自2005年成立以來，已有超過288億個網(wǎng)站使用 Google Analytics。就數(shù)據(jù)驅動歸因模型本身而言，許多人試圖尋找一個“一刀切”的方法。

雖然這種模型本身的強大功能令人欽佩，但與此同時，它也違背了Google Analytics的本質。既然該服務的USP能夠根據(jù)顧客的要求來定制報告，那么導致該歸因模型的特殊之處的因素又是什么呢？

什么是歸因？

在進行更加深入的研究之前，我們給出了關于歸因的定義。在Google Analytics中，歸因這個術語可能意味著很多種行為，并且歸因功能主要用于信息的轉化和網(wǎng)絡會話。比如，從網(wǎng)站的訪問到特定行為的完成，以及從網(wǎng)絡廣告營銷到未知信息發(fā)源等。

數(shù)據(jù)驅動歸因

目前的歸因模型可以以各種形式存在，并且最近非?；鸨囊粋€模型就是數(shù)據(jù)驅動歸因模型。這種由算法生成的模型并不是一種傳統(tǒng)模型，而是為Google Analytics 360的客戶專門設計，能夠 為 客戶提供一種簡單的方式 使其獲得個性化體驗的創(chuàng)新模型。此外，使用該模型的用戶需要在28天內滿足以下兩個參數(shù)：

• 每種類型需要400次轉換，且每次轉化至少需要兩次互動。

• 每個用戶可以創(chuàng)建許多導航路徑。如果網(wǎng)站上有10,000條路徑，那么就類似于有10,000個網(wǎng)站用戶 。但是，單個用戶可以創(chuàng)建多個導航路徑。

數(shù)據(jù)驅動歸因模型的突出特點是它在轉換過程開始之前就考慮了如何處理用戶的接觸點。該模型瀏覽器工具 通過報告這些接觸點，然后進行數(shù)據(jù)的審查。

數(shù)據(jù)驅動的歸因模型可作為Google Analytics中的基準模型，使用戶能夠創(chuàng)建新的個性化歸因模型。在個性化定制的信用規(guī)則實施之前，創(chuàng)建新的數(shù)據(jù)驅動歸因模型能夠實現(xiàn)在轉化路徑上與多個接觸點共享轉化信用。

使用數(shù)據(jù)驅動的歸因模型來分析非轉化和轉化路徑信息。前者的數(shù)據(jù)是從轉換的網(wǎng)站收集的，而后者的數(shù)據(jù)是從未被用戶的網(wǎng)站轉換的訪問者收集的。此外，數(shù)據(jù)驅動歸因模型的一個獨特之處是它每周都會改變。

為什么數(shù)據(jù)驅動歸因模型可以運作？

可以通過了解他們在轉換過程中所起的作用來了解這個模型。在轉換過程中，它主要為各種接觸點或營銷渠道的轉換提供信用。無論是初始接觸，中間接觸還是最后接觸，提供最多幫助的接觸點或營銷渠道都會被認為是轉化過程中發(fā)揮最大效用的功能。其余的接觸或渠道則根據(jù)它們在轉換過程中所發(fā)揮效用的大小來獲得信用。

由于分配轉換信用的機制取決于最新的信息轉換過程而不是接觸點位置，因此歸因模型就會變?yōu)閿?shù)據(jù)驅動模型。這不僅突破了隨機給眾多觸摸點或通道轉換信用分配的需要，而且恰當?shù)亟忉屃藶槭裁凑麄€模型會被稱為數(shù)據(jù)驅動的歸因模型。

需要注意的是數(shù)據(jù)驅動歸因模型有一定的時效性，因為模型會隨著轉換信息的變化而發(fā)生相應的變化。

您的企業(yè)需要實施DDA（數(shù)據(jù)驅動歸因）模型嗎？

永遠不要認為一個類似于這種基于算法的歸因模型是每個企業(yè)都可以實現(xiàn)的。想要處理這種模型，首先需要滿足各種嚴格的要求，并保持這種狀態(tài)，只有這樣企業(yè)才能處理數(shù)據(jù)驅動的歸因模型。

1. 訪問Google Analytics（分析）360帳戶

只有擁有了Google Premium或Google Analytics 360的帳戶才能使用這種模型，否則用戶將無法使用數(shù)據(jù)驅動的歸因模型。

%1. 高質量的數(shù)據(jù)及其可用性

需要牢記的一點是，DDA模型的數(shù)據(jù)所能反映信息的能力取決于用戶提交的信息。因此，糟糕的數(shù)據(jù)將會導致糟糕的分析結果。

然而，現(xiàn)在的問題是大多數(shù)組織可能能夠下載和安裝Google Analytics 360，但他們很難確定如何從服務中獲得利益。

更重要的是，盡管他們能夠聘請到經(jīng)驗豐富的分析師，但他們始終無法創(chuàng)建和維護從不同數(shù)據(jù)源收集的大量數(shù)據(jù)。

因此，從DDA模型分析得到的結論可能具有誤導性，存在缺陷，甚至無法使用。

%1. KPI和目標的兼容性

您為業(yè)務選擇的KPI和目標需要在組織和營銷渠道之間保持一致。否則，數(shù)據(jù)驅動的歸因模型就不能發(fā)揮作用。因此，如果Twitter廣告的目標主要集中在改善網(wǎng)站銷售上，那么您的Facebook廣告目標也應該與其保持一致。

%1. 分享此文章

相關文章

會話映射：在搜索和內容營銷中獲勝的新規(guī)則

使用Python恢復 搜索引擎優(yōu)化 網(wǎng)站 的 流量（第一部分）

內部受眾 ：如何在研究 方式 中 尋找適當?shù)?消費者

按行業(yè)劃分的Google廣告轉化率： 應當 如何比較？

轉化跟蹤

在Google Analytics Premium中設定目標，可以用來監(jiān)控轉化和電子商務的過程。無論用戶是否被允許使用， Google Analytics會為使用這種信息轉換的商家生成數(shù)據(jù)驅動的歸因模型。

%1. 滿足并保持最低轉換閾值的重要性

確保要生成的Google Analytics Premium視圖符合最低轉化次數(shù)閾值。此外，需要注意的是，如果您的Google Analytics（分析）視圖達到了最低轉化次數(shù)閾值，那么它將會正常運行; 如果要繼續(xù)進行DDA分析，那么它是不被允許的，因此必須確保維持最低轉換閾值。

%1. 每種轉換類型的最低轉換閾值

用戶選擇的Google Analytics視圖不僅必須滿足每種轉化類型的最低轉化次數(shù);，而且它也需要一定的維護。每種轉換都會生成自己的DDA模型，這些生成的DDA模型始終可以用于某些轉換，但不是全部的轉換。

如果您已實施數(shù)據(jù)驅動的歸因模型，但是生成的模型不適用于該轉化，那么GA將在歸因模型報告的正上方閃現(xiàn)警告標志。

使用DDA模型評估用戶的自然搜索頻道

打開“模型比較工具”。開始“最后非直接點擊”,“數(shù)據(jù)驅動”模型和“最后交互模型”之間的比較。

最好選擇“最后一次互動”模型，因為它是Google Analytics的多渠道渠道報告的基本模型。“上次非直接點擊”能夠發(fā)揮效用，因為它是非多渠道渠道報告的基本模型。最后需要注意的是，應該選擇“數(shù)據(jù)驅動”模型而不是“時間衰減”模型，原因如下：

• 前者不僅會分析Google Analytics帳戶中的詳細信息，還會分析其他關聯(lián)帳戶，例如Google廣告，Doubleclick Campaign Manager等。

• DDA模型使用算法來轉化分配信用，這比通過“時間衰減”歸因和/或手動轉換給出的信用結果更可靠。

檢查標記為“轉化百分比變化（來自”上次互動“）的列，以查找”自然搜索“

使用此報告可以衡量自然搜索轉換從之前的交互模型轉變?yōu)閿?shù)據(jù)驅動模型的百分比。在這種情況下，您可以看到它是22.66％。這就意味著如果DDA模型被用于提供自然搜索轉換信用，那么該過程將產(chǎn)生22.66％的信用額度。因此，最終點擊模型低估了自然搜索的22.66％。

完成后，只需單擊“模型資源管理器工具”右上角標有“下載完整模型”的按鈕，即可將DDA模型下載到Excel工作表中。

結束語

在Google Analytics中選擇數(shù)據(jù)驅動的歸因模型，以便用戶應用該模型并體驗其優(yōu)勢。雖然還有很多其他歸因模型可供使用，但這種模式屬于自己的聯(lián)盟。