归因 - 它是什么以及它如何运作?

A structured compilation of information covering various UK sectors, including economy, demographics, and public services.
Post Reply
mostakimvip06
Posts: 60
Joined: Mon Dec 23, 2024 5:02 am

归因 - 它是什么以及它如何运作?

Post by mostakimvip06 »

什么是归因以及它如何运作?
近年来,消费者行为发生了很大变化。除了台式电脑和平板电脑之外,消费者越来越多地使用移动设备进行研究。同时,我们通过各种渠道(展示、推荐、视频、社交、有机、电子邮件、直接...)访问我们感兴趣的内容。一般“营销人员”至少会出现在 13 个不同的渠道上,从而激发最终购买您产品的消费者的兴趣。



研究表明,多达 92% 的消费者在第一次与品牌或品牌互动(查看广告或访问网站)时无意购买产品。产品。这意味着 92% 的购买仅在一段时间内通过不同渠道和设备与品牌/产品进行几次互动后才会发生。

我确信大多数在线提供产品/服务的人都无法回答以下问题:“您知道您所在的哪个(广告)数字渠道具有最大的权重或对用户购买你的产品决定影响最大的是什么?”

也许你们中的一个人现在认为这非常简单 - 您通过 Google 网络分析中的单一数字渠道 (DCG) 查看交易报告。乍一看,这似乎已经足够了,但实际上事情有点复杂。

用一个简单的例子来说明: 这是Dule。

Dule 第一次接触 TheCoolestBrand 是通过Facebook广告。他在Facebook上看到了他们产品的广告,点击了该广告并登陆了 TheCoolestBrand 网站,在那里他查看了该产品,然后离开了该网站,因为他有其他事情要做。在 TheCoolestBrand 上,该产品被遗忘了。

几天后,在浏览互联网时,Dulet 被 TheCoolestBrand 图片广告(Google Display)想起了该产品。他点击了广告,来到网站,再次查看了产品并将其添加到购物车。然而,Dule 仍然没有购买,因为他决定在通过谷歌搜索购买之前对竞争提供商提供的类似产品进行一些研究。

最后。第一次接触 TheCoolestBrand 15 天后,他终于购买了他们的产品。这次他是通过谷歌搜索引擎的有机点击来到该网站的。

Dulet 的购买路径已被简化,以便于解释。

事实上,消费者的购买历程要复杂得多。正如我在本文开头提到的,用户通过不同的数字渠道同时通过不同的设备访问网站。是的 - 如果跨设备跟踪是可能的(Facebook),那就更容易了,但基于 cookie 的平台上的跨设 英国电报数据库 备跟踪仍处于起步阶段;这意味着用户的踪迹可能很快就会丢失——我们无法获取他所有交互的数据。



来源:营销土地

那么您如何知道哪个渠道促成了消费者的购买呢?这就是归因的用武之地。

营销中的归因是什么?

归因是规则或一组规则,用于确定用户在整个购买过程中进行交互的每个数字渠道应获得哪些购买信用。

归因类型
最终点击归因
在最终点击归因中,转化的所有功劳都归因于用户在购买之前的最后一次互动,而最终点击模型会忽略在此之前发生的所有用户互动。在 Dulet 的案例中,购买前的最后一次互动是点击有机热门产品。因此,购买的 100% 归功于 Google 搜索引擎(有机)。

首次点击归因
在首次点击归因中,转化的所有功劳都归因于用户在购买之前发生的首次互动,首次点击模型会忽略用户首次互动之后发生的所有用户互动。在 Dulet 的案例中,转化前的第一次互动是点击Facebook广告。因此,购买Facebook广告100% 的功劳归您所有。

线性归因
线性归因将转化的功劳等同于购买前发生的所有互动。因此,该模型平等地评估用户购买旅程中发生的所有用户接触点。就 Dulet 而言,33% 的转化归功于Facebook,33% 归功于 Google,33%归功于 Google 搜索(自然)。

时间衰减归因
通过时间衰减归因,我们更加重视发生在转化附近的交互。再次以 Dulet 的例子为例,购买的最少功劳将归于Facebook,因为它距离购买时间最远(例如 10%),转化的功劳最多(70%)将归于Google 搜索(有机搜索) ),以及 20% 的购买功劳归因于 Google 广告。

基于位置的归因
通过基于位置的归因,我们将购买的最大功劳归功于第一次和最后一次用户交互。在 Dulet 的例子中,这些是Facebook和 Google 搜索引擎(有机),每个引擎都拥有 40% 的转化份额。在本例中,Google 广告的转化率计为 20%。

数据驱动的归因
这是最新的归因模型,它基于算法而不是像上述归因模型那样基于定义的规则。


这种归因方法使用机器学习来定义每个用户的在线互动,并据此确定每次互动对购买的贡献程度。对于数据驱动的归因,它实际上是一种黑匣子,因为我们无法真正找出归因是如何准确地分配给个体交互的(事情是非常动态的)。

自定义归因
它是一种归因方法,您可以在其中定义规则,并根据这些规则评估购买前发生的单独交互。

通过各种广告平台进行归因
不同平台的归因有所不同,因为每个平台都会以更好地证明使用同一广告平台的合理性的方式对购买进行归因。

大多数广告商所犯的错误是根据用户的最后一次互动来衡量在线广告的成功与否。这意味着购买的所有功劳都归因于用户在购买之前到达页面的广告/渠道或关键字(最终点击归因)。如前所述,这当然不是归因购买信用的最佳方式,因为它忽略了最后一次购买之前发生的所有剩余交互。

例如,Google Analytics和Google Ads等平台默认使用最终点击归因,这意味着购买的功劳将计入最后一次互动的渠道。在Google Ads平台中,可以在设置中更改归因方法,但此更改仅影响通过搜索引擎广告的归因方法。 YouTube 和展示广告仍然采用最终点击方法来归因购买信用。

Facebook的转化方式也与 Google 不同。默认情况下, Facebook在点击广告 28 天后和查看广告一天后将转化归因于广告。
Post Reply