[Google Analytics 4] Atrybucja i jej modelowanie

Ten artykuł jest przeznaczony dla wszystkich, którzy chcą się dowiedzieć, jak ich reklamy współdziałają na ścieżce konwersji.

Narzędzie Atrybucja w usługach Google Analytics 4 udostępnia ulepszone dotychczasowe funkcje atrybucji, np. udoskonalony raport Ścieżki konwersji, oraz zupełnie nowe funkcje atrybucji, jak chociażby modelowanie atrybucji na poziomie usługi, które zapewnia większą szczegółowość statystyk i dostarcza bardziej przydatnych informacji.

Tematy w tym artykule:

Omówienie modelowania atrybucji

Klienci mogą przeprowadzić wiele wyszukiwań i kliknąć kilka Twoich reklam, zanim coś kupią w Twojej witrynie lub wykonają w niej jakieś inne cenne działanie. Zwykle cały udział w konwersji jest przypisywany reklamie, która została kliknięta jako ostatnia. Czy jednak tylko ta reklama skłoniła klientów do konwersji? Co z pozostałymi reklamami, które klikali wcześniej?

Atrybucja to przypisywanie udziału w konwersji różnym reklamom, kliknięciom i czynnikom na ścieżce użytkownika prowadzącej do wykonania konwersji. Model atrybucji może być regułą, zbiorem reguł lub algorytmem działającym na podstawie danych. Zadaniem tego modelu jest określanie sposobu przypisywania udziału w konwersjach poszczególnym punktom styczności z klientem na ścieżkach konwersji.

W raportach atrybucji w usługach Google Analytics 4 dostępne są 3 rodzaje modeli atrybucji: modele oparte na regułach obejmujące wiele kanałów, modele oparte na regułach preferujące interakcje w Google Ads i atrybucja oparta na danych.

Aby znaleźć raporty atrybucji, po lewej stronie kliknij Reklamy. W sekcji Atrybucja kliknij Porównanie modeli lub Ścieżki konwersji.

Uwagi:
  • Wszystkie modele atrybucji wykluczają z udziału w konwersji wizyty bezpośrednie, chyba że ścieżka konwersji składa się wyłącznie z takich wizyt.
  • Modele atrybucji zostały wprowadzone w różnych terminach (patrz poniżej). Oznacza to, że jeśli wybierzesz zakres dat obejmujący okres poprzedzający datę rozpoczęcia działania modelu, zobaczysz częściowe dane.

    • Modele oparte na regułach obejmujące wiele kanałów: 14 czerwca 2021 r.
    • Atrybucja oparta na danych obejmująca różne kanały: 1 listopada 2021 r.

Atrybucja oparta na danych

Atrybucja oparta na danych przypisuje udział w konwersji na podstawie danych o poszczególnych zdarzeniach konwersji. Różni się ona od innych modeli tym, że dane z Twojego konta służą do obliczania rzeczywistego udziału w każdej interakcji polegającej na kliknięciu.

Data-driven model iconKażdy model oparty na danych różni się w zależności od reklamodawcy i zdarzenia konwersji.

Jak działa atrybucja oparta na danych

Funkcja Atrybucja wykorzystuje algorytmy systemów uczących się do oceny zarówno ścieżek konwersji, jak i ścieżek bez konwersji. Powstały w ten sposób model oparty na danych uczy się, w jaki sposób różne punkty kontaktu wpływają na wyniki konwersji. Model uwzględnia takie czynniki, jak czas, który upłynął od konwersji, typ urządzenia, liczba interakcji z reklamą, kolejność ekspozycji na reklamy czy typ zasobów kreacji. Korzystając z metody przeciwstawnej hipotezy, model porównuje ze sobą to, co zaszło z tym, co mogłoby się wydarzyć, by określić, które punkty kontaktu najprawdopodobniej doprowadzą do konwersji. Model przypisuje tym punktom kontaktu udział w konwersji na podstawie obliczonego prawdopodobieństwa.

Uwaga: w zależności od dostępności danych modele atrybucji ostatniego kliknięcia w wielu kanałach oraz atrybucji opartej na danych mogą w określonych sytuacjach przynieść takie same wyniki.

Metodologia atrybucji opartej na danych (zaawansowana)

Metodologię atrybucji opartej na danych tworzą 2 główne elementy:

  • analiza dostępnych danych o ścieżkach w celu opracowania modeli współczynnika konwersji dla każdego zdarzenia konwersji;
  • używanie prognoz modelu współczynnika konwersji jako danych wejściowych do algorytmu, który przypisuje udział w konwersji interakcjom z reklamami.

Opracowywanie modeli prawdopodobieństwa wystąpienia konwersji na podstawie dostępnych danych o ścieżkach

Atrybucja oparta na danych wykorzystuje dane o ścieżkach, w tym dane o użytkownikach dokonujących konwersji oraz użytkownikach niedokonujących konwersji, aby określić, jak obecność i czas wystąpienia określonych marketingowych punktów kontaktu może wpływać na prawdopodobieństwo dokonania konwersji przez użytkowników. Uzyskane modele oceniają prawdopodobieństwo dokonania konwersji przez użytkownika w dowolnym punkcie ścieżki przy uwzględnieniu ekspozycji na interakcję z konkretną reklamą.

Modele porównują prawdopodobieństwo konwersji użytkowników, którzy widzieli reklamę, z prawdopodobieństwem konwersji podobnych użytkowników w grupie wstrzymania. (Używając pojęć bardziej technicznych, modele obliczają kontrfaktyczne korzyści z wyświetleń reklamy w Google przez ćwiczenie na danych z losowych prób kontrolnych).

Algorytmiczne przypisywanie częściowych udziałów w konwersji do marketingowych punktów kontaktu

Model atrybucji opartej na danych przypisuje udział w konwersji na podstawie tego, w jaki sposób dodanie każdej interakcji z reklamą do ścieżki zmienia szacowane prawdopodobieństwo konwersji. Algorytm atrybucji opartej na danych używa do obliczania tych wartości takich funkcji, jak czas między interakcją z reklamą a konwersją, typ formatu i inne sygnały zapytań.

Przykład
 
Na tej ogólnej ilustracji połączenie wyświetlenia reklamy 1 (płatne wyniki wyszukiwania), wyświetlenia reklamy 2 (media społecznościowe), wyświetlenia reklamy 3 (podmiot stowarzyszony) i wyświetlenia reklamy 4 (sieć wyszukiwania) dają prawdopodobieństwo konwersji na poziomie 3%. W przypadku braku wyświetlenia reklamy nr 4 prawdopodobieństwo spada do 2%. To oznacza, że wyświetlenie reklamy nr 4 zwiększa prawdopodobieństwo konwersji o 50%. Powtarzamy te obliczenia dla każdej interakcji z reklamą, a uzyskane informacje wykorzystujemy jako wagi atrybucji.
 

Modele oparte na regułach obejmujące wiele kanałów

Last interaction model iconOstatnie kliknięcie w wielu kanałach: ignoruje wizyty bezpośrednie i przypisuje 100% wartości konwersji ostatniemu kanałowi, w którym klient przed konwersją kliknął reklamę (lub wywołał wyświetlenie angażujące w przypadku YouTube). Oto przykłady przypisywania wartości konwersji:

Przykłady
  1. Sieć reklamowa > Sieci społecznościowe > Płatne wyniki wyszukiwania > Bezpłatne wyniki wyszukiwania → 100% przypisane bezpłatnym wynikom wyszukiwania
  2. Sieć reklamowa > Sieci społecznościowe > Płatne wyniki wyszukiwania > E-mail → 100% przypisane e-mailowi
  3. Sieć reklamowa > Sieci społecznościowe > Płatne wyniki wyszukiwania > Wejścia bezpośrednie → 100% przypisane płatnym wynikom wyszukiwania

Uwaga: to jedyny model ostatniego kliknięcia, który możesz eksportować do Google Ads. Preferowane ostatnie kliknięcie w Google Ads to model dostępny tylko na potrzeby raportowania.

Wyświetlenie angażujące jest uwzględniane w atrybucji opartej na danych, gdy użytkownik:

  • obejrzy 30 sekund reklamy (lub całą, jeśli jest krótsza niż 30 sekund);
  • kliknie kartę zwiastuna;
  • kliknie baner towarzyszący lub Ścianę wideo;
  • kliknie wyrażenie będące wezwaniem do działania;
  • kliknie na ekranie końcowym;
  • kliknie, aby przejść do witryny reklamodawcy.

First interaction model iconPierwsze kliknięcie w wielu kanałach: przypisuje cały udział w konwersji pierwszemu kanałowi, w którym klient przed konwersją kliknął reklamę (lub wywołał wyświetlenie angażujące w przypadku YouTube).

Linear model iconLiniowy w wielu kanałach: rozdziela udział w konwersji po równo na wszystkie kanały, w których klient przed konwersją kliknął reklamę (lub wywołał wyświetlenie angażujące w przypadku YouTube).

Time-decay model iconModel z uwzględnieniem pozycji w wielu kanałach: przypisuje po 40% udziału pierwszej i ostatniej interakcji, a pozostałe 20% udziału rozdziela po równo między środkowe interakcje.

Position-based model iconModel spadku udziału z upływem czasu w wielu kanałach: przypisuje większy udział punktom styczności z klientem bliższym momentowi wykonania konwersji. Udział jest przypisywany z uwzględnieniem 7-dniowego okresu połowicznego zaniku. Oznacza to, że kliknięciu, które miało miejsce 8 dni przed konwersją, przypisuje się o połowę mniejszy udział w konwersji niż kliknięciu, które nastąpiło 1 dzień przed konwersją.

Model preferujący interakcje w Google Ads

Last interaction model iconPreferowane ostatnie kliknięcie w Google Ads: przypisuje 100% wartości konwersji ostatniemu kanałowi Google Ads, w którym klient przed konwersją kliknął reklamę. Jeśli na ścieżce nie ma żadnego kliknięcia Google Ads, tak jak w przykładzie 6, przywracany jest model atrybucji „Ostatnie kliknięcie w wielu kanałach”.

Przykłady
  1. Sieć reklamowa > Sieci społecznościowe > Płatne wyniki wyszukiwania > Bezpłatne wyniki wyszukiwania → 100% przypisane płatnym wynikom wyszukiwania
  2. Sieć reklamowa > Sieci społecznościowe > Konwersja po wyświetleniu angażującym w YouTube > E-mail → 100% przypisane YouTube
  3. Sieć reklamowa > Sieci społecznościowe > E-mail > Wejścia bezpośrednie → 100% przypisane e-mailowi (z powodu przywrócenia modelu atrybucji „Ostatnie kliknięcie niebezpośrednie”)

Ustawienia atrybucji dla administratorów

Użytkownicy, którzy mają w usłudze rolę Edytujący, mogą teraz wybierać na poziomie usługi model atrybucji i okres ważności, aby stosować te ustawienia w wielu raportach. Aby uzyskać dostęp do tych ustawień, kliknij Administracja > Ustawienia atrybucji. Więcej informacji

Uwaga: ustawienia atrybucji dla administratorów nie mają wpływu na modele atrybucji wybrane w raportach atrybucji.

 

Czy to było pomocne?
Jak możemy ją poprawić?
false
Szukaj
Wyczyść wyszukiwanie
Zamknij wyszukiwanie
Aplikacje Google
Menu główne
Wyszukaj w Centrum pomocy
true
69256
false