在当今的广告业格局下，消费者的行为日益复杂，营销人员很难了解用户与品牌的互动情况是怎样的以及广告在这种关系中发挥什么样的作用。
如何了解客户实现转化过程中的策略效果呢？通过使用Google提供的归因工具，您可以确定转化过程中有哪几个步骤以及其相应的价值。确定实现转化过程中的每一步应该获得多少功劳--归因；归因在数字广告领域有着非常重要的作用。假设一对未婚男女在网上相识，约会几次后步入婚姻的殿堂。如果我们将这桩美事的功劳进行分配，该怎么做呢？我们应把功劳归于哪几个呢？
实际上，在这段浪漫历程中，每个因素都有各自的功劳。确定一个过程中的每一步应该获得多少功劳，这就是归因。在广告领域，归因模型可以帮助您更深入地了解应将转化的功劳分配给哪些互动和接触点。注意：归因模型功能只可以归因网站转化、Google Analytics中的转化、来电转化和导入转化操作，无法归因应用和实体店的转化。归因在广告领域的作用不仅仅是分配功劳，它还可以为企业提供所需的信息来复刻所取得的成效。只有清楚地了解哪些策略效果最为显著，营销人员才能更审慎地优化出价和预算，从而为业务带来更多成效。正因如此，使用以数据为依据的归因模型来分配功劳对全漏斗营销人员而言意义非凡。以数据为依据的归因模型是 Google 归因产品中最为先进的模型和所有新的网站转化操作的默认归因模型。它以帐号的历史数据为依据，将功劳分配给搜索网络、YouTube 和展示广告网络中效果最显著的广告接触点。以数据为依据的归因模型使用转化数据来计算每次广告互动在转化路径中的实际功劳。该模型会通过对比转化客户和非转化客户的路径，从那些促成转化的广告互动中找出规律。该模型会向客户路径上那些有价值的广告互动分配更多功劳。
当广告效果是您的头等大事时，爱竞建议您使用以数据为依据的归因模型。但有些客户可能更重视特定的接触点并希望利用静态逻辑来为转化路径中的接触点分配价值。例如，A公司可能更重视用户与其公司的首次互动，并希望据此来进行归因分析。为此，他们将会选择以规则为依据的归因模型，并将功劳 100% 分配给首次点击操作。以规则为依据的归因模型遵循固定的转化功劳分配规则，而不考虑转化类型或用户行为。
- 最终点击：最后一个接触点获得 100% 的转化功劳
- 线性：功劳平均分配给消费者转化历程中的每一个接触点
- 根据位置：向首次互动和最终互动各分配 40% 的功劳，剩下 20% 的功劳将平均分配给中间的各次互动
- 时间衰减：这种模型可为多个接触点分配功劳，接触点越接近转化发生时间，获分的功劳就越多
您可以将归因与营销组合建模分析 (MMM) 和实验结合起来使用，这是一种非常好的衡量投资回报率的方法，可以给您带来以下好处：营销组合建模分析 (MMM) 是一种分析方法，它揭示了营销活动对品牌销售情况的影响，特别适合向线下媒体渠道投入大量营销预算的公司或主要通过线下销售渠道（实体店）进行销售的公司。
营销组合建模分析通常用于一个品牌（如奥利奥）或同一类别的一组品牌（如休闲食品）。它会考虑可能推动品牌销售的所有潜在因素，包括但不限于媒体和营销（例如，电视、广播、数字媒体、户外广告、电子邮件、优惠券）、品牌钟意度、经济环境、竞争对手行为，甚至还有天气。
广告客户可以聘请第三方供应商来运行营销组合建模分析，也可以在内部自行运行营销组合建模分析。营销组合建模分析成本较高，需要 12 到 20 周的运行时间，因此，大多数广告客户每年只运行一两次。然而，随着技术的进步和数据的完善，越来越多的广告客户开始每季度甚至每月更新一次。只要广告客户能够以相同的频率决定其媒体预算，频繁更新营销组合模型就是一件好事。
在确定每个媒体渠道带来的销售额时，营销组合建模分析是现有方法中最好的一个。大部分公司会使用营销组合建模分析得出的结论，审视每个媒体渠道的投资回报率，确定将来要继续在哪个媒体渠道上分配预算，以此来规划战略和编制预算。
使用营销组合建模分析时，您需要在两到三年内用心收集每个销售推动因素所涉及的每周数据。这些推动因素包括所有营销渠道，以及价格促销、分销和产品变化等多个方面。同时，您还要考虑竞争行为和经济环境等外部因素。2、利用归因了解客户转化历程，并将功劳分配给各个接触点如果您正使用多种数字广告解决方案，那么将需要一种可以去除重复的方法来为各个合作伙伴分配功劳，这样才能有效评估所使用的媒体渠道的效果，并将预算分配给更有价值的渠道。跨渠道归因/多接触点归因 (MTA) 会考虑促成转化操作的所有营销接触点，可以让您全面洞悉客户的转化路径。这些转化操作包括但不限于网站访问、观看、简报和购买。
此类实验能够比较对照组和实验组的行为，以确定特定变量的影响，从而了解该因不同，跨渠道归因反映出的数据洞见通常用于影响预算决策和对渠道的投入，而不是用来优化针对单个渠道投放的广告系列。如果处理得当，这可让广告客户的营销支出更高效、更灵活。
高级算法和机器学习会对所有不同转化路径进行评估，确定哪些接触点发挥的影响最大。每个转化路径中的互动次数、看到广告的顺序以及所采用的广告素材资源等因素都会纳入成效的考量范围内。实验可以发挥强大的功效，您可以通过实验确定每种媒体类型因营销信息而带来了多少次转化（通常称为增量或提升效果），以及本来应该有多少次转化，并由此确定为每个渠道分配多少预算。
Google 在为营销方进行 A/B 实验时，会向受众群体发布两个不同版本的广告，以确定哪个广告的效果更好。A/B 实验中没有受限组。
变量对消费者的转化决定起到了多少作用。在增量实验中，对照组必须是受限组，并且看不到广告。
增量实验是一款很实用的工具，您可以将增量实验与营销组合建模分析和归因模型结合使用，从而更高效地为广告系列分配预算，行之有效地定位到目标受众群体，并建立更准确的归因模型。下面介绍 Google 的两款增量实验工具及其运作方式：“品牌提升情况研究”是 Google 的一个产品，可衡量 YouTube 广告在整个客户转化历程中对客户看法和行为的直接影响，让您持续了解广告对一些关键指标的影响，其中包括对品牌认知度、广告回想度、钟意度、好感度、购买意愿和品牌兴趣的提升。品牌提升情况研究首先会将用户分为两组：由未看到过您广告的用户随机组成的对照组，以及由看过您广告的用户组成的实验组。在这两组用户看到（或没看到）您广告的大约一天后，向他们发送一份调查问卷。由于两组之间唯一的有效区别在于他们是否看到了您的广告，因此它可以准确地判断出归功于您的广告系列的提升。在使用转化量提升情况研究时，您必须制作行动号召视频广告系列或发现广告系列。借助转化量提升情况研究，您可以衡量观看广告的受众群体直接带来的转化、网站访问以及任何其他操作的次数。当您的广告系列开始投放时，Google 会将您的目标受众群体分成 2 组：
- 本来会观看您的广告，但实际看到的却是竞价中排在下一位的广告的用户
在完成研究后，Google 会比较这两组的转化情况，衡量每组中由广告直接带来的转化各占多少百分比，并与正常情况下发生的转化进行比较。LoveAd爱竞作为一家拥有14年经验的专业出海营销服务提供商，能提供海外平台全方位的营销理论支持和营销手段指导，如果您有更多问题或需要更多帮助，可以随时联系LoveAd爱竞！本文部分数据及图片来源于网络，如有侵权请联系删除。
发表评论 取消回复