[GA4] Kom godt i gang med tilskrivning

Oversigt

Kunderne kan foretage flere søgninger og klikke på flere af dine annoncer, før de foretager et køb eller fuldfører en anden vigtig handling på dit website eller i din app. Typisk får den annonce, en kunde har klikket på sidst, tilskrevet al kredit for den vigtige handling, som kaldes en vigtig hændelse. Men var det udelukkende denne annonce, der fik dem til at beslutte at interagere med en vigtig hændelse på stien til en vigtig hændelse? Hvad med de andre annoncer, som de klikkede på før denne?

Attribution is the act of assigning credit for important user actions to different ads, clicks, and factors along the user's path to completing the action.

An attribution model can be a rule, a set of rules, or a data-driven algorithm that determines how credit is assigned to touchpoints along a user's path to completing important actions.

Der er 3 tilgængelige tilskrivningsmodeller i tilskrivningsrapporterne på Google Analytics 4-ejendomme:

• Datadrevet tilskrivning
• Betalingskanaler og organiske kanaler – sidste klik
• Google-betalingskanaler – sidste klik

Bemærk! Alle tilskrivningsmodeller udelukker direkte besøg fra at modtage tilskrivningskredit, medmindre stien til vigtig hændelse udelukkende består af direkte besøg.

Nå dine marketingmål

Brug indsigten fra Google Analytics til at arbejde sammen med Google Ads for at få din virksomhed vist for de rette kunder på Søgning, YouTube m.m.

Kom godt i gang

Få adgang til tilskrivningsrapporter

Sådan får du adgang til tilskrivningsrapporterne:

1. Klik på Annoncering til venstre i Google Analytics.
2. Klik på Tilskrivningsmodeller eller Tilskrivningsstier under Tilskrivning.

Datadrevet tilskrivning

Datadrevet: Datadrevet tilskrivning fordeler kredit for den vigtige hændelse baseret på data for hver vigtig hændelse. Denne tilskrivningsmodel adskiller sig fra de øvrige modeller, i og med at dataene fra din konto bruges til beregning af hver enkelt klikinteraktions faktiske bidrag.

Alle datadrevne modeller er specifikke for hver annoncør og hver vigtige hændelse.

Sådan fungerer datadrevet tilskrivning

Tilskrivning bruger maskinlæringsalgoritmer til at evaluere både konverterings- og ikke-konverteringsstier. Den resulterende datadrevne model lærer, hvordan forskellige berøringspunkter påvirker resultatet af vigtige hændelser. Modellen inkorporerer faktorer såsom tid fra vigtig hændelse, enhedstype, antal annonceinteraktioner, annonceeksponeringsrækkefølge og typen af aktiver til annoncematerialet. Ved hjælp af en fiktiv model, sammenligner modellen, hvad der skete, med hvad der kunne være sket for at afgøre, hvilke berøringspunkter der med størst sandsynlighed vil føre til flere vigtige hændelser. I modellen tilskrives kredit til disse berøringspunkter ud fra denne sandsynlighed.

Bemærk! Alt efter hvilke data der er tilgængelige, anvendes der muligvis pseudoanonymiserede, samlede data fra datadelingsindstillinger i tilskrivningsmodellen datadrevet tilskrivning.

Metoden bag datadrevet tilskrivning (avanceret)

Der er 2 hovedelementer forbundet med metodikken for datadrevet tilskrivning:

• En analyse af de tilgængelige stidata med henblik på at udvikle modeller for rate for vigtige hændelser for hver af dine vigtige hændelser
• Brug af forudsigelser for modeller for rate for vigtige hændelser som input til en algoritme, der tilskriver kredit til annonceinteraktioner

Udvikling af modeller for vigtige hændelsers sandsynlighed ud fra tilgængelige stidata

Datadrevet tilskrivning benytter stidata – herunder data fra både konverterende og ikke-konverterende brugere – til at forstå, hvordan tilstedeværelsen og timingen af bestemte marketingberøringspunkter kan påvirke dine brugeres sandsynlighed for en vigtig hændelse. Med disse modeller vurderes sandsynligheden for, at en bruger interagerer med en vigtig hændelse på stien for en vigtig hændelse på et bestemt punkt på stien som følge af eksponering for en bestemt annonceinteraktion.

I modellerne sammenlignes sandsynligheden for vigtige hændelser for brugere, der har fået vist annoncen, med sandsynligheden for tilsvarende brugere i en såkaldt "tilbageholdelsesgruppe". Det vil sige, at modellerne bruges til beregning af den potentielle effekt af eksponering for Google-annoncer ud fra data fra randomiserede, kontrollerede "forsøg".

Algoritmisk tildeling af procentvis kreditvægtning til marketingberøringspunkter

Den datadrevne tilskrivningsmodel tildeler kredit baseret på, hvordan det ændrer den estimerede sandsynlighed for en vigtig hændelse, at den enkelte annonceinteraktion føjes til stien. Når denne kredit beregnes ved hjælp af algoritmen for datadrevet tilskrivning, bruges der tidsrum fra annonceinteraktion til den vigtige hændelse, formattype og andre forespørgselssignaler.

Eksempel

I den følgende overordnede illustration fører kombinationen af annonceeksponering 1 (betalt søgning), annonceeksponering 2 (social interaktion), annonceeksponering 3 (affiliatepartner) og annonceeksponering 4 (søgning) til 3 % sandsynlighed for en vigtig hændelse. Når annonceeksponering 4 ikke forekommer, falder sandsynligheden til 2 %, så vi ved, at annonceeksponering 4 øger sandsynligheden for en vigtig hændelse med 50 %. Vi gentager dette for hver annonceinteraktion og bruger de viste bidrag som tilskrivningsvægtninger.

Betalingskanaler og organiske kanaler – sidste klik

Bemærk! Fra og med november 2023 er tilskrivningsmodellerne "Første klik", "Lineær", "Forældelse" og "Positionsbaseret" ikke længere tilgængelige. Få flere oplysninger om de udfasede modeller.

Betalingskanaler og organiske kanaler – sidste klik: Ignorerer direkte trafik og tilskriver 100 % af værdien af den vigtige hændelse til den sidste kanal, som kunden klikkede sig videre fra (eller foretog engageret komplet visning for YouTube), inden vedkommende foretog en konvertering. Se eksempler herunder på, hvordan værdien for en vigtig hændelse allokeres:

Eksempler

1. Display > Social interaktion > Betalt søgning > Organisk søgning → 100 % til Organisk søgning
2. Display > Social interaktion > Betalt søgning > Mail → 100 % til Mail
3. Display > Social interaktion > Betalt søgning > Direkte → 100 % til Betalt søgning
4. Direkte → 100 % direkte trafik

Bemærk!

• Betalingskanaler og organiske kanaler – sidste klik og Sidste ikke-direkte klik er to forskellige navne for samme tilskrivningsmodel.

Med datadrevet tilskrivning tælles der en engageret visning, når en bruger:

• Ser en annonce i 30 sekunder (eller indtil den er slut, hvis den er kortere end 30 sekunder)
• Klikker på et teaserkort
• Klikker på et ledsagende banner eller en videovæg
• Klikker på et udtryk, der er en opfordring til handling
• Klikker på slutskærmbilledet
• Klikker sig videre til annoncørens website

Google-betalingskanaler – sidste klik

Google-betalingskanaler – sidste klik: Hele værdien af den vigtige hændelse (100 %) tilskrives den sidste Google Ads-kanal, som kunden klikkede sig videre fra før konverteringen. Hvis der (som i eksempel 6) ikke er noget Google Ads-klik på stien, vælges tilskrivningsmodellen Betalingskanaler og organiske kanaler – sidste klik igen.

Eksempler

5. Display > Social interaktion > Betalt søgning > Organisk søgning → 100 % til Betalt søgning
6. Display > Social interaktion > YouTube-konvertering via engageret visning > Mail → 100 % til YouTube
7. Display > Social interaktion > Mail > Direkte → 100 % til Mail (alternativ til sidste ikke-direkte klik)
8. Direkte → 100 % direkte trafik

Vælg tilskrivningsindstillinger

The Attribution settings page lets you choose how Google Analytics assigns credit to different ads, clicks, and other factors before users trigger key events and Google Ads web conversions.

To select attribution settings:

1. Sign in to Google Analytics.
2. I Administrator, under Data display, click Attribution settings.
   Via det forrige link åbnes den Analytics-ejendom, du senest er tilgået. Du kan skifte ejendom ved hjælp af ejendomsvælgeren.

   Du skal have rollen marketingmedarbejder eller en rolle på et højere niveau på ejendomsniveau til select the attribution settings.
3. Select these attribution settings:
   • Reporting attribution model
   • Channels that can receive credit
   • Key event lookback window
4. Click Save.