如何使用Google Analytics的数据驱动归因模型

自2005年成立以来，已有超过288亿个 网站使用 Google Analytics。就数据驱动归因模型本身而言，许多人试图寻找一个“一刀切”的方法。

虽然这种模型本身的强大功能令人钦佩，但与此同时，它也违背了Google Analytics的本质。既然该服务的USP能够根据顾客的要求来定制报告，那么导致该归因模型的特殊之处的因素又是什么呢？

什么是归因？

在进行更加深入的研究之前，我们给出了关于归因的定义。在Google Analytics中，归因这个术语可能意味着很多种行为，并且归因功能主要用于信息的转化和网络会话。比如，从网站的访问到特定行为的完成，以及从网络广告营销到未知信息发源等。

数据驱动归因

目前的归因模型可以以各种形式存在，并且最近非常火爆的一个模型就是数据驱动归因模型。这种由算法生成的模型并不是一种传统模型，而是为Google Analytics 360的客户专门设计，能够 为 客户提供一种简单的方式 使其获得个性化体验的创新模型。此外，使用该模型的用户需要在28天内满足以下两个参数：

• 每种类型需要400次转换，且每次转化至少需要两次互动。

• 每个用户可以创建许多导航路径。如果网站上有10,000条路径，那么就类似于有10,000个网站用户 。但是，单个用户可以创建多个导航路径。

数据驱动归因模型的突出特点是它在转换过程开始之前就考虑了如何处理用户的接触点。该模型浏览器工具 通过报告这些接触点，然后进行数据的审查。

数据驱动的归因模型可作为Google Analytics中的基准模型，使用户能够创建新的个性化归因模型。在个性化定制的信用规则实施之前，创建新的数据驱动归因模型能够实现在转化路径上与多个接触点共享转化信用。

使用数据驱动的归因模型来分析非转化和转化路径信息。前者的数据是从转换的网站收集的，而后者的数据是从未被用户的网站转换的访问者收集的。此外，数据驱动归因模型的一个独特之处是它每周都会改变。

为什么数据驱动归因模型可以运作？

可以通过了解他们在转换过程中所起的作用来了解这个模型。在转换过程中，它主要为各种接触点或营销渠道的转换提供信用。无论是初始接触，中间接触还是最后接触，提供最多帮助的接触点或营销渠道都会被认为是转化过程中发挥最大效用的功能。其余的接触或渠道则根据它们在转换过程中所发挥效用的大小来获得信用。

由于分配转换信用的机制取决于最新的信息转换过程而不是接触点位置，因此归因模型就会变为数据驱动模型。这不仅突破了随机给众多触摸点或通道转换信用分配的需要，而且恰当地解释了为什么整个模型会被称为数据驱动的归因模型。

需要注意的是数据驱动归因模型有一定的时效性，因为模型会随着转换信息的变化而发生相应的变化。

您的企业需要实施DDA（数据驱动归因）模型吗？

永远不要认为一个类似于这种基于算法的归因模型是每个企业都可以实现的。想要处理这种模型，首先需要满足各种严格的要求，并保持这种状态，只有这样企业才能处理数据驱动的归因模型。

1. 访问Google Analytics（分析）360帐户

只有拥有了Google Premium或Google Analytics 360的帐户才能使用这种模型，否则用户将无法使用数据驱动的归因模型。

%1. 高质量的数据及其可用性

需要牢记的一点是，DDA模型的数据所能反映信息的能力取决于用户提交的信息。因此，糟糕的数据将会导致糟糕的分析结果。

然而，现在的问题是大多数组织可能能够下载和安装Google Analytics 360，但他们很难确定如何从服务中获得利益。

更重要的是，尽管他们能够聘请到经验丰富的分析师，但他们始终无法创建和维护从不同数据源收集的大量数据。

因此，从DDA模型分析得到的结论可能具有误导性，存在缺陷，甚至无法使用。

%1. KPI和目标的兼容性

您为业务选择的KPI和目标需要在组织和营销渠道之间保持一致。否则，数据驱动的归因模型就不能发挥作用。因此，如果Twitter广告的目标主要集中在改善网站销售上，那么您的Facebook广告目标也应该与其保持一致。

%1. 分享此文章

相关文章

会话映射：在搜索和内容营销中获胜的新规则

使用Python恢复 搜索引擎优化 网站 的 流量（第一部分）

内部受众 ：如何在研究 方式 中 寻找适当的 消费者

按行业划分的Google广告转化率： 应当 如何比较？

转化跟踪

在Google Analytics Premium中设定目标，可以用来监控转化和电子商务的过程。无论用户是否被允许使用， Google Analytics会为使用这种信息转换的商家生成数据驱动的归因模型。

%1. 满足并保持最低转换阈值的重要性

确保要生成的Google Analytics Premium视图符合最低转化次数阈值。此外，需要注意的是，如果您的Google Analytics（分析）视图达到了最低转化次数阈值，那么它将会正常运行; 如果要继续进行DDA分析，那么它是不被允许的，因此必须确保维持最低转换阈值。

%1. 每种转换类型的最低转换阈值

用户选择的Google Analytics视图不仅必须满足每种转化类型的最低转化次数;，而且它也需要一定的维护。每种转换都会生成自己的DDA模型，这些生成的DDA模型始终可以用于某些转换，但不是全部的转换。

如果您已实施数据驱动的归因模型，但是生成的模型不适用于该转化，那么GA将在归因模型报告的正上方闪现警告标志。

使用DDA模型评估用户的自然搜索频道

打开“模型比较工具”。开始“最后非直接点击”,“数据驱动”模型和“最后交互模型”之间的比较。

最好选择“最后一次互动”模型，因为它是Google Analytics的多渠道渠道报告的基本模型。“上次非直接点击”能够发挥效用，因为它是非多渠道渠道报告的基本模型。最后需要注意的是，应该选择“数据驱动”模型而不是“时间衰减”模型，原因如下：

• 前者不仅会分析Google Analytics帐户中的详细信息，还会分析其他关联帐户，例如Google广告，Doubleclick Campaign Manager等。

• DDA模型使用算法来转化分配信用，这比通过“时间衰减”归因和/或手动转换给出的信用结果更可靠。

检查标记为“转化百分比变化（来自”上次互动“）的列，以查找”自然搜索“

使用此报告可以衡量自然搜索转换从之前的交互模型转变为数据驱动模型的百分比。在这种情况下，您可以看到它是22.66％。这就意味着如果DDA模型被用于提供自然搜索转换信用，那么该过程将产生22.66％的信用额度。因此，最终点击模型低估了自然搜索的22.66％。

完成后，只需单击“模型资源管理器工具”右上角标有“下载完整模型”的按钮，即可将DDA模型下载到Excel工作表中。

结束语

在Google Analytics中选择数据驱动的归因模型，以便用户应用该模型并体验其优势。虽然还有很多其他归因模型可供使用，但这种模式属于自己的联盟。