您應該在 Google AdWords 中使用哪種歸因模型？

歸因建模是用於衡量溝通渠道的財務有效性及其對業務目標的影響的方法。 歸因建模可以根據一系列指標進行衡量：轉化率、銷售額、收入、展示次數、點擊率等。

歸因建模的最終目標是了解哪些渠道正在幫助您實現業務目標。 歸因為您提供了成功的墊腳石：通過了解您的用戶所採取的路徑，您可以利用績效來提高盈利能力並減少浪費的支出。

用戶在轉化的過程中會採取多種途徑，通常不是“搜索關鍵字>點擊廣告>閱讀內容>轉化”那麼簡單。 儘管情況可能如此，但轉化路徑中通常會涉及多個接觸點。 Google Analytics 中的轉化路徑報告是分析這些接觸點的好地方，只需前往 GA > 轉化 > 多渠道路徑 > 熱門轉化路徑。 看看這些，例如：

當我們查看具有更長決策過程的不同行業時，結果會大不相同：

這兩個示例都顯示了用戶獲得轉化的路徑。 我們可以看到付費在其中許多路徑中發揮了作用——無論是唯一的路徑，還是眾多路徑之一。 當我們在 Google AdWords 中跟踪成功時，我們需要知道廣告在轉化路徑中的位置，從而使我們能夠有效地優化和利用我們的預算。

當我們了解廣告系列如何促成業務目標的成功時，我們就可以準確了解帳戶的表現。 使用錯誤的歸因模型會帶來浪費支出和錯失機會的風險。

那麼，您必須選擇哪些歸因模型？

在 Google AdWords 中，有六種歸因模型：

讓我們從默認模型開始：最後一次點擊

在 AdWords 中設置轉化時使用的默認模型是“最終點擊”。 此模型將 100% 的轉化歸功於轉化路徑中的最後一次點擊，例如：

此模型有利於效率，因為您將能夠看到用戶轉換的最後一個接觸點。 它是正確的模型嗎？ 可能不會。 該模型顯著高估了您的品牌術語並有利於客戶回收，它提供的性能範圍非常有限，並且只考慮了最後一條路徑。 以這個轉化路徑為例：

實施上次點擊模型後，100% 的功勞將分配給直接。 當我們查看 AdWords 時，我們會看到關鍵字有點擊但沒有轉化——實際上，用戶搜索了一個關鍵字，點擊了廣告，然後直接返回網站並進行了轉化。 這種情況會導致 0% 的功勞歸於 AdWords 中的關鍵字，這表明它不是一個有利可圖的關鍵字，因為它提高了每次轉化費用。

根據上面的示例，我們將按渠道查看效果，並假設 Direct 一直在推動轉化——這是不正確的。

最後一次點擊判決：不是首選。 這是默認選項，易於使用，並且可以使 PPC 管理器看起來很棒。 但是，最終點擊通常是不准確的，並且不允許您從廣告系列中獲得真正的價值。

接下來是最後一次點擊的最好朋友：第一次點擊

此模型遵循與 Last Click 相同的前提； 但是，所有功勞都歸於首次點擊，例如：

此模型有利於第一個接觸點，並將 100% 的功勞分配給轉化中的第一次點擊，因此，如果新用戶搜索某個詞 > 點擊付費 > 直接返回 > 通過社交廣告轉化- 功勞將歸因於最初的付費廣告。

當我們查看 AdWords 中的表現時，問題開始浮出水面，因為基於這種情況，我們會看到分配給帳戶中關鍵字的轉化並假設它表現良好，對吧？ 現實情況是，該廣告並沒有直接帶來轉化。 它作為第一個接觸點確實發揮了非常重要的作用，但它並不是轉化路徑中的唯一貢獻者。

有鑑於此，我們會查看我們的轉化數據並假設付費流量表現良好，但這會忽略直接和社交接觸點，這對於準確報告來說效果不佳。

First Click Verdict：不是首選。 此模型類似於“最後一次點擊”，不同之處在於將功勞歸於第一次點擊。 這意味著您的數據將不准確，並且很難找到付費廣告系列的真正價值。

讓我們看看公平的競爭環境：線性歸因

這個模型開始變得有趣，因為線性建模將功勞歸功於轉化路徑中的每個接觸點。 像這樣：

此模型有利於轉化路徑中的每個接觸點，讓我們在上面的示例中使用 #2：付費搜索 > 直接

這會將 50% 的轉化歸因於付費廣告——當您查看 AdWords 帳戶時，您會在轉化列中看到 0.5。 該模型採用“團隊”方法——如果某個渠道在轉換過程中提供幫助，則該渠道將被記入貸方。

此模型的好處是考慮了每個接觸點，因此它創造了一個公平的競爭環境，您可以在其中查看 AdWords 帳戶中的每個關鍵字都歸因於轉化的位置。

然而，這個模型低估了關鍵接觸點並高估了次要接觸點。 實施此模型後，您將付費搜索工作集中在哪裡？ 決定哪些關鍵字效果良好，哪些效果不佳以及您應該將預算放在何處最合適，這使得決定變得異常困難。 與首次點擊和最終點擊一樣，基於線性歸因模型的績效將導致您對可能不正確的付費廣告系列做出假設，從而限制廣告系列的輸出並可能浪費支出。

線性歸因結論：如果是在公平的競爭環境之後，這個模型就行了。 這將允許您查看您的廣告在每個轉化路徑中的作用以及歸因的百分比。 此模型確實低估了關鍵接觸點，並且很難將價值歸因於效果最佳的廣告系列，因此請謹慎使用。

現在讓我們看看逐漸傾斜：時間衰減歸因

該模型基於指數衰減，將大部分功勞分配給最後一個接觸點，將減少的值分配給較早的接觸點。 像這樣：

該模型更為複雜，因為它使用一種算法將功勞委託給正確的接觸點，查看最接近轉化的渠道並向後工作。 該模型假設隨著用戶越來越接近轉化，渠道的重要性將隨著意圖而增加。

這個模型的好處是我們現在可以開始基於交互進行優化：通過在最終接觸點上放置最強的權重，我們可以假設沒有這個，用戶就不會在他們決定轉換的那個甜蜜時刻找到你，正確的？ 嗯，不是真的。 第一個接觸點呢？ 如果不存在，那麼用戶將永遠不會發現您並進入轉化路徑。 如果沒有您的廣告，他們就不會有機地點擊，這意味著什麼？

我們必須承認，這個模型確實比我們使用過的以前的模型更進了一步。 然而，它缺乏識別最初吸引該客戶的交互的能力——這可以說與最後一個一樣重要。

時間衰減結論：如果您希望針對更接近轉化的接觸點進行優化，那麼此模型就是其中之一，因為接觸點合併了價值，直到轉化的功勞最大。 這個模型完美嗎？ 不完全的。 儘管為轉化優化提供了出色的歸因，但它缺乏可信度並且嚴重低估了第一個接觸點。

兩全其美：基於位置的歸因

該模型結合了線性和時間衰減的優點，基於位置的歸因將 40% 歸因於第一個和最後一個接觸點，並在中間的每個接觸點上增加 20%。 像這樣：

與 Linear 一樣，此模型考慮到每個接觸點，同時仍允許您針對第一個和最後一個接觸點進行優化。 使用此模型，您可以根據轉換過程中的最關鍵點優化廣告系列和關鍵字。 開箱即用，該模型真正開始掌握準確歸因價值 - 要將其提升到一個新的水平，您可以自定義百分比以匹配您的目標。

然而，也有缺點：這個模型假設第一個和最後一個接觸點應該具有完全相同的權重。 為了更好地解釋，請考慮這種情況：用戶首先點擊自然列表到達您的網站，然後六次互動之後通過付費廣告進行轉化——假設自然列表和付費廣告都應該獲得 40% 是否正確？ 可能不會。 廣告在關鍵時刻出現並促使用戶進行轉換，但我們仍將為初始有機點擊分配相同的權重。

基於位置的判斷：這個模型很棒，如果我們必須推荐一個開箱即用的 AdWords 模型，那就是這個。 如果您這樣做，請務必考慮您的權重以實現您的目標。 與我們迄今為止運行的歸因模型相比，這是迄今為止最好的——但是，它可能需要不時進行一些調整。

完美場景：數據驅動的歸因 (DDA)

此模型是 AdWords 歸因模型的聖杯，因為它根據人們搜索您的業務並決定成為您的客戶的方式為轉化提供功勞。 此模型與上述所有模型不同，因為它使用您的轉化數據來計算每個關鍵字在整個轉化路徑中的實際貢獻，從而使每個廣告客戶的模型完全不同。

曾經想要自己的歸因模型嗎？ 現在是時候了。 但是等等，事情沒那麼簡單——這個模型有相當高的數據要求：

“作為一般準則，要使用此模型，帳戶必須至少獲得 15,000 次點擊，並且轉化操作必須在 30 天內至少獲得 600 次轉化”

是的。 ？？？ 最重要的是，每月必須始終如一地滿足轉化要求，即 10,000 次點擊和 400 次轉化——因此仍然是相當可觀的數量。 此模型的可取之處在於它仍處於 beta 階段，因此需要強大的數據。 我們可以假設，切換到數據驅動的帳戶越多，閾值越低，較小的帳戶切換到該模型的可能性就越大。

根據 Google 的說法，“與最終點擊歸因相比， DDA 通常以類似的每次轉化費用提供更多的轉化。” 這一切都很好：但在大多數情況下，這是遙不可及的——尤其是對於沒有記錄大量轉化的帳戶。 這種模式適用於電子商務和大預算，這很煩人（目前）。

數據驅動的判斷：如果您低於閾值，這是 Google AdWords 中的一個選擇。 現實情況是，很大一部分 AdWords 帳戶無法滿足每月數據要求，因此您必須等到所有 AdWords 客戶都可以試用這種新模式。

自己動手：自定義歸因模型

如果需要，您可以在 Google Analytics 中自定義您的歸因模型。 這可以在谷歌分析中的視圖級別完成——只需前往管理員並點擊“歸因模型”：

進入此處後，單擊“+ 新歸因模型”：

到達這里後，您將能夠選擇一個基線模型，它可以是上述任何一個模型（不包括數據驅動）。 然後，您可以嘗試使用百分比權重、衰減半衰期、回顧窗口和添加自定義信用規則等功能。

自定義歸因的一種流行方法是更改​​基於位置的模型的權重； 說你想要更多的功勞去到最後一個接觸點而不是第一個。 您可以執行以下操作：

自定義模型有一個缺點：它在 AdWords 界面中不可用（目前）。 必須在 Google Analytics 中應用此模型，您可以添加細分和自定義報告來過濾付費流量，但您將無法在 AdWords 轉化下拉列表中看到它們：

自定義歸因判定：控制您的歸因，但它不會顯示在您的 AdWords 界面中。 這對於真正關注他們想要將價值歸因於何處的用戶來說非常有用，並且使用分析中的自定義報告來支持這一點可以幫助您真正了解績效以及如何優化您的營銷活動。

在我關閉這篇關於 Google AdWords 歸因的帖子之前，我想解決一個我經常被問到的問題：

當您更改 Google Adwords 中的歸因模型時會發生什麼？

轉化率會下降嗎？ 他們會增加嗎？ 他們會改變嗎？ 我的 AdWords 帳戶會崩潰嗎？

放鬆。 您所要做的就是進入 AdWords，更改模型以進行正確的轉換並保存設置。 完成此操作後，模型將更新，您將立即進行跟踪。

TL; 博士

最後一次點擊：將所有功勞分配給客戶的最後一次點擊。 如果廣告位於路徑的開頭/中間，則不會獲得任何功勞。

第一次點擊：將所有功勞分配給客戶的第一次點擊。 如果廣告位於路徑的末尾/中間，則不會獲得任何功勞。

線性：在所有接觸點平均分配功勞。 如果在包含廣告的轉化路徑中有四次互動，它將獲得 0.25 次轉化。

時間衰減：用戶越接近轉化，就會逐漸分配功勞。 第一個接觸點獲得的信用最少，最後一個獲得最多。

基於位置：將40% 的功勞分配給第一個，將 40% 的功勞分配給最後一個，並在中間的所有接觸點上分配 20%。

數據驅動：需要在 30 天內至少獲得 15,000 次點擊和 600 次轉化。 此模型使用一種算法來查看您的轉化數據並分配功勞。

自定義：定制上述模型（非數據驅動）以滿足您的目標。 但是，這些在 AdWords 界面中將不可用。

那麼，您應該在 Google Adwords 中選擇哪種歸因模型？

您的帳戶中每月有超過 15,000 次點擊和 600 次轉化嗎？ 如果是這樣，我們建議使用數據驅動模型。

對於所有其他賬戶，我們建議使用基於頭寸的模型作為起點。 作為代理機構，我們僅在極少數情況下使用“最後一次點擊”或“第一次點擊”，因此請使用“基於職位”，您的歸因將有一個快速的開始。

如果您在付費搜索方面需要幫助，請隨時與我們聯繫。