2023년 Google Ads 기여 모델 가이드 – 데이터 기반 기여가 미래일까요?

Google Ads 기여 분석 모델이 중요한 이유

연구에 따르면 소비자는 구매하기 전에 최소 8번 제품에 참여하고 리드가 전환되기 전에 비즈니스에 7~13회 이상 참여 해야 합니다. 따라서 올바른 기여 모델을 사용하는 것은 비즈니스가 모든 접점과 관련하여 채널 및 캠페인의 성과를 이해하는 데 기본이 됩니다.

올바른 기여 모델을 선택하는 것이 중요한 두 가지 주요 이유는 다음과 같습니다.

Google Ads 기여 모델 가이드

출처: Louisaustin.co

사용 가능한 6가지 Google Ads 기여 모델을 살펴보고 각 기여 모델의 장단점을 살펴보며 자신에게 적합한 모델을 찾아보겠습니다.

• 마지막 클릭 기여
• 첫 번째 클릭 기여
• 위치 기반 기여
• 선형 기여
• 시간 소멸 속성
• 데이터 기반 기여

1. 마지막 클릭 기여 모델

작동 방식

이름에서 알 수 있듯이 마지막 클릭 기여도는 전환 전 마지막 터치포인트에 모든 기여도를 부여합니다. 마지막 클릭 어트리뷰션은 간단하고 일반적으로 사용되지만 최근 몇 년 동안 고객 여정 전반에 걸쳐 여러 터치포인트를 고려하여 마지막 클릭 이상에 집중해야 하는 변화가 있었습니다.

예를 들어 전환 경로는 일반 키워드로 시작하여 디스플레이 및 동영상 광고 상호작용 , 브랜드 키워드에서 발생하는 전환으로 끝나는 여러 터치포인트로 구성될 수 있습니다. 이 예에서 브랜드 키워드는 모든 크레딧을 얻습니다. 그러나 고객에게 비즈니스를 소개한 일반적인 키워드가 전환에 기여했거나 전환이 발생한 브랜드 키워드만큼 중요하다고 주장할 수 있습니다. 비디오 및 디스플레이 상호 작용에 대해서도 마찬가지입니다.

판매 주기가 짧은 전자 상거래 비즈니스와 같이 전환이 발생하기 전에 사용자와의 접점이 거의 없는 비즈니스에 적합합니다 .

• 장점: 간단하고 구현하기 쉽습니다. 이 모델은 채널이 기본 수준에서 어떻게 수행되는지에 대한 통찰력을 제공합니다.

• 단점: 마지막 터치포인트를 제외한 모든 터치포인트를 무시합니다. 이러한 이유로 고객 여정에 대한 포괄적인 개요와 다른 채널 및 캠페인이 전환에 기여하는 가치를 제공하지 못할 수 있습니다.

2. 첫 번째 클릭 기여도 모델

작동 방식

첫 번째 클릭 기여는 고객이 전환하기 전에 상호작용하는 첫 번째 터치포인트에 모든 기여도를 부여합니다. 마지막 클릭 기여도와 비슷하지만 그 반대입니다. 위의 예에서 사용자에게 비즈니스를 처음 소개한 일반 키워드는 중간 및 하단 유입경로 상호작용을 무시하고 모든 크레딧을 차지합니다.

브랜드 인지도 및 발견에 중점을 두고 사용자에게 비즈니스를 소개하는 채널 및 캠페인에 기여하고자 하는 비즈니스에 적합합니다 .

• 장점: 브랜드와 고객의 초기 접점에 대한 통찰력을 제공합니다. 이는 브랜드 인지도에 중점을 둔 비즈니스와 사용자를 비즈니스에 가장 잘 소개하는 캠페인에 유용합니다.

• 단점: 첫 번째 터치포인트를 제외한 모든 터치포인트를 무시하므로 마지막 클릭 어트리뷰션을 사용하면 고객 여정에 대한 포괄적인 보기를 제공하지 못할 수 있습니다.

3. 위치 기반 귀속 모델

작동 방식

위치 기반 기여는 사용자가 전환하기 전에 상호작용하는 첫 번째 및 마지막 터치포인트에 더 많은 기여도를 부여합니다. 예를 들어 일반 검색 캠페인은 초기 관심을 유도하고 나중에 사용자가 디스플레이 재타겟팅 광고를 클릭한 후 전환할 수 있습니다. 위치 기반 기여는 검색 및 디스플레이 캠페인 모두 전환에 기여한 것으로 간주합니다.

브랜딩과 직접 반응 캠페인이 혼합되어 있고 첫 번째와 마지막 터치포인트 사이에 속성을 공유하려는 비즈니스에 적합합니다 .

• 장점: 고객 여정의 시작과 끝에 있는 터치포인트에 크레딧을 부여합니다. 이는 이러한 터치포인트가 가장 영향력이 있다는 생각을 반영합니다.

• 단점: 이 모델은 고객 여정 중간에 터치포인트를 고려하지 않습니다. 사용자가 구매 전 일정 기간 동안 10개의 키워드를 클릭하면 중간에 있는 8개의 키워드에 아무 것도 기여하지 않습니다.

4. 선형 속성 모델

작동 방식

선형 기여는 고객 여정의 모든 터치포인트에 균등하게 기여도를 분배합니다. 3번의 클릭이 있었다면 이러한 각 터치포인트는 전환의 1/3이 기여한 것으로 간주됩니다.

고객이 전환하기 전에 모든 접점과 판매 주기가 더 길고 여러 상호 작용이 있는 접점을 고려하려는 기업 에 적합합니다 .

• 장점: 고객 여정의 모든 접점에 균등하게 크레딧을 분배하여 성과에 대한 보다 포괄적인 보기를 제공합니다.

• 단점: 이 모델은 이전 3개 모델보다 약간 더 통찰력이 있고 크레딧 분배가 더 공정하지만 선형 기여는 각 터치포인트의 영향을 정확하게 반영하지 못할 수 있습니다. 예를 들어 첫 번째 터치포인트는 의도가 높은 중간 및 마지막 터치포인트에 비해 의도가 낮을 ​​수 있습니다. 즉, 광고 캠페인의 효과를 정확하게 판단하려고 할 때 중간 및 마지막 터치포인트가 더 많은 평가를 받을 수 있습니다.

5. 시간 가치 하락 기여 모델

작동 방식

시간 소멸 기여도는 전환 이벤트에 더 가까운 시간에 발생하는 터치포인트에 더 많은 기여도를 부여합니다. 가장 많은 기여도는 전환 이전의 최종 터치포인트에 부여되며 그 다음은 전환 이전의 터치포인트입니다.

다음 시나리오를 고려하십시오. 사용자가 먼저 일반 키워드를 클릭하고 제품 페이지를 방문합니다. 그런 다음 일주일 동안 비디오 리타겟팅 광고를 제공하고 최종적으로 제품을 검색하고 쇼핑 광고를 클릭하고 구매합니다. 이 예에서 시간 소멸 기여도는 쇼핑 광고에 더 많은 기여도를 부여하고 동영상 캠페인이 그 뒤를 따르고 마지막으로 일반 키워드에 가장 적은 기여도를 부여합니다.

판매 주기는 짧지만 고객 여정에 여러 접점이 있는 비즈니스 에 적합합니다 . 시간에 민감한 터치포인트가 있는 비즈니스에도 유용할 수 있습니다.

• 장점: 전환에 가까운 터치포인트에 더 많은 기여도를 부여합니다. 이는 최근 터치포인트가 가장 영향력이 크다는 생각을 반영합니다. 이 기여도 모델은 마지막 클릭 기여도보다 더 많은 통찰력을 제공할 수 있으며 이전 터치포인트에 크레딧이 부여되므로 성과를 더 정확하게 이해할 수 있습니다.

• 단점: 이 모델은 초기 터치포인트를 무시하거나 이전 터치포인트의 영향을 정확하게 인정하지 않아 성과를 제대로 반영하지 못할 수 있습니다.

6. 데이터 기반 기여도 모델

작동 방식

DDA라고도 하는 데이터 기반 기여는 계정이 특정 기준을 충족하는 경우 Google에서 채택을 권장하는 최신 기여 모델입니다. 하지만 Google Ads 데이터 기반 기여 분석 모델이 어떻게 전환 기여도를 부여하는지 궁금하실 수 있습니다.

데이터 기반 기여는 고급 기계 학습을 사용하여 데이터를 분석하고 각 접점이 고객 여정에서 얼마나 중요한지 결정합니다. 전환은 고객 전환에 대한 영향력과 영향을 기반으로 각 접점에 세분화되고 귀속됩니다.

출처: windsor.ai

클릭 및 동영상 참여는 Google Ads의 검색(쇼핑 포함), YouTube, 디스플레이, 디스커버리 광고에서 분석되어 전환으로 이어지는 패턴을 식별합니다. 자동 입찰을 사용할 때 이러한 패턴은 DDA를 지원하여 전환을 할당할 뿐만 아니라 입찰 전략에서 전환으로 이어지는 데이터와 패턴을 활용하여 유사한 방식으로 행동하는 고객을 찾는 데 도움이 됩니다. 이것이 바로 데이터 기반 기여를 가장 진보된 기여 모델로 만드는 것입니다.

전환 경로가 복잡하고 접점이 여러 개인 기업과 머신 러닝의 이점을 얻고자 하는 풍부한 데이터가 있는 적격 기업에 적합 합니다 . 고급 알고리즘을 사용하여 데이터 및 속성 전환을 해독하기 때문에 DDA는 캠페인, 광고 그룹, 키워드 및 광고 실적에 대해 더 나은 명확성을 제공할 수 있으므로 대부분의 계정에 적합한 선택입니다.

장점: 기계 학습을 사용하여 전환에 미치는 영향에 따라 접점에 기여도를 할당합니다. 즉, 고객 여정에 대한 보다 정확한 보기를 제공합니다.

단점: 작동하려면 많은 데이터가 필요하며 기본적으로 전환 추적이 정확해야 합니다. 이로 인해 전환 데이터가 거의 없는 비즈니스와 추적 문제가 있는 계정이 이 기여 모델을 채택하지 못할 수 있습니다.

데이터 기반 기여 사용 사례 예시

다음은 DDA가 실제로 작동하는 방식의 예입니다.

DDA는 기계 학습을 사용하고 사용자 여정에서 클릭이 발생한 시점에 관계없이 어떤 클릭이 가장 영향력이 있는지 명확하게 보여줍니다. 실적에 대한 이해도가 높을 뿐만 아니라 DDA를 사용하는 수백 명의 광고주를 대상으로 한 최근 연구에서 마지막 클릭 기여와 비교할 때 실적이 개선된 것으로 나타났습니다 .

다음은 데이터 기반 기여를 사용하는 실제 비즈니스에 대한 3가지 사례 연구입니다.

데이터 기반 기여 데이터 요구 사항

구매, 가입, 앱 설치와 같은 대부분의 전환 액션은 데이터 기반 기여에 사용할 수 있습니다. 실제로 DDA는 이제 생성하는 모든 새 전환 액션의 기본 기여 모델이지만 수동으로 다른 기여 모델로 전환할 수 있습니다.

출처: Google Ads 도움말

많은 전환 액션의 경우 DDA를 실행하는 데 필요한 최소 볼륨이 없습니다. 그러나 일부의 경우 30일 이내에 최소 300회의 전환과 3,000회의 광고 상호작용이 있어야 자격이 있습니다 . 이러한 변환에는 다음이 포함될 수 있습니다.

• 고가치 액션: 구매, 리드 또는 가입과 같이 비즈니스에 더 높은 가치를 지닌 전환 액션은 페이지 조회수 또는 동영상 조회수와 같이 가치가 낮은 액션보다 더 적은 전환 또는 광고 상호작용을 생성할 수 있습니다.
  
  
• 틈새 제품 또는 서비스: 틈새 제품 또는 서비스와 관련된 전환 액션은 잠재고객이 적을 수 있으므로 전환 또는 광고 상호작용이 줄어들 수 있습니다.

데이터 기반 기여도는 인앱 구매와 같은 인앱 전환 이벤트를 사용하고 이를 특정 키워드 및 광고에 기여할 수 있습니다. 전화 통화, 매장 방문, 직접 구매와 같은 오프라인 전환 이벤트를 가져올 수도 있으며 이러한 작업은 식별자를 사용하여 Google Ads 상호작용과 다시 일치시킬 수 있습니다.

기존 전환 이벤트의 경우 귀하의 계정이 적격한 경우 Google에서 이메일을 통해 귀하에게 통지하고 해당 시점에 데이터 기반 기여를 채택하거나 옵트아웃할 수 있습니다. Google Ads 계정의 Attribution 섹션에서 자격이 있는지 확인할 수도 있습니다. Google Ads에서 DDA로 전환하는 방법을 알아보려면 계속 읽어보세요.

Google Ads에서 기여 분석 모델을 선택하려면 어떻게 해야 하나요?

Google Ads 계정에서 도구 및 설정으로 이동한 다음 측정에서 기여를 클릭합니다. 여기에서 다양한 전환 경로 및 전환 경로 측정항목을 탐색하고 지원 전환도 살펴볼 수 있습니다.

왼쪽 메뉴의 모델 비교 기능을 사용하여 계정의 전환 데이터가 다양한 기여 모델에 대해 기여한 방식을 비교합니다. 이 도구는 모델을 변경하지 않고 전환이 어떻게 할당되었는지 확인할 수 있기 때문에 훌륭합니다.

위의 스크린샷은 기본 전환 확인 기간과 계정이 추적하는 4가지 전환 이벤트를 사용하여 마지막 클릭 기여와 데이터 기반 기여를 비교한 것입니다. 두 가지 중요한 전환 측정항목인 전환수와 전환당 비용이 어떻게 되었을지 보여줍니다.

이 기능을 사용하여 변경하기 전에 채택하려는 기여 모델을 검토하여 전환 데이터가 비즈니스 목표와 일치하는지 확인하십시오.

기여 모델을 변경할 준비가 되었으면 전환 수준에서 수행되므로 도구 및 설정으로 이동한 다음 전환으로 이동합니다. 기여 모델을 변경하려는 전환 이벤트를 클릭한 다음 설정 수정을 클릭합니다.

기여 모델에서 드롭다운 메뉴를 클릭하고 원하는 기여 모델로 변경합니다.

데이터 기반 기여로 전환하는 방법

위와 동일한 방법을 사용하여 데이터 기반 기여로 전환할 수 있습니다. 그러나 Google Ads 계정의 기여 섹션에서 왼쪽 메뉴의 'DDA로 전환'으로 이동하세요.

여기에서 계정의 모든 전환 액션, 현재 사용 중인 기여 모델, DDA로 전환할 수 있는지 여부를 확인할 수 있습니다.

위의 스크린샷에서 볼 수 있듯이 자격이 있는 경우 직접 전환할 수 있습니다. 또는 자동 전환이 적용된 경우 전환이 자동으로 수행될 때까지 기다리거나 DDA를 사용하지 않으려면 선택 해제할 수 있습니다. .

데이터 기반 기여 모델을 개선하는 방법

데이터 기반 기여 분석으로 전환한 후 DDA를 최대한 활용하기 위해 따를 수 있는 다른 여러 단계가 있습니다.

• DDA가 캠페인에 기여하기 시작한 전환 데이터를 분석하여 DDA 기반 전환에 따라 입찰가를 조정합니다.

• DDA는 전체 전환 경로에서 광고 상호작용과 클릭을 보다 정확하게 측정하므로 뒤로 돌아가서 키워드 실적을 검토하여 경로의 초기 키워드가 전환에 어떤 영향을 미치는지 확인하십시오.

• 데이터 기반 기여를 사용할 때 권장되는 접근 방식은 타겟 CPA 또는 타겟 ROAS와 같은 스마트 비딩 전략을 채택하는 것입니다. 여기에서 Google Ads 입찰 전략에 대한 실용적인 가이드를 읽어보세요 .

• 사용자 상호작용 및 전환 데이터를 수집하고 분석할 수 있도록 DDA에 2주 정도 시간을 주세요. 이 학습 기간은 전환 경로가 더 긴 비즈니스에 중요하며 더욱 중요합니다.

결론

편리한 Google Ads 비교 도구를 사용하여 각 모델이 비즈니스에 미치는 영향을 이해하는 것과 함께 먼저 6가지 각 기여 모델의 장단점을 비교하여 적합한 Google Ads 기여 모델을 선택하세요.

귀하의 비즈니스 및 목표에 가장 잘 부합하는 기여 모델을 선택하면 성과를 보다 정확하게 이해하고 최적화 노력을 개선하며 캠페인의 전반적인 효율성을 높일 수 있습니다.