Data-driven attribution: Mô hình này phân bổ tín dụng chuyển đổi dựa trên dữ liệu cho từng sự kiện chuyển đổi. Mô hình này khác biệt với các mô hình khác vì nó dùng dữ liệu của tài khoản của bạn để tính toán mức đóng góp thực tế của mỗi lượt tương tác ở dạng lượt nhấp.
Mỗi data-driven model áp dụng cho từng nhà quảng cáo và từng sự kiện chuyển đổi riêng biệt.
Data-driven attribution hoạt động như thế nào
Việc phân bổ sử dụng thuật toán máy học (machine learning) để đánh giá cả đường dẫn chuyển đổi và đường dẫn không chuyển đổi. Từ kết quả này mô hình data-driven hiểu được cách các điểm tiếp xúc tác động đến kết quả chuyển đổi. Mô hình này tích hợp các nhân tố như thời gian từ lượt chuyển đổi, loại thiết bị, số lượt tương tác với quảng cáo, thứ tự hiển thị quảng cáo và các loại tài nguyên quảng cáo. Nhờ sử dụng phương pháp phản chứng, mô hình này sẽ so sánh những gì đã xảy ra với những gì đáng lẽ có thể đã xảy ra để xác định những điểm tiếp xúc có nhiều khả năng dẫn đến lượt chuyển đổi tốt hơn. Mô hình này sẽ phân bổ tín dụng chuyển đổi cho những điểm tiếp xúc dựa trên khả năng này.
Lưu ý: Tùy thuộc vào mức độ sẵn có của dữ liệu, các mô hình phân bổ dựa trên dữ liệu (data-driven model) và mô hình phân bổ dựa trên lượt click cuối cùng trên nhiều kênh (cross-channel last click) có thể mang lại kết quả như nhau trong một số trường hợp nhất định.
Nguyên lý phân bổ dựa trên dữ liệu
Phương pháp phân bổ dựa trên dữ liệu có 2 phần chính:
- Phân tích dữ liệu đường dẫn có sẵn để phát triển các mô hình tỷ lệ chuyển đổi cho mỗi sự kiện chuyển đổi của bạn
- Dùng thông tin dự đoán mô hình tỷ lệ chuyển đổi làm dữ liệu đầu vào cho một thuật toán phân bổ tín dụng chuyển đổi cho các lượt tương tác với quảng cáo
Phát triển các mô hình xác suất chuyển đổi từ dữ liệu đường dẫn có sẵn
Mô hình phân bổ dựa trên dữ liệu sử dụng dữ liệu đường dẫn (bao gồm dữ liệu từ cả người dùng chuyển đổi và người dùng không chuyển đổi) để xác định xem sự hiện diện của một số điểm tiếp xúc nhất định trong quá trình tiếp thị và thời điểm chúng hiện diện có thể tác động như thế nào đến xác suất chuyển đổi của người dùng. Các mô hình thu được sẽ đánh giá khả năng người dùng sẽ chuyển đổi tại bất kỳ điểm cụ thể nào trên đường dẫn chuyển đổi, dựa trên việc họ tiếp xúc với một yếu tố tương tác cụ thể trên quảng cáo.
Các mô hình này so sánh xác suất chuyển đổi của người dùng đã xem quảng cáo với xác suất chuyển đổi của những người dùng tương tự chưa xem quảng cáo. (Nói một cách kỹ thuật hơn, các mô hình sẽ học hỏi bằng dữ liệu từ các thử nghiệm ngẫu nhiên có đối chứng để tính toán mức tăng phản thực tế của việc tiếp xúc với quảng cáo trên Google).
Phân bổ một phần tín dụng chuyển đổi cho các điểm tiếp xúc trong quá trình tiếp thị dựa trên thuật toán
Mô hình phân bổ theo hướng dữ liệu sẽ phân tích cách xác suất chuyển đổi ước tính sẽ thay đổi khi mỗi lượt tương tác với quảng cáo tham gia vào đường dẫn, sau đó mới phân bổ tín dụng. Thuật toán phân bổ dựa trên dữ liệu sử dụng các tính năng bao gồm thời gian giữa lượt tương tác với quảng cáo và lượt chuyển đổi, loại định dạng, cũng như các tín hiệu truy vấn khác để tính toán mức tín dụng này.
Ví dụ:
Trong hình minh họa chi tiết sau, việc kết hợp giữa Điểm hiển thị quảng cáo số 1 (Lượt tìm kiếm có trả tiền), Điểm hiển thị quảng cáo số 2 (Mạng xã hội), Điểm hiển thị quảng cáo số 3 (Đơn vị liên kết) và Điểm hiển thị quảng cáo số 4 (Tìm kiếm) sẽ cho xác suất chuyển đổi là 3%. Khi không có Điểm hiển thị quảng cáo số 4, xác suất sẽ giảm xuống 2%. Vì vậy, chúng ta biết rằng Điểm hiển thị quảng cáo số 4 giúp tăng xác suất chuyển đổi thêm 50%. Chúng tôi lặp lại quy trình này cho mỗi lượt tương tác với quảng cáo và dùng mức đóng góp đã biết làm trọng số phân bổ.
Nguồn dịch: https://support.google.com/analytics/answer/10596866?hl=en#zippy=%2Cin-this-article
