 |
Fitur ini hanya tersedia di Google Analytics 360, bagian dari Google Marketing Platform. Pelajari Google Marketing Platform lebih lanjut. |
Ada dua bagian utama pada metodologi Pengaitan Berdasarkan Data: (1) menganalisis semua data jalur yang tersedia untuk mengembangkan model probabilitas konversi khusus, dan (2) menerapkan algoritme canggih pada kumpulan data probabilitas tersebut yang menentukan kredit konversi parsial untuk poin kontak pemasaran Anda.
Dalam artikel ini:Mengembangkan model probabilitas konversi dari semua jalur data yang tersedia
Pengaitan Berdasarkan Data menggunakan semua jalur data yang tersedia—termasuk data dari pengguna yang melakukan konversi dan tidak melakukan konversi—untuk memahami bagaimana kehadiran titik kontak pemasaran tertentu memengaruhi probabilitas konversi pengguna Anda. Hasil model probabilitas menunjukkan kemungkinan pengguna melakukan konversi pada titik tertentu dalam jalur, dengan urutan peristiwa tertentu.
Menetapkan kredit konversi pada poin kontak pemasaran secara algoritme
Selanjutnya, Pengaitan Berdasarkan Data menerapkan pada kumpulan data probabilitas ini algoritme yang berbasis pada konsep dari teori permainan kerja sama yang disebut Nilai Shapley. Nilai Shapley dikembangkan oleh Pemenang Nobel Ekonomi, Lloyd S. Shapley, sebagai pendekatan untuk secara adil mendistribusikan output dari tim di antara anggota tim konstituen.
Pada kasus Pengaitan Berdasarkan Data, “tim” yang sedang dianalisis memiliki titik kontak pemasaran (mis., Penelusuran Organik, Tampilan, dan Email) sebagai “anggota tim”, dan “output” dari tim adalah konversi. Algoritme Pengaitan Berdasarkan Data menghitung perolehan yang tidak sesuai fakta dari setiap titik kontak pemasaran—artinya, algoritme membandingkan probabilitas konversi dari pengguna mirip yang terpapar dengan titik pemasaran ini, dengan probabilitas saat salah satu titik kontak tidak terjadi dalam jalur.
Perhitungan aktual dari kredit konversi untuk setiap titik kontak bergantung pada perbandingan semua variasi permutasi titik kontak dan penormalan di seluruh titik. Ini berarti bahwa algoritme Pengaitan Berdasarkan Data mempertimbangkan urutan terjadinya setiap titik kontak dan menetapkan kredit yang berbeda untuk berbagai posisi jalur. Misalnya, Tampilan yang mendahului Penelusuran Berbayar dimodelkan berbeda dengan Penelusuran Berbayar yang mendahului Tampilan.
Contoh
Dalam contoh tingkat tinggi berikut, kombinasi dari Penelusuran Organik, Tampilan, dan Email menghasilkan 3% probabilitas konversi. Saat Tampilan dihapus, probabilitas turun menjadi 2%. Peningkatan 50% yang terlihat saat ada Tampilan berfungsi sebagai dasar untuk pengaitan.
Menjelajahi model Berdasarkan Data Anda dan menganalisis dampak ROI-nya
Anda dapat menggunakan laporan Penjelajah Model untuk menjelajahi bobot khusus dari kumpulan model Berdasarkan Data menurut saluran dan posisi. (Untuk analisis yang lebih detail, Anda dapat mengunduh model sebagai file CSV). Gunakan Alat Perbandingan Model untuk membandingkan model, dan untuk mengidentifikasi peluang pengoptimalan. Laporan Analisis ROI memungkinkan Anda untuk memahami dampak ROI dari model Berdasarkan Data.
