設置歸因時如何正確選擇漏斗步驟

如果你想優化廣告成本，提高ROAS，在銷售之前考慮並正確評估鏈中各個渠道的貢獻。 標準的谷歌分析工具在這裡是不夠的，因為服務中可用的歸因模型中有一半將所有價值從交易傳遞到鏈中的任何渠道。 模型的後半部分根據條件規則而不是實際指標來估計渠道。

與標準 GA 模型不同，OWOX BI Attribution 考慮了渠道對轉化的相互影響和漏斗上的用戶推進。 您還可以比較當前 GA 和 OWOX BI 模型的廣告效果，以查看被低估或高估的廣告系列。

因此，您將能夠將預算重新分配給通過轉化吸引用戶的渠道，但不會通過 Google Analytics（分析）中的最後一次非直接點擊獲得任何價值。

在本文中，我們將解釋如何在 AIDA 模型上突出顯示漏斗步驟的轉化事件，並基於這些步驟在 OWOX BI 中構建歸因模型。

銷售漏斗是用戶從第一次接觸網站到購買的路徑。 根據 AIDA 營銷模型，這條路徑包括四個階段：

1. 注意- 一個人關注該網站。
2. 興趣——對商品產生興趣。
3. 慾望——想要購買商品。
4. 行動——進行了購買。

從理論上講，這聽起來簡單而一致。 實際上，事情要復雜一些。 您網站的受眾可能不會按照您的預期行事。 來自不同廣告渠道的訪問者表現不同。 一個人可以多次去現場，什麼都不做就離開； 將商品扔進購物車； 點擊不同的banner等等。是的，他的動作是一致的，但是每個用戶都有自己的順序。

此外，溝通渠道的選擇取決於用戶處於漏斗的哪個階段。 例如，媒體廣告在需要引起興趣的漏斗開始處與冷酷的受眾完美配合。 在漏斗的最後階段，電子郵件更適合受眾。 這些是熟悉品牌的忠實用戶，因此來自郵寄的轉化率更高。

為了增加從網站訪問者到買家的轉化，您需要檢查受眾的行為並正確選擇將在歸因模型中使用的渠道步驟。

使用正確的銷售漏斗，您可以：

1. 正確評估營銷的有效性，找到被低估的流量來源並優化重新分配廣告預算。
2. 了解用戶的需求，為他們提供相關的優惠。
3. 根據漏斗用戶所處的階段將受眾劃分為多個部分，並個性化與每個部分的溝通。
4. 找到漏斗中的瓶頸並優化它們。

在漏斗的每個階段你的廣告的任務是激勵用戶進入下一個階段——更接近購買。 例如，轉化操作可以是：查看商品卡片、訂閱郵件列表、將商品添加到購物車等等。 您如何確定哪些操作適合構建 AIDA 漏斗？

此時，您需要採取用戶在轉換之前在網站上執行的所有關鍵業務操作，例如首次付款。

必須在您的網站上跟踪所選操作並將其發送到 Google BigQuery。 這將允許您執行下一步。

您可以分析不同部分的轉化操作，例如：

• 從活動到轉化的時間。
• 由於轉換操作而發生的轉換概率。

首先，您應該製作一個包含所有選定事件的表格：

您不應該將自己限制在事件的數量上。 您用於分析的操作越多，效果就越好。 同時，當然，不要忘記常識。

然後你必鬚根據這張表製作一個圖表。 以下是此類圖表的示例：

該圖表顯示了轉化前的時間如何根據轉化操作而變化。

好 — 當您選擇的事件在圖表上均勻分佈時。 這將使通過將這些事件劃分為集群來構建漏斗成為可能，每個集群都將成為歸因漏斗的一個步驟。

壞——當事件在圖表上的一個地方分組時。 然後你只會得到漏斗的一兩個步驟。 在這種情況下，模型計算的質量會很低。

分析事件的潛在 AIDA 漏斗示例：

如果您在 OWOX BI 中沒有項目，您可以立即開始免費使用它。

在運行歸因計算之前，您需要收集 Google BigQuery 雲存儲中的所有數據。 使用 OWOX BI，您可以將有關用戶在網站上的操作（頁面瀏覽量、事件、交易等）的原始數據、成本數據、來自 Google Analytics 的呼叫跟踪和電子郵件營銷服務的統計數據發送到 GBQ。

您還可以手動將 CRM 中的訂單狀態信息和用戶加載到 BigQuery 中。 GBQ 中的數據可以通過 SQL 查詢訪問並以表格形式回答。

為了進一步的工作和可視化，這些表格可以上傳到 CSV 或 Google 表格，例如，使用我們的免費插件。 此解決方案允許您在 GA 界面中沒有抽樣和其他限制的情況下構建報告。

如果您在站點上配置了 Google Analytics 的增強型電子商務，那麼當 OWOX BI 中包含會話數據的第一個表出現在 BigQuery 中時，將自動創建一個歸因模型：

您可以創建新模型或修改現有模型。 要進行編輯，請打開模型設置並在每個步驟中通過 OR 條件列出轉換事件：

然後開始計算。 因此，您將收到有關哪些流量來源導致您選擇的轉化操作的信息。

可以將 OWOX BI 模型的計算結果與名為 source/medium/campaign 的部分中的 Last Non-Direct Click 模型的結果進行比較：

這將突出顯示導致轉化操作但仍被低估的流量來源。 例如，在這個截圖中，我們看到 yandex/organic 被低估了，值得投入更多努力。

接下來，您只需重新分配預算即可增加轉化操作的數量。

在下面的屏幕上，您可以看到流量來源通常在渠道的不同階段是如何分佈的。 如果 AIDA 漏斗事件選擇得當（見上圖），我們可以在廣告來源之間重新分配預算。

如果沒有成功選擇事件，它們將全部落在一個或兩個廣告渠道上，那麼將無法在哪些渠道之間重新分配廣告預算。

PS 如果您需要幫助將數據合併到 Google BigQuery 中並設置歸因，我們隨時準備提供幫助。 註冊一個演示，我們將討論細節。