广告归因,用于确定一个广告在多个媒体曝光/点击并发生转化后效果的归属的一套逻辑或者规则。营销人员必须清楚了解自身常用渠道平台之间的数据差异问题,确保能够从多个角度看待数据,综合分析归因制定营销计划,才能推动转化率。
【归因】
对转化路径上的触点分配功劳的过程。
对于某些数据追踪统计平台,根据触点的接触形式不同,还分为点击归因及浏览归因。
【归因模型】
归因的依据和逻辑。
当我们的数据追踪平台选择的归因模型不同时,即便是同样一条转化路径,也会产生不同的数据分配情况。
以Google Ads为例:
【归因时间窗】
从初始操作(点击或浏览)到转化事件之间的时间长度。
假设当我们统一了数据追踪平台的归因模型时,也会出现数据不同的情况,那么这个时候就要考虑时间窗是否一致的情况。
假设用户A的转化时间是这样的:
A在第一天点击广告,但是再第6天才完成购买,那么当我们的归因时间窗选择点击后1天内时,就无法记录到这个购买转化,而当选择点击后7天或更久的时间窗时,就可以记录到这一转化。
再结合第一条提到的点击归因及浏览归因,在平台做了归因区分的情况下,用户A的购买行为也不会记录在浏览归因的时间窗内。
【跨平台转化】
数据追踪平台是否会考虑广告的多渠道平台展示等情况。
随着渠道的多样化,及对目标受众的触达率最大化,营销推广的渠道平台相对更分散了,消费者完成一次购买转化的路径逐渐拉长且复杂化。
以一个相对较简单的购买流程为例:
Facebook的广告行为和归因并不会考虑到其他渠道的营销活动,即使用户在Google渠道产生过营销触点,Facebook默认的最终触点模型,也会将这个购买归因于Facebook的广告活动。
而相对地,由于用户是在接触过其他营销活动之后,再点击了Google Ads的广告,因此Google Analysis也无法针对接触之前的用户行为做分析,也会直接将这个购买记录在Google的广告活动中。
用户实际的购买流程会更为复杂,会在多个渠道平台间反复跳转,并与营销活动相接触,这就导致了不仅最终的转化总数据会产生差异,对于个渠道平台间的功劳分配也会产生差异。
【数据追踪方式】
各渠道平台对数据的收集方式不同,根据不同的手段方式,也会产生各自的优势和局限性。
同样还是以Facebook和Google Analysis为例:
Facebook的追踪需要依赖设备的IDFA和用户数据,因此当ios 14的协议政策更新后,只要用户是通过ios系统的设备进行操作时,都将直接影响到营销活动可收集的数据量以及后续针对数据的一系列学习分析等
Google Analysis则是基于页面cookie的报告,数据收集会受到网页缓存信息的影响,同时也无法对于Facebook基于浏览的转化进行识别或追踪。
(来源:出海记事本)
以上内容属作者个人观点,不代表雨果跨境立场!如有侵权,请联系我们。