שימוש בייחוס מבוסס נתונים ופירושו

התכונה הזו זמינה רק ב-Google Analytics 360, חלק מ-Google Marketing Platform. מידע נוסף על Google Marketing Platform.

תוכל להשתמש בייחוס מבוסס נתונים כדי לגלות דרכים חדשות לביצוע אופטימיזציה של החזר ה-ROI של הפרסום. להלן הצעה למספר שלבים שיסייעו לך להתחיל:

1. בחר סוג המרה שתרצה לנתח: בדוק את היעדים ואת עסקאות המסחר האלקטרוני של Analytics, וקבע את סוג המרה שתרצה לשפר. לדוגמה, נניח שתרצה לגרום ליותר אנשים למלא טופס יצירת הפניה, והגדרת זאת כיעד. תוכל להשתמש בבורר סוג המרה בדוחות הייחוס כדי למקד את הניתוח בסוג המרה זה.
2. בחר מסע פרסום, ערוץ או קבוצה של מילות מפתח לביצוע אופטימיזציה: עיין ביעד (טופסי יצירת הפניה שמולאו), והערך את השיטות שבהן אתה משתמש כעת כדי לעודד המרות. נניח שאתה כבר משתמש בפרסום תצוגה, וברצונך לשפר את ההחזרים מערוץ זה.
3. השווה את הערכים של ייחוס מבוסס נתונים לאלה של מודל הייחוס הסטנדרטי: מפרסמים רבים משתמשים במודל קליק אחרון כמודל ברירת המחדל, אך עליך להשוות את הערכים החדשים לכל מודל שבו אתה משתמש. עיין בסייר המודלים כדי לראות כיצד מחושבים הערכים מבוססי הנתונים.
4. זהה את נקודות המגע עם השינויים הגדולים ביותר בין המודלים השונים: השתמש בכלי השוואת המודלים של הייחוס כדי להשוות את הקרדיט על המרות בין המודל מבוסס הנתונים לבין שני מודלים אחרים או פחות. מיין את הנתונים בהתבסס על אחוז השינוי במחיר לרכישה (CPA), כדי לאתר ערוצים או מסעות פרסום שבהם לשינויים תהיה ההשפעה הגדולה ביותר.
5. שנה את התקציב ואת המשאבים כדי לתמוך בהזדמנויות להחזר ROI גבוה: כעת, לאחר שזיהית את הערוצים (או מסעות הפרסום או מילות המפתח) שלהם הפוטנציאל הגבוה ביותר, עדכן את התוכניות שלך ובדוק את התוצאות.
6. השתמש במודל הייחוס מבוסס הנתונים: לאחר שבדקת את סייר המודלים וראית את השפעת השינויים על התקציב והמשאבים, תלמד כיצד מודל הייחוס מבוסס הנתונים קשור למודל ברירת המחדל הקודם שלך. לאחר מכן לא תצטרך עוד לבצע השוואות — תוכל למנף את הדוח ניתוח של החזרי ROI, המאפשר לך להתמקד בתובנות לגבי אופטימיזציה רק באמצעות מודל הייחוס מבוסס הנתונים המותאם אישית.

שים לב

המודלים ההסתברותיים הבסיסיים שנמצאים בשימוש בייחוס מבוסס נתונים מצליחים לנבא את תוצאות ההמרה בצורה טובה יותר ממתודולוגיות הקליק הראשון והקליק האחרון, אך אף מודל אינו מושלם ב-100%. ייחוס מבוסס נתונים שואף להציג בצורה הטובה ביותר את ההתנהגות בפועל של לקוחות בעולם האמיתי, אך זהו אומדן שיש לבדוק את תקפותו לעתים קרובות ככל האפשר באמצעות שיטות כמו ניסיונות מבוקרים.