Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Google Confidential and Proprietary Az online vásárlási folyamat jobb megértése attribúciós modellezéssel 2014. nov. 6. Erdős Ádám Account Strategist,

Hasonló előadás


Az előadások a következő témára: "Google Confidential and Proprietary Az online vásárlási folyamat jobb megértése attribúciós modellezéssel 2014. nov. 6. Erdős Ádám Account Strategist,"— Előadás másolata:

1 Google Confidential and Proprietary Az online vásárlási folyamat jobb megértése attribúciós modellezéssel nov. 6. Erdős Ádám Account Strategist, SEEMEA, Hungary

2 Google Confidential and Proprietary Mi az Attribúció és miért fontos?

3 Google Confidential and Proprietary Mi az Attribúció? A konverzió értékének elosztása a hozzá vezető interakciók között. DisplayPaid Search Konverzió

4 Google Confidential and Proprietary Mi a kihívás? A különböző csatornák hatásának számszerűsítése Paid Search Videó Display Eladás

5 Google Confidential and Proprietary Probléma: silókban gondolkod(t)unk Külön kezelt csatornák, egyesével optimalizálva. Offline és online szintén elkülönül.

6 Google Confidential and Proprietary Átlagos megrendelési érték = 10,000 Ft Haszon = 20% Maximum CPA = 2,000 Ft Minden csatorna Ft CPA-ig mehet. Minden mást levágunk, mert nem profitábilis. Stratégia A képlet egyszerű

7 Google Confidential and Proprietary Hány játékos felelős a sikerért?

8 Google Confidential and Proprietary

9 Haladunk a korral Forrás: https://www.thinkwithgoogle.com/tools/customer-journey-to-online-purchase.html Kezdjük érteni az egyes csatornák szerepét a vásárlási folyamatban.

10 Google Confidential and Proprietary Az összes értéket az utolsó kattintásnak adja. Figyelmen kívül hagyja az összes korábbi érintési pontot. Az upper funnel marketinget teljesen alulértékeli. A konverziós értéket valamilyen egyszerű szabály alapján szétosztja az érintési pontok között. Pl.: első kattintás, lineáris, időkésleltetés, u-alakú. Feltételezéseken alapul. Egyénileg kiszámolt súlyozás alapján osztjuk szét az értéket. Az „üzleti sejtések” részletes reprezentációja. Továbbra is feltételezéseken alapul. NEM előregyártott szabályokon vagy sejtéseken alapul. A hirdető saját adataiból tanul. A súlyozást aszerint végzi el, hogy az adott érintési pont hogyan befolyásolja a konverzió valószínűségét. Utolsó kattintás Egyszerű súlyozás Egyedi súlyozás Data Driven Haladunk a számszerűsítéssel

11 Google Confidential and Proprietary

12 Legfőbb előnyök * A játékelméletből származó Shapely–értéken alapuló algoritmus : **Jelenleg a konverzió előtti maximum 4 érintési pontot vesszük figyelembe. Jobb becslőmodell A Data Driven mögött álló algoritmus az ‘Utolsó kattintás’ modellnél sokkal pontosabban jósolja meg a várható konverziós kimeneteleket. Konvertáló és nem konvertáló útvonalak adatai A csatornához rendelt érték annak összes megjelenését** tükrözi, legyen szó konvertáló vagy nem konvertáló útvonalakról. Praktikus ROI-riport Költés > Vásárlói magatartás > Konverziók > Konverziós értékek > ROI

13 Google Confidential and Proprietary Példa: Data Driven Attribution számolás Google Analytics Premium Példa Konvertáló és nem konvertáló útvonalak adatai A lenti útvonalak egy egyedi felhasználónak felelnek meg. Az attribúció az alapján történik, hogy az adott marketing érintési pont jelenléte vagy hiánya hogyan befolyásolja a konverzió valúszínűségét. Organic search Konverziós esemény (GA Célok, eCommerce) Nem történik konverzió Útvonal-adatok: DisplayReferral

14 Google Confidential and Proprietary Példa 1. lépés: útvonal-struktúrák csoportosítása. ORGANIC SEARCH DISPLAY REFERRAL 1. csoport2. csoport3.csoport Példa: Data Driven Attribution számolás Google Analytics Premium

15 Google Confidential and Proprietary ¼ = 0.25⅓ = 0.33 Példa: Data Driven Attribution számolás Google Analytics Premium Példa 2. lépés: konverziós valószínűségek kiszámítása. 1. csoport2. csoport3. csoport ⅖ = 0.4 ORGANIC SEARCH DISPLAY REFERRAL

16 Google Confidential and Proprietary A Display jelenléte második érintési pontként 0.07-tel növeli a konverzió valószínűségét. Példa: Data Driven Attribution számolás Google Analytics Premium Példa 3. lépés: az útvonalban elfoglalt hely és a csatorna típusa „Mi lett volna, ha...” típusú tesztelése. Organic searchDisplayReferral 0.40 konverziós valószínúség Organic searchReferral 0.33 konverziós valószínűség Csoport Displayel: Csoport Display nélkül:

17 Google Confidential and Proprietary Példa: Data Driven Attribution számolás Google Analytics Premium PÉLDA 4. lépés: az attribúciós súlyok kiszámolása. Organic searchDisplayReferral 47%22%31% A valószínűségnövekedési értékek összege: 100% = 0.32 Attribúciós súly az adott csatornára: 0.1 / 0.32 = 31%

18 Google Confidential and Proprietary Példa: Data Driven Attribution számolás Google Analytics Premium Példa 5. lépés: Az attributált konverziók kiszámolása a csatorna-áttekintő riportban.. Organic search Display Referral Utolsó interakció Első interakcióLineárisData Driven *31% = *22% = *47% = 1.88 Összes konverzió: 4

19 Google Confidential and Proprietary A vezetői döntéshozatal támogatása A legrelevánsabb konverziós mérőszám kiválasztása Az összes megadott Analytics Tranzakció és konverziós cél elemezhető. A különböző modellek összehasonlítása A Modellösszehasonlító eszköz segítségével konverziós adataink egymás mellett elemezhetők az ‘Utolsó kattintás’ és az általunk választott új modell(ek) alapján. Azon érintési pontok azonosítása, ahol a legnagyobb a változás A CPA-ban beállt változás alapján érdemes csoportosítani. A konverziós szám vagy érték alapján szűrve pedig azon kampányokat azonosíthatjuk,amelyeket a leginkább érintene egy modellváltás. Büdzsé és erőforrások újraosztása a magasabb cross-channel ROI elérésére Data Driven modell használata (Permium Analytics) Változások elemzése és további optimalizálás a Model Explorer és az ROI Analysis riportokkal (Premium Analytics).

20 Google Confidential and Proprietary Köszönöm a figyelmet!


Letölteni ppt "Google Confidential and Proprietary Az online vásárlási folyamat jobb megértése attribúciós modellezéssel 2014. nov. 6. Erdős Ádám Account Strategist,"

Hasonló előadás


Google Hirdetések