如果衡量是照亮和揭示數位投資績效的燈塔，那麼歸因可以幫 歸因的呈現 助我們做到公正，並給予每個管道、平台或活動應有的重視。
在轉換的過程中，使用者在最終確定轉換路徑之前會與不同的管道互動。同樣，在 Google Ads 中，在廣告活動結構中，同一用戶點擊不同廣告活動中的不同廣告或與之互動是很常見的。確定誰負責分配轉換是歸因模型的工作。我們最近在 VIVA 部落格上討論了它們。轉換，你可以在這裡擴展資訊。
到目前為止，在Google Ads 中，我們提供了不同的歸因模型，廣告客戶需要根據多種因素（例如轉換路徑的長度或品牌廣告系列的權重）來決定哪一種模型對其業務最有意義。
不久前我們開始在某些帳
號中使用資料驅動的歸因模型，自 2021 年 10 月起 泰国电话号码数据 它已經成為 Google Ads 中創建的新轉換的預設歸因模型。但是，希望這樣做的廣告商可以手動切換到任何其他歸因模型。
與其他歸因模型不同，資料驅動模型根據您帳戶的單獨轉換資料計算每次互動的實際貢獻。顧名思義，該模型從使用者的轉換路徑中學習，建立「數據驅動」的歸因模型。
簡而言之，這種歸因的特殊性在於它為每個廣告商建立了一個暫時的歸因模型。
此歸因模型將完成路徑的客戶與未完成路徑的客戶的轉換路徑進行比較，以發現導致轉換的廣告互動模式，並發現流程中的哪些步驟最有可能導致轉換。了解這些資訊後，根據數據，可以將更多權重歸因於那些更「密切」的互動。這一切都是為了最大限度地提高 Google Ads 投資的成果。
資料驅動歸因模型的優點
個人化：這是為您的帳戶量身定制的歸因模型，由您獨特的轉換數據提供支援。因此，它消除了必須決定哪種預定義歸因模型適合您的業務以及我們是否正確的不確定性。
成功：不僅如此，您還要確保使用最適合您業務的歸因模型，這使得演算法更容易做出有關如何分配投資以最大化結果的決策。
更好的歸因，更好的結果：與前一點相關，廣告商使用數據驅動模型的經驗強調，使用此歸因模型，廣告活動結果得到了改善。該演算法擁有更好的數據，因此可以做出更準確的預測。數據驅動模式+自動出價=更好的行銷效果。
數據驅動的歸因模型如何運作
使用資料驅動模型的要求
如今，幾乎任何類型的轉換都可以使用數據驅動 促銷組合指南 掌握促銷組合的藝術：定義、提示與範例 的歸因。事實上，正如我們上面提到的，幾個月來它一直是新轉換的 預設歸因模型
。但是，對於某些類型的轉換操作，30 天內必須 迴聲資料庫 有至少 3,000 次廣告互動和至少 300 次此類轉化，才能使用資料驅動模型。如果一旦滿足這些要求，我們轉向數據驅動並且結果下降（30 天內少於 2,000 次互動或少於 200 次轉換），我們將無法再使用此歸因模型。
如何切換到資料驅動模型
正如您在螢幕截圖中看到的，從這個視圖中我們可以看到帳戶的所有轉換、當前的歸因模型以及他們是否有資格使用資料驅動的歸因模型。事實上，如果是的話，我們可以透過快速點擊即時切換到資料驅動。
更改歸因模型後，請務必考慮幾個方面。因此，如果您在切換到歸因模型時發現帳戶的轉換出現奇怪的變化，請不要驚慌。