2023 年谷歌广告归因模型指南——数据驱动的归因是未来吗？
已发表: 2023-04-01为什么 Google Ads 归因模型很重要
研究表明，消费者在购买前至少与产品互动 8 次，并且在潜在客户转化之前需要与您的企业互动 7-13 次以上。 因此，使用正确的归因模型对于企业了解渠道和活动在所有这些接触点方面的表现至关重要。
选择正确的归因模型很重要的两个主要原因如下：
1. 理解：归因模型帮助企业理解绩效。 虽然可能不存在完美的归因模型（尽管有人声称数据驱动的归因模型最接近），但选择正确的归因模型可以更准确地理解绩效。 反过来，这会导致在营销策略和广告支出方面做出更好的决策。2.优化：使用正确的归因模型对于优化广告活动也很重要。 从出价策略的角度来看都是如此——因为谷歌将使用转化数据来优化采用自动出价策略的活动——以及广告商根据他们的转化数据进行手动活动优化。 不同的归因模型可能会揭示哪些关键字和广告在推动转化方面最有效。
Google Ads 归因模型指南
资料来源：Louisaustin.co
让我们来看看六种可用的 Google Ads 归因模型并找出适合您的模型，探索每种归因模型的优缺点。
- 最后点击归因
- 首次点击归因
- 基于位置的归因
- 线性归因
- 时间衰减归因
- 数据驱动归因
1. 最后点击归因模型
怎么运行的
顾名思义，最后点击归因将所有功劳归于转化前的最后一个接触点。 最后一次点击归因简单明了且常用，但近年来发生了转变，需要关注的不仅仅是最后一次点击，还要考虑整个客户旅程中的多个接触点。
例如，转化路径可能包含多个接触点，从通用关键字开始，然后是展示广告和视频广告互动，最后以品牌关键字发生的转化结束。 在此示例中，品牌关键字将获得所有功劳。 但是，您可能会争辩说，将客户介绍给企业的通用关键字在转化中发挥了作用，或者与转化归因于的品牌关键字同等重要。 视频和显示交互也是如此。
非常适合在转化发生之前与用户接触点很少的企业，例如销售周期较短的电子商务企业。
- 优点：简单且易于实施。 该模型提供了对渠道如何在基本层面上执行的洞察力
- 缺点：忽略除最后一个以外的所有接触点。 因此，它可能无法全面概述客户旅程以及其他渠道和活动如何促进转化的价值。
2. 首次点击归因模型
怎么运行的
首次点击归因将所有功劳都归功于客户在转化前与之互动的第一个接触点。 它类似于最后点击归因，只是反过来。 在上面的示例中，首先将用户介绍给企业的通用关键字将获得所有功劳，而忽略中间和底部漏斗交互。
非常适合专注于品牌知名度和发现并希望将功劳归功于将用户介绍给他们企业的渠道和活动的企业。
- 优点：深入了解客户与品牌的初始接触点。 这对于专注于品牌知名度的企业和最擅长将用户介绍给企业的活动非常有用。
- 缺点：忽略除第一个接触点之外的所有接触点，因此与最后点击归因一样，它可能无法提供客户旅程的全面视图。
3. 基于位置的归因模型
怎么运行的
基于位置的归因为用户在转换之前与之交互的第一个和最后一个接触点提供了更多的信用。 例如，一般的搜索活动可能会引起一些最初的兴趣，随后，用户会在点击显示重定向广告后发生转化。 基于位置的归因将归因于搜索和展示广告系列在转化中的作用。
非常适合混合了品牌推广和直接反应活动并希望在第一个和最后一个接触点之间共享属性的企业。
- 优点：奖励客户旅程开始和结束时的接触点，这反映了这些接触点是最有影响力的想法。
- 缺点：此模型未考虑客户旅程中间的接触点。 如果用户在购买前的一段时间内点击了您的 10 个关键字，则不会将任何内容归因于中间的 8 个关键字。
4.线性归因模型
怎么运行的
线性归因在客户旅程中的所有接触点平均分配信用。 如果有 3 次点击，则这些接触点中的每一个都将归因于三分之一的转化。
非常适合想要考虑所有接触点的企业，以及那些在客户转化之前具有较长销售周期和多次互动的企业。
- 优点：在客户旅程中的所有接触点平均分配信用，提供更全面的绩效视图。
- 缺点：虽然此模型比前 3 个模型更具有洞察力，并且在分配信用方面更公平，但线性归因可能无法准确反映每个接触点的影响。 例如，与高意图的中间和最后一个接触点相比，第一个接触点的意图可能较低，这意味着在尝试准确确定广告活动的有效性时，中间和最后一个接触点可能值得更多的信任。
5. 时间衰减归因模型
怎么运行的
时间衰减归因会将更多功劳分配给在时间上更接近转化事件的接触点。 最多的功劳将给予转化前的最终接触点，然后是之前的接触点，依此类推。
考虑这种情况：用户首先单击通用关键字并访问产品页面。 然后，他们会在一周内收到视频重定向广告，最后搜索产品，点击购物广告并购买。 在此示例中，时间衰减归因会将较大部分的功劳分配给购物广告，其次是视频广告系列，最后是通用关键字的功劳最少。
非常适合销售周期较短但在客户旅程中仍有多个接触点的企业。 这对于具有时间敏感接触点的企业也可能有好处。
- 优点：将更多的功劳奖励给更接近转化的接触点，这反映了最近的接触点最具影响力的想法。 这种归因模型可以提供比最终点击归因更多的洞察力，并且可以更准确地理解性能，因为功劳归于之前的接触点。
- 缺点：该模型可能会忽略早期接触点，或者无法准确地归功于早期接触点的影响，从而无法真实反映性能。
6. 数据驱动归因模型
怎么运行的
数据驱动归因，也称为 DDA，是最新的归因模型，也是 Google 建议采用的一种模型，前提是您的帐户满足特定条件。 但您可能想知道 Google Ads 数据驱动的归因模型如何归因于转化。
数据驱动归因使用高级机器学习来分析数据并确定每个接触点在客户旅程中的重要性。 根据每个接触点对客户转换的影响和影响，将转换分解并归因于每个接触点。
资料来源： windsor.ai
在 Google Ads 中分析搜索广告（包括购物）、YouTube、展示广告和发现广告的点击次数和视频参与度，以确定促成转化的模式。 使用自动出价时，这些模式不仅支持 DDA 分配转化，而且它们还将帮助出价策略利用导致转化的数据和模式来寻找行为方式相似的客户。 这就是使数据驱动的归因成为最先进的归因模型的原因。
非常适合具有复杂转换路径的企业和具有多个接触点的企业，以及任何拥有大量数据并希望从机器学习中受益的符合条件的企业。 由于它使用高级算法来破译数据和归因于转化，DDA 可以更清楚地了解广告系列、广告组、关键字和广告效果，使其成为大多数帐户的理想选择。
优点：使用机器学习根据接触点对转化的影响将功劳分配给接触点。 这意味着它提供了更准确的客户旅程视图。
缺点：需要大量数据才能运行，而转化跟踪的准确性是其基础。 这可能会阻止转化数据很少的企业和存在跟踪问题的帐户采用此归因模型。
数据驱动归因用例示例
以下是 DDA 在实践中如何工作的示例：
一家电子商务美容品牌的主要目标是使用 Google Ads 在线销售口红。 数据驱动的归因模型发现，在购买之前平均有多次点击。 DDA 还发现，首先搜索口红色调（例如“珊瑚红唇膏”），然后点击品牌关键字的用户最有可能购买。 而首先搜索“折扣”和“便宜”相关关键字并随后点击品牌关键字的用户最不可能发生转化。 这导致 DDA 将更多功劳分配给颜色相关的关键字、广告组和营销活动，这也反映在报告中。 |
DDA 使用机器学习并更清楚地说明哪些点击最具影响力，无论点击在用户旅程中何时发生。 除了更好地了解性能外，最近一项涉及数百名使用 DDA 的广告商的研究表明，与最终点击归因相比，性能有所提高。
以下是使用数据驱动归因的真实企业的 3 个案例研究：
1. 德国最大的邮购药店 Medpex 使用数据驱动归因和智能出价。 这导致转化次数增加了 29%，每次获取成本降低了 -28%。2. Select Home Warranty是一家美国维修项目的家庭保修提供商。 使用数据驱动的归因，他们发现潜在客户增加了 36%，CPA 减少了 -20%。
3. HIS 是一家全球旅行社，在全球一百多个城市开展业务。 使用 DDA、智能出价和动态搜索广告，HIS 能够以相同的 CPA 将转化次数增加 62%。
数据驱动的归因数据要求
大多数转化操作，例如购买、注册和应用安装，都可以用于数据驱动的归因。 事实上，DDA 现在是您创建的所有新转化操作的默认归因模型，尽管您可以手动切换到不同的归因模型。
资料来源：谷歌广告帮助
对于许多转化操作，运行 DDA 没有最低交易量要求。 但是，对于某些人，您需要在 30 天内至少获得 300 次转化和 3,000 次广告互动才有资格。 这些转换可能包括：
- 高价值操作：与网页浏览或视频观看等低价值操作相比，对您的业务具有更高价值的转化操作（例如购买、销售线索或注册）可能会产生更少的转化或广告互动。
- 利基产品或服务：与利基产品或服务相关的转化操作可能拥有较少的受众，从而导致较少的转化或广告互动。
数据驱动归因还可以使用应用内转化事件，例如应用内购买，并将它们归因于特定的关键字和广告。 您还可以导入线下转化事件，例如致电、实体店光顾和亲自购买，这些操作可以使用标识符与 Google Ads 互动进行匹配。
对于现有的转化事件，如果您的帐户符合条件，Google 将通过电子邮件通知您，届时您可以采用数据驱动归因或选择退出。 您还可以在 Google Ads 帐户的“归因”部分检查您是否符合条件。 继续阅读以了解如何在 Google Ads 中切换到 DDA。
如何在 Google Ads 中选择归因模型？
在您的 Google Ads 帐户中，导航至“工具和设置”，然后在“衡量”下点击“归因”。 从这里，您可以探索各种转化路径和转化路径指标，并查看辅助转化。
使用左侧菜单中的模型比较功能比较帐户中的转化数据如何归因于各种归因模型。 这个工具很棒，因为您可以看到在不更改模型的情况下如何分配转化。
上面的屏幕截图是最终点击归因和数据驱动归因之间的比较，使用默认回顾窗口和帐户跟踪的 4 个转化事件。 它显示了两个重要的转化指标——转化次数和转化成本——的执行情况。
使用此功能在进行更改之前查看您有兴趣采用的归因模型，以确保转化数据符合您的业务目标。
如果您准备好更改归因模型，这是在转化级别完成的，因此请前往工具和设置，然后前往转化。 点击您想要更改归因模型的转化事件，然后点击编辑设置。
在归因模型下，单击下拉菜单并更改为所需的归因模型。
如何切换到数据驱动的归因
您可以使用与上述相同的方法切换到以数据为依据的归因。 但是，在您 Google Ads 帐户的“归因”部分，导航至左侧菜单中的“切换到 DDA”。
从那里，您将能够看到帐户中的所有转化操作、他们当前使用的归因模型，以及他们是否有资格切换到 DDA。
如上面的屏幕截图所示，如果符合条件，您可以选择自己进行切换，或者如果应用了自动切换，您可以等待切换自动发生，或者如果您不想使用 DDA，则选择退出.
如何改进您的数据驱动归因模型
切换到以数据为依据的归因后，您可以按照其他一些步骤充分利用 DDA：
- 通过分析 DDA 开始归因于您的广告系列的转化数据，根据基于 DDA 的转化调整出价。
- 由于 DDA 将在整个转化路径中更准确地衡量广告互动和点击次数，因此请返回并查看关键字效果，以了解路径中较早阶段的关键字如何影响转化。
- 使用数据驱动的归因时，推荐的方法是采用智能出价策略，例如目标 CPA 或目标 ROAS。 在此处阅读Google Ads 出价策略实用指南。
- 给 DDA 几周的时间来收集和分析用户交互和转化数据。 这段学习时间很重要，对于转化路径较长的企业来说更是如此。
结论
选择正确的 Google Ads 归因模型，方法是首先权衡 6 种归因模型的优缺点，然后使用方便的 Google Ads 比较工具了解每种模型如何影响您的业务。
通过选择最适合您的业务和目标的归因模型，您将更准确地了解效果，能够改进优化工作并提高广告系列的整体效率。
