[GA4] Σχετικά με την απόδοση και τη μοντελοποίηση απόδοσης

Αυτό το άρθρο απευθύνεται σε όποιον θέλει να μάθει πώς λειτουργούν από κοινού οι διαφημίσεις του στη διαδρομή προς τις μετατροπές.

Η απόδοση στις ιδιοκτησίες Google Analytics 4 παρέχει βελτιωμένες λειτουργίες απόδοσης, όπως μια ανανεωμένη αναφορά Διαδρομές μετατροπών, καθώς και νέες λειτουργίες απόδοσης, όπως μοντελοποίηση απόδοσης σε επίπεδο ιδιοκτησίας, οι οποίες παρέχουν πιο αναλυτικά insight και πιο εμπλουτισμένη δυνατότητα πραγματοποίησης ενεργειών από ποτέ.

Σε αυτό το άρθρο:

Επισκόπηση της μοντελοποίησης της απόδοσης

Οι πελάτες ενδέχεται να πραγματοποιήσουν αρκετές αναζητήσεις και να κάνουν κλικ σε αρκετές από τις διαφημίσεις σας, προτού προχωρήσουν σε αγορά ή ολοκληρώσουν μια άλλη ενέργεια που έχει αξία στον ιστότοπό σας. Συνήθως, όλη η ευθύνη για τη μετατροπή αποδίδεται στην τελευταία διαφήμιση στην οποία έκαναν κλικ οι πελάτες. Ωστόσο, ήταν αποκλειστικά αυτή η διαφήμιση που τους οδήγησε στην μετατροπή; Τι θα γίνει με τις άλλες διαφημίσεις στις οποίες έκαναν κλικ πριν από αυτήν;

Απόδοση είναι η πράξη της απόδοσης ευθύνης για μετατροπές σε διαφορετικές διαφημίσεις, κλικ, καθώς και σε άλλους παράγοντες που μεσολαβούν στη διαδρομή ενός χρήστη μέχρι την ολοκλήρωση μιας μετατροπής. Το μοντέλο απόδοσης μπορεί να είναι ένας κανόνας, ένα σύνολο κανόνων ή ένας αλγόριθμος βάσει δεδομένων που προσδιορίζει πώς αποδίδεται η ευθύνη για τις μετατροπές στα σημεία επαφής κατά τις διαδρομές μετατροπών.

Διατίθενται τρεις τύποι μοντέλων απόδοσης στις Αναφορές απόδοσης των ιδιοκτησιών Google Analytics 4: μοντέλα βάσει κανόνων μεταξύ καναλιών, ένα μοντέλο βάσει κανόνων με προτίμηση στο Google Ads και απόδοση βάσει δεδομένων.

Για να βρείτε τις Αναφορές απόδοσης, κάντε κλικ στην επιλογή Διαφήμιση, στα αριστερά. Στην ενότητα Απόδοση, κάντε κλικ στην επιλογή Σύγκριση μοντέλων ή Διαδρομές μετατροπής.

Σημειώσεις:
  • Σε όλα τα μοντέλα απόδοσης οι άμεσες επισκέψεις εξαιρούνται από την απόδοση ευθύνης, αν η διαδρομή προς τη μετατροπή δεν αποτελείται αποκλειστικά από άμεσες επισκέψεις.
  • Τα μοντέλα απόδοσης παρουσιάστηκαν σε διαφορετικές ημερομηνίες (δείτε παρακάτω). Αυτό σημαίνει ότι, αν επιλέξετε ένα εύρος ημερομηνιών που περιλαμβάνει ένα χρονικό διάστημα πριν την ημερομηνία έναρξης για ένα μοντέλο, θα δείτε μερικά δεδομένα.

    • Μοντέλα βάσει κανόνων μεταξύ καναλιών: 14 Ιουνίου 2021
    • Απόδοση βάσει δεδομένων μεταξύ καναλιών: 1 Νοεμβρίου 2021

Απόδοση βάσει δεδομένων

Βάσει δεδομένων: Η απόδοση βάσει δεδομένων κατανέμει την ευθύνη για τη μετατροπή βάσει δεδομένων για κάθε συμβάν μετατροπής. Διαφέρει από τα άλλα μοντέλα, επειδή χρησιμοποιεί τα δεδομένα του λογαριασμού σας, για να υπολογίζει την πραγματική συνεισφορά κάθε αλληλεπίδρασης κλικ.

Data-driven model iconΓια κάθε διαφημιζόμενο και συμβάν μετατροπής υπάρχει συγκεκριμένο μοντέλο Βάσει δεδομένων.

Πώς λειτουργεί η απόδοση βάσει δεδομένων

Το Attribution χρησιμοποιεί αλγορίθμους μηχανικής εκμάθησης, για να αξιολογεί τόσο τις διαδρομές που εξασφαλίζουν μετατροπές όσο και εκείνες που δεν εξασφαλίζουν μετατροπές. Το μοντέλο Βάσει δεδομένων που προκύπτει μαθαίνει πώς τα διαφορετικά σημεία επαφής επηρεάζουν τα αποτελέσματα μετατροπής. Το μοντέλο αυτό περιλαμβάνει παράγοντες όπως τη χρονική απόσταση από τη μετατροπή, τον τύπο συσκευής, τον αριθμό των αλληλεπιδράσεων με διαφημίσεις, τη σειρά προβολής διαφημίσεων, καθώς και τον τύπο των στοιχείων δημιουργικού. Υιοθετώντας μια υποθετική προσέγγιση, το μοντέλο αντιπαραβάλλει αυτό που συνέβη με αυτό που θα μπορούσε να έχει συμβεί, προκειμένου να προσδιορίσει τα σημεία επαφής τα οποία είναι πιθανότερο να εξασφαλίσουν μετατροπές. Το μοντέλο αποδίδει την ευθύνη μετατροπής στα σημεία επαφής με βάση τις πιθανότητες αυτές.

Σημείωση: Ανάλογα με τη διαθεσιμότητα των δεδομένων, τα μοντέλα απόδοσης τελευταίου κλικ μεταξύ καναλιών και απόδοσης βάσει δεδομένων μπορούν να αποφέρουν τα ίδια αποτελέσματα σε συγκεκριμένες περιπτώσεις.

Η μεθοδολογία στην οποία βασίζεται η απόδοση βάσει δεδομένων (για προχωρημένους)

Η μεθοδολογία της απόδοσης βάσει δεδομένων αποτελείται από δύο βασικά τμήματα:

  • Ανάλυση των διαθέσιμων δεδομένων διαδρομής για την ανάπτυξη μοντέλων ποσοστού μετατροπών για καθένα από τα συμβάντα μετατροπής
  • Χρήση των προβλέψεων των μοντέλων ποσοστού μετατροπών ως δεδομένων εισαγωγής σε έναν αλγόριθμο που αποδίδει την ευθύνη μετατροπής σε αλληλεπιδράσεις με διαφημίσεις

Ανάπτυξη μοντέλων πιθανότητας μετατροπής από διαθέσιμα δεδομένα διαδρομής

Η απόδοση βάσει δεδομένων χρησιμοποιεί δεδομένα διαδρομής, στα οποία συμπεριλαμβάνονται και δεδομένα από χρήστες με μετατροπή και χρήστες χωρίς μετατροπή, για να κατανοήσει τον τρόπο με τον οποίο η παρουσία και ο χρονισμός συγκεκριμένων σημείων επαφής μάρκετινγκ μπορεί να επηρεάσουν την πιθανότητα μετατροπής των χρηστών σας. Τα μοντέλα που προκύπτουν αξιολογούν τις πιθανότητες που έχει ένας χρήστης να πραγματοποιήσει μετατροπή σε κάποιο συγκεκριμένο σημείο της διαδρομής, μετά από μια συγκεκριμένη αλληλεπίδραση με διαφήμιση.

Τα μοντέλα συγκρίνουν την πιθανότητα μετατροπής των χρηστών στους οποίους προβλήθηκε η διαφήμιση με την πιθανότητα μετατροπής παρόμοιων χρηστών σε ομάδα παρακράτησης. (Με πιο τεχνικούς όρους, τα μοντέλα υπολογίζουν τα υποθετικά οφέλη από τις προβολές διαφημίσεων Google, μέσω της εκπαίδευσης βάσει δεδομένων από τυχαιοποιημένες ελεγχόμενες δοκιμές.)

Αλγοριθμική απόδοση κλασματικής ευθύνης μετατροπής σε σημεία επαφής μάρκετινγκ

Το μοντέλο απόδοσης βάσει δεδομένων αποδίδει την ευθύνη με βάση τον τρόπο με τον οποίο η προσθήκη κάθε αλληλεπίδρασης με διαφήμιση στη διαδρομή αλλάζει την εκτιμώμενη πιθανότητα μετατροπής. Για τον υπολογισμό αυτής της ευθύνης, ο αλγόριθμος απόδοσης βάσει δεδομένων χρησιμοποιεί διάφορες λειτουργίες, όπως ο χρόνος μεταξύ της αλληλεπίδρασης με διαφήμιση και της μετατροπής, ο τύπος μορφής και άλλα χαρακτηριστικά ταυτοποίησης ερωτημάτων.

Παράδειγμα
 
Στην ακόλουθη εικόνα υψηλού επιπέδου, ο συνδυασμός της Προβολής διαφήμισης #1 (Πληρωμένη αναζήτηση), της Προβολής διαφήμισης #2 (Κοινωνικά δίκτυα), της Προβολής διαφήμισης #3 (Συνδεδεμένη εταιρεία) και της Προβολής διαφήμισης #4 (Αναζήτηση) οδηγεί σε πιθανότητα μετατροπής 3%. Όταν δεν προκύπτει η Προβολή διαφήμισης #4, η πιθανότητα μειώνεται στο 2%, επομένως γνωρίζουμε ότι η Προβολή διαφήμισης #4 αυξάνει την πιθανότητα μετατροπής κατά 50%. Επαναλαμβάνουμε αυτήν την ενέργεια για κάθε αλληλεπίδραση με διαφήμιση και χρησιμοποιούμε τις διαπιστωμένες συνεισφορές ως σταθμίσεις απόδοσης.
 

Μοντέλα βάσει κανόνων μεταξύ καναλιών

Last interaction model iconΤελευταίο κλικ μεταξύ καναλιών: Παραβλέπει την επισκεψιμότητα από άμεσες πηγές και αποδίδει το 100% της αξίας μετατροπής στο τελευταίο κανάλι από το οποίο προήλθε με κλικ ο πελάτης (ή στην προβολή προσέλκυσης για το YouTube) πριν από τη μετατροπή. Δείτε παρακάτω παραδείγματα σχετικά με τον τρόπο κατανομής της αξίας μετατροπής:

Παραδείγματα
  1. Προβολή > Κοινωνικά δίκτυα > Πληρωμένη αναζήτηση > Οργανική αναζήτηση → 100% στην Οργανική αναζήτηση
  2. Προβολή > Κοινωνικά δίκτυα > Πληρωμένη αναζήτηση > Ηλεκτρονικό ταχυδρομείο → 100% στο Ηλεκτρονικό ταχυδρομείο
  3. Προβολή > Κοινωνικά δίκτυα > Πληρωμένη αναζήτηση > Απευθείας → 100% στην Πληρωμένη αναζήτηση

Σημείωση: Αυτό είναι το μόνο μοντέλο τελευταίου κλικ που μπορείτε να εξαγάγετε στο Google Ads. Το τελευταίο κλικ με προτίμηση Google Ads είναι διαθέσιμο μόνο για λόγους αναφοράς.

Μια προβολή προσέλκυσης υπολογίζεται στην απόδοση βάσει δεδομένων, όταν κάποιος χρήστης:

  • Παρακολουθεί μια διαφήμιση για 30 δευτερόλεπτα (ή μέχρι το τέλος, αν η διαφήμιση διαρκεί λιγότερο από 30 δευτερόλεπτα)
  • Κάνει κλικ σε μια κάρτα teaser
  • Κάνει κλικ στο συνοδευτικό banner ή στο Video Wall
  • Κάνει κλικ σε μια φράση που είναι παρότρυνση για δράση
  • Κάνει κλικ στην τελική οθόνη
  • Κάνει κλικ, για να επισκεφτεί τον ιστότοπο του διαφημιζομένου

First interaction model iconΠρώτο κλικ μεταξύ καναλιών: Αποδίδει όλη την ευθύνη για τη μετατροπή στο πρώτο κανάλι όπου έκανε κλικ ένας πελάτης (ή στην προβολή προσέλκυσης για το YouTube) πριν από τη μετατροπή.

Linear model iconΓραμμικό μεταξύ καναλιών: Κατανέμει την ευθύνη για τη μετατροπή ισομερώς σε όλα τα κανάλια στα οποία έκανε κλικ ένας πελάτης (ή σε μια προβολή προσέλκυσης για το YouTube) πριν από τη μετατροπή.

Time-decay model iconΑνάλογα με τη θέση μεταξύ καναλιών: Το 40% της ευθύνης αποδίδεται στην πρώτη και στην τελευταία αλληλεπίδραση και το υπόλοιπο 20% αποδίδεται ισομερώς στις ενδιάμεσες αλληλεπιδράσεις.

Position-based model iconΕξασθένηση στον χρόνο μεταξύ καναλιών: Αποδίδει περισσότερη ευθύνη στα σημεία επαφής που συνέβησαν χρονικά πιο κοντά στη μετατροπή. Η ευθύνη κατανέμεται με χρήση μιας επταήμερης ημίσειας ζωής. Με άλλα λόγια, σε ένα κλικ 8 ημέρες πριν από μια μετατροπή αποδίδεται η μισή ευθύνη σε σχέση με ένα κλικ 1 ημέρα πριν από μια μετατροπή.

Μοντέλο με προτίμηση Google Ads

Last interaction model iconΤελευταίο κλικ με προτίμηση Google Ads: Αποδίδει το 100% της αξίας μετατροπής στο τελευταίο κανάλι Google Ads στο οποίο έκανε κλικ ο πελάτης, προτού πραγματοποιήσει μετατροπή. Αν δεν υπάρχει κλικ του Google Ads στη διαδρομή, όπως στο Παράδειγμα 6, το μοντέλο απόδοσης επιστρέφει στο τελευταίο κλικ μεταξύ καναλιών.

Παραδείγματα
  1. Προβολή > Κοινωνικά δίκτυα > Πληρωμένη αναζήτηση > Οργανική αναζήτηση → 100% στην Πληρωμένη αναζήτηση
  2. Προβολή > Κοινωνικά δίκτυα > EVC YouTube > Ηλεκτρονικό ταχυδρομείο → 100% στο YouTube
  3. Προβολή > Κοινωνικά δίκτυα > Ηλεκτρονικό ταχυδρομείο > Άμεση → 100% στο ηλεκτρονικό ταχυδρομείο (εναλλακτική στο τελευταίο μη άμεσο κλικ)

Ρυθμίσεις απόδοσης διαχειριστή

Οι χρήστες με ρόλο Συντάκτη στην ιδιοκτησία μπορούν πλέον να επιλέξουν ένα μοντέλο απόδοσης και ένα παράθυρο ανασκόπησης σε επίπεδο ιδιοκτησίας, για να τα εφαρμόσουν σε πολλές αναφορές. Για να αποκτήσετε πρόσβαση σε αυτήν τη ρύθμιση, μεταβείτε στην ενότητα Διαχειριστής > Ρυθμίσεις απόδοσης. Μάθετε περισσότερα

Σημείωση: Οι ρυθμίσεις απόδοσης διαχειριστή δεν επηρεάζουν τα μοντέλα απόδοσης που έχουν επιλεγεί στις Αναφορές απόδοσης.

 

Σας βοήθησε αυτό;
Με ποιον τρόπο μπορούμε να το βελτιώσουμε;
false
Αναζήτηση
Διαγραφή αναζήτησης
Κλείσιμο αναζήτησης
Εφαρμογές google
Κύριο μενού
Αναζήτηση στο Κέντρο Βοήθειας
true
69256
false
false