如何使用基于 ML 漏斗的归因模型改进内部分析

通过应用尽可能多的广告渠道来接触客户，企业在正确评估绩效、成功以及显然是收入增长方面面临着一个大问题。 他们需要回答的问题是哪个渠道效果更好？ 哪个应该被淘汰，哪个提供合格的线索？ 现在是归因模型进入游戏的时候了。

在这种情况下，我们描述了 OWOX BI 团队为一家大型在线零售商提供的解决方案，该零售商在提高业绩和使用正确的归因模型方面遇到了挑战。

在与 OWOX BI 合作之前，该公司使用 Last Click 归因模型，将所有价值赋予最后一个来源，忽略了订单前所有先前步骤的贡献。 为了正确评估广告活动的效果，我们决定建立基于 ML 漏斗的归因模型。

该公司有多种用户接触点：社交媒体广告、比价网站、PPC、网站、电话、直销、履行中心和前哨。 与大多数采用多渠道营销的零售商类似，它面临着数据分散的问题，因为公司将数据收集并存储在不同的系统中。

为了评估每个渠道对漏斗中客户旅程的贡献，零售商需要将有关用户行为、广告成本、线下订单和实际公司收入的数据与已完成订单的账户合并。 这意味着公司需要建立营销分析，采取以下步骤：

1. 开发一组单独的指标，将用户行为数据从网站收集到 Google Analytics 360。使用标准导出，可以将未抽样的数据发送到 Google BigQuery。
2. 设置 OWOX BI 管道以将数据从广告服务收集到 Google BigQuery。
3. 配置将交易数据从 CRM 系统导出到 Google BigQuery。
4. 根据 Google BigQuery 中的合并数据创建基于 ML 漏斗的归因模型。
5. 与 OWOX BI 分析师一起做渠道分组的记录联动，因为零售商自己的渠道分组名称与 GA 360 不同。
6. 在 Google 表格中获取报告以制定每月预算计划。

下面是数据合并图：

现在，让我们仔细看看基于 ML 漏斗的归因模型是如何与报告一起构建的。

OWOX BI 分析师帮助零售商开发、设置和实施单独的一组指标。 此外，我们的专家会定期测试和更新新域的度量系统以及新功能。

Google Analytics 360 每天收集有关网站用户行为的数据，并将其发送到 Google BigQuery，以与有关广告费用和交易的数据相关联。 该公司选择了 Google Analytics 的付费版本，因为它的网站流量很高。 标准版本在用户会话数超过 500,000 时应用抽样，而 Google Analytics 360 允许获取准确的数据直至命中。

由于原生集成，有关 AdWords 费用的数据会传输到 Google Analytics 360。 而 OWOX BI Pipeline 用于将数据从 Facebook 发送到 Google Analytics 360，并在 Google BigQuery 中合并所有广告服务的成本数据。 下表显示了发送数据的结构：

为了考虑退货和已完成订单的数据，分析师将交易数据从 CRM 系统导出到 Google BigQuery。 数据结构如下图所示：

此结构有助于使用user_id和time键将有关已完成订单的数据与有关网站用户行为的数据合并。

零售商的销售漏斗由 5 个步骤组成：访问、产品页面、添加到购物车、结帐、购买。 OWOX BI团队计算了从网站访问到购买的平均时间段，并推荐了最佳的转化窗口和交易窗口。

使用这些数据，创建了一个基于 ML 漏斗的归因模型：

基于 ML 漏斗的归因模型评估用户从销售漏斗的一个步骤移动到另一个步骤的概率。 灰色列显示概率值。 从一个步骤移动到另一个步骤的概率越低，用户通过此步骤的会话获得的价值就越多。 只有导致订购的会话才能获得价值。 您可以在我们的博文中了解更多关于 OWOX BI Attribution 的计算逻辑。

归因结果用于构建我们将在第 6 步中描述的报告。

默认情况下，Google Analytics 360 报告中的所有流量来源都形成以下渠道分组：直接、自然、电子邮件、推荐、社交、展示、每次点击费用和其他。

但是，营销专家使用他们自己的渠道分组名称进行内部报告。 为了创建归因模型，该公司的团队使用已经收集的过去期间的数据以及他们自己的名称来进行渠道分组。 这就是为什么在 Google Analytics 360 设置中更改名称为时已晚的原因。 由于这个事实，OWOX BI 分析师进行了记录链接，并为 Google 表格中的渠道分组创建了一个可更新的匹配名称列表。 下表演示了列表结构：

OWOX BI 团队创建了一个脚本，使用源和媒介键将 Google BigQuery 中的记录链接与每月的归因结果结合起来。

在 OWOX BI 分析师的帮助下，创建了两份报告。 第一份报告帮助了解哪些附属公司将其他渠道的价值归于自己。 此报告在 OWOX BI 智能数据中可用。 分析师使用免费的 OWOX BI BigQuery Reports 插件将获得的报告中的数据导出到 Google 表格。

以下是 OWOX BI 分析师将数据导出到 Google 表格所采取的步骤：

1. 导航到智能数据并询问来源和媒介的价值如何分布在渠道步骤中，然后打开报告。
2. 导航到右上角并选择Copy the SQL query to Clipboard 。

1. 在 Google 表格中创建新报告。 为此，请打开Add-ons菜单，然后选择OWOX BI BigQuery Reports和Add a new report 。 然后选择现有的 Google Cloud Platform 项目，选择Add a new report并点击Paste ：

请注意，每个新报告都是在新工作表中创建的：

在侧边栏中提供报告配置：选择现有的 Google Cloud Platform 项目和 Google BigQuery 查询，这将提供要上传的数据。

笔记！ 您可以在此处找到有关报告配置的更多详细信息。

1. 现在，该报告可在 Google 表格中找到。 您可以安排自动报告更新以获得更多便利。 为此，请导航到 OWOX BI BigQuery 报告设置中的计划报告：

设置更新的必要时间段：

笔记！ 要了解有关如何安排定期报告更新的更多信息，请点击此链接。

OWOX BI 专家修改了查询并添加了动态参数：来源和分析周期。

笔记！ 按照此链接了解有关查询中动态参数的更多信息。

结果，获得了流量分析报告，并展示了哪个漏斗步骤从某个来源获得的影响更大：

仅过滤了附属合作伙伴后，公司可以在最后的漏斗步骤中识别出最有价值的合作伙伴：

第二份报告展示了广告活动的实际成本、收入和 ROAS。 使用此报告，营销专家可以找出哪些来源带来更多收入，哪些没有得到回报：

• OWOX BI团队建立了正确而灵活的数据收集系统。
• 使用 OWOX BI 和 Google 产品，数据收集过程是自动化的。 现在，所有数据都可以在一个界面中实时获得。
• 基于 ML 漏斗的归因模型帮助公司更好地评估广告活动和渠道的表现。