多点触控归因实用指南

客户旅程涉及客户与商家或服务提供商之间的多次交互。

我们将客户旅程中的每次互动称为接触点。

据 Salesforce.com 称，在 B2B 领域平均需要六到八次接触才能产生领先优势。

客户购买的接触点数量甚至更多。

多点触控归因是一种机制，用于评估每个接触点对转化的贡献，并为客户旅程中涉及的每个接触点提供适当的信用。

进行多点触控归因分析可以帮助营销人员了解客户旅程并确定进一步优化转化路径的机会。

在本文中，您将了解多点触控归因的基础知识，以及使用易于访问的工具进行多点触控归因分析的步骤。

在进行多点触控归因分析之前要考虑的事项

定义业务目标

您希望从多点触控归因分析中获得什么？

您是否想要评估特定营销渠道的投资回报率 (ROI)、了解客户的旅程或确定您网站上的关键页面以进行 A/B 测试？

不同的业务目标可能需要不同的归因分析方法。

从一开始就定义您想要实现的目标有助于您更快地获得结果。

定义转换

转化是您希望客户采取的行动。

对于电子商务网站，通常是进行购买，由订单完成事件定义。

对于其他行业，它可能是帐户注册或订阅。

不同类型的转化可能有不同的转化路径。

如果您想对多个所需操作执行多点触控归因，我建议将它们分成不同的分析以避免混淆。

定义接触点

接触点可以是您的品牌与客户之间的任何互动。

如果这是您第一次运行多点触控归因分析，我建议将其定义为从特定营销渠道访问您的网站。 基于渠道的归因很容易进行，它可以让您大致了解客户旅程。

如果您想了解您的客户如何与您的网站互动，我建议您根据您网站上的综合浏览量来定义接触点。

如果您想包括网站外部的交互，例如移动应用程序安装、电子邮件打开或社交参与，您可以将这些事件合并到您的接触点定义中，只要您有数据。

无论您的接触点定义如何，归因机制都是相同的。 定义的接触点越细化，归因分析就越详细。

在本指南中，我们将重点关注基于渠道和基于网页浏览的归因。

您将了解如何使用 Google Analytics 和另一个开源工具来进行这些归因分析。

多点触控归因模型简介

将接触点归因于它们对转化的贡献的方法称为归因模型。

最简单的归因模型是将所有功劳归功于第一个接触点，用于最初吸引客户，或归功于最后一个接触点，用于推动转化。

这两种模型分别称为首次触摸归因模型和最后触摸归因模型。

显然，无论是第一次触摸还是最后一次触摸归因模型对其余触摸点都不“公平”。

那么，如何在转化客户所涉及的所有接触点上平均分配功劳呢？ 这听起来很合理——这正是线性归因模型的工作原理。

然而，在所有接触点之间平均分配功劳假设这些接触点同样重要，这似乎也不“公平”。

一些人认为靠近转化路径末端的接触点更为重要，而另一些人则持相反观点。 因此，我们拥有基于位置的归因模型，允许营销人员根据接触点在转化路径中的位置为接触点赋予不同的权重。

上述所有模型都属于启发式或基于规则的归因模型类别。

除了启发式模型，我们还有另一个模型类别，称为数据驱动归因，它现在是 Google Analytics（分析）中使用的默认模型。

什么是数据驱动归因？

数据驱动归因与启发式归因模型有何不同？

以下是差异的一些要点：

• 在启发式模型中，归因规则是预先确定的。 无论是首次接触、最后接触、线性还是基于位置的模型，归因规则都是预先设置的，然后应用于数据。 在数据驱动的归因模型中，归因规则是根据历史数据创建的，因此对于每个场景都是唯一的。
• 启发式模型仅查看导致转化的路径，而忽略非转化路径。 数据驱动模型使用来自转化路径和非转化路径的数据。
• 启发式模型根据接触点相对于归因规则的接触次数将转化归​​因于渠道。 在数据驱动模型中，归因是根据每个触摸点的触摸效果进行的。

如何评估接触点的效果

数据驱动归因使用的一种常见算法称为马尔可夫链。 马尔可夫链算法的核心是一个称为去除效应的概念。

Removal Effect，顾名思义，就是当一个接触点从路径数据中移除时对转化率的影响。

本文不会深入探讨马尔可夫链算法的数学细节。

下面的示例说明了算法如何将转化归因于每个接触点。

去除效果

假设我们有一个场景，1,000 名访问者通过 3 个渠道（渠道 A、B 和 C）访问网站，产生 100 次转化。在这种情况下，转化率为 10%。

直观地说，如果从转化路径中删除某个渠道，涉及该特定渠道的那些路径将被“切断”并以更少的整体转化结束。

如果从数据中删除通道 A、B 和 C 时转换率分别降低到 5%、2% 和 1%，我们可以将删除效果计算为特定通道时转换率下降的百分比使用以下公式删除：

图片来自作者，2022 年 11 月

然后，最后一步是根据每个渠道的 Removal Effect 的份额将转化归因于每个渠道。 这是归因结果：

简而言之，数据驱动的归因不依赖于接触点的数量或位置，而是以这些接触点对转化的影响作为归因的基础。

使用 Google Analytics 进行多点触控归因

理论说完了，让我们看看如何使用无处不在的 Google Analytics 进行多点触控归因分析。

由于 Google 将从 2023 年 7 月起停止支持 Universal Analytics (UA)，因此本教程将基于 Google Analytics 4 (GA4)，我们将以 Google 的 Merchandise Store 演示账户为例。

在 GA4 中，归因报告位于广告快照下，如下面左侧导航菜单所示。

登陆广告快照页面后，第一步是选择合适的转化事件。

默认情况下，GA4 包括其归因报告的所有转化事件。

为避免混淆，我强烈建议您只选择一个转化事件（下例中的“购买”）进行分析。

GA4 的屏幕截图，2022 年 11 月

了解 GA4 中的转化路径

在左侧导航栏的归因部分下，您可以打开转化路径报告。

向下滚动到转化路径表，其中显示了导致转化的所有路径。

在此表的顶部，您可以找到导致转化的平均天数和接触点数。

GA4 的屏幕截图，2022 年 11 月 

在此示例中，您可以看到 Google 客户平均需要近 9 天和 6 次访问才能在其商品商店购买商品。

在 GA4 中查找每个渠道的贡献

接下来，单击左侧导航栏“性能”部分下的“所有渠道”报告。

在此报告中，您可以找到所选转化事件（在本例中为“购买”）的每个渠道的归因转化。

GA4 的屏幕截图，2022 年 11 月

现在，您知道自然搜索与直销和电子邮件一起推动了 Google 商品商店的大部分购买。

在 GA4 中检查不同归因模型的结果

默认情况下，GA4 使用数据驱动的归因模型来确定每个渠道获得的信用数。 但是，您可以检查不同的归因模型如何为每个渠道分配功劳。

单击左侧导航栏“归因”部分下的模型比较。

例如，将数据驱动的归因模型与首次接触归因模型（下图中也称为“首次点击模型”）进行比较，您可以看到在首次点击模型（735）下更多的转化归因于有机搜索，而不是数据驱动模型 (646.80)。

另一方面，电子邮件在数据驱动的归因模型（727.82）下比首次点击模型（552）有更多的归因转化。

GA4 的屏幕截图，2022 年 11 月

数据告诉我们，有机搜索在将潜在客户带到商店方面发挥着重要作用，但它需要其他渠道的帮助来转化访问者（即，让客户进行实际购买）。

另一方面，电子邮件本质上与以前访问过该网站的访问者进行交互，并有助于转换最初从其他渠道访问该网站的回访者。

哪种归因模型最好？

在比较归因模型时，一个常见的问题是哪种归因模型最好。 我认为这是营销人员提出的错误问题。

事实上，没有一种模型绝对优于其他模型，因为每个模型都说明了客户旅程的一个方面。 营销人员应该采用他们认为合适的多种模型。

从基于渠道到基于页面浏览的归因

Google Analytics 易于使用，但它适用于基于渠道的归因。

如果您想进一步了解客户在转换之前如何浏览您的网站，以及哪些页面影响他们的决定，您需要对页面浏览量进行归因分析。

虽然 Google Analytics 不支持基于综合浏览量的归因，但您可以使用其他工具。

我们最近在 AdRoll 的网站上执行了这样一个基于页面浏览量的归因分析，我很乐意与您分享我们经历的步骤和我们学到的东西。

收集网页浏览序列数据

第一步也是最具挑战性的一步是收集有关您网站上每个访问者的页面浏览顺序的数据。

大多数网络分析系统以某种形式记录这些数据。 如果您的分析系统不提供从用户界面提取数据的方法，您可能需要从系统的数据库中提取数据。

与我们在 GA4 上执行的步骤类似，第一步是定义转换。 使用基于页面浏览的归因分析，您还需要识别属于转换过程一部分的页面。

例如，对于以在线购买作为转化事件的电子商务网站，购物车页面、计费页面和订单确认页面是转化过程的一部分，因为每次转化都经过这些页面。

您应该从综合浏览量数据中排除这些页面，因为您不需要归因分析来告诉您这些页面对于转化您的客户很重要。

此分析的目的是了解您的潜在客户在转换事件之前访问了哪些页面，以及它们如何影响客户的决策。

为归因分析准备数据

数据准备就绪后，下一步就是将数据汇总并处理成以下四列格式。 这是一个例子。

截图来自作者，2022 年 11 月

Path 列显示了所有的页面浏览序列。 您可以使用任何唯一的页面标识符，但我建议使用 url 或页面路径，因为它允许您使用 url 结构按页面类型分析结果。 “>”是页面之间使用的分隔符。

Total_Conversions 列显示特定页面浏览路径导致的转化总数。

Total_Conversion_Value 列显示来自特定网页浏览路径的转化的总货币价值。 此列是可选的，主要适用于电子商务网站。

Total_Null 列显示特定页面浏览路径转换失败的总次数。

建立您的页面级归因模型

为了构建归因模型，我们利用了名为 ChannelAttribution 的开源库。

虽然这个库最初是为在 R 和 Python 编程语言中使用而创建的，但作者现在为它提供了一个免费的 Web 应用程序，因此我们可以在不编写任何代码的情况下使用这个库。

登录 Web 应用程序后，您可以上传数据并开始构建模型。

对于初次使用的用户，我建议单击“加载演示数据”按钮进行试运行。 请务必使用演示数据检查参数配置。

截图来自作者，2022 年 11 月

准备就绪后，单击“运行”按钮创建模型。

创建模型后，您将被引导至“输出”选项卡，其中显示来自四种不同归因模型的归因结果——首次接触、最后接触、线性和数据驱动（马尔可夫链）。

请记住下载结果数据以供进一步分析。

供您参考，虽然此工具称为 ChannelAttribution，但它不限于特定于渠道的数据。

由于归因建模机制与提供给它的数据类型无关，如果提供特定于渠道的数据，它会将转换归因于渠道，如果提供综合浏览数据，则归因于网页。

分析您的归因数据

将页面组织成页面组

根据您网站上的页面数量，首先按页面组而不是单个页面分析您的归因数据可能更有意义。

页面组可以包含少至一页，也可以包含任意多的页面，只要它对您有意义即可。

以 AdRoll 的网站为例，我们有一个仅包含主页的主页组和一个包含我们所有博客文章的博客组。

对于电子商务网站，您也可以考虑按产品类别对页面进行分组。

从页面组而不是单个页面开始，营销人员可以概览网站不同部分的归因结果。 您始终可以在需要时从页面组向下钻取到各个页面。

确定转化路径的入口和出口

在所有数据准备和模型构建之后，让我们进入有趣的部分——分析。

我建议首先通过检查首次接触和最后接触归因模型的模式来确定潜在客户进入您网站的页面以及引导他们进行转换的页面。

具有特别高的首次触摸和最后触摸归因值的页面分别是转换路径的起点和终点。 这些就是我所说的网关页面。

确保这些页面针对转换进行了优化。

请记住，此类网关页面的流量可能不会很高。

例如，作为一个 SaaS 平台，AdRoll 的定价页面与网站上的其他页面相比流量并不高，但它是许多访问者在转换前访问过的页面。

查找对客户决策有重大影响的其他页面

在网关页面之后，下一步是找出哪些其他页面对客户的决定有很大影响。

对于此分析，我们在马尔可夫链模型下寻找具有高归因值的非网关页面。

以 AdRoll.com 上的一组产品功能页面为例，它们在四个模型中的归因值模式（如下所示）表明它们在马尔可夫链模型下具有最高的归因值，其次是线性模型。

这表明他们在转化路径的中间被访问并且在影响客户决策方面发挥了重要作用。

图片来自作者，2022 年 11 月

这些类型的页面也是转化率优化 (CRO) 的主要候选者。

让他们更容易被您的网站访问者发现，并且他们的内容更有说服力将有助于提高您的转化率。

回顾一下

多点触控归因使公司能够了解各种营销渠道的贡献，并确定进一步优化转化路径的机会。

只需从 Google Analytics（分析）开始，即可进行基于渠道的归因。 然后，使用基于综合浏览量的归因深入挖掘客户的转化途径。

不要担心选择最佳归因模型。

利用多个归因模型，因为每个归因模型显示客户旅程的不同方面。

更多资源：

• B2B 多点触控归因模型的完整指南
• B2B 关键字研究通过实际示例正确完成
• 多渠道 B2B 潜在客户生成：成功的 8 个步骤

特色图片：黑鲑鱼/Shutterstock