Stosowanie i interpretowanie atrybucji opartej na danych

Odkrywanie możliwości optymalizacji
Ta funkcja jest dostępna tylko w Google Analytics 360, części Google Marketing Platform.
Więcej informacji o Google Marketing Platform

Atrybucja oparta na danych może służyć odkrywaniu nowych sposobów optymalizowania ROI w reklamy. Na początek sugerujemy wykonanie poniższych czynności:

  1. Wybierz typ konwersji, który chcesz przeanalizować: przejrzyj swoje cele Analytics oraz transakcje e-commerce i określ, który typ konwersji chcesz ulepszyć. Załóżmy, że chcesz zachęcić więcej osób do wypełnienia formularza potencjalnego klienta i jest to Twój cel. Używając selektora typu konwersji w raportach Atrybucji, możesz podczas analizy skupić się na tym typie konwersji.
  2. Wybierz kampanię, kanał i zestaw słów kluczowych, które chcesz zoptymalizować: przyjrzyj się swojemu celowi (wypełnione formularze potencjalnych klientów) i oceń swoje obecnie stosowane techniki zwiększania liczby konwersji. Załóżmy, że stosujesz reklamy displayowe i chcesz zwiększyć zwrot z tego kanału.
  3. Porównaj wartości atrybucji opartej danych z wartościami standardowego modelu przypisywania udziału: wielu reklamodawców stosuje model Ostatnie kliknięcie jako domyślny model atrybucji, ale konieczne jest porównanie nowych wartości z własnym dotychczas używanym modelem. Eksplorator modeli pokaże Ci, jak są obliczane wartości oparte na danych.
  4. Zidentyfikuj punkty stykowe z największymi zmianami w modelach: za pomocą Narzędzia porównywania modeli atrybucji porównaj statystyki konwersji między modelem opartym na danych a maksymalnie dwoma innymi modelami. Uporządkuj swoje dane na podstawie zmian procentowych w CPA (koszt pozyskania), aby znaleźć kanały lub kampanie, na które zmiany mają największy wpływ.
  5. Spraw, by budżet i zasoby pomagały uzyskać wysoki ROI: po zidentyfikowaniu kanałów (lub kampanii bądź słów kluczowych) o największym potencjalne dostosuj swoje programy i sprawdzaj wyniki.
  6. Zastosuj model atrybucji oparty na danych: po użyciu Eksploratora modeli i sprawdzeniu wpływu zmian budżetu i zasobów dowiesz się, jak prezentuje się model atrybucji oparty na danych w porównaniu z wcześniej stosowanym modelem domyślnym. Porównywanie nie będzie już więcej potrzebne – możesz wykorzystać raport Analiza ROI i na jego podstawie skoncentrować się na możliwościach optymalizacji, używając tylko swojego niestandardowego modelu atrybucji opartego na danych.

Uwaga:

Omawiane modele prawdopodobieństwa stosowane podczas atrybucji opartej na danych przewidują wyniki konwersji lepiej niż metody związane z pierwszym i ostatnim kliknięciem, ale żaden model nie jest w 100% skuteczny. Atrybucja oparta na danych dąży do najlepszego odzwierciedlenia rzeczywistych zachowań użytkowników, ale są to obliczenia szacunkowe, które należy w miarę możliwości potwierdzać za pomocą takich metod jak kontrolowane eksperymenty.

Czy to było pomocne?
Jak możemy ją poprawić?