您的營銷數(shù)據(jù)會根據(jù)您檢查的角度來描述完全不同的圖片。如果你在真空中看一下，你的最新內容營銷計劃可能看起來很黯淡：它可能不會帶來直接銷售。但是如果你向前或向后移動一步，你可能會注意到它實際上間接地促成了轉換。客戶從自然搜索進入您的博客，之后通過電子郵件轉換。

歸因建模允許您通過以某種方式翻轉數(shù)據(jù)來確定哪些有效，哪些無效。

歸因模型：快速定義

歸因模型是分析平臺(例如Google Analytics)使用的一組算法規(guī)則，用于確定哪些營銷操作在買方旅程的不同階段產生了銷售/轉化。它可以幫助您確定銷售流程中不同渠道(有機/付費搜索，社交媒體，附屬機構等)的角色，并為每個接觸點分配百分比。簡而言之，它們可以更好地了解每個營銷渠道產生的投資回報率。

六種標準歸因模型

“上次互動”歸因(也稱為“最后點擊”)是Google Analytics提供的默認選項。它為客戶對您的業(yè)務的最后一個接觸點提供100%的信用，但不會考慮任何先前的交互。但是，它沒有提供輔助轉換的可見性，這使其成為分析復雜銷售渠道的不可靠選擇。此外，這種模式可以避免您認為只有一個(或幾個)營銷活動有效，即使情況并非如此。

第一個交互歸因(也稱為“第一次點擊”)與之前的模型相反：它為第一次交互提供了100%的信用。這種模型是衡量需求生成并將多個獲取渠道相互對接的好方法，以確定但是，對于全渠道數(shù)字營銷活動而言，這種模式是短視的，對于銷售周期長的企業(yè)幾乎沒用。

線性歸因。轉換的賞金在所有接觸點之間平均分配。每個營銷渠道獲得每次轉換的平等信用(例如50%-50%)。線性歸因是實現(xiàn)多點觸摸歸因分析的良好開端。與之前的型號不同，這個版本實際上允許您調整不同的廣告系列/渠道以獲得更好的結果。但它沒有說明哪個活動帶來了最好的投資回報率以及您應該在哪里投入更多預算。

基于位置的歸因將40%的信用分配給第一個和最后一個接觸點，并在客戶與您的品牌的其他遭遇之間分配剩余的分配。這樣，您可以為兩個主要通道執(zhí)行更多CRO，并獲得對臨時接觸點的可見性。但是對第一個/最后一個頻道的強調可能無法真實地代表您的商業(yè)周期。例如，潛在客戶可以通過隨機社交媒體鏈接登陸您的網(wǎng)站，但后來通過個性化電子郵件優(yōu)惠或網(wǎng)絡研討會重新啟動。沒有那些推動，她就不會被“賣掉”。

時間衰減歸因模型根據(jù)客戶與您的品牌進行交互的時間在不同渠道之間分配信用。在接近購買時發(fā)生的相互作用的價值更高，而第一次互動被認為是最不重要的相互作用。通常，此模型是銷售周期較長的企業(yè)的首選，因為它可以優(yōu)化與渠道客戶底層的互動。輔助轉換也可以獲得更公平的表示。但這種模式削弱了品牌認知活動的重要性。此外，它忽略了更重要的接觸點(例如電子郵件營銷)的作用，這些接觸點可能有助于早期在渠道中進行轉換。

自定義歸因建模。這五種型號中的每一種都可以使用其他規(guī)則進行升級，以滿足您的業(yè)務需求。此外，您可以使用Google模型比較工具將它們相互比較。通過協(xié)調分析數(shù)據(jù)，您可以在一定程度上提煉出更多的見解并提高對客戶旅程的可見性。但是，您無法完全更改不同類型模型建議的信用分配。

替代方案：數(shù)據(jù)驅動的歸因建模

您的公司可以選擇開發(fā)數(shù)據(jù)驅動的歸因模型，而不是使用標準模型。

可以部署自定義算法來分析從GA數(shù)據(jù)派生的不同轉化路徑，并確定客戶在不同營銷順序中與您的品牌建立的重要接觸點。這種類型的模型不斷發(fā)展，代表了所有營銷活動的內容，具有更高的準確性。

您可以獲得有關不同渠道如何表現(xiàn)的實時洞察，哪些創(chuàng)意資產扮演最重要的角色以及哪些廣告系列帶來穩(wěn)定的投資回報率?？梢酝ㄟ^預測分析進一步增強此類模型。在這種情況下，算法將能夠估計某些活動的表現(xiàn); 確定應該應用優(yōu)化的位置，并建議何時加倍或減少某個廣告系列的支出。

數(shù)據(jù)驅動的歸因建?？蔀槟臉I(yè)務提供個性化視圖，并在整個客戶旅程中為不同的接觸點提供最準確的信用權重。