網絡分析、分析中的歸因模型

當我們進行在線營銷時，我們通常會發現自己在問同樣的問題，我們應該在哪裡投資預算？ Google AdWords、社交網絡、搜索引擎優化，所有選項中哪個最有利可圖？ 我們總是希望在網絡分析中找到答案。

問題是我們並不總是提出正確的問題。 事實上，問題的很大一部分是這樣的問題：

給我們帶來最多轉化的渠道是什麼？

是時事通訊嗎？

廣告詞？ 社交網絡？ 博客？

從那時起，我們已經在醞釀一場災難，因為我們只專注於尋找能帶來更多轉化的渠道。

但是，通過這種方式，我們將大部分可用信息擱置一旁，而忘記了更恰當地查看購買渠道。

與網絡分析相關的已知問題

這個問題在 Analytics 中已經存在多年，因此現在有不同的歸因模型用於轉化分析。 問題是在 Analytics 中，這些信息直到幾年前才可用。

現在的問題是使用或不使用這些信息。

並查看可用的報告。

第一步是創建一個目標。

為了很好地衡量事物，我們需要做的第一件事是在 Analytics 中創建一個目標。

為此，請轉到管理菜單->屬性-> 並在“查看”中單擊目標：

在此屏幕中，我們必須單擊“創建目標”按鈕：

您必須按照屏幕上描述的步驟創建目標，並根據需要進行調整。 請記住，創建目標只是整個過程的第一步。

但是沒有目標，就不可能衡量任何事情，所以我們需要確保我們設定了一個有意義的目標。

Acquisition -> Channels 不提供完整信息！

以我的拙見，在分析有關我們網站的報告時，我們不能操之過急。

這就是為什麼我們可以在 Acquisition -> Channels 中看到的報告不提供完整信息的原因：

但是，您可能會想：

• 但是這些信息太棒了； 我們把所有的流量除以它的來源

現在我們只需要看看哪個渠道的轉化量最大，並將整個預算放在獲勝的馬身上：

• 簡單！

事實上，在同一個 Google Analytics 屏幕的右側，我們可以看到目標，以及有關每個渠道的信息：

所以我們有關於每個渠道產生的轉化次數的信息。

但當然，這個過程並不那麼容易； 許多其他變量開始發揮作用。

我們可以認為，只要推動最好的渠道，我們就會獲得更好的結果，或者我們可以停止與其他渠道合作，從而節省資金，獲得相同的結果。

讓我們慢慢做事。

讓我們進入菜單：

轉化 – 多渠道轉化路徑 – 概覽

因為在這個菜單中我們會看到更多有趣的信息，這將幫助我們了解在轉換完成之前真正發生了什麼。

如果我們訪問此屏幕並選擇單個頻道，我們將看到其他信息：

沒什麼新鮮的，每個通道的轉換百分比數據和通道音量的圖形表示。

但是如果我們選擇兩個通道呢？

那是另一回事。

在這裡，我們已經開始瞥見渠道之間存在的關係。

在兩個集合的交叉點，我們有與兩個渠道交互的轉換。

也就是說，他們是通過自然搜索和直接渠道進行轉換的客戶。 在 20% 的不可忽視的體積中。

現在我們開始看到渠道之間如何存在某種關係，因為它們正在共同努力實現先前定義的目標。

但這還不是全部！

如果我們不尋找更多信息，我們只會看到它們是相關的。

但我們想了解更多。

雖然它不在同一個菜單上，但在我看來，我們轉換分析的下一步將是：

轉換 – 分配 – 模型比較工具

一個不太吸引人的名字。

但我們能在這個名字背後找到什麼？

當我們訪問此屏幕時，我們將看到更多信息：

使用的模型是最後一次交互，不大於也不小於每個渠道的轉化率，考慮到這個渠道的最後一次互動。

也就是說，在自然搜索中，我們將看到在 Google 上搜索關鍵字、找到我們的頁面並完成轉換過程的用戶。

因此，我們看到直接渠道和有機渠道具有相似的權重。

請注意這一點。

但是我們之前不是看到有重疊的通道嗎？ 這個信息在哪裡？

好問題！

為此，我們必須在頂部配置：

我配置如下：

• 第一步 第一次互動
• 然後
• 第二步 上次交互

因此，我們可以看到更多信息，因為我們將看到與潛在客戶產生第一次聯繫的渠道，以及關閉銷售的渠道。

這將幫助我們更好地了解幫助我們找到潛在客戶的渠道。 我非常珍惜他們，因為沒有他們，第一次接觸就不會發生。

儘管如此，我們還是使用了另一個渠道來完成交易。

讓我們看看 Analytics 提供什麼信息：

通過分析報告，我們可以確切地明白我的意思。

再往上一點，我們看到自然搜索和直接流量的轉化率相似。

但現在我們更清楚地看到了這一點。 自然搜索作為第一個聯繫渠道效果很好，然後還有其他渠道可以完成銷售。 例如，直接流量在完成銷售方面效果更好。

這些信息有助於我們更好地決定在哪裡投資，因為它提供了對漏斗的更全面的了解。

您甚至可以比較特定的廣告系列！

是的，如果我們為我們創建的鏈接貼上標籤，我們甚至可以獲得有關特定活動的信息。

為此，我們只需選擇廣告系列選項：

這樣，我們可以看到很多附加信息：

• 博客時事通訊已經完成了107次轉換，看起來並不多，但是
• 如果我們看到它開始了 358 次轉換，它看起來好多了！

事實上，該渠道失去了 70% 的轉化量，這就是為什麼它看起來似乎不起作用，而實際上它運行良好。

例如，假設您決定為橫幅廣告系列付費。 但是，在查看報告時，您發現它沒有完成任何轉換。

您可能會認為該活動是個壞主意。

但是，如果您查看源於此活動的轉化，也許您會發現投資並沒有那麼糟糕，因為它幫助啟動了幾次轉化。

使用不同的歸因模型，我們有更多的信息來確定哪些渠道最適合我們的營銷策略。

但是在這裡我們繼續分兩步查看信息，開始轉換的通道和完成轉換的通道。 這樣看，我們可以認為我們的轉化漏斗只有兩個步驟：

• 這不是真的！

我們必須在菜單中查看需要多少聯繫人才能完成轉換：

轉化 – 多渠道轉化路徑 – 互動路徑

在此面板中，我們將看到需要影響潛在客戶進行多少次轉換：

Mailrelay 的情況有點不同，因為我們擁有市場上最大的免費帳戶，許多人會測試我們的電子郵件營銷軟件，而無需經過很長的渠道或沒有太多互動。

即便如此，我們在第一次接觸時仍有 51% 的轉化率，幾乎是訪問我們著陸頁的人的一半。 但是，大約 50% 的人不會立即轉換。 我們需要 2 個或更多聯繫人才能說服這些用戶使用我們的電子郵件營銷軟件。

在這裡，我們已經可以了解漏斗的持續時間。

而且，事實上，我們可以看到時間滯後，即我們的潛在客戶在我們的軟件上創建帳戶之前需要考慮多長時間。

轉化 – 多渠道轉化路徑 – 時間滯後

這是另一個非常有用的信息，了解從決策到購買的過程持續了多長時間：

在這種情況下，由於上述原因，我們看到銷售漏斗幾乎沒有持續時間。

但在某些情況下，潛在客戶需要更多時間來做出決定、更多時間和更多聯繫。

簡而言之，到目前為止我們已經看到：

1.- 通常，有多個頻道參與轉換過程。

2.- 如果我們想知道每個渠道是如何貢獻的，我們將不得不使用不同的歸因方法來分析轉化。

3.- 接觸的數量和轉換漏斗的長度。

所有這些信息對於使用網絡分析和更好地了解我們的數字營銷策略正在發生的事情非常重要。

我們仍然可以獲得更多信息。

正如我們所見，轉化漏斗可以由多個聯繫人組成，到目前為止我們只看到了它的起點和終點，現在讓我們看看更多。

轉化 – 多渠道轉化路徑 – 主要轉化路徑

正是在這個菜單中，我們可以看到客戶在完成轉換之前將經歷的步驟，以及在此過程中哪些渠道開始起作用以提供幫助。

我認為它是 Analytics 中最有用的菜單之一，但也許也是需要更詳細研究的菜單之一。

在這裡我們可以看到非常短的路徑：

在我們的案例中，只需兩個步驟，轉換就完成了，通過自然搜索進行了第一次聯繫，然後通過直接渠道完成了轉換。

你還記得我們之前談過這個嗎？

我們已經看到了兩個通道之間的關係，現在一切都更加清晰可見。

我們還將看到更複雜的路徑：

以及無限複雜的路徑：

在這裡你可以更清楚地看到不同渠道是如何相互作用的，對吧？

現在，我們需要分析和評估每個渠道在轉化中的相關性，以了解我們可以將投資投向何處以維持或提高營銷策略的有效性。

這並不容易，但至少我們有信息可以做到這一點，使用網絡分析。

我希望這些信息對你有幫助！

在分析您的營銷活動、您的轉化漏斗以及不同轉化渠道與您的投資之間的關係時！

不要忘記評論！