Bài viết này giới thiệu về các tài sản Universal Analytics. Các tài sản này sẽ ngừng xử lý dữ liệu kể từ ngày 1 tháng 7 năm 2023 (ngày 1 tháng 10 năm 2023 đối với tài sản Analytics 360). Nếu bạn chưa dùng, hãy bắt đầu sử dụng tài sản Google Analytics 4.

Tổng quan về tạo mô hình phân bổ

Chỉ định tín dụng cho bán hàng và chuyển đổi cho người liên hệ trong đường dẫn chuyển đổi.

Mô hình phân bổ là quy tắc hoặc bộ quy tắc xác định cách chỉ định tín dụng cho bán hàng và chuyển đổi cho người liên hệ trong đường dẫn chuyển đổi. Ví dụ: mô hình Tương tác cuối cùng trong Analytics chỉ định 100% tín dụng cho những người liên hệ cuối cùng (tức là nhấp chuột) ngay trước khi bán hàng hoặc chuyển đổi. Ngược lại, mô hình Tương tác đầu tiên chỉ định 100% tín dụng cho người liên hệ bắt đầu đường dẫn chuyển đổi.

Bạn có thể sử dụng Công cụ so sánh mô hình để so sánh mức độ ảnh hưởng của các mô hình phân bổ khác nhau tới việc đánh giá các kênh tiếp thị của bạn. Trong công cụ, Giá trị chuyển đổi (và số lượng chuyển đổi) được tính cho từng kênh tiếp thị của bạn sẽ khác nhau theo mô hình phân bổ được sử dụng. Kênh chủ yếu bắt đầu đường dẫn chuyển đổi sẽ có Giá trị chuyển đổi cao hơn theo mô hình phân bổ Tương tác đầu tiên so với kênh theo mô hình phân bổ Tương tác cuối cùng.

Ví dụ về tạo mô hình phân bổ

Khách hàng tìm thấy trang web của bạn bằng cách nhấp vào một trong các quảng cáo. Một tuần sau, khách hàng này quay lại bằng cách nhấp qua từ mạng xã hội. Cũng trong ngày hôm đó, khách hàng này quay trở lại lần thứ ba thông qua một trong các chiến dịch email của bạn và vài giờ sau, khách hàng này lại trực tiếp quay lại và mua hàng.

Biểu tượng mô hình Tương tác cuối cùng Trong mô hình phân bổ Tương tác cuối cùng, người liên hệ cuối cùng—trong trường hợp này là Kênh trực tiếp—sẽ nhận được 100% tín dụng cho bán hàng.
 
Biểu tượng cho mô hình Lượt nhấp gián tiếp cuối cùng và Lượt nhấp AdWords cuối cùng Trong mô hình phân bổ Nhấp chuột gián tiếp cuối cùng, tất cả lưu lượng truy cập trực tiếp được bỏ qua và 100% tín dụng cho bán hàng chuyển đến kênh cuối cùng mà khách hàng đã nhấp qua từ trước khi chuyển đổi—trong trường hợp này là kênh Email.
 
Biểu tượng cho mô hình Lượt nhấp gián tiếp cuối cùng và Lượt nhấp AdWords cuối cùng Trong mô hình phân bổ Nhấp chuột Google Ads cuối cùng, nhấp chuột Google Ads cuối cùng—trong trường hợp này là nhấp chuột đầu tiên và duy nhất vào kênh Tìm kiếm có trả tiền—sẽ nhận được 100% tín dụng cho bán hàng.
 
Biểu tượng mô hình Tương tác đầu tiên Trong mô hình phân bổ Tương tác đầu tiên, người liên hệ đầu tiên—trong trường hợp này là kênh Tìm kiếm có trả tiền—sẽ nhận được 100% tín dụng cho bán hàng.
 
Biểu tượng mô hình Tuyến tính Trong mô hình phân bổ Tuyến tính, từng người liên hệ trong đường dẫn chuyển đổi—trong trường hợp này là kênh Tìm kiếm có trả tiền, Mạng xã hội, EmailTrực tiếp—sẽ chia sẻ tín dụng bằng nhau (25% cho mỗi kênh) cho bán hàng.
 
Biểu tượng mô hình Giảm dần theo thời gian Trong mô hình phân bổ Giảm dần theo thời gian, những người liên hệ gần nhất về thời gian với bán hàng hoặc chuyển đổi sẽ nhận được nhiều tín dụng nhất. Trong lần bán hàng cụ thể này, các kênh Trực tiếpEmail sẽ nhận được nhiều tín dụng nhất bởi vì khách hàng đã tương tác với các kênh này trong vòng vài giờ chuyển đổi. Kênh Mạng xã hội sẽ nhận được ít tín dụng hơn kênh Trực tiếp hoặc kênh Email. Vì tương tác Tìm kiếm có trả tiền đã xảy ra một tuần trước đó nên kênh này sẽ nhận được tín dụng ít hơn đáng kể.
 
Biểu tượng mô hình Dựa trên vị trí Trong mô hình phân bổ Dựa trên vị trí, 40% tín dụng được chỉ định cho từng tương tác đầu tiên và tương tác cuối cùng và 20% tín dụng còn lại được phân bổ đồng đều cho các tương tác trung gian. Trong ví dụ này, kênh Tìm kiếm có trả tiền và kênh Trực tiếp, mỗi kênh sẽ nhận được 40% tín dụng, trong khi kênh Mạng xã hội và kênh Email, mỗi kênh sẽ nhận được 10% tín dụng.

Tài nguyên có liên quan

Thông tin này có hữu ích không?
Chúng tôi có thể cải thiện trang này bằng cách nào?
Tìm kiếm
Xóa tìm kiếm
Đóng tìm kiếm
Các ứng dụng của Google
Menu chính
Tìm kiếm trong Trung tâm trợ giúp
true
69256
false