Tämä artikkeli koskee Google Analytics 4 ‑omaisuuksia. Jos käytät Universal Analytics ‑omaisuutta, katso ohjekeskuksen Universal Analytics ‑osio.

[GA4] Attribuutio ja attribuutiomallinnus

Tämä artikkeli on tarkoitettu kaikille, jotka haluavat tietää, miten heidän mainoksensa toimivat yhdessä konversioreitillä.

Google Analytics 4 ‑mittauskokonaisuuksien Attributionissa on saatavilla parannettuja attribuutio-ominaisuuksia (kuten uudistettu Konversioreitit-raportti) sekä täysin uusia attribuutio-ominaisuuksia (kuten mittauskokonaisuustason attribuutiomallinnus), jotka tarjoavat entistäkin tarkempia ja helpommin hyödynnettäviä tietoja.

Sisällys:

Attribuutiomallinnuksen yleiskatsaus

Asiakkaat voivat tehdä useita hakuja ja klikata monia mainoksiasi, ennen kuin he tekevät ostoksen tai jonkin muun arvokkaan valinnan verkkosivustollasi. Tavallisesti konversio kirjataan tulleeksi yksinomaan viimeiseksi klikatun mainoksen kautta. Mutta oliko se ainoa mainos, joka vaikutti konvertoitumiseen? Entä käyttäjän aiemmin klikkaamat muut mainokset?

Attribuutio tarkoittaa konversiokrediitin kirjaamista eri mainoksille, klikkauksille ja muille konvertoitumista edeltäneille tekijöille. Attribuutiomalli voi olla sääntö, sääntöjoukko tai dataan perustuva algoritmi, joka määrittää, miten konversiot kirjataan konversioreittien kontaktipisteille.

Google Analytics 4 ‑mittauskokonaisuuksien attribuutioraporteissa on tällä hetkellä saatavilla kahdentyyppisiä attribuutiomalleja: kaikki kanavat huomioivia sääntöpohjaisia malleja ja Google Adsia suosiva sääntöihin perustuva malli.

Löydät attribuutioraportit klikkaamalla vasemmalta Mainonta. Klikkaa Attribuutio-kohdasta joko Mallien vertailu tai Konversioreitit.

Huom. Missään attribuutiomallissa konversioita ei kirjata tulleiksi suorien käyntien kautta, ellei konversioreitti koostu pelkästään suorista käynneistä.

Kaikki kanavat huomioivat sääntöpohjaiset mallit

Last interaction model iconMinkä tahansa kanavan kautta tullut viimeinen klikkaus: Suora liikenne ohitetaan ja 100 % konversioarvosta kirjataan viimeiselle kanavalle, jota asiakas on klikannut (tai YouTuben osalta katsonut riittävän kauan) ennen konvertoitumistaan. Alla on esimerkkejä konversioarvon kirjaamisesta.

Esimerkkejä
  1. Display > Some > Maksullinen haku > Orgaaninen haku → 100 % orgaaniselle haulle
  2. Display > Some > Maksullinen haku > Sähköposti → 100 % sähköpostille
  3. Display > Some > Maksullinen haku > Suora → 100 % maksulliselle haulle

Huom. Tämä on ainoa viimeisen klikkauksen malli, jonka voit eksportoida Google Adsiin. Google Adsia suosiva viimeinen klikkaus on saatavilla vain raportointitarkoituksiin.

First interaction model iconMinkä tahansa kanavan kautta tullut ensimmäinen klikkaus: Konversio kirjataan tulleeksi kokonaan ensimmäisestä kanavasta, jota asiakas on klikannut (tai YouTuben osalta katsonut riittävän kauan) ennen konvertoitumistaan.

Linear model iconKaikki kanavat huomioiva lineaarinen: Konversio kirjataan tulleeksi tasapuolisesti kaikista kanavista, joita asiakas on klikannut (tai YouTuben osalta katsonut riittävän kauan) ennen konvertoitumistaan.

Time-decay model iconKaikki kanavat huomioiva sijaintipohjainen: 40 % konversiosta kirjataan tulleeksi ensimmäisestä ja viimeisestä mainokseen kohdistuneesta aktivoitumisesta, ja loput 20 % kirjataan tulleeksi tasapuolisesti kaikista niiden välillä tapahtuneista aktivoitumisista.

Position-based model iconAikavaikutus: Suurempi osa konversiosta kirjataan tulleeksi niistä kontaktipisteistä, jotka ovat ajallisesti lähempänä konversiota. Krediitin jakamisessa käytetään seitsemän päivän puoliintumisaikaa. Toisin sanoen kahdeksan päivää ennen konversiota tapahtunut klikkaus saa puolet vähemmän krediittiä kuin päivää ennen konversiota tapahtunut klikkaus.

Google Adsia suosiva malli

Last interaction model iconGoogle Adsia suosiva viimeinen klikkaus: 100 % konversioarvosta kirjataan tulleeksi viimeisestä Google Ads ‑kanavasta, jota asiakas on klikannut ennen konvertoitumistaan. Jos reitillä ei ole Google Ads ‑klikkausta (esimerkin 6 tapaan), tämän mallin sijaan käytetään Minkä tahansa kanavan kautta tullut viimeinen klikkaus ‑attribuutiomallia.

Esimerkkejä
  1. Display > Some > Maksullinen haku > Orgaaninen haku → 100 % maksulliselle haulle
  2. Display > Some > YouTube EVC (jatkuneesta katselusta saatu konversio) > Sähköposti → 100 % YouTubelle
  3. Display > Some > Sähköposti > Suora → 100 % sähköpostille (ei Google Ads ‑klikkausta, joten käytetään viimeistä epäsuoraa klikkausta)

Dataan perustuva attribuutio

Tulossa pian! Dataan perustuva attribuutio ei ole vielä käytettävissä kaikilla tileillä.

Dataan perustuva: Dataan perustuvassa attribuutiossa konversiokrediitti jaetaan kunkin konversiotapahtuman datan perusteella. Tämä eroaa muista malleista, koska tätä käytettäessä kunkin klikkauksen todellinen vaikutus lasketaan tilin datan perusteella.

 Data-driven model iconKukin dataan perustuva malli on mainostaja- ja konversiotapahtumakohtainen.

Näin dataan perustuva attribuutio toimii

Attribution käyttää koneoppimisalgoritmeja sekä konvertoituvien että ei-konvertoituvien reittien arviointiin. Tuloksena syntyvä dataan perustuva malli oppii, miten eri kontaktipisteet vaikuttavat konversiotuloksiin. Malli yhdistää esimerkiksi seuraavat tekijät: konversiosta kulunut aika, laitetyyppi, mainosten aikaansaamien interaktioiden määrä, näkyvyysjärjestys ja mainostiedostojen tyyppi. Vastakkaista lähestymistapaa käyttäen malli vertaa todellisia tapahtumia siihen, mitä olisi voinut tapahtua. Näin pyritään selvittämään, mitkä kontaktipisteet johtavat todennäköisimmin konvertoitumisiin. Tämän todennäköisyyden perusteella malli kirjaa konversiot näistä kontaktipisteistä tulleiksi.

Huom. Datan saatavuudesta riippuen minkä tahansa kanavan kautta tullut viimeinen klikkaus ‑attribuutiomalli ja dataan perustuva attribuutiomalli voivat tietyissä tilanteissa tuottaa samat tulokset.

Dataan perustuvassa attribuutiossa käytettävät menetelmät (kokeneille käyttäjille)

Dataan perustuvan attribuutiomallin menetelmät pohjautuvat kahteen osa-alueeseen:

  • Saatavilla oleva reittidata analysoidaan, ja sen perusteella kullekin konversiotapahtumalle kehitetään konversioprosenttimalleja.
  • Konversioprosenttimallien ennusteita käytetään algoritmissa, joka kirjaa konversiokrediitin mainosten aikaansaamalle toiminnalle.

Konversioiden todennäköisyysmallien kehittäminen saatavilla olevan reittidatan pohjalta

Dataan perustuvassa attribuutiossa käytetään sekä konvertoiviin että konvertoitumattomiin käyttäjiin liittyvää reittidataa. Sen perusteella voidaan selvittää, miten tiettyjen markkinoinnin kontaktipisteiden sisältyminen konversioreittiin ja niiden ajoitus voivat vaikuttaa siihen, kuinka todennäköisesti käyttäjät konvertoituvat. Tuloksena saatavat mallit arvioivat, kuinka todennäköisesti käyttäjä konvertoituu reitin tietyssä kohdassa, jos tietty mainoksen aikaansaama toiminta toteutuu.

Mallit vertaavat sitä, kuinka todennäköisesti mainoksen nähneet käyttäjät konvertoituvat verrattuna samankaltaisiin käyttäjiin, jotka eivät ole nähneet mainosta. (Teknisesti mallit siis laskevat Google-mainosten näkemisen aikaansaamat vaihtoehtoiset tulokset satunnaistettujen ja kontrolloitujen kokeilujen datan perusteella.)

Osittaisten konversiokrediittien jakaminen markkinoinnin kontaktipisteille algoritmin perusteella

Dataan perustuvassa attribuutiomallissa konversiokrediitti jaetaan sen perusteella, miten kunkin mainokseen kohdistuvan toiminnan lisääminen reitille vaikuttaa konversion arvioituun todennäköisyyteen. Dataan perustuvan attribuution algoritmi laskee konversiokrediitin esimerkiksi mainokseen kohdistuvan toiminnan ja konversion välisen ajan sekä muototyypin ja muiden kyselysignaalien perusteella.

Esimerkki
 
Seuraavassa yleisen tason kuvassa mainoksen 1. näkymisen (maksullinen haku), mainoksen 2. näkymisen (some), mainoksen 3. näkymisen (yhteistyökumppani) ja mainoksen 4. näkymisen (Haku) yhdistelmä johtaa 3 %:n konversiotodennäköisyyteen. Kun mainoksen 4. näkyminen ei toteudu, todennäköisyys laskee 2 %:iin, eli tiedämme, että mainoksen 4. näkyminen nostaa konversion todennäköisyyttä 50 %. Toistamme tämän jokaisen mainoksen aikaansaaman toiminnan yhteydessä ja valitsemme attribuution painoarvot saamiemme tulosten perusteella.
 

Järjestelmänvalvojan attribuutioasetukset

Käyttäjät, joilla on mittauskokonaisuuden muokkaajan rooli, voivat valita mittauskokonaisuustasolla attribuutiomallin ja analyysi-ikkunan, joita käytetään useissa raporteissa. Pääset näihin asetuksiin klikkaamalla Järjestelmänvalvoja > Attribuutioasetukset. Lue lisää

Huom. Järjestelmänvalvojan attribuutioasetukset eivät vaikuta attribuutioraporteissa valittuihin attribuutiomalleihin.
Oliko tästä apua?
Miten sivua voisi parantaa?
Haku
Tyhjennä haku
Sulje haku
Google-sovellukset
Päävalikko
Ohjekeskushaku
true
69256
false