 |
Tämä ominaisuus on käytettävissä vain Google Marketing Platformiin kuuluvassa Google Analytics 360:ssä. Lue lisää Google Marketing Platformista |
Tietoihin perustuvassa vaikuttavuusmenetelmässä on kaksi pääosaa: (1) kaikkien käytettävissä olevien reittitietojen analysointi muokattujen tulostodennäköisyyksien kehittämistä varten sekä (2) osittaisen tuloskirjauksen määrittäminen markkinoinnin kosketuspisteille soveltamalla kehittynyttä algoritmia todennäköiseen tietojoukkoon.
Tulostodennäköisyysmallien kehittäminen kaikista käytettävissä olevista reittitiedoista
Tietoihin perustuva vaikuttavuus käyttää kaikkia saatavilla olevia reittitietoja (mukaan lukien tulosta tuottavien ja tulosta tuottamattomien käyttäjien tiedot) määrittääkseen, miten tiettyjen markkinoinnin kosketuspisteiden läsnäolo vaikuttaa käyttäjien todennäköisyyteen tuottaa tulos. Tuloksena saatavat todennäköisyysmallit osoittavat, kuinka todennäköisesti käyttäjä tuottaa tuloksen tietyssä reitin pisteessä määritetyn tapahtumajärjestyksen mukaan.
Tuloskirjauksen algoritminen määrittäminen markkinoinnin kosketuspisteille
Tietoihin perustuva vaikuttavuus käyttää määritettyyn todennäköiseen tietojoukkoon algoritmia, joka perustuu yhteispeliteoriasta lähtöisin olevaan Shapleyn arvoon. Shapleyn arvon on kehittänyt taloustieteen nobelisti Lloyd S. Shapley, ja se ilmaisee ryhmän tuotoksen jakautumisen ryhmän jäsenten kesken.
Tietoihin perustuvassa vaikuttavuudessa "ryhmänä" analysoidaan markkinoinnin kosketuspisteet (esimerkiksi Maksuton haku, Näyttö ja Sähköposti "ryhmän jäseninä"), ja ryhmän "tuotoksella" tarkoitetaan tulosta. Tietoihin perustuvan vaikuttavuuden algoritmi laskee markkinoinnin kunkin kosketuspisteen vaihtoehtoiset hyödyt. Se siis vertaa kosketuspisteiden kanssa tekemisiin joutuneiden samankaltaisten käyttäjien tulostodennäköisyyttä todennäköisyyteen, jolla jokin kosketuspisteistä ei satu reitille.
Kunkin kosketuspisteen tuloskirjauksen todellinen laskenta riippuu kosketuspisteiden kaikkien järjestyksen muutosten vertailusta ja normalisoinnista. Tämä tarkoittaa sitä, että tietoihin perustuvan vaikuttavuuden algoritmi ottaa huomioon järjestyksen, jossa kukin kosketuspiste esiintyy, ja määrittää eri tuloksen kullekin reitin sijainnille. Esimerkiksi Näyttö, jota edeltää Maksullinen haku mallinnetaan eri tavoin kuin Maksettu haku, jota edeltää Näyttö.
Esimerkki
Seuraavassa ylätason esimerkissä Maksuttoman haun, Näytön ja Sähköpostin yhdistelmä johtaa 3 prosentin tulostodennäköisyyteen. Jos Näyttö poistetaan, todennäköisyys laskee 2 prosenttiin. Näytön tuottama 50 prosentin kasvu toimii vaikuttavuuden perustana.
Tutustu tietoihin perustuvaan malliin ja analysoi sen vaikutukset sijoitetun pääoman tuottoprosenttiin
Mallin hallintatyökalu -raportin avulla voit hallita painoarvoja, jotka tietoihin perustuva malli määrittää kanavan ja sijainnin perusteella. (Yksityiskohtaisempaa analysointia varten voit ladata mallin CSV-tiedostona.) Mallinvertailutyökalun avulla voit vertailla malleja ja tunnistaa optimointimahdollisuuksia. The Sijoitetun pääoman tuottoprosenttianalyysi -raportti auttaa ymmärtämään tietoihin perustuvan mallin vaikutuksia sijoitetun pääoman tuottoprosenttiin.
