Google Analytics (分析) 4 資源中的歸因分析提供加強型歸因分析功能 (例如新版「轉換路徑」報表)，以及全新的歸因分析功能 (例如資源層級歸因模式)，可讓您取得比以往更加深入、也更加實用的洞察資料。
本文內容：歸因模式總覽
消費者在網站上完成購買或其他有價值的動作之前，可能會先經歷多次搜尋並點擊數則廣告。轉換功勞通常會都歸給消費者最後點擊的廣告；然而，這則廣告是唯一促使消費者完成轉換的原因嗎？他們之前點擊過的其他廣告呢？
「歸因分析」是指將轉換功勞歸給不同的廣告、點擊，以及在使用者完成轉換的路徑中發生的其他因素。「歸因模式」可以是單一規則、一組規則或以數據為準的演算法，用來判定轉換路徑中的各個接觸點在促成轉換上占了多少功勞。
Google Analytics (分析) 4 資源的歸因報表提供 3 種歸因模式：以數據為準歸因、付費和自然最終點擊，以及 Google 付費管道最終點擊。
如要查看歸因報表，請點按左側的「廣告」。在「歸因」下方，按一下「模式比較」或「轉換路徑」。
除非轉換路徑只包含直接造訪，否則所有歸因模式都不會將功勞歸給直接造訪。
以數據為準歸因功能
以數據為準：以數據為準歸因模式會根據每個轉換事件的資料分配轉換功勞。不同於其他歸因模式，這種模式會使用您的帳戶資料來計算每次點擊互動的實際功勞。
以數據為準歸因的運作方式
歸因分析會運用機器學習演算法來評估轉換和未轉換路徑，而產生的「以數據為準」模式則會學習不同的接觸點如何影響轉換結果。此模式會將轉換時間、裝置類型、廣告互動次數、廣告曝光順序和廣告素材資源的類型等要素納入考慮，並利用反事實假設法比較實際發生和「可能發生」的情況，藉此判斷哪些接觸點最有可能帶來轉換，再根據這種可能性，將轉換功勞歸給這些接觸點。
以數據為準歸因採用的分析方法 (進階)
以數據為準歸因方法包含 2 個主要步驟：
- 分析可用的路徑資料，為每個轉換事件建立轉換率模式
- 將轉換率模式預測結果輸入演算法，為各個廣告互動計算轉換功勞
根據可用的路徑資料建立轉換機率模式
以數據為準歸因功能會使用路徑資料 (包括已轉換及未轉換使用者的路徑資料)，瞭解是否有特定的行銷接觸點，以及這類接觸點出現的時機對使用者的轉換機率有何影響。產生的模式會評估使用者與特定廣告互動之後，在路徑中任一時間點完成轉換的機率。
此模式會將看過廣告的使用者完成轉換的機率，與對照組中類似使用者的轉換機率進行比較 (更技術性的說法是，此模式會使用隨機對照試驗產生的資料進行訓練，以計算出 Google 廣告曝光率的虛擬升幅)。
運用演算法將特定比例的轉換功勞分配給行銷接觸點
以數據為準歸因模式在分配轉換功勞時，會以路徑上每多一次廣告互動對於預估轉換機率的影響為評估依據。以數據為準歸因演算法會根據廣告互動與轉換之間的間隔時間、格式類型和其他查詢信號等要素，計算出要分配的功勞。
付費和自然最終點擊
- 「多媒體」>「社群」>「付費搜尋」>「自然搜尋」→ 100% 分配給自然搜尋
- 「多媒體」>「社群」>「付費搜尋」>「電子郵件」→ 100% 分配給電子郵件
- 「多媒體」>「社群」>「付費搜尋」>「直接」→ 100% 分配給付費搜尋
- 「付費和自然最終點擊」和「最終非直接造訪點擊」這兩個名稱都是指同一個歸因模式。
使用者符合下列條件時，系統就會將參與收視計入以數據為準歸因：
- 觀看廣告達 30 秒 (若廣告短於 30 秒，則以觀看到結束為止)
- 點按前導廣告資訊卡
- 點按隨播橫幅廣告或影片牆
- 點按行動號召詞組
- 點按片尾
- 點進廣告主的網站
Google 付費管道最終點擊
- 「多媒體」>「社群」>「付費搜尋」>「自然搜尋」→ 100% 分配給付費搜尋
- 「多媒體」>「社群」>「YouTube 參與收視轉換」>「電子郵件」→ 100% 分配給 YouTube
- 「多媒體」>「社群」>「電子郵件」>「直接」→ 100% 分配給電子郵件 (恢復為最終非直接造訪點擊)
請選取歸因設定
如要選取 Google Analytics (分析) 4 資源的歸因模式和轉換回溯期，您必須具備資源的「編輯者」或「管理員」角色。
- 在「管理」中，按一下「資料顯示」下方的「歸因分析設定」。
- 在「報表歸因模式」下方的下拉式選單中選取歸因模式。進一步瞭解報表歸因模式。
- 在「轉換回溯期」下方，選取「獲客轉換事件」和「所有其他轉換事件」的轉換回溯期。「所有其他轉換事件」選項也會控制工作階段歸因設定。
- 點按「儲存」。
這些歸因設定不會影響在「廣告」部分報表中選取的歸因模式。所有使用者都能在「廣告」部分的報表中，根據個人用途來選用合適的歸因模式。在「廣告」部分中選取歸因模式，既不會影響其他使用者查看資料的方式，也不會影響「廣告」部分以外的報表計算資料的方式。