[GA4] Tentang atribusi dan pemodelan atribusi

Artikel ini ditujukan untuk semua orang yang ingin mempelajari bagaimana iklannya bekerja sama di jalur menuju konversi.

Atribusi di properti Google Analytics 4 menyediakan fitur atribusi yang ditingkatkan, seperti laporan Jalur konversi yang telah diperbarui, serta fitur atribusi baru, seperti pemodelan atribusi tingkat properti, yang memberikan insight lebih mendalam dan lebih banyak peluang untuk tindak lanjut.

Dalam artikel ini:

Ringkasan pemodelan atribusi

Pelanggan mungkin melakukan beberapa penelusuran dan mengklik beberapa iklan Anda sebelum melakukan pembelian atau menyelesaikan tindakan bernilai lainnya di situs Anda. Umumnya, semua kredit untuk konversi diberikan ke iklan terakhir yang diklik pelanggan. Namun, apakah hanya iklan tersebut yang membuat mereka memutuskan untuk melakukan konversi? Bagaimana dengan iklan lain yang mereka klik sebelum iklan tersebut?

Atribusi adalah tindakan pemberian kredit konversi ke berbagai iklan, klik, dan faktor di sepanjang jalur pengguna menuju penyelesaian konversi. Model atribusi dapat berupa aturan, kumpulan aturan, atau algoritma berbasis data yang menentukan cara kredit konversi diberikan ke poin kontak pada jalur konversi.

Ada 3 model atribusi yang tersedia dalam laporan Atribusi di properti Google Analytics 4: Atribusi berbasis data, Klik terakhir berbayar dan organik, serta klik terakhir saluran berbayar Google.

Untuk menemukan laporan Atribusi, klik Iklan di sebelah kiri. Di bagian Atribusi, klik Perbandingan model atau Jalur konversi.

Catatan:

Semua model atribusi mengecualikan kunjungan langsung dari penerimaan kredit atribusi, kecuali jika jalur menuju konversi seluruhnya terdiri dari kunjungan langsung.

Atribusi berbasis data

Berbasis data: Atribusi berbasis data mendistribusikan kredit konversi berdasarkan data untuk setiap peristiwa konversi. Atribusi berbasis data berbeda dari model lain karena menggunakan data akun Anda untuk menghitung kontribusi sebenarnya dari setiap interaksi klik.

Data-driven model icon Setiap model Berbasis data berbeda-beda untuk masing-masing pengiklan dan setiap peristiwa konversi.

Cara kerja atribusi berbasis data

Atribusi menggunakan algoritma machine learning untuk mengevaluasi jalur penghasil konversi dan bukan penghasil konversi. Model Berbasis data yang dihasilkan mempelajari pengaruh dari berbagai poin kontak terhadap hasil konversi. Model tersebut menggabungkan faktor seperti jarak waktu dari konversi, jenis perangkat, jumlah interaksi iklan, urutan eksposur iklan, dan jenis aset materi iklan. Dengan pendekatan kontrafaktual, model tersebut membandingkan apa yang sesungguhnya terjadi dengan apa yang mungkin terjadi untuk menentukan poin kontak yang kemungkinan besar mendorong konversi. Model mengatribusikan kredit konversi ke poin kontak ini berdasarkan kemungkinan tersebut.

Catatan: Bergantung pada ketersediaan data, model atribusi berbasis data dapat memanfaatkan data gabungan dari Setelan berbagi data.

Metodologi di balik atribusi berbasis data (lanjutan)

Ada 2 bagian utama dalam metodologi atribusi berbasis data:

  • Menganalisis data jalur yang tersedia untuk mengembangkan model rasio konversi untuk setiap peristiwa konversi
  • Menggunakan prediksi model rasio konversi sebagai input untuk algoritma yang mengatribusikan kredit konversi ke interaksi iklan

Mengembangkan model probabilitas konversi dari semua data jalur yang tersedia

Atribusi berbasis data menggunakan data jalur, termasuk data dari pengguna yang berkonversi dan yang tidak berkonversi, untuk memahami pengaruh keberadaan dan waktu poin kontak pemasaran tertentu terhadap kemungkinan konversi pengguna Anda. Model yang dihasilkan menilai seberapa mungkin pengguna akan melakukan konversi pada titik tertentu dalam jalur, setelah mendapatkan eksposur interaksi iklan tertentu.

Model ini membandingkan probabilitas konversi pengguna yang mendapatkan eksposur iklan, dengan probabilitas konversi pengguna serupa dalam grup penahanan. (Dalam istilah yang lebih teknis, model ini menghitung keuntungan kontrafaktual dari eksposur iklan Google dengan melatih data dari uji coba terkontrol secara acak.)

Menetapkan kredit konversi pecahan pada poin kontak pemasaran menggunakan algoritma

Model atribusi berbasis data menetapkan kredit berdasarkan bagaimana penambahan setiap interaksi iklan ke jalur mengubah estimasi probabilitas konversi. Algoritma atribusi berbasis data menggunakan fitur seperti waktu antara interaksi iklan dan konversi, jenis format, serta sinyal kueri lainnya untuk menghitung kredit ini.

Contoh
Dalam ilustrasi tingkat tinggi berikut, kombinasi Eksposur Iklan #1 (Penelusuran berbayar), Eksposur Iklan #2 (Sosial), Eksposur Iklan #3 (Afiliasi), dan Eksposur Iklan #4 (Penelusuran) menghasilkan 3% probabilitas konversi. Jika Eksposur Iklan #4 tidak terjadi, probabilitasnya turun menjadi 2%, sehingga kami tahu bahwa Eksposur Iklan #4 mendorong +50% probabilitas konversi. Kami mengulanginya untuk setiap interaksi iklan dan menggunakan kontribusi yang dipelajari sebagai bobot atribusi.

Klik terakhir berbayar dan organik

Catatan: Model atribusi klik pertama, linear, peluruhan waktu, dan berbasis posisi tidak tersedia lagi mulai November 2023. Pelajari lebih lanjut artikel Tentang model yang tidak digunakan lagi.

Last interaction model icon Klik terakhir berbayar dan organik: Mengabaikan traffic langsung dan mengatribusikan 100% nilai konversi ke saluran terakhir yang diklik pelanggan (atau penayangan tak dilewati untuk YouTube) sebelum melakukan konversi. Lihat contoh cara alokasi nilai konversi:

Contoh
  1. Display > Sosial > Penelusuran Berbayar > Penelusuran Organik → 100% ke Penelusuran Organik
  2. Display > Sosial > Penelusuran Berbayar > Email → 100% ke Email
  3. Display > Sosial > Penelusuran Berbayar > Langsung → 100% ke Penelusuran Berbayar
Catatan:
  • Klik terakhir berbayar dan organik dan Klik non-langsung terakhir adalah dua nama untuk model atribusi yang sama.

Penayangan tak dilewati dihitung dalam atribusi berbasis data saat pengguna:

  • Menonton iklan selama 30 detik (atau sampai selesai jika kurang dari 30 detik)
  • Mengklik kartu teaser
  • Mengklik banner pengiring atau video wall
  • Mengklik frasa yang merupakan pesan ajakan (CTA)
  • Mengklik layar akhir
  • Mengklik untuk mengunjungi situs pengiklan

Klik terakhir saluran berbayar Google

Last interaction model icon Klik terakhir saluran berbayar Google: Mengatribusikan 100% nilai konversi ke saluran Google Ads terakhir yang diklik pelanggan sebelum melakukan konversi. Jika tidak ada klik Google Ads pada jalur, seperti di Contoh 6, model atribusi kembali ke Klik terakhir berbayar dan organik.

Contoh
  1. Display > Sosial > Penelusuran Berbayar > Penelusuran Organik → 100% ke Penelusuran Berbayar
  2. Display > Sosial > EVC YouTube > Email → 100% ke YouTube
  3. Display > Sosial > Email > Langsung → 100% ke Email (kembali ke klik non-langsung terakhir)

Memilih setelan atribusi

Agar dapat memilih model atribusi dan periode konversi untuk properti Google Analytics 4, Anda harus memiliki peran Editor atau Administrator untuk properti tersebut.

  1. Di Admin, di bagian Tampilan data, klik Setelan atribusi.
  2. Pada bagian Model atribusi pelaporan, pilih model atribusi dari drop-down. Pelajari lebih lanjut artikel Tentang model atribusi laporan.
  3. Di bagian Periode konversi, pilih periode konversi untuk peristiwa konversi akuisisi dan semua peristiwa konversi lainnya. Opsi Semua peristiwa konversi lainnya juga mengontrol setelan atribusi sesi.
  4. Klik Simpan.

Setelan atribusi ini tidak memengaruhi model atribusi yang dipilih dalam laporan di bagian Iklan. Siapa pun dapat memilih model atribusi untuk mereka gunakan sendiri dalam laporan di bagian Iklan. Saat Anda memilih model atribusi di bagian Iklan, model tersebut tidak memengaruhi cara pengguna lain melihat data, atau cara data dihitung dalam laporan di luar bagian Iklan.

Apakah ini membantu?

Bagaimana cara meningkatkannya?
false
Telusuri
Hapus penelusuran
Tutup penelusuran
Aplikasi Google
Menu utama