 |
이 기능은 Google Marketing Platform에 포함된 Google 애널리틱스 360에서만 사용할 수 있습니다. Google Marketing Platform에 대해 자세히 알아보기. |
데이터 기반 기여 방식에는 크게 (1) 사용 가능한 모든 경로 데이터를 분석하여 맞춤 전환 가능성 모델을 개발하고 (2) 전환 기여도의 일부를 마케팅 터치포인트에 할당하는 정교한 알고리즘을 해당 가능성 데이터 조합에 적용하는 두 부분이 있습니다.
이 도움말에 나와 있는 내용은 다음과 같습니다.사용 가능한 모든 경로 데이터에서 전환 가능성 모델 개발
데이터 기반 기여는 특정 마케팅 터치포인트가 사용자의 전환 가능성에 미치는 영향을 이해하기 위해 전환하는 사용자 및 전환하지 않는 사용자 모두의 데이터를 포함하여 사용 가능한 모든 경로 데이터를 사용합니다. 최종 가능성 모델은 특정 이벤트의 과정에서 사용자가 경로의 특정 지점에서 전환할 가능성을 보여줍니다.
알고리즘에 따라 마케팅 터치포인트에 전환 기여도를 할당
데이터 기반 기여는 샤플리 값이라는 협조적 게임 이론 개념에 기반을 둔 알고리즘을 해당 가능성 데이터 세트에 적용합니다. 노벨 경제상 수상자 Lloyd S. Shapley가 개발한 샤플리 값은 팀의 성과를 팀 구성원 간에 공정하게 배분하는 접근 방법입니다.
데이터 기반 기여의 경우 분석 대상인 '팀'의 '팀 구성원'이 마케팅 터치 포인트(예: 자연 검색, 디스플레이 및 이메일)이며 팀의 '성과'는 전환수입니다. 데이터 기반 기여 알고리즘은 각 마케팅 터치 포인트의 조건법적 이득을 계산합니다. 즉, 이러한 터치 포인트에 노출된 유사한 사용자의 전환 가능성과 경로에서 터치 포인트 중 하나가 발생하지 않을 경우의 가능성을 비교합니다.
여러 순열의 터치 포인트를 비교하고 이를 정규화하는 것에 따라 터치 포인트별 전환 기여도에 대한 실제 계산이 달라집니다. 즉, 데이터 기반 기여 알고리즘은 각 터치 포인트가 발생하는 순서를 고려하고 여러 경로 위치별로 기여도를 다르게 할당합니다. 예를 들어 디스플레이가 유료 검색 이전에 발생한 경우는 유료 검색이 디스플레이 이전에 발생한 경우와 별도로 모델링됩니다.
예
다음 최상위 수준의 예에서 자연 검색, 디스플레이 및 이메일의 조합은 3%의 전환 가능성으로 이어집니다. 디스플레이를 삭제하면 가능성이 2%로 하락합니다. 디스플레이가 있을 때 50% 증가는 기여의 기반으로 사용될 수 있습니다.
데이터 기반 모델 탐색 및 ROI에 미치는 영향 분석
모델 탐색기 보고서를 사용해 채널 및 위치에 따른 데이터 기반 모델 조합에 특정 가중치를 탐색할 수 있습니다. 더 자세한 분석을 보려면 모델을 CSV 파일로 다운로드할 수 있습니다. 모델 비교 도구를 사용하여 모델을 비교하고 최적화 기회를 파악할 수 있습니다. ROI 분석 보고서를 사용하면 데이터 기반 모델이 ROI에 미친 영향을 이해할 수 있습니다.
