转化归因：问题、模型和障碍

转化归因是一个许多营销人员表面上理解但只有少数人真正理解的过程。 这通常是因为：

• 复杂和混乱的术语
• 许多相互竞争的模型和方法
• 没有一刀切的解决方案

构成该术语的两个词可能是贵公司或产品成功与否的原因。 但是，您应该知道，执行不当的转化归因等于没有转化归因。 这意味着，如果您不花时间了解概念并了解业务的复杂性，您就不太可能成功。

买家的旅程

用户在看到广告后直接购买产品的日子已经一去不复返了。 当代用户的旅程更加复杂，它涉及多个接触点、设备以及线上和线下世界的混合。

每个买家都有自己独特的流程，这使得标准化的统一模型变得困难，甚至不可能。

这些旅程的反映是各种转化归因模型，它们试图将不稳定的用户行为转化为可比较的数据。 选择一种模式而不是另一种模式应该取决于营销人员对其客户、产品和接触点的深入了解。

没有对此进行 A/B 测试。 您无法尝试不同的方法并决定哪个会产生最准确的数据，因为数据不准确的背后可能有多种原因，错误的归因模型只是其中之一。

什么是转化归因以及为什么它比您想象的更复杂

转化归因是将原因（与广告或产品的互动）与效果（转化）联系起来的努力。

如果您认为在所有接触点上继续识别用户主要是技术可行性问题，那么您就错了。 技术部分很重要，可能是方程式中最难实施的部分，但远非唯一的部分。

请记住，您正在尝试将完美和简化的模型应用于自然混乱并受许多因素影响的现实用户行为。 没有办法完美地做到这一点。 您只能以最佳方式执行此操作。

多个接触点

在谈论接触点时会出现第一个问题。 接触点可以是与您的活动的任何互动，例如在社交媒体或电子邮件中看到您的广告，也可以是与您的产品的任何其他互动，这些互动可能有助于最终购买决定。 这些其他互动可能包括访问您的实体店或查看您产品的非赞助评论。

您显然无法跟踪所有内容。 但是，您仍然可以将以下域连接到您的分析平台：

• 多种营销渠道（社交媒体帖子、展示广告、视频内容等）
• 各种设备类型（同一个人使用的桌面和移动设备）
• 线下和线上活动（实体店光顾和与在线广告的互动）

许多营销平台，包括 Voluum，都允许您跨各种渠道跟踪用户活动。 此外，对跨设备跟踪重要性的认识不断提高，促使一些公司为那些在一个营销生态系统之外运营的营销人员（如 Google Ads 或 Facebook）解决这一问题。

在线和离线世界在分析中最难连接和解释，但位置跟踪应用程序可以帮助营销人员做到这一点。

跟踪接触点

正确识别用户是转化归因的关键。 这不仅是关于记录所有的查看、点击、页面滚动等等，还关于所有这些事件是否来自同一个人的知识。

如果用户标识在此过程中丢失，您最终可能会遇到所谓的转换问题，即无法归因于转换的主要来源。 换句话说：你知道有人皈依了，你只是不知道是谁。

 是使用 iPhone 的人在 Facebook 上点击了您的广告，还是电子邮件再营销活动最终奏效了？

如果没有正确的用户识别，就无法知道，因此也无法正确分配您的广告费用。

那么，广告跟踪公司如何解决这个问题呢？

好吧，所有涉及的公司（提供流量的公司、提供分析的公司和提供优惠的公司）为每个事件分配唯一的 ID，并尝试将其传递到活动渠道，通过 cookie、跟踪参数或内部存储。

在无法完全确定地识别用户身份的情况下，概率方法就派上用场了。 这在移动营销领域经常发生。 当您不使用 Google Ads 或 Facebook 或任何其他让用户在多个设备上登录的公司时，通过创建数字指纹来进行识别。

这种方法会考虑多个用户特征，例如 IP 地址、浏览器类型和默认语言或设备类型，以便有根据地猜测给定用户是否仍然是前段时间在不同移动应用上与您的广告系列互动的同一个人，或者甚至设备。

为接触点分配权重

介绍了跟踪之后，现在让我们解决本章的主要问题：为什么转化归因比您想象的要困难。

简单来说，转化归因意味着将转化与广告的原始点击联系起来。 从这个角度来看，这并没有那么复杂。 这只是一个技术可行性问题。

但是，正如我们之前讨论过的，如今的用户可能会多次遇到您的广告系列。 那么，您认为哪个场合是说服一个人皈依的最重要的场合？ 首先，最后？ 他们都一样吗？

您可能开始看到问题所在。 确定这一点并不客观。 没有人、没有任何工具或解决方案会告诉您哪些接触点在您的情况下更重要。

这是您应该根据您对这些不同归因模型和客户行为的了解来决定的。 让我们从第一部分开始，谈谈不同的模型，它们的优点和缺点。

转化归因模型和策略

Google Analytics 是营销人员对广告分析平台的首选，它允许他们从几个准备好的转化归因模型中选择一个，甚至自己定义一个。 这些模型将转化功劳分配给各种接触点。

1. 最终点击归因

最终点击归因是营销人员最本能地认为最接近现实的模型，而实际上这个模型通常与现实相去甚远。 此模型将所有功劳归功于购买前的最后一次点击。

最后一次点击真的不是一个临界点，而是一个将秤移动到“转换”位置的完整重量吗？ 如果没有第一次点击，还会有最后一次点击吗？

导致转化的点击是最重要的，这一想法迷恋了直接因果关系。 正确的转化归因建模的重点是反映买方的决策过程，而不是直接导致转化的行为。

因此，除非您明确知道自己在做什么，否则没有理由使用此模型。

2. 最后一次非直接点击

在这种方法中可以发现类似的问题。 它从等式中删除了直接因果关系，但仍然完全归功于在活动渠道结束时发生的一次点击。 这两种模型都低估了品牌知名度等因素。

3. 最终广告​​点击归因

在此模型中，所有功劳都归于与广告的最后一次互动。 虽然这种模式至少承认了广告的重要性，但它仍然过于强调与广告的最终互动。

4. 首先点击

这是“赢家通吃”组的最后一个模型。 第一个交互归因模型有利于品牌知名度和可识别性。 如果您的案例涉及一个高度激励的品牌，您应该考虑这种模式。 否则，请在下面寻找更复杂的。

5. 线性

线性归因模型应被视为默认模型，如果您不确定其他模型是否更适合，则应选择该模型。

它为漏斗中的所有接触点分配相等的功劳。 这听起来不错，但前提是您认为电子邮件、社交媒体帖子和横幅的价值相同，并且对转化的贡献相同。

6. 时间衰减归因

通过为后续接触点分配更多功劳，时间衰减归因模型感觉更接近现实。 这反映了买方对报价的兴趣日益增长。

7. 基于位置的归因

Google Analytics 必须提供的最后一个现成的转化归因模型在第一次和最后一次集成之间平均分配 80% 的功劳。 在假设这两种交互是最重要的情况下，这非常有效。 第一个会引起访问者的兴趣，而最后一个会完成销售。

基于位置的归因模型是一种本能地被视为最能反映现实的模型。

自定义归因模型

除了选择上述模型之外，您还可以创建自己的更适合您情况的解决方案。 您可以真正深入研究数学并创建一些复杂的建模解决方案。 但是，不要浪费精力尝试设计完美的模型——它们本质上是不完美的，因为它们旨在将复杂的现实简化为数学定义的现实。

数据驱动的归因模型

Google Analytics 中的数据驱动模型重视与您的广告系列的所有互动。 它使用您收集的数据根据​​每个接触点的有效性分配信用。

如果您有资格使用此模型（因此您记录了一些数据），我们建议您切换到数据驱动的归因模型。

如何选择最佳转化归因模型？

正如我之前所说，没有简单的答案。 这完全取决于您的广告系列类型、受众以及您要实现的总体目标。

选择正确的转化归因模型的问题在于，除非您开始根据该模型解释的数据做出正确的决策，否则您永远不会知道自己选择了一个好的模型。 因此，如果您做出了错误的决定，那么您的转化归因模型可能是错误的，但您的广告系列也可能存在其他一些问题，使其无法盈利。

很难说。

为了使这一决定更明智，您可以随时联系您的听众。 如果您有预算，请进行受众调查。 询问经过验证的客户是什么让他们购买的。 例如，采访最忠诚的客户，以换取一些商店信用。

没有为您选择最佳转化归因模型的定量方法，幸运的是有一些定性方法。

转化归因策略

成为转化归因专家意味着能够通过记录的数据解释客户行为背后的潜在动机。 要正确执行此操作，您应该遵循以下一些转化归因提示和策略。

1. 连接所有采集通道

首先，确保在设置分析时没有遗漏任何获取渠道。

获取渠道是营销信息到达用户的不同方式。 这包括社交媒体广告、展示广告、线下营销活动、应用内广告等。

如果您计划、执行并在营销渠道上花钱，就没有理由不将其与您的分析联系起来。 你不能，我不能强调这一点，你不能单独分析你的数据。

数据只有在整体分析时才有意义。 获取渠道可能不会带来直接销售（例如，人们无法点击线下广告），但它可能会提高您的品牌知名度或创造和培养您的产品满足的新需求。

获取渠道对最终销售的贡献有多种方式。 确保使用您拥有的所有数据为您的分析解决方案提供数据。

2. 了解转化路径和微转化

转化路径是用户在完成销售之前执行的一组步骤。 它们可能意味着与您的广告系列的各个接触点进行交互、搜索与您的关键字相关的术语或执行所谓的微转换。

有时，当转化很严重时（例如购买房产），会有许多微转化：与销售代表预约会面或提交导致主要转化的表格，在我们的示例中，这通常发生在离线状态。

如果可以，也可以跟踪这些事件，并重新创建客户在到达最终目的地之前经过的典型路径。

联盟营销中的转化归因

联属网络营销渠道通常非常简单，真正的挑战是技术挑战：正确地将转化事件归因于初始点击。

这并不意味着更高级的模型在联盟营销中没有用处。 您仍然可以实施各种方法，并更加重视与您的广告的第一次互动，以进行面向品牌的活动或最后一次广告点击。 但首先，让我们谈谈转化归因如何在联盟营销中发挥作用。

在联属网络营销渠道中识别用户

领先的联属网络营销软件 Voluum 将点击 ID（一个唯一的 24 个字符标识符）分配给一次点击，然后，一旦它在回发 URL 中或通过转化跟踪像素接收到与转化相关的点击 ID，就会对两者进行比较。 如果这些点击 ID 相同，则 Voluum 将转化归因于这次点击。

其他事件类型也会发生同样的情况，不仅是点击广告：广告浏览量（印象）和点击着陆页上的 CTA 按钮。

营销人员得到的是一个完整的用户旅程以及相关特征，例如：设备类型、浏览器名称和语言、原产国和时间戳。

Voluum 允许您在一个仪表板中连接各种营销工作。 您可以跟踪来自搜索引擎、社交网络、广告网络的付费和有机营销活动，其中许多已在 API 级别集成。 转化可以通过回传 URL（第三方优惠的典型解决方案）或转化跟踪像素（主要用于您自己的优惠的解决方案）传递。 使用 Voluum，您甚至可以在将 Voluum 与移动归因工具（例如 AppsFlyer）关联后跟踪移动转化。

Voluum 中的转化归因模型

通过将不同的获取渠道连接到 Voluum，您可以比较和评估每个渠道的有效性。 Voluum 的多合一方法允许您甚至归因于第三方转化——这是 Google Analytics 无法做到的。

一旦确定了整个转化路径，您就可以更精确地定位您的广告、购买更多流量并将访问者重新路由到效果更好的着陆器或优惠。 再说一遍，Google Analytics 不能做的事情，因为它纯粹是一种不允许路径更改的分析解决方案。

像 Voluum 这样的附属软件旨在通过让您灵活地记录数据量和报告系统的灵活性来提高广告资金的有效性。

转化归因正在学习有效的方法

正确的转化跟踪的全部意义在于能够根据用户参与度相应地调整您的广告支出。 如果您是 CMO 或代理机构，您还需要明确的数字来支持您的决定。

这是即使是最大的专家也无法独自完成的事情。

但仅仅有一些数字是不够的。 即使这些数字看起来很有希望并支持您的主张和决定。 事实上，数据收集还应该有一个因素：信任。

许多基于自动和算法的解决方案的问题在于您并不真正了解您的输入数据是如何处理的。 任何算法决策背后的计算。 公司通常不愿意分享他们的数学如何运作的任何细节和细节，他们只是想让你确信你得到了最好的推荐。

你是？

也许。

您对此类解决方案的信任应该受到限制，并得到定期验证的支持。 信任但要验证。

另一方面，标准的转化归因模型往往过于简单化和简化。

这两种说法都有道理。

但是，使用允许您链接多个流量来源和转换跟踪方法的营销平台不会出错。 一种具有易于理解的自动规则形式的自动化，可以在集成广告网络中执行预定义的操作。

Voluum 是一种可靠的联盟跟踪解决方案，它使用各种跟踪方法，不受即将到来的第三方 cookie 块的影响，同时符合各种广告巨头的合规政策。 Voluum 适合多种角色，无论您是单一的联盟营销商还是广告代理商，都能很好地发挥作用。

通过轻松创建归因报告，您可以更好地了解在线广告。

为了更多地了解行业的资金流向、谁是主要利益相关者以及转化归因如何适应所有这些，Voluum 背后的团队准备了一系列针对初学者或中级营销人员的免费在线课程。

与最好的人一起工作。 向最好的人学习。 成为最好的营销人员。