 |
Ez a funkció csak a Google Marketing Platform részét képező Google Analytics 360 szolgáltatásban áll rendelkezésre. További információ a Google Marketing Platformról. |
Az adatközpontú hozzárendelési módszernek két fő része van: (1) az összes elérhető útvonali adat elemzése az egyedi konverziós valószínűségi modellek fejlesztéséhez, illetve (2) az adott valószínűségi adatkészletre egy kifinomult algoritmus alkalmazása, amely részleges konverziós jóváírást rendel a marketing érintkezési pontokhoz.
Konverziós valószínűségi modellek fejlesztése az összes elérhető útvonal adataiból.
Az adatközpontú hozzárendelés felhasznál minden adatot – beleérve a konvertáló és a nem konvertáló felhasználókat is – annak felderítéséhez, hogy az egyes marketing érintkezési pontok jelenléte milyen hatással van az Ön felhasználóinak konverziós valószínűségére. Az eredményként kapott valószínűségi modellek megjelenítik, hogy egy felhasználó az útvonal bármely adott pontján milyen valószínűséggel konvertál, az események egy adott sorát figyelembe véve.
Konverziós jóváírások algoritmikus hozzárendelése marketing érintkezési pontokhoz.
Az adatközpontú hozzárendelés ezután erre a valószínűségi adatkészletre egy algoritmust alkalmaz, amely a kooperatív játékelmélet Shapley-érték nevű fogalmára épül. A Shapley-értéket a közgazdasági Nobel-díjas Lloyd S. Shapley fejlesztette ki, az egy csapat eredményének a csoportot alkotó csapattagok közötti arányos elosztásának megközelítéseként.
Az adatközpontú hozzárendelés esetében az elemzett „csapat” „csapattagiai” a marketing érintkezési pontok (pl. organikus keresés, Display és E-mail) a csapat „eredményét” pedig a konverziók jelentik. Az adatközpontú hozzárendelés algoritmusa kiszámítja az egyes marketing érintkezési pontok tényeknek ellentmondó nyereségét – azaz összehasonlítja az adott érintkezési pontokkal találkozó hasonló felhasználók konverziós valószínűségét azzal a valószínűséggel, amikor az érintkezési pontok egyike nem jelenik meg az útvonalban.
Az egyes érintkezési pontokhoz tartozó konverziós jóváírás tényleges kiszámítása az érintkezési pontok összes különböző permutációjának összehasonlításától és normalizálásuktól függ. Ez azt jelenti, hogy az adatközpontú hozzárendelés algoritmusa figyelembe veszi az egyes érintkezési pontok előfordulásának sorrendjét, és az útvonalon elfoglalt különböző pozíciókhoz különböző jóváírást rendel hozzá. Például ha a Display megelőzi a fizetett keresést, akkor másképp történik a modellezése, mintha a fizetett keresés előzné meg a Displayt.
Példa
A következő magas szintű példában az organikus keresés, a Display és az E-mail kombinációja 3%-os konverziós valószínűséget eredményez. Ha a Display eltávolításra kerül, a valószínűség 2%-ra csökken. A Display jelenléte esetén megfigyelt 50%-os növekedés a hozzárendelés alapjául szolgál.
Az adatközpontú hozzárendelési modell felfedezése és ROI-vonatkozásainak elemzése
A Modellböngésző jelentés használatával felfedezhetők az adatközpontú modell által a csatorna és a pozíció alapján beállított specifikus súlyozások. (Részletesebb elemzéshez a modell CSV fájlként is letölthető.) A Modell-összehasonlító eszköz használatával összehasonlíthatja a modelleket és meghatározhatja az optimalizálási lehetőségeket. A ROI elemzés jelentés lehetővé teszi az adatközpontú modell ROI vonatkozásainak megértését.
