首页 > 最新文章 > 谷歌转化率计算的6种归因模型

谷歌转化率计算的6种归因模型

我们都非常熟悉Google的Ads广告(之前为Google AdWords),与百度竞价排名几乎一致。

在关键词广告中,转化率计算是评估绩效的重要指标,但事情并不简单。原因在于我们获得的结果(譬如询盘)有可能是访问者第三次重复访问后的结果。这里存在如何判定问题,如何将果与因挂钩。这么多年来,Google发展出六种归因模型。

Google六种归因模型

  • 最后一次点击(Last click):将所有转化功劳归于最终点击的广告和相应的关键字。
  • 第一次点击(First click):将所有转化功劳归于首次点击的广告和相应的关键字。
  • 线性(Linear):将转化功劳平均分配给路径上的所有广告互动。
  • 时间衰减(Time decay):将更多功劳归功于在更接近转化时间发生的广告互动。使用 7 天的半衰期分配信用。也就是说,转化前 8 天的广告互动获得的功劳是转化前 1 天的广告互动的一半。
  • 基于位置(Position-based):将40% 的功劳分配给第一次和最后一次广告互动以及相应的关键字,其余 20% 分配给路径上的其他广告互动。
  • 数据驱动(Data-driven):根据过去为此转化操作的数据分配转化功劳。与其他模型的不同之处在于,它使用帐户的数据来计算转化路径中每次互动的实际贡献。“数据驱动”模型也是大多数转化操作的默认归因模型。

数据驱动模型是归因的未来

以数据为依据的归因将成为所有Google Ads 转化操作的默认归因模型。

面对不断变化的隐私环境,营销人员需要新的衡量方法来满足归因评估。Google Ads 中以数据为依据的归因使用先进的机器学习来更准确地了解每个营销接触点如何促成转化,同时尊重用户隐私。

随着行业的不断发展,最终点击归因将越来越无法满足广告商的需求。最成功的营销人员将转向数据驱动的方法。虽然 Google Ads 提供以数据为依据的归因,但这种计算有最低数据要求。通过不断改进,Google还是以数据为依据的归因作为 Google Ads 中所有新转化操作的默认归因模型。

运用数据驱动的归因模型,Google可更好地预测特定广告对推动转化产生的增量影响,并相应地调整出价以最大限度地提高投资回报率。

你可能感兴趣的文章

captcha