EN

CLOUDAD / PERSPECTIVES

DDA 數據驅動歸因模式

·廣告策略 / 必學策略
DDA 數據驅動歸因模式

內容摘要

2022年開始， Google Ads 預設的歸因模式即將從「最終互動」改為「數據驅動歸因模式 (DDA) 」。本文將介紹什麼是DDA?以及為甚麼要使用DDA?並提供2項DDA秘訣:使用智慧型出價並調整價值與調整全渠道預算的搭配，讓各位品牌主們能加速廣告成效的推進。

KEY POINTS

本文重點

  • 2022 年起，Google Ads 預設歸因模式從「最終互動」改為數據驅動歸因（DDA），並取消 30 天內 300 次轉換、3,000 次廣告互動的門檻。
  • DDA 用機器學習比較轉換與未轉換的路徑，依各接觸點的實際貢獻分配轉換功勞。
  • 只改歸因模式，改變的只是報表數字；要搭配智慧型出價，並依各渠道貢獻調整預算，才會影響成效。

本文寫於 2022 年。數據導向歸因現已是 Google Ads 多數轉換動作的預設模式，首次點擊、線性、時間衰減與根據排名等規則式模式也已停用，目前只剩最終點擊與數據導向兩種歸因模式。

文章目錄

  1. 什麼是數據驅動歸因模式？
  2. 為什麼要使用DDA?
  3. 2項秘訣搭配，加速成效推進

 

轉換歸因新常態，數據驅動讓潛在價值發光

Google 預設的歸因模式，使多數廣告主習慣將所有功勞計算於「最終點擊」上。但這樣的歸因模型時常忽略了其他媒體在過程中所帶來的流量及貢獻。為達到更有效的媒體預算配置，行銷人員必須更全面判斷每一個接觸點的價值。此時應該運用哪一種歸因模式才能滿足這樣的要求呢？


2022 年 Q2 (時間尚未確定) 開始， Google Ads 預設的歸因模式即將從「最終互動」改為「數據驅動歸因模式 (DDA) 」，新設定的轉換動作將預設為數據驅動歸因模式(DDA)。而已存在的轉換動作，Google 也將移除過往所需的數據門檻，廣告帳戶不再需要於 30 天內累積 300 次轉換和 3,000 次廣告互動，也能採用 DDA！

 

什麼是數據驅動歸因模式（Data-Driven Attribution, DDA)？
數據驅動歸因模式（以下簡稱DDA），利用機器學習演算法比較與計算轉換或未轉換路徑中各接觸點的表現，並將轉換時間、裝置類型、廣告互動次數、廣告曝光順序和廣告素材資源的類型等要素納入考量，藉此判斷哪些接觸點最有可能帶來轉換，進而將轉換功勞分配給各行銷接觸點。

 

為什麼要使用DDA?

過往 Google Ads 歸因工具僅適用於搜尋聯播網及購物廣告，其餘廣告形式功能將歸於最終點擊。隨著近期 Google Ads 的改版升級，YouTube 與 GDN（多媒體聯播網）也一併納入計算範圍中，使行銷人使用 DDA 時能更全面檢視各渠道的轉換貢獻，在行銷溝通佈局上有更多數據佐證，有利釐清媒體角色定位和分配預算，以全漏斗視角評量廣告成量，納入更多潛在商機。


舉例，行銷人員使用「最終互動」為歸因模式下，無論消費者經歷了多少個廣告才完成轉換，100% 的轉換價值都會歸功於最後的互動管道。但若今天設定以 DDA 為歸因模式，系統會自動依據每個轉換事件的資料來計算每次點擊互動的實際功勞，還原消費者歷程中各接觸點的價值。

 

2項秘訣搭配，加速成效推進（示意圖）

2項秘訣搭配，加速成效推進

單純使用 DDA 僅會有報表轉換數據上的變化，對於廣告成效並不會有任何幫助。必須同時搭配智慧型出價，並依據成效表現調整媒體預算配置，才能有效發揮 DDA 得價值！

 

1.使用智慧型出價並調整價值

根據 DDA 模式下還原的成效價值，作為智慧型廣告出價的基礎，協助機器有效學習，提升廣告成本控制力道與營收價值。 另外在觀察成效時，建議排除近幾週內（或根據消費者溝通歷程耗時設定時間）的資料，以免受到點擊與轉換之間的轉換時間差影響，導致出價不夠精確而影響廣告成效。

2.調整全渠道預算 透過 DDA 的轉換貢獻還原，能廣告主理解不同媒體管道對實際成效的助力。透過各媒體管道的成效比較，為預算分配打底，讓廣告主全漏斗佈局更加全面。

 

數據驅動歸因形式高度仰賴數據的輔助，更為大勢所趨。善加運用 DDA，了解哪些廣告對引導轉換更有功勞。加上智慧型出價與全渠道預算分配策略，達到更有效率的行銷活動安排，刺激整體轉換表現。若想了解更多行銷策略與廣告優化服務，歡迎聯繫我們！

 

    姓名 Name* 電子郵件 Email* 公司名稱 Company Name* 想解決的問題 What would you like to solve?* 聯絡電話 Phone（選填 optional） 網站網址 Website（選填 optional） 想了解的服務（選填，可複選）Services you are interested in (optional) 怎麼知道我們（選填）How did you hear about us (optional)

    延伸閱讀

    KEEP READING

    接著讀，讓理解繼續累積

    THERE IS MORE TO DISCOVER

    接著看看・數據分析服務

    這個問題，也在你的工作裡嗎？

    繼續逛・COO 專欄

    換個視角，會看見什麼？