数据驱动归因模式优化宝典-ThinkwithGoogle.PDFVIP

數 據 驅 動 歸 因 模 式 優 化 寶 典 數據驅動歸因模式優化寶典 寶典索引 一招練就數據驅動歸因真功夫！ 什麼！？廣告優化也可以像AlphaGo一樣透過機器學習？ 沒錯！學會數據驅動歸因就是這麼簡單 利用Google大數據加上您的優化金手指 讓Google為您揭開更準確、更有效的歸因神器！ 古有葵花寶典，現代有DDA優化寶典，讓您不用自宮，也能成功！ [開始前準備] ● 唯一機器學習歸因模式 / 秒懂DDA ● 透過歸因報告了解用戶轉化路徑 / 專屬您帳戶轉換路徑報表 ● 改變歸因模式後的轉換變化 / 瞭解重新分配的轉換歸因 ● 歸因模式典範實務經驗 / Global Best Practices [啟動新歸因] ● 轉換搜尋歸因模式的優化準則 / 請你跟我這樣做 ● 轉換搜尋歸因模式的常見問題 / 12 大哉問 ● 寶典升級打通關指南 / 搜尋歸因後的下一步 [附註] ● 智慧出價策略 Smart Bidding ● 動態搜尋廣告 Dynamic Search Ads (DSA) ● Google成功案例分享 本手冊的截圖畫面有可能因為Google Ads版本不同而有差異，手冊內容並不隨著產品資訊以及規格修訂而更新，若有變動，恕不另行通知。 優化結果因不同產業以及商品型態可能會不一，若有任何疑問，煩請洽詢您的Google業務窗口，謝謝。 1 數據驅動歸因模式優化寶典 - 開始前準備 以數據為導向的歸因模式： Google機器學習幫你全面剖析消費者路徑 「我的行銷策略是否奏效？如何證明非品牌的關鍵字價值 ？」相信是所有媒體行銷人共同 的疑問。在台灣，超過90%廣告主還是停留在最終點擊模式，將所有轉換功勞歸因給單一 點擊，而在數位媒體發展快，且消費者路徑碎片化的時代，如果還僅用單一觸及點衡量 成效，如同在籃球場上只把功勞歸給投籃者，不但大幅低估助攻的影響力，更可能錯誤判 斷消費者歷程全貌。就像是最終點擊歸因模式過於強調行銷漏斗下層的品牌字組，而忽略 帶有助攻效果的上層通用字組價值。 Google Ads平台有提供多種歸因模式選擇*，能讓行銷人有效評估搜尋上的關鍵字成效， 以數據為導向的歸因模式（Data-Driven Attribution, DDA）運用機器學習技術來判斷消 費者搜尋歷程中的功勞，重新組合每個關鍵字點擊彼此相關的效應，幫您了解消費者轉換 路徑！它神奇的功能包括： ● 客製化：使用客戶帳戶的數據量身打 ● 動態化：會根據轉換數據反應在歸因模式計算 ● 神優化：搭配智慧出價，迅採取行動並將廣告最佳化 還在使用最終點擊模式嗎？ 一鍵啟用DDA，幫您找到更多潛在商機！ 快跟著Google一起用「Machine Learning」機器學習方式優化成效吧！ *Google Ads提供多種歸因模式供您選擇，我們推薦使用數據驅動歸因模式 (Data-Driven) ： 2 數據驅動歸因模式優化寶典 - 開始前準備 以數據為導向的歸因模式： 帶你了解DDA運作原理 有別於其他歸因模式，DDA模式會根據轉換資料來計算轉換路徑上各個關鍵字的實際貢 獻，因此每一位廣告客戶的「DDA模式」都不太一樣。 Google Ads 會將您 Google 搜尋廣 告獲得的所有點擊列入考量，DDA模式則可比較有成功轉換的消費者和非轉換消費者兩 者的轉換路徑，藉此找出促成轉換的點擊所呈現的模式。如果發現其中的某些步驟更有可 能促成客戶完成轉換，這個模式就會將更大的功勞歸給顧客路徑上這些特別有價值的點 擊。 這樣一來，您在評估轉換數據時就能看出哪些關鍵字對於達成轉換目標最為有幫助。 譬如消費者購買Google Pixel手機的轉換路徑，經由關鍵字A 、B、C的轉換率為3%，而如 果另一個轉換途徑經由關鍵字B和C的轉換率為2%，那麼我們就可以知道關鍵字A會帶來 額外的1%轉換價值，DDA模式則會依照這樣的方式，透過所有帳戶的關鍵字點擊，堆疊 分析給予每個關鍵字帶來的成效，帶來更準確的功勞歸屬，再也不用憑空猜測囉！ 如果您想瞭解更多DDA的運作原理，歡迎前往說明中心：goo.gl/Jp