цел разработване на модели за процента на реализация за всяко от събитията с реализация
  • Използване на предвижданията на модела за процента на реализация като входни данни за алгоритъм, който приписва заслугата за реализацията на взаимодействия с рекламата.

Разработване на модели за вероятността за реализация от наличните данни за пътя

Управляваното от данни приписване използва данни за пътя, включително от потребителите, които са осъществили реализация, и от тези, които не са, за да разбере как наличието и времето на конкретните маркетингови точки на съприкосновение може да се отрази върху вероятността потребителите да извършат реализация. Получените модели оценяват вероятността даден потребител да извърши реализация в конкретен момент от пътя, при условие че настъпи конкретно негово взаимодействие с реклама.

Моделите сравняват вероятността за реализация за потребителите, изложени на рекламата, и тази за подобни потребители от група, неизложена на рекламата. (Казано на по-технически език, моделите изчисляват условните положителни ефекти от излагането на реклама от Google, като се обучават от данни от рандомизирани контролирани експерименти.)

Алгоритмично присвояване на частична заслуга за реализацията на маркетингови точки на съприкосновение

Моделът на управлявано от данни приписване приписва заслуга въз основа на промяната на прогнозната вероятност за реализация, настъпваща вследствие на добавянето на всяко взаимодействие с рекламата към пътя. За изчисляването на тази заслуга алгоритъмът на управляваното от данни приписване използва различни характеристики, включително времето между взаимодействието с рекламата и реализацията, типа на формата и други сигнали за заявките.

Пример
 
В следната илюстрация от високо ниво комбинацията от излагане на реклама №1 (платено търсене), излагане на реклама №2 (социални мрежи), излагане на реклама №3 (партньори) и излагане на реклама №4 (мрежата за търсене) води до вероятност за реализация от 3%. Когато излагане на реклама №4 не се случи, вероятността спада до 2%, затова знаем, че то води до увеличение на вероятността за реализация с 50%. Повтаряме това за всяко взаимодействие с реклама и използваме така получените стойности за приноса като тегла за приписването.
 

Модели въз основа на правила, обхващащи различни канали

Last interaction model iconПоследно кликване (различни канали): Не взема под внимание директния трафик и приписва 100% от стойността на реализацията на последния канал, от който клиентът е кликнал (или се е ангажирал с пълно показване за YouTube), преди да извърши реализация. Вижте примерите по-долу за това как се разпределя стойността на реализацията:

Примери
  1. Дисплейна мрежа > Социални мрежи > Платено търсене > Органично търсене → 100% за органичното търсене
  2. Дисплейна мрежа > Социални мрежи > Платено търсене > Имейли → 100% за имейли
  3. Дисплейна мрежа > Социални мрежи > Платено търсене > Директно → 100% за платено търсене

Забележка: Това е единственият модел „Последно кликване“, който можете да експортирате в Google Ads. Моделът „Последно кликване (с приоритет на Google Ads)“ е налице само за целите на отчитането.

Управляваното от данни приписване отчита ангажирано показване, когато потребител:

  • гледа реклама в продължение на 30 секунди (или до края, ако е по-кратка от 30 секунди);
  • кликне върху анонс на карта;
  • кликне върху придружаващ банер или видеостена;
  • кликне върху подканваща фраза;
  • кликне върху финалния екран;
  • кликне, за да посети уебсайта на рекламодателя.

First interaction model iconПърво кликване (различни канали): Цялата заслуга за реализацията се приписва на първия канал, от който клиентът е кликнал (или се е ангажирал с пълно показване за YouTube), преди да извърши реализация.

Linear model iconЛинеен модел (различни канали): Заслугата за реализацията се разпределя равномерно между всички канали, от които клиентът е кликнал (или се е ангажирал с пълно показване за YouTube), преди да извърши реализация.

Time-decay model iconВъз основа на позиция (различни канали): 40% от заслугата се приписва на първото и последното взаимодействие, а останалите 20% се разпределят равномерно сред междинните взаимодействия.

Position-based model icon„Затихване с времето“ (различни канали): По-голяма заслуга се приписва на точките на съприкосновение, получени по-скоро във времето до реализацията. Заслугата се разпределя на базата на 7 дни полуживот. С други думи, кликване, извършено осем дни преди реализацията, получава половината от заслугата на такова, извършено един ден преди реализацията.

Модел с приоритет на Google Ads

Last interaction model iconПоследно кликване (с приоритет на Google Ads): 100% от стойността на реализацията се приписва на последния канал в Google Ads, от който клиентът е кликнал, преди да осъществи реализация. Ако по пътя няма кликване от Google Ads, както е посочено в Пример 6, моделът на приписване се връща към „Последно кликване“ (различни канали).

Примери
  1. Дисплейна мрежа > Социални мрежи > Платено търсене > Органично търсене → 100% за платеното търсене
  2. Дисплейна мрежа > Социални мрежи > EVC от YouTube > Имейл → 100% за YouTube
  3. Дисплейна мрежа > Социални мрежи > Имейл > Директен → 100% за имейл (преминаване към последно недиректно кликване)

Настройки за приписването в „Администриране“

Потребителите с роля на редактор в собствеността вече могат да избират модел на приписване и прозорец за ретроспективен преглед на ниво собственост, които да се прилагат за голям брой отчети. За достъп до тази настройка отворете Администриране > Настройки за приписването. Научете повече

Забележка: Настройките за приписването в „Администриране“ не оказват влияние върху моделите на приписване, избрани в отчетите за приписването.

 

Това полезно ли бе?
Как можем да направим подобрения?
Търсене
Изчистване на търсенето
Затваряне на търсенето
Приложения на Google
Главно меню
Търсене в Помощния център
true
69256
false