Sobre a atribuição baseada em dados

Antes de fazer uma compra ou usar outro recurso importante do site, as pessoas podem clicar ou interagir com vários anúncios. Normalmente, todo o crédito pela conversão é atribuído ao último anúncio em que os clientes clicaram. Mas será que foi esse o anúncio que levou o usuário até sua empresa?

A atribuição baseada em dados dá crédito às conversões com base em como as pessoas engajam com seus anúncios e decidem se tornar clientes. Ela usa os dados da sua conta para determinar os anúncios, palavras-chave e campanhas que têm maior impacto nas suas metas de negócios. Você pode utilizar a atribuição baseada em dados para conversões no site, em visitas à loja e do Google Analytics resultantes dos anúncios de pesquisa (incluindo Shopping), do YouTube, de display e da Geração de demanda.

Neste artigo, falamos sobre a atribuição baseada em dados. Para saber mais sobre modelos de atribuição em geral ou sobre como selecionar um modelo de atribuição para suas ações de conversão, consulte Sobre modelos de atribuição.


Vantagens

  • Saiba quais palavras-chave, anúncios, grupos de anúncios e campanhas mais ajudam a atingir suas metas de negócios.
  • Otimize os lances com base nos dados de performance específicos da conta.
  • Escolha o modelo de atribuição certo para sua empresa, sem suposições.

Como funciona

A atribuição baseada em dados é diferente dos outros modelos de atribuição. Ela usa seus dados de conversão para calcular a contribuição real de cada interação com o anúncio no caminho de conversão. Cada anunciante tem um modelo específico com base em dados.

Essa atribuição analisa todas as interações nos seus anúncios de pesquisa (incluindo Shopping), do YouTube, de display e da Geração de demanda no Google Ads, inclusive cliques e engajamentos com vídeos. Ao comparar os caminhos dos clientes que fizeram e não fizeram uma conversão, o modelo identifica padrões entre as interações com os anúncios que levam a conversões. Algumas etapas têm maior probabilidade de incentivar um cliente a gerar uma conversão. O modelo, em seguida, atribui mais crédito a essas interações significativas no caminho do cliente.

Assim, ao avaliar os dados de conversão, você vê os anúncios que têm maior impacto nas suas metas de negócios. E, se escolher uma estratégia de lances automáticos, os lances vão usar essa informação importante para gerar mais conversões.

Exemplo

Você é proprietário de uma empresa de passeios no Rio de Janeiro e usa o acompanhamento de conversões para saber quando os clientes compram ingressos no seu site. Você tem especificamente uma ação de conversão para acompanhar compras de um passeio ciclístico em Ipanema. Os clientes geralmente clicam em alguns dos seus anúncios antes de decidir comprar um ingresso.

Com o modelo de atribuição baseada em dados, você descobre que os clientes que clicam primeiro no anúncio "Passeio de bicicleta no Rio de Janeiro" e, depois, em "Passeio de bicicleta à beira-mar em Ipanema" têm mais probabilidade de comprar um ingresso do que os usuários que só clicam em "Passeio de bicicleta à beira-mar em Ipanema". Sendo assim, o modelo redistribui o crédito para favorecer o anúncio "Passeio de bicicleta no Rio de Janeiro" e as palavras-chave, grupos de anúncios e campanhas associados a ele.

Agora, quando você analisar seus relatórios, vai ter informações mais completas sobre os anúncios que são mais valiosos para sua empresa.

Dependendo da disponibilidade de dados, os modelos de atribuição de último clique e baseada em dados podem ter os mesmos resultados em determinadas situações.

Para saber mais sobre como funciona a atribuição baseada em dados, faça o download do PDF Data-driven attribution methodology (disponível somente em inglês).


Requisitos de dados

A maioria das ações de conversão é qualificada para a atribuição baseada em dados, seja qual for o volume de interações ou conversões. Somente ações qualificadas podem ser atualizadas para a atribuição baseada em dados.

Alguns tipos de ação precisam acumular pelo menos 300 conversões e 3.000 interações com anúncios em redes que oferecem suporte, no período de 30 dias, para estarem qualificados. Para continuar usando esse modelo de atribuição, precisa ter pelo menos 2.000 interações em redes com suporte ou no mínimo 200 conversões em 30 dias referentes à ação de conversão. Você vai receber um alerta quando seus dados ficarem abaixo desses níveis. Após 30 dias seguidos com baixo volume de dados, a ação de conversão passa para o modelo de último clique. Se a redução dos dados for inesperada, verifique sua tag de acompanhamento de conversões, o status na página "Ações de conversão", as configurações da ação e outras definições da conta para ter certeza de que está tudo funcionando corretamente.

Se a atribuição baseada em dados não estiver disponível para uma ação de conversão específica, selecione um dos outros modelos de atribuição.


Como configurar a atribuição baseada em dados para suas conversões

A atribuição baseada em dados é o modelo de atribuição padrão para a maioria das ações de conversão. Siga as instruções abaixo se quiser mudar o modelo de atribuição de uma ação de conversão para "Baseada em dados":

  1. Na sua conta do Google Ads, clique no ícone Metas Ícone de metas.
  2. Clique no menu suspenso Conversões no menu da seção e depois em Resumo.
  3. Na tabela, clique na ação de conversão que você quer editar e, depois, em Editar configurações.
  4. Selecione Baseada em dados no menu suspenso "Modelo de atribuição".
  5. Clique em Salvar e em Concluído.
Dica: também é possível atualizar seu modelo de atribuição pelo Relatório de atribuição "Visão geral", que fica em Ferramentas > Atribuição. Clique no banner "Fazer upgrade para a atribuição baseada em dados", na parte de cima da página, e siga as instruções. Saiba mais sobre as práticas recomendadas ao mudar para a atribuição baseada em dados.

Links relacionados

Isso foi útil?

Como podemos melhorá-lo?
Pesquisa
Limpar pesquisa
Fechar pesquisa
Menu principal
1254062070837354919
true
Pesquisar na Central de Ajuda
true
true
true
true
true
73067
false
false
false