歸因模型,可以選擇為每次廣告互動(dòng)分配多少轉(zhuǎn)化功勞。
借助于歸因模型,可以更好地了解廣告的效果,從而可針對(duì)轉(zhuǎn)化歷程中的各個(gè)階段有的放矢地采取優(yōu)化措施。
把自己假想成你的客戶, 現(xiàn)在他通過搜索,點(diǎn)擊了你的廣告,到了你的網(wǎng)站, 看到了產(chǎn)品, 現(xiàn)在的你,會(huì)不會(huì)直接購(gòu)買這個(gè)產(chǎn)品?
答案可能是不會(huì), 因?yàn)槟憧隙ㄟ€要去做下對(duì)比,看下質(zhì)量, 計(jì)算下運(yùn)費(fèi)等等一些調(diào)查行為。這對(duì)于我們做線上廣告的啟示是什么?不能使用最后點(diǎn)擊歸因作為轉(zhuǎn)化信號(hào),否則你的轉(zhuǎn)化衡量很難精準(zhǔn)以及后期對(duì)癥下藥。
谷歌是越來越推崇自動(dòng)競(jìng)價(jià)策略,比如像最大轉(zhuǎn)化量, 最大轉(zhuǎn)化價(jià)值, 目標(biāo)投入產(chǎn)出比等等, 這個(gè)時(shí)候,我們使用非最后轉(zhuǎn)化歸因(NLC),就顯得十分重要。
自動(dòng)競(jìng)價(jià)策略依靠的是產(chǎn)生價(jià)值的信號(hào)來不斷優(yōu)化, 比如提交表單,購(gòu)買轉(zhuǎn)化等等,但是如果歸因信號(hào)只是在最后點(diǎn)擊, 那可能很不精準(zhǔn),一些其他有價(jià)值的流量就會(huì)白白損失。
當(dāng)你使用不同的模型,GA 谷歌分析工具就是依靠歷史數(shù)據(jù)來預(yù)測(cè)你會(huì)獲得多少轉(zhuǎn)化,這就不得不提及一下非最終點(diǎn)擊歸因的幾個(gè)模型, U型,線型,時(shí)間衰減型等主要模型。
線性:將轉(zhuǎn)化功勞平均分配給轉(zhuǎn)化路徑上的所有廣告互動(dòng)。
(圖片來自谷歌)
時(shí)間衰減:廣告互動(dòng)越接近轉(zhuǎn)化發(fā)生時(shí)間,分配的功勞就越多。廣告互動(dòng)每相隔七天,所分配的功勞就會(huì)相差一半。換言之,轉(zhuǎn)化發(fā)生 8 天前的廣告互動(dòng)所獲功勞是轉(zhuǎn)化發(fā)生 1 天前的廣告互動(dòng)所獲功勞的一半。
(圖片來自谷歌)
根據(jù)位置:為客戶首次廣告互動(dòng)及相應(yīng)關(guān)鍵字以及最終廣告互動(dòng)及相應(yīng)關(guān)鍵字分別分配 40% 的功勞,將其余 20% 的功勞平均分配給轉(zhuǎn)化路徑上的其他廣告互動(dòng)。
(圖片來自谷歌)
那了解了這么多,怎么去設(shè)置呢?
(圖片來自谷歌)
1,登錄谷歌賬戶
2, 移到轉(zhuǎn)化欄, 點(diǎn)擊你想修改的轉(zhuǎn)化跟蹤。
3, 點(diǎn)擊 設(shè)置, 就可以修改歸因模型里
注意, 如果你使用智能競(jìng)價(jià), 修改NLC會(huì)導(dǎo)致前期你的廣告系列數(shù)據(jù)波動(dòng),所以還是要耐心哦。
(來源:跨境營(yíng)銷培訓(xùn)學(xué)院六哥)
以上內(nèi)容屬作者個(gè)人觀點(diǎn),不代表雨果跨境立場(chǎng)!本文經(jīng)原作者授權(quán)轉(zhuǎn)載,轉(zhuǎn)載需經(jīng)原作者授權(quán)同意。?