Google 的归因模型变革：为广告商提供 3 种解决方案

您可能听说过这样的消息：Google Ads 和 Google Analytics 4 将于 9 月彻底淘汰首次点击、线性、时间衰减和基于位置的归因模型。

最终点击和数据驱动的归因模型以及外部归因将仍然可用。

一些 PPC 营销人员没有意识到，谷歌不会只是从出价的角度停止这些归因模型。 它们也将从报告和比较功能中删除。

这意味着您无法再使用归因模型在 Google Ads 和 Google Analytics（分析）中分析客户旅程。 你需要替代方案。

归因模型概览

归因模型有助于将转化（即销售或潜在客户）与广告点击或展示联系起来。 这是一种确定哪些广告、受众或网络效果最好的方法。

从历史上看，我们使用了多种具有不同规则的归因模型来建立这种联系。

使用足球类比，每个模型代表的含义如下：

• 最后点击：进球者值得所有的荣誉。
• 第一次点击：在导致进球的动作中第一个触球的球员应该得到所有的荣誉。
• 线性：所有在导致进球的动作中触球的球员都应获得同等的荣誉。
• 时间衰减：在导致进球的动作中，最后触球的球员比最先触球的球员应该获得更多的荣誉。
• 基于位置：进球者和在导致进球的动作中第一个触球的球员各应获得 40% 的功劳。 其他玩家将平均获得剩余的20%。

Google 首选归因模型的问题

这一转变使得数据驱动归因 (DDA) 成为 Google Ads 中的默认归因模型。

Google 不共享决定将哪些广告链接到转化的规则。 我个人认为 DDA 使用了上述归因模型的组合。

不过，有一点非常酷：DDA 是根据您的帐户量身定制的。

• “数据驱动归因与其他归因模型不同，因为它使用转化数据来计算转化路径中每次广告互动的实际贡献。 每个数据驱动的模型都是特定于每个广告商的，”谷歌表示。

从理论上讲，这是完美的。

专为您定制的归因模型。 而且您甚至不必费心去考虑这些规则！

然而，这听起来好得令人难以置信。

DDA 是根据您的帐户量身定制的。 但基于什么标准呢？ 我们不知道。

只要它有效，这应该不重要。

我们可以通过与其他模型进行比较来确保它确实有效。

但是，既然谷歌将在报告部分停止使用“旧的”归因模型，那么现在会发生什么呢？

归因模型越少是否一定意味着绩效越差？

现在这才是真正的问题。

虽然我们可能都不愿意随着时间的流逝而失去更多的控制，但只要性能不断提高，这就不应该成为问题。

正如我们之前所看到的，在出价管理方面的影响很小（占所有转化的 3%）。

真正的问题在于其他地方——战略层面。

正如谷歌所说：

“在转化过程中，客户可能会与同一广告商的多个广告进行互动……归因模型可以让您更好地了解广告的效果，并帮助您优化整个转化过程。”

那么，如果我们缺乏可见性，我们如何优化整个转化过程呢？ 让我们先看一个例子：

分析实际的客户旅程

我们的一个客户拥有相对简单的媒体组合，因此我将以此为例来说明我的观点。

就像在足球中一样，该客户有不同的战术：后卫、中场和前锋。 需要整个团队才能进球。

请注意，使用首次点击归因模型时，付费搜索“得分”非常好。 然而，当使用最后一次点击时，效果就不那么明显了。 使用该归因模型时，有机搜索和电子邮件营销会抢尽风头。

不过，这符合预期，因为：

• 转化之旅从非品牌付费搜索开始。 他们产生潜在客户。
• 潜在客户培育对于成熟的潜在客户来说是必要的。 这主要是通过电子邮件营销来完成的。
• 合格的潜在客户最终会通过有机和付费品牌搜索进行购买。

或者，用足球术语来说：

• 非品牌付费搜索 = Defenders
• 电子邮件=中场
• 有机和付费品牌搜索 = Strikers

DDA 够了吗？

如果没有这些归因模型，您能理解这个转化漏斗吗？

大概。 这个例子非常简单。

但是，如果我们开始从事销售需要数月时间的 B2B 项目或重复购买很重要的 B2C 项目，该怎么办？

现在那是另一个故事了。 我见过很多 DDA 表现不佳的例子。

我认为用旧的、僵化的归因模型验证 DDA 的结论仍然有价值。 如果没有这样的基准，您就会面临潜在的伤害。

毕竟，机器学习的智能程度取决于我们为其提供的数据。

以下是为寻求适应变化的广告商提供的三种解决方案。

解决方案 1：下一级标记计划

开发可靠的数据程序是识别客户旅程交互的第一步。

通过完整的跟踪，您可以自信地使用 DDA 或最终点击归因模型……但用所有这些客户旅程步骤来替换首次点击等。

我知道这并不理想，但这是第一步。 如果我们使用上面的示例，您会将最终点击线索归因于非品牌搜索，将最终点击销售归因于品牌搜索。 不理想，但它有效。

当然，这需要跟踪整个客户旅程。 您不能依赖旧的简单标记计划。 你需要微转换。

解决方案2：整合CRM数据

跟踪转化时，您是否只关注销售？

现在，您需要跟踪整个客户旅程（是的，包括售后）并通过外部归因将其反馈回广告平台。

然后，您可以使用该工具来提高可见性 - 就像潜在客户评分一样，但这次是客户评分。

如果您发现效果差异，这应该使您能够以不同于“数据驱动”模型的方式影响您的出价。

简而言之，CRM 必须成为（如果还不是）广告商更好地了解和告知客户旅程的核心工具，从而了解适当的媒体组合。

解决方案 3：其他归因方法

我在这里冒险进入更复杂的领域，但这并不适用于所有项目。

基本上，增量意味着向受众展示您的广告，并有目的地向类似受众隐藏同一广告，然后比较两个受众的表现水平。

可以想象，这种方法很酷，但很容易出错。 （更不用说仅当您出于数据可靠性目的首先有大量预算时才可用。）

您的下一个最佳选择是进行客户调查。

例如，您可以使用退出意图弹出窗口（询问离开的访问者来自哪里、他们不喜欢什么等）或购买/引导旅程中的其他字段来捕获其他信息。

当然，要小心此类声明性数据，因为它们通常在一定程度上存在偏差。

没有完美的归因模型

在整篇文章中，我一直在寻找衡量性能的完美方法。

但不要在兔子洞里迷路。 不存在完美归因这样的事情。

您想要的是对您的策略提供可靠且有方向性的输入。

对于像我这样的广告极客来说，度过这个阶段是可行的，但对于商业决策来说却没有什么用处。 相应地确定优先级。