SMX East Liveblog：与 Google 一起学习 — 归因策略

在 Learn with Google 课堂上，上午的第一个主题是：为您的搜索和数字投资提供信息的归因策略。

“为什么归因至关重要？ 因为了解渠道的相互作用会带来更明智的营销投资。”

演讲者：

• Rachel Klooz，Google DoubleClick Search 高级客户经理
• DoubleClick Search 产品营销经理 Justin Huskamp

让我们在网上做更好的广告

• 重要的时刻
• 促成更好的决策 >> 此演示文稿
• 不断创新

议程：

• 获得关于归因的同一页面
• DoubleClick 建模入门（不仅适用于 DoubleClick 的策略，也适用于 Google Analytics — 可在任何平台上运行的基于规则的模型）
• 高级建模
• 案例分析
• 绘制可操作的见解
• 与 Adometry 有什么关系

进入同一页面

什么是多渠道归因？ 直观的理解是，你刚买的红鞋 100 美元的促销活动之前会立即收到一封电子邮件，而这之前可能还有很多其他的联系和点击。

为什么归因至关重要？ 因为了解渠道的相互作用会导致更明智的营销投资。

说得通！ 我的归因模型在哪里？ 没有完美的模型。 只有更好的。 它们取决于您的业务、战略和客户。 即使在同一垂直领域，我们也看到相同的归因模型以截然不同的方式运作。 公司拥有自己的营销决策非常重要。

入门

使用基本归因模型和自定义权重，有几种模型。

标准型号：

• 最终点击或展示：分配给最终点击的所有值
• 首次点击或展示：分配给首次互动的所有价值（有助于了解展示广告在接触新用户方面的价值）
• 线性：在点击中均匀分配所有值（用作进一步完成高级建模的基础）
• 时间衰减：根据点击与转化的接近程度分配的价值（认识到路径中的每次互动都有一定的价值，而较旧的互动可能价值不高）
• 基于位置：更重视早期和后期的交互（中间的东西有价值，但可能不如人们看到的第一件事和最后获得转化的东西）

现在是更高级的东西

您可以自定义自己的模型。 你需要知道你的 cookie 模型。 在转换之前，您需要了解许多交互。 你需要一个良好的商业模式范围； 他们应该知道他们今天所做的事情的表现。

• 根据交互类型、位置和时间创建粒度建模规则
• 即时查看更改的影响
• 保存和管理自定义模型

加权示例：展示次数与点击次数

示例权重：品牌与通用

品牌字词有一些作用，但通用的非品牌字词对您的作用更大。

权重与归因相关的另一个例子是有机的，您可能会在您的加权归因模型中贬低它，因为它不是您要付费的东西。

级别 201、301：自定义模型构建器使用额外的杠杆，例如时间衰减。

级别 401、501（高级，Google 正在研究 2015 年的归因）：通过数据驱动的归因（例如预测建模和预测分析）增强您的归因实践。 需要注意的是正确的设置，不要让算法在没有分析的情况下运行。

案例研究：大型独立机构

在展示、电子邮件、会员、重定向方面需要帮助——他们有很多类型的媒体并且很困惑。

方法：

• 确定感兴趣的转化点
• 将收入值分配给潜在客户
• 根据感兴趣的媒体桶创建自定义维度
• 将替代展示权重和时间衰减纳入自定义模型
• 结合媒体成本数据生成 ROAS 分析

基于此 ROAS 分析的建议是可以重新分配一些搜索预算和团队以进行展示。 搜索获得了所有功劳，因为它是最后一次点击。

绘制可操作的见解

• 首先简单的事情是比较第一次点击和最后一次点击，找出你的转化者、关闭者和潜在客户生成器。
• 过滤到再营销有助于发现最终点击模型隐藏的价值，但请注意，这是相关性而非因果性。 要真正了解再营销的作用，请进行 A/B 测试，其中一半的流量看到再营销，而另一半没有。

你今天可以做的事情：

1. 在您选择的工具中试验标准模型。 看看不同模型的 ROAS/ROI 是如何变化的。
2. 比较模型以深入了解收购方与关闭方。
3. 根据交互类型、位置和时间创建细粒度规则。 为此，请查看您的路径链接。 某人考虑和购买通常需要多长时间。 请注意，超过 2 个月的 cookie 窗口会引发丢失和丢失等问题。
4. 通过更改 cookie 窗口和比较数据进行测试。

那么与 Adometry 有什么关系呢？

谷歌在春末收购了 Adometry。 DoubleClick 和 Google Analytics 在“在线”方面做得非常好。 Adometry 增加了线上和线下的结合。 今天的工具有局限性。 它们通常不会很好地跨设备，而且通常不会通过点击进行。 Adometry 试图衡量电视和家庭的影响。 Adometry 旨在创建一个封闭的反馈循环。

问答

问：我使用 Google Analytics 进行多渠道归因。 你在这里展示的一些东西，它是如何翻译的？ 你在这里有多渠道归因，它看起来很像 GA。 有什么不同？

答：它建立在相同的后端和基础架构上。 你可以在 GA 中做很多模型和例子。 您可以在 GA 中更改 cookie 窗口。

问：Universal Analytics 如何在设备之间进行跟踪？

答：Universal 以匿名方式使用登录用户。 跨代表某些人群样本的设备登录 Chrome 的用户。

问：我对报告展示和最终点击之间的时间段感到沮丧。

答：这是一个有趣的用例。 让我们跟进。