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(qū)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(qiáng)大功能令人欽佩，但與此同時，它也違背了Google Analytics的本質(zhì)。既然該服務(wù)的USP能夠根據(jù)顧客的要求來定制報告，那么導(dǎo)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(jìn)行更加深入的研究之前，我們給出了關(guān)于歸因的定義。在Google Analytics中，歸因這個術(shù)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(zhuǎn)化和網(wǎng)絡(luò)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(luò)廣告營銷到未知信息發(fā)源等。

數(shù)據(jù)驅(qū)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(qū)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(shè)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(nèi)滿足以下兩個參數(shù)：

• 每種類型需要400次轉(zhuǎn)換，且每次轉(zhuǎn)化至少需要兩次互動。

• 每個用戶可以創(chuàng)建許多導(dǎo)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(dǎo)航路徑。

數(shù)據(jù)驅(qū)動歸因模型的突出特點是它在轉(zhuǎn)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(jìn)行數(shù)據(jù)的審查。

數(shù)據(jù)驅(qū)動的歸因模型可作為Google Analytics中的基準(zhǔn)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(qū)動歸因模型能夠?qū)崿F(xiàn)在轉(zhuǎn)化路徑上與多個接觸點共享轉(zhuǎn)化信用。

使用數(shù)據(jù)驅(qū)動的歸因模型來分析非轉(zhuǎn)化和轉(zhuǎn)化路徑信息。前者的數(shù)據(jù)是從轉(zhuǎn)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(zhuǎn)換的訪問者收集的。此外，數(shù)據(jù)驅(qū)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(qū)動歸因模型可以運作？

可以通過了解他們在轉(zhuǎn)換過程中所起的作用來了解這個模型。在轉(zhuǎn)換過程中，它主要為各種接觸點或營銷渠道的轉(zhuǎn)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(rèn)為是轉(zhuǎn)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(zhuǎn)換過程中所發(fā)揮效用的大小來獲得信用。

由于分配轉(zhuǎn)換信用的機(jī)制取決于最新的信息轉(zhuǎn)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(qū)動模型。這不僅突破了隨機(jī)給眾多觸摸點或通道轉(zhuǎn)換信用分配的需要，而且恰當(dāng)?shù)亟忉屃藶槭裁凑麄€模型會被稱為數(shù)據(jù)驅(qū)動的歸因模型。

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

您的企業(yè)需要實施DDA（數(shù)據(jù)驅(qū)動歸因）模型嗎？

永遠(yuǎn)不要認(rèn)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(yán)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(qū)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(qū)動的歸因模型。

%1. 高質(zhì)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(dǎo)致糟糕的分析結(jié)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(wù)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(hù)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(jié)論可能具有誤導(dǎo)性，存在缺陷，甚至無法使用。

%1. KPI和目標(biāo)的兼容性

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

%1. 分享此文章

相關(guān)文章

會話映射：在搜索和內(nèi)容營銷中獲勝的新規(guī)則

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

內(nèi)部受眾 ：如何在研究 方式 中 尋找適當(dāng)?shù)?消費者

按行業(yè)劃分的Google廣告轉(zhuǎn)化率： 應(yīng)當(dāng) 如何比較？

轉(zhuǎn)化跟蹤

在Google Analytics Premium中設(shè)定目標(biāo)，可以用來監(jiān)控轉(zhuǎn)化和電子商務(wù)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(zhuǎn)換的商家生成數(shù)據(jù)驅(qū)動的歸因模型。

%1. 滿足并保持最低轉(zhuǎn)換閾值的重要性

確保要生成的Google Analytics Premium視圖符合最低轉(zhuǎn)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(dá)到了最低轉(zhuǎn)化次數(shù)閾值，那么它將會正常運行; 如果要繼續(xù)進(jìn)行DDA分析，那么它是不被允許的，因此必須確保維持最低轉(zhuǎn)換閾值。

%1. 每種轉(zhuǎn)換類型的最低轉(zhuǎn)換閾值

用戶選擇的Google Analytics視圖不僅必須滿足每種轉(zhuǎn)化類型的最低轉(zhuǎn)化次數(shù);，而且它也需要一定的維護(hù)。每種轉(zhuǎn)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(zhuǎn)換，但不是全部的轉(zhuǎn)換。

如果您已實施數(shù)據(jù)驅(qū)動的歸因模型，但是生成的模型不適用于該轉(zhuǎn)化，那么GA將在歸因模型報告的正上方閃現(xiàn)警告標(biāo)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(qū)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(yīng)該選擇“數(shù)據(jù)驅(qū)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(xì)信息，還會分析其他關(guān)聯(lián)帳戶，例如Google廣告，Doubleclick Campaign Manager等。

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

檢查標(biāo)記為“轉(zhuǎn)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(zhuǎn)換從之前的交互模型轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)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(zhuǎn)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(biāo)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(jié)束語

在Google Analytics中選擇數(shù)據(jù)驅(qū)動的歸因模型，以便用戶應(yīng)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。