Phương pháp Phân bổ theo hướng dữ liệu có 2 phần chính: (1) phân tích tất cả dữ liệu đường dẫn có sẵn của bạn để phát triển mô hình khả năng chuyển đổi tùy chỉnh và (2) áp dụng cho dữ liệu xác suất đặt thuật toán phức tạp sẽ chỉ định một phần tín dụng chuyển đổi cho điểm tiếp xúc tiếp thị của bạn.

Phát triển mô hình khả năng chuyển đổi từ tất cả dữ liệu đường dẫn có sẵn

Phân bổ theo hướng dữ liệu sử dụng tất cả dữ liệu đường dẫn có sẵn—bao gồm dữ liệu từ cả người dùng chuyển đổi và người dùng không chuyển đổi—để hiểu sự hiện diện của điểm tiếp xúc tiếp thị cụ thể tác động đến khả năng chuyển đổi của người dùng như thế nào. Mô hình khả năng tạo thành cho biết khả năng người dùng chuyển đổi ở bất kỳ điểm cụ thể nào trong đường dẫn, dựa trên chuỗi sự kiện cụ thể.

Chỉ định tín dụng chuyển đổi dựa trên thuật toán cho các điểm tiếp xúc tiếp thị

Sau đó, Phân bổ theo hướng dữ liệu áp dụng cho dữ liệu xác suất này đặt thuật toán dựa trên ý tưởng từ lý thuyết trò chơi hợp tác được gọi là Giá trị Shapley. Giá trị Shapley được phát triển bởi Lloyd S. Shapley, người được nhận giải thưởng Nobel kinh tế, giá trị này là một phương pháp tiếp cận nhằm phân phối công bằng kết quả của nhóm cho các phần tử của nhóm hợp thành.

Trong trường hợp Phân bổ theo hướng dữ liệu, “nhóm” đang được phân tích có các điểm tiếp xúc tiếp thị (ví dụ: Tìm kiếm không phải trả tiền, Hiển thị và Email) đóng vai trò là “phần tử của nhóm” và “kết quả” của nhóm là chuyển đổi. Thuật toán Phân bổ theo hướng dữ liệu tính toán gia lượng phản thực của mỗi điểm tiếp xúc tiếp thị—nghĩa là, thuật toán này so sánh khả năng chuyển đổi của người dùng tương tự đã tiếp xúc những điểm tiếp xúc này với khả năng khi một trong các điểm tiếp xúc không xảy ra trong đường dẫn.

Việc tính toán tín dụng chuyển đổi thực tế cho mỗi điểm tiếp xúc tùy thuộc vào việc so sánh mọi trường hợp hoán vị của các điểm tiếp xúc và chuẩn hóa các điểm tiếp xúc đó. Điều này có nghĩa là thuật toán Phân bổ theo hướng dữ liệu tính đến thứ tự mà mỗi điểm tiếp xúc xảy ra và chỉ định tín dụng khác nhau cho các vị trí đường dẫn khác nhau. Ví dụ: Hiển thị trước Tìm kiếm có trả tiền được đặt mô hình riêng biệt so với Tìm kiếm có trả tiền trước Hiển thị.

Ví dụ:

Trong ví dụ cấp cao sau, kết hợp Tìm kiếm không phải trả tiền, Hiển thị và Email dẫn đến 3% khả năng chuyển đổi. Khi xóa Hiển thị, khả năng giảm xuống 2%. Quan sát thấy tăng 50% khi có Hiển thị đóng vai trò là cơ sở cho phân bổ.

Khám phá Mô hình theo hướng dữ liệu và phân tích phép tất suy ROI của mô hình đó.

Bạn có thể sử dụng báo cáo Trình khám phá mô hình để khám phá trọng số cụ thể mà mô hình Theo hướng dữ liệu đặt dựa trên kênh và vị trí. (Để có được phân tích chi tiết hơn, bạn có thể tải xuống mô hình dưới dạng tệp CSV). Sử dụng Công cụ so sánh mô hình để so sánh mô hình và xác định các cơ hội tối ưu hóa. Báo cáo Phân tích ROI cho phép bạn hiểu phép tất suy ROI của mô hình Theo hướng dữ liệu.

* Nguồn: Google Analytics