GA中的機器學習元素連載（三）用歸因模型讓流量渠道之間擦出火花

關注「觸脈諮詢」，關注數據前沿！

觸脈導讀：在數字化廣告營銷時代，越來越多的廣告主和營銷人員衡量廣告營銷效果時，不再局限於評估過去投放策略是否達到預期目標、是否有效地促進了銷售，而是更加關注如何利用海量營銷數據挖掘潛在商業機會。事實上，消費者轉化路徑越來越複雜——從線上到線下、跨設備訪問、多渠道轉化等等，單純的數據分析已經無法滿足對營銷策略進行完整的評估和預測。今天，小編就和大家分享一下，Google獨有的數據驅動歸因模型是如何利用機器學習實時處理海量渠道數據，並精準衡量營銷效果的。

現如今，消費者會通過各種渠道反覆接觸到品牌或者產品信息。對於大部分消費者來說，並不是一開始就對某個品牌或者某種型號的產品有非常清晰的認知和強烈的購買慾望，大多數情況下，消費者先接觸到某類廣告信息（諸位可自行腦補你在各類社交平台上看到的軟硬廣~），然後開始搜索商品相關信息，再與其他平台比價，接著點擊某個廣告訪問網站，最後在某個時間點使用另外一種設備完成下單。那麼，市場營銷人員對消費者訪問路徑中的各個接觸點該如何分配轉化功勞呢？

也許各位會立即想到使用歸因模型來分析。以Google Analytics為例，常見的歸因模型有7種：最終互動歸因、首次互動歸因、最終非直接點擊歸因、線性歸因、時間衰減歸因、根據位置歸因以及最終AdWords點擊歸因模型。無論採用上述哪種歸因模型，都只能根據固定靜態的規則將歸因功勞分配到各個接觸點上，而且這7種歸因模型也僅能考慮轉化路徑。靜態歸因模型的短板在於不考慮未轉化路徑的數據範疇，無法按需定製某個模型。另外，在擴展性上，也需要人工手動設定，無法實現數據的實時自動更新。

不能否認，在所有的營銷組合因素中，消費者處於營銷核心地位，並且他們本身就是一個不可控的因素。他們活躍的社交平台、搜索習慣、興趣愛好、關注熱點話題不斷變化，這就意味著廣告推廣渠道組合方案需要隨之調整，廣告主需要選擇更多的渠道增加品牌曝光，甚至需要推翻原有的渠道組合方案，選擇全新的渠道以覆蓋更多消費人群。而營銷人員必須在海量的數據中，快速、科學地分析數據，並且高效、精準地衡量廣告渠道效果並做出應對方案，以抓住稍縱即逝的市場機會。

擺脫靜???態歸因的限制

Google Analytics 360中提供的「數據驅動歸因(以下簡稱DDA, Data-Driven Attribution）」模型就是基於廣告主自有數據，引入合作博弈論中的「Shapley值」的概念，利用機器學習，自動更新數據並完成處理，使用動態演算法將歸因功勞分配給各個營銷觸點，為廣告主提供最佳渠道組合。???

舉個例子，小編監測（使用DoubleClick Campaign Manager & Google Analytics 360實行全鏈路監測）購買了某類商品的消費者的真實訪問路徑進行監測以後，發現他們的轉化路徑遠比我們想像得更複雜。要從以上海量數據中快速分析出幾十條甚至幾條關鍵的轉化路徑，同時還要對比不同轉化路徑間的銷售貢獻度，找到最佳的轉化路徑，這並不是一件容易的事情。實際上，營銷人員只需要了解在什麼樣的訪問路徑下，消費者轉化的可能性更高，然後採取對應的渠道組合方案即可。現在，GA 360中的數據驅動歸因模型就可以幫助營銷人員省去這一繁瑣的操作過程。

簡單地說，數據驅動歸因模型判定轉化路徑的方法可以歸納成以下兩方面：

1

已知路徑—未轉化

假設完成購買用戶的訪問路徑是搜索——展示——視頻——郵件四個渠道，未購買用戶的訪問路徑是搜索——展示——視頻三個渠道，那麼說明郵件營銷的轉化貢獻較大。相應地，GA 360在使用DDA模型對比較上述兩個渠道後，會自動地為郵件營銷這個渠道分配更多的轉化功勞。那麼營銷人員將根據這一反饋結果，在制定渠道組合策略時考慮增加郵件營銷的預算和投放力度，爭取覆蓋更多的受眾群體。

2

已知路徑—已轉化

在處理眾多轉化路徑時，DDA模型會自動計算出哪一個路徑里的渠道組合能帶來更多轉化的可能性，比如通過以下兩條路徑都會完成購買轉化：

【路徑1】搜索——郵件完成轉化；

【路徑2】搜索——展示——郵件完成轉化；

那麼問題來了，對於營銷人員而言，哪一種廣告渠道組合才能帶來更多的轉化量呢？很明顯，使用搜索廣告和電子郵件兩種營銷渠道，購買的可能性是2%。但如果消費者點擊過搜索廣告以後又點擊展示廣告，最終通過點擊促銷郵件鏈接完成購買，整體上購買可能性會增加50%。說明在並存多條轉化路徑時，DDA會自動實現「優中擇優」，為我們呈現最合適的渠道組合方案。

優化渠道組合策略

DDA模型利用機器學習和演算法，直接將這一結果呈現在GA360賬戶歸因報告的模型分層圖表中，全過程不需要投入人力做任何的建模或者數據驗證。營銷人員只需要根據報告中的數據去優化廣告投放策略，調整出價以及渠道間預算的分配比例。

啟動數據驅動歸因模型

OK，再簡單了解一下啟用數據驅動歸因模型的步驟：登錄GA360賬戶——進入「管理」界面——在數據視圖層級下選擇「視圖設置」——在模型設置下方選擇啟用DDA模型。如果當前的GA 360賬戶關聯了DCM（廣告監測工具：DoubleClick Campaign Manager），那麼還可以選擇Floodlight轉化類型，但是最多只能選擇20個（不過20個轉化類型並不計入視圖的目標個數）。

DDA模型使用Tips

最後，小編需要提醒各位小夥伴，GA 360中的數據驅動歸因模型，必須具備以下條件才能使用：

1.是GA 360客戶（沒辦法，這是硬性要求~不過免費版GA包含了所有的靜態歸因模型）；

2.啟動電子商務主動或目標；

3.在最近28天內達到最低轉化閾值，即同時滿足a和b兩個條件：

a.每種轉化類型需要達到400次（路徑長度在2次以上互動）；

b.所選報告隸屬的數據視圖下的路徑有10000條。

今天和大家分享的是GA中使用機器學習實現的第三個功能，在第二篇文章我們已經介紹了分析智能（GA中的機器學習元素連載（二）調教一枚分析助理陪你用GA），而且Google也已經正式推出了該功能，免費版GA也可以使用喲~歡迎大家在留言區分享你在使用Analytics Intelligence時候的體驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！