Recently, 你可能已经收到了谷歌的邮件，通知你从2023年5月开始, several attribution models, including First Click, Linear, Time Decay, and Position-Based, will be retired. But don’t worry; this change brings exciting opportunities for better data analysis and decision-making.
Why Are These Attribution Models Going Away?
这种变化背后的主要原因是基于规则的归因模型的使用显著下降. With the introduction of Data-Driven Attribution 目前，谷歌广告中只有不到3%的转化行为使用了这些模式. DDA已成为默认选择，因为它的广泛采用和所有企业的可访问性, regardless of their data requirements.
DDA已经存在了三年，并被大多数人广泛接受 our clients here at Door4. 它提供了一个更全面的客户旅程视图, 使其成为现代营销人员的宝贵工具.
Understanding Data-Driven Attribution
以下是数据驱动归因的一些关键原则和组成部分:
- Data Collection成功实施DDA首先要收集有关用户交互和转换的详细数据. 这些数据可以来自各种来源，如网络分析、广告平台和CRM系统.
- Multi-Touch AttributionDDA认识到客户旅程是复杂的, 涉及跨各种渠道的多个接触点. 它超越了简单的单触归因模型，提供了更全面的客户体验视图.
- Algorithmic Modelling: DDA利用先进的算法和机器学习模型来分析数据，并根据其对转换的真实影响为每个接触点分配信用. 它考虑了接触点的顺序和交互之间的时间滞后等因素.
- Weighted Credit: Instead of treating all touchpoints equally, DDA根据每个接触点的贡献为其分配不同的权重. 对转换产生更大影响的接触点会获得更大的信用份额.
- Customisation可以定制DDA模型，以与特定的业务目标和目的保持一致, 允许你强调对你的营销策略至关重要的某些接触点或渠道.
- Continuous Optimisation: DDA is an ongoing process. 随着新数据的可用性和客户行为的演变, 归因模型可以被重新训练和优化，以准确地反映变化的景观.
- Actionable Insights来自DDA的见解使营销人员能够做出明智的预算分配决策, campaign optimisation, and channel selection. 它提供了一个细粒度的视图，说明哪些营销努力推动了结果.
总之，数据驱动归因是一种数据驱动的方法，可以准确地表示 customer journey 以及如何将信用分配给不同的接触点. 它使您能够根据数据做出更明智的决策, 这就是为什么不再需要旧的归因模型.
What Should You Use Now?
如果你想知道在这些变化之后应该使用什么归因模型，答案很清楚. 当引入数据驱动归因时，它很快成为首选. 然而，对于数据集有限的帐户，我们通常推荐最后点击归因.
但请记住，最后点击归因也有其局限性:
- It ignores the entire customer journey.
- 它经常歪曲各种营销渠道的影响.
- 它高估了后期的接触点，低估了早期的接触点.
- It doesn’t account for cross-channel impact.
- 它提供了有限的客户行为洞察.
- 它可能导致资源配置效率低下.
- It makes campaign optimisation challenging.
In contrast, 数据驱动归因为你的营销表现提供了一个更全面、更准确的视角. 这是数据驱动决策的前进方向.
总之，只要有可能，就接受数据驱动归因. If you’re constrained by a limited dataset, 当数据成熟时，暂时使用最后点击归因转换为DDA. 这种转变为你的业务带来了更精确的见解和改进的营销策略.
如果你有任何问题或需要帮助，请不要犹豫 reach out to our team at Door4. 我们是来帮你度过这个过渡期的, optimise your strategies, and achieve exceptional results.
立即全球最大的博彩平台，踏上数据驱动的营销成功之旅!
