*此文可有英語鏈接

自動化和機器學習提供精準且基於數據的追蹤轉換。它為您提供了用戶洞察的途徑，並根據受眾群體的行為來制定網路媒體，搜尋，分析和創意的策略。在這裡，我們探討了以數據為依據來歸因的好處，以及為什麼要在Campaign Manager（CM）報表中應用以數據為依據的歸因模型。

什麼是以數據為依據的歸因（DDA）？

以數據為依據的歸因是一種歸因方法，它使用Floodlight轉換路徑（含轉換和未轉換的用戶）中的所有數據來深入了解各行銷接觸點在顧客旅程中的影響。它透過此轉換路徑數據開發轉換概率模型來實現此目的，然後通過演算法將轉換功勞分配給每個行銷接觸點。

Campaign Manager（CM）中的數據驅動模型通常需要1至2天的學習。收集數據後，Campaign Manager（CM）技術中的數據驅動歸因，將博弈論概念應用於演算法（也稱為Shapley Value），以確定每個接觸點的貢獻。

在本文中，我們將探討Campaign Manager（CM）中可用的數據驅動歸因，但是，重要的是要認識到 Google Marketing Platform（GMP）中的其他平台，包括 Search Ads 360 (SA360)和 Google Analytics 360 (GA360) 也將數據驅動歸因作為其功能的一部分。相比下，Google Analytics（免費版）就無以數據為依據的歸因。

為什麼要在 Campaign Manager 中使用以數據為依據的歸因？

根據 Econsultancy 的研究，有34％的受訪者表示擁有正確的數據收集和分析技術對其了解客戶的能力影響最大。 因此，使用 Google Marketing Platform（GMP），特別是 Campaign Manager（CM）進行數據驅動的歸因，具有不可忽視的優勢，包括： 有正確的數據收集和分析技術對其了解客戶的能力影響最大。 因此，使用 Google Marketing Platform（GMP），特別是 Campaign Manager（CM）進行數據驅動的歸因，具有不可忽視的優勢，包括：

  • 數據驅動型的企業在決策上有重大改善的可能性提高3倍，
  • 在轉換路徑中獲得更準確的歸因 – 根據此圖，只有26％的受訪者選擇了數據為依據的歸因模型，因為它可以將轉換功勞準確地分配給行銷接觸點，這種準確性將有助於降低轉換成本並改善行銷決策。
  • 利用來自您第一方數據的洞察 – 所有其他歸因模型（基於最終點擊或基於非最終點擊），都沒有考慮到其他基於數據的觀察來分析您的客戶是如何轉換的。波士頓諮詢集團 (BCG) 的研究指出了第一方數據的重要性，數據驅動歸因算法正是利用您的數據來獲得更準確的洞察和報告。
  • 運用Campaign Manager（CM），您可以進行跨渠道的歸因，包括數位媒體、付費搜尋，分析和廣告素材。
  • 自然搜尋（organic）也可以歸屬其轉換功勞 – 數據驅動歸因可更全面地了解客戶的轉換路徑。
  • 透過這種跨渠道歸因，您可以更有效地推動與客戶的行銷接觸點以及組織的數位行銷成熟度。
Data-Driven Attribution

如何在 Campaign Manager 中設定以數據為依據的歸因

要設定以數據為依據的歸因，您需要使用Campaign Manager（CM）中的歸因模式工具：

  1. 在 Campaign Manager 中，到報表和歸因 > 歸因。
  2. 選擇一個 Floodlight 設定
  3. 點擊左側導覽面板中的 [歸因模式工具]
  4. 除非您之前已設定了數據驅動的歸因，否則將顯示預設模型。點擊預設模型旁邊的下拉選單，在列表底部，選擇創建新的數據驅動模型
  5. 命名您的模型。注意：包括當天的日期
  6. 選擇所有基於轉換的 Floodlight 活動，即不包括僅針對受眾群體列表（例如動態再行銷）創建的 Floodlight 活動
  7. 選擇基本渠道分組或自定義渠道分組
  8. 設置自定義回溯窗口
  9. 點擊儲存
您應該在Google Marketing Platform（GMP）中使用數據驅動歸因模型的6個原因 1

結論

儘管許多組織以及不同產業對歸因使用有不同的方法和想法，但利用數據驅動的方式能使企業提升決策力，並透過複雜的演算法從相同的媒體或搜尋預算中產生更多的轉換。

若需要更多關於歸因的策略制定或針對 Campaign Manager（CM）、Google Marketing Platform（GMP）中其他平台內的數據驅動歸因(DDA)等相關諮詢或支援，歡迎與 FiveStones 團隊聯繫。