假設Peter在經營一間網上商店，Peter透過Facebook專頁、網上付款廣告、電子郵件廣告活動及搜尋器優化(SEO)等渠道推廣網上商店。
Peter在Google Analytic分析每種宣傳渠道的轉換率，發覺大部分完成購物的客戶均透過搜尋器的自然搜尋結果點擊進入網站，為了優化宣傳渠道組合，Peter立即降低Facebook專頁、網上付款廣告及電子郵件廣告活動的投入資金，並提高搜尋器優化(SEO)的預算。
一個月後，Peter再在Google Analytic分析，發現網站的生意額嚴重下跌！明明Google Analytic顯示搜尋器優化(SEO) 的轉換率最高，在提高預算後竟不升反跌，究竟，網站推廣出了什麼問題？
以上只是一個虛構的例子，卻在現實中經常發生。
在上述例子中，Peter忽略了其他推廣渠道的貢獻。試想想，顧客可能是因為收到Peter的電子郵件、或在網上看到Peter的Banner Ads，才認識Peter的網上商店。顧客可能第一次透過Banner Ads進入網站並留下深刻印象，之後便記下網站名字，下次有需要時便在搜尋器搜尋網站名字，再進入網站購買。
如果沒有第一次的接觸 (即Banner Ads)，就不會有第二次的接觸和轉換 (即搜尋器的自然搜尋結果)。Peter在分析每種宣傳渠道的轉換率時，都直接將所有帶來轉換功勞歸功於最後一次的接觸 (即搜尋器的自然搜尋結果)，而忽略了較早前的接觸 (如Social Media、Banner Ads等)。因預計減少，第一次接觸次數減少，往後的接觸一定隨之減少，網站的轉換率自然少之有少。
要解決這個問題，Google Analytic有一個名為「功勞歸屬模式 (Attribution Modeling)」的Tool。
Attribution Modeling是一項或一組規則，可用來判定轉換路徑中的各個接觸點對達成銷售和轉換分別有多少功勞。就以上例子來說，「最終互動」(Last Interaction) 功勞歸屬模式會將 100% 的功勞歸給達成銷售或轉換前的最後一個接觸點 (即搜尋器的自然搜尋結果)。
除了「最終互動」功勞歸屬模式外，還有其餘4種比較常用的功勞歸屬模式。為了方便讀者了解，筆者會以Google的官方例子解釋：
「假設某個客戶透過 AdWords 廣告點進您的網站。一週過後，她又從社交網路點進您的網站。當天，她又透過您某個電子郵件廣告活動第三次來到網站，並在幾個小時後直接回訪並完成購物。」
「最終非直接點擊」(Last Non-Direct Click)
功勞歸屬模式會忽略所有直接造訪，並將 100% 的銷售功勞歸給客戶在轉換前，透過點擊連至您的網站時所經過的最後一個管道 (在上述例子是電子郵件廣告活動)。
「最初互動」(First Interaction)
功勞歸屬模式會將 100% 的銷售功勞歸給最初接觸點 — 這裡是指「AdWords 廣告」管道 (在上述例子是AdWords 廣告)。
「線性」(Linear)
功勞歸屬模式會將促成銷售的功勞平分給轉換路徑中的每個接觸點 (這裡是指「AdWords 廣告」、「Social Media」、「電子郵件」和「直接」這4個管道，每個管道各佔 25%。)
「時間衰減」(Time Decay)
功能歸屬模式會將大部分的功勞歸給距離達成銷售或轉換時間最近的接觸點。在這個銷售範例中，「直接」和「電子郵件」管道會分到最大的功勞，因為客戶在轉換前幾個小時內與這兩個接觸點有互動；「Social Media」管道分到的功勞會比「直接」或「電子郵件」管道來得少。而由於「AdWords 廣告」互動發生在一週前，因此這個管道的功勞就少很多。
上述5種功勞歸屬模式，各有長短，須視乎網站性質、情況而用，而筆者最常用亦覺得最有用的是「時間衰減」(Time Decay)。
圖片來源：http://www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models/
更多有關Frank Frank的Blog： http://frankwong.info
Peter在Google Analytic分析每種宣傳渠道的轉換率，發覺大部分完成購物的客戶均透過搜尋器的自然搜尋結果點擊進入網站，為了優化宣傳渠道組合，Peter立即降低Facebook專頁、網上付款廣告及電子郵件廣告活動的投入資金，並提高搜尋器優化(SEO)的預算。
一個月後，Peter再在Google Analytic分析，發現網站的生意額嚴重下跌！明明Google Analytic顯示搜尋器優化(SEO) 的轉換率最高，在提高預算後竟不升反跌，究竟，網站推廣出了什麼問題？
以上只是一個虛構的例子，卻在現實中經常發生。
在上述例子中，Peter忽略了其他推廣渠道的貢獻。試想想，顧客可能是因為收到Peter的電子郵件、或在網上看到Peter的Banner Ads，才認識Peter的網上商店。顧客可能第一次透過Banner Ads進入網站並留下深刻印象，之後便記下網站名字，下次有需要時便在搜尋器搜尋網站名字，再進入網站購買。
如果沒有第一次的接觸 (即Banner Ads)，就不會有第二次的接觸和轉換 (即搜尋器的自然搜尋結果)。Peter在分析每種宣傳渠道的轉換率時，都直接將所有帶來轉換功勞歸功於最後一次的接觸 (即搜尋器的自然搜尋結果)，而忽略了較早前的接觸 (如Social Media、Banner Ads等)。因預計減少，第一次接觸次數減少，往後的接觸一定隨之減少，網站的轉換率自然少之有少。
要解決這個問題，Google Analytic有一個名為「功勞歸屬模式 (Attribution Modeling)」的Tool。
Attribution Modeling是一項或一組規則，可用來判定轉換路徑中的各個接觸點對達成銷售和轉換分別有多少功勞。就以上例子來說，「最終互動」(Last Interaction) 功勞歸屬模式會將 100% 的功勞歸給達成銷售或轉換前的最後一個接觸點 (即搜尋器的自然搜尋結果)。
除了「最終互動」功勞歸屬模式外，還有其餘4種比較常用的功勞歸屬模式。為了方便讀者了解，筆者會以Google的官方例子解釋：
「假設某個客戶透過 AdWords 廣告點進您的網站。一週過後，她又從社交網路點進您的網站。當天，她又透過您某個電子郵件廣告活動第三次來到網站，並在幾個小時後直接回訪並完成購物。」
「最終非直接點擊」(Last Non-Direct Click)
功勞歸屬模式會忽略所有直接造訪，並將 100% 的銷售功勞歸給客戶在轉換前，透過點擊連至您的網站時所經過的最後一個管道 (在上述例子是電子郵件廣告活動)。
「最初互動」(First Interaction)
功勞歸屬模式會將 100% 的銷售功勞歸給最初接觸點 — 這裡是指「AdWords 廣告」管道 (在上述例子是AdWords 廣告)。
「線性」(Linear)
功勞歸屬模式會將促成銷售的功勞平分給轉換路徑中的每個接觸點 (這裡是指「AdWords 廣告」、「Social Media」、「電子郵件」和「直接」這4個管道，每個管道各佔 25%。)
「時間衰減」(Time Decay)
功能歸屬模式會將大部分的功勞歸給距離達成銷售或轉換時間最近的接觸點。在這個銷售範例中，「直接」和「電子郵件」管道會分到最大的功勞，因為客戶在轉換前幾個小時內與這兩個接觸點有互動；「Social Media」管道分到的功勞會比「直接」或「電子郵件」管道來得少。而由於「AdWords 廣告」互動發生在一週前，因此這個管道的功勞就少很多。
上述5種功勞歸屬模式，各有長短，須視乎網站性質、情況而用，而筆者最常用亦覺得最有用的是「時間衰減」(Time Decay)。
圖片來源：http://www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models/
更多有關Frank Frank的Blog： http://frankwong.info
請按此登錄後留言。未成為會員? 立即註冊