发现优化机会
 |
此功能仅在 Google Analytics 360（Google Marketing Platform 的组成部分）中提供。 详细了解 Google Marketing Platform。 |
您可以使用多渠道漏斗 (MCF) 以数据为依据的归因来发现优化广告投资回报率的新方法。以下是建议的入门步骤：
- 选择您要分析的转化类型：查看您的 Analytics（分析）目标和电子商务交易，并确定您要优化的转化类型。例如，假设您希望吸引更多用户填写您的潜在客户培养表单，并且您已将其设为目标。您可以使用归因报告中的“转化类型”选择器，以专注于分析此转化类型。
- 选择要优化的广告系列、渠道或关键字组：查看您的目标（填写的潜在客户培养表单），并评估您目前所用的转化吸引方法。假设您一直在投放展示广告，您可以改善该渠道的回报率。
- 比较以数据为依据的归因与标准归因模型的值：许多广告客户使用“最终点击”模型作为其默认归因模型，但是您应比较一下新的值与您之前所用模型的值。请使用模型浏览器查看“以数据为依据”值的计算方式。
- 确定在模型之间变化最大的接触点：使用归因模型对比工具，比较以数据为依据的模型与最多其他两个模型之间的转化功劳。然后，您可以按每次转化费用的百分比变化对数据进行排序，找出变化对哪些渠道或广告系列的影响最大。
- 分配预算和资源以支持高投资回报率机会：在确定哪些渠道（或广告系列或关键字）的潜力最高之后，您现在可以调整计划并测试结果。
- 采用以数据为依据的归因模型：通过查看模型浏览器并分析预算和资源变动的影响，您就能了解以数据为依据的归因模型相对于您之前的默认模型有何不同。接下来您无需再进行比较，而是可以通过 ROI 分析报告关注单独使用以数据为依据的自定义归因模型时的优化洞察信息。
注意事项
以数据为依据的归因所用的基础概率模型预测转化结果的效果要好于首次点击方法和最终点击方法，但没有任何模型是 100% 完美的。以数据为依据的归因会努力最准确地呈现真实世界里的客户行为，不过它只是估算值，您应尽可能使用对照实验等方法对其进行验证。
