Тази функция е налице само за Google Анализ 360 – част от Google Marketing Platform. Научете повече за Google Marketing Platform. |
Методологията на приписването, управлявано от данни, се състои от две основни части: (1) анализиране на всичките Ви налични данни за пътищата, за да се разработят персонализирани модели на вероятностите за реализация, и (2) прилагане към този основан на вероятностите набор от данни на сложен алгоритъм, който присвоява частична заслуга за реализацията на маркетинговите Ви допирни точки.
Разработване на модели на вероятностите за реализация от всички налични данни за пътищата
При приписването, управлявано от данни, се използват всичките налични данни за пътищата – включително данните от потребителите, които са извършили реализация, и тези, които не са – за да се придобие представа за това, как наличието на конкретни маркетингови допирни точки оказва въздействие върху вероятността потребителите да извършат реализация. Моделите на вероятности, които ще получите, показват в каква степен е вероятно потребител да извърши реализация в конкретна допирна точка от пътя при дадена конкретна поредица от събития.
Алгоритмично присвояване на заслуга за реализацията на маркетингови допирни точки
Приписването, управлявано от данни, след това прилага към този основан на вероятностите набор от данни алгоритъм въз основа на понятие от теорията за кооперативните игри, наречено стойност по Шапли. Стойността по Шапли е разработена от нобеловия лауреат за икономика Лойд С. Шапли като подход за справедливо разпределение на изходния резултат на екип сред съставляващите го членове.
В случая с приписването, управлявано от данни, „членовете“ на анализирания „екип“ са маркетинговите допирни точки (напр. органично търсене, дисплейна мрежа и имейл), а „изходният резултат“ на екипа са реализациите. Алгоритъмът на приписването, управлявано от данни, изчислява потенциално възможните печалби на всяка маркетингова допирна точка, т.е. сравнява вероятността за реализация при сходни потребители, които са били изложени на тези допирни точки, с вероятността, когато някоя от тези точки не възниква в пътя.
Действителното изчисление на заслугата за реализацията за всяка допирна точка зависи от сравнението на всички отделни прегрупирания на точките и на нормализацията им. Това означава, че алгоритъмът на приписването, управлявано от данни, отчита поредността, в която възниква всяка допирна точка, и присвоява отделна заслуга на отделните позиции от пътя. Например дисплейна мрежа, предхождащо платено търсене, се моделира отделно от платено търсене, предхождащо дисплейна мрежа.
Пример
В следния пример на високо ниво комбинацията органично търсене, дисплейна мрежа и имейл води до вероятност за реализация от 3%. Когато се премахне дисплейна мрежа, вероятността спада до 2%. Наблюдаваното увеличение от 50%, когато фигурира дисплейна мрежа, служи за основа за приписването.
Разглеждане на модела Ви, управляван от данни, и анализиране на последиците от него за възвръщаемостта на инвестициите
Можете да използвате отчета Детайлно представяне на модела, за да разгледате конкретните тежести, които моделът Ви, управляван от данни, задава въз основа на канала и позицията. (За по-подробен анализ можете да изтеглите модела като CSV файл.) Използвайте инструмента за сравняване на модели, за да сравните моделите и за да установите възможности за оптимизиране. Отчетът Анализ на възвръщаемостта на инвестициите Ви позволява да разберете последиците за възвръщаемостта на инвестициите от модела Ви, управляван от данни.