感謝您的造訪。本網站絕對尊重並予以保護您個人的隱私權。為了幫助您瞭解本網站如何蒐集、應用及保護您的個人資訊,請務必詳細閱讀本站的「隱私權保護政策」。謝謝!
如何花好每一筆預算?數據驅動歸因模型全面剖析消費者路徑
作者: 台北數位編輯群

以寵物用品來舉例,消費者的愛犬耳朵發臭,可能會上網搜尋「狗耳朵髒怎麼辦」,先瀏覽狗狗耳朵發炎的原因及處理的網頁,再上YouTube搜尋「潔耳液 怎麼用」,等到對於如何清潔狗狗耳朵有一定的瞭解,才去搜尋「潔耳液 推薦」、「潔耳液 比較」、「潔耳液 評價」等,希望能找到最合適的產品。而數據導向的歸因模式,便是運用機器學習技術來判斷消費者歷程中哪些接觸點對促成轉換目標最有功勞。

每一筆成交訂單的背後,已經很難完全歸功給單一媒體、甚至是特定的關鍵字組,但傳統的最終點擊歸因模型會將功勞全數歸給最後被點的該則廣告,忽略了其他管道的助攻效果。以寵物用品來舉例,消費者的愛犬耳朵發臭,可能會上網搜尋「狗耳朵髒怎麼辦」,先瀏覽狗狗耳朵發炎的原因及處理的網頁,再上YouTube搜尋「潔耳液 怎麼用」,等到對於如何清潔狗狗耳朵有一定的瞭解,才去搜尋「潔耳液 推薦」、「潔耳液 比較」、「潔耳液 評價」等,希望能找到最合適的產品。而數據導向的歸因模式 (下稱DDA) ,便是運用機器學習技術來判斷消費者歷程中哪些接觸點對促成轉換目標最有功勞。

然而,只有每個月可以達到600次轉換、並累積超過15,000次點擊等系統資料量充足的客戶,方可採用DDA。因此,在DDA之外,Google Ads亦提供了多種歸因模式,讓行銷人員可以透過不同模式的比較基準,判斷每組關鍵字促成轉換的功勞。在評估的過程中,亦可使用歸因模式報表,比較不同歸因模式的數據差異,依照品牌/產品的行銷目標,找出合適的歸因模式,進一步分配行銷資源。

以某知名寵物電商為例,透過Google Ads的後台歸因分析,該客戶有超過3成以上的轉換行為會經過2次以上的關鍵字廣告點擊,並有15%以上的轉換過程,含有跨裝置的行為—在手機搜尋並點擊廣告瀏覽過後,切換到桌機上搜尋並點擊廣告購買,在這種情形下,若使用舊有的「最終點擊模式」將所有的轉換功勞都歸功於成交前最後點擊的關鍵字詞,很容易會忽略前幾組被搜尋的「助攻」關鍵字功勞。在同樣的時間區間內,改以DDA做「最終點擊」與「以數據為準」的轉換數據比較,可明顯發現品牌字、與當月主打的商品字轉換比重增加;而部分商品相關字詞,由於購買路徑長 (經過多次搜尋後才購買) ,轉換數的比重被調降。

實際使用DDA後的三個月,跟前期相比其加入購物車的轉換率 (下稱CVR) 上升了7%,加入購物車的轉換成本 (下稱CPA) 亦降低了5%,廣告投資報酬率亦有顯著成長;倘若將市場週期性變化納入考量,DDA三個月的成效跟去年同相比,其加入購物車的CVR提升了5倍!加入購物車的CPA更是減少58%!而訂單完成的CVR跟CPA也各自改善了3.7倍跟45%。

總結上述案例,因應消費者行為愈趨複雜及變異,DDA協助該電商更全面的掌握消費者歷程,判斷每個觸及點的真正價值,並帶來更準確的功勞歸屬,協助行銷人員更好地衡量成效並更精準地分配行銷資源。

聯絡我們