设置归因时如何正确选择漏斗步骤
已发表: 2022-04-12如果你想优化广告成本，提高ROAS，在销售之前考虑并正确评估链中各个渠道的贡献。 标准的谷歌分析工具在这里是不够的，因为服务中可用的归因模型中有一半将所有价值从交易传递到链中的任何渠道。 模型的后半部分根据条件规则而不是实际指标来估计渠道。
在 Google Analytics（分析）归因模型：详细审查和比较一文中详细了解所有模型的优缺点。
与标准 GA 模型不同，OWOX BI Attribution 考虑了渠道对转化的相互影响和漏斗上的用户推进。 您还可以比较当前 GA 和 OWOX BI 模型的广告效果，以查看被低估或高估的广告系列。
因此，您将能够将预算重新分配给通过转化吸引用户的渠道，但不会通过 Google Analytics（分析）中的最后一次非直接点击获得任何价值。
在本文中，我们将解释如何在 AIDA 模型上突出显示漏斗步骤的转化事件，并基于这些步骤在 OWOX BI 中构建归因模型。
如果您想考虑漏斗中用户的每一步并诚实评估您的广告渠道，请注册演示。 我们将展示 OWOX BI 如何对您的业务有用。
目录
- 销售漏斗和 AIDA 模型
- 为什么需要销售漏斗
- 如何形成 AIDA 漏斗的步骤
- 为未来的渠道步骤选择转化操作
- 分析所选操作对 AIDA 漏斗的适用程度
- 将操作分组到集群中 - 未来的漏斗步骤
- 根据准备好的集群在 OWOX BI 中配置和计算归因
- 示例：SaaS 业务的漏斗
找出广告系列的真正价值
从您的所有广告服务中自动将成本数据导入 Google Analytics。 在一份报告中比较广告系列费用、每次点击费用和广告支出回报率。
销售漏斗和 AIDA 模型
销售漏斗是用户从第一次接触网站到购买的路径。 根据 AIDA 营销模型，这条路径包括四个阶段：
- 注意- 一个人关注该网站。
- 兴趣——对商品产生兴趣。
- 欲望——想要购买商品。
- 行动——进行了购买。
从理论上讲，这听起来简单而一致。 实际上，事情要复杂一些。 您网站的受众可能不会按照您的预期行事。 来自不同广告渠道的访问者表现不同。 一个人可以多次去现场，什么都不做就离开； 将商品扔进购物车； 点击不同的banner等等。是的，他的动作是一致的，但是每个用户都有自己的顺序。
此外，沟通渠道的选择取决于用户处于漏斗的哪个阶段。 例如，媒体广告在需要引起兴趣的漏斗开始处与冷酷的受众完美配合。 在漏斗的最后阶段，电子邮件更适合受众。 这些是熟悉品牌的忠实用户，因此来自邮寄的转化率更高。
为了增加从网站访问者到买家的转化，您需要检查受众的行为并正确选择将在归因模型中使用的渠道步骤。
为什么需要销售漏斗
使用正确的销售漏斗，您可以：
- 正确评估营销的有效性，找到被低估的流量来源并优化重新分配广告预算。
- 了解用户的需求，为他们提供相关的优惠。
- 根据漏斗用户所处的阶段将受众划分为多个部分，并个性化与每个部分的沟通。
- 找到漏斗中的瓶颈并优化它们。
如何形成 AIDA 漏斗的步骤
在漏斗的每个阶段你的广告的任务是激励用户进入下一个阶段——更接近购买。 例如，转化操作可以是：查看商品卡片、订阅邮件列表、将商品添加到购物车等等。 您如何确定哪些操作适合构建 AIDA 漏斗？
为未来的渠道步骤选择转化操作
此时，您需要采取用户在转换之前在网站上执行的所有关键业务操作，例如首次付款。
必须在您的网站上跟踪所选操作并将其发送到 Google BigQuery。 这将允许您执行下一步。
分析所选操作对 AIDA 漏斗的适用程度
您可以分析不同部分的转化操作，例如：
- 从活动到转化的时间。
- 由于转换操作而发生的转换概率。
首先，您应该制作一个包含所有选定事件的表格：
| 转化操作 | 事件数量（过去 6 个月） | 在此事件之后进行的转化百分比 | 事件发生后转化前的平均时间 |
| 事件№1 | 257 432 | 95% | 3天 |
| 事件二 | 145 765 | 29% | 8天 |
| 活动№3 | 56 391 | 7% | 14天 |
| 事件编号..... | ………… | …… | …… |
您不应该将自己限制在事件的数量上。 您用于分析的操作越多，效果就越好。 同时，当然，不要忘记常识。
然后你必须根据这张表制作一个图表。 以下是此类图表的示例：
该图表显示了转化前的时间如何根据转化操作而变化。
好 — 当您选择的事件在图表上均匀分布时。 这将使通过将这些事件划分为集群来构建漏斗成为可能，每个集群都将成为归因漏斗的一个步骤。
坏——当事件在图表上的一个地方分组时。 然后你只会得到漏斗的一两个步骤。 在这种情况下，模型计算的质量会很低。
将操作分组到集群中 - 未来的漏斗步骤
分析事件的潜在 AIDA 漏斗示例：
| 意识 | 兴趣 | 欲望 | 行动 |
| 事件 1、3、7、9 | 事件 2, 10, 13, 19 | 事件 4, 8, 11, 12 | 事件 6, 14, 15 |
根据准备好的集群在 OWOX BI 中配置和计算归因
如果您在 OWOX BI 中没有项目，您可以立即开始免费使用它。
在运行归因计算之前，您需要收集 Google BigQuery 云存储中的所有数据。 使用 OWOX BI，您可以将有关用户在网站上的操作（页面浏览量、事件、交易等）的原始数据、成本数据、来自 Google Analytics 的呼叫跟踪和电子邮件营销服务的统计数据发送到 GBQ。
您还可以手动将 CRM 中的订单状态信息和用户加载到 BigQuery 中。 GBQ 中的数据可以通过 SQL 查询访问并以表格形式回答。
为了进一步的工作和可视化，这些表格可以上传到 CSV 或 Google 表格，例如，使用我们的免费插件。 此解决方案允许您在 GA 界面中没有抽样和其他限制的情况下构建报告。
如果您在站点上配置了 Google Analytics 的增强型电子商务，那么当 OWOX BI 中包含会话数据的第一个表出现在 BigQuery 中时，将自动创建一个归因模型：
您可以创建新模型或修改现有模型。 要进行编辑，请打开模型设置并在每个步骤中通过 OR 条件列出转换事件：
然后开始计算。 因此，您将收到有关哪些流量来源导致您选择的转化操作的信息。
可以将 OWOX BI 模型的计算结果与名为 source/medium/campaign 的部分中的 Last Non-Direct Click 模型的结果进行比较：
这将突出显示导致转化操作但仍被低估的流量来源。 例如，在这个截图中，我们看到 yandex/organic 被低估了，值得投入更多努力。
接下来，您只需重新分配预算即可增加转化操作的数量。
示例：SaaS 业务的漏斗
在下面的屏幕上，您可以看到流量来源通常在渠道的不同阶段是如何分布的。 如果 AIDA 漏斗事件选择得当（见上图），我们可以在广告来源之间重新分配预算。
如果没有成功选择事件，它们将全部落在一个或两个广告渠道上，那么将无法在哪些渠道之间重新分配广告预算。
PS 如果您需要帮助将数据合并到 Google BigQuery 中并设置归因，我们随时准备提供帮助。 注册一个演示，我们将讨论细节。