數位行銷中歸因方式的改變

多年來，我們一直依賴最後一次點擊歸因（last-click attribution）等模型來告訴我們客戶的來源，但現在情況正在發生變化。隨著隱私權法規不斷增加，以及 Google 的 Data-Driven Attribution (DDA) 等智慧型機器學習模型的興起，行銷人員正在重新思考如何分配轉換的功勞。讓我們深入探討這些變化如何影響我們瞭解客戶旅程的方式，以及這對於今天像我們這樣的行銷人員意味著什麼。

隱私權範式的轉變

我們都聽過 GDPR 和 CCPA 等法規，以及更廣泛的保護使用者隱私運動。當談到資料收集的改變時，這些法律架構只是拼圖中的一塊。在技術層面，第三方 Cookie - 數位追蹤的長期基石 - 正迅速失去效用。Safari 和 Firefox 等瀏覽器已經封鎖它們。除了這些轉變之外，使用者的行為也發生了變化，越來越多的人使用廣告封鎖程式來控制他們的線上體驗。儘管與法規和技術變革相比，這些使用者驅動的行為可能影響較小，但它們仍是重塑數位行銷和分析的大趨勢的一部分，也顯示越來越多的使用者不願意被追蹤，也不信任將資料交給他們的公司。這表示，讓使用者有辦法拒絕被追蹤、讓他們知道他們的資料會被安全、負責任地處理，以及讓他們從我們的行銷團隊收集他們的資料中獲得好處，對他們的線上體驗非常重要。

那麼，這對於歸屬感意味著什麼呢？簡單來說，就是讓事情變得更複雜了。行銷人員無法再單純依賴 cookies 來追蹤網路上的使用者，這迫使我們重新思考如何追蹤和歸因轉換。第一方資料現在才是王道。

五十五歲的我們，在與歐洲電子商務品牌合作、面對後 GDPR 挑戰的過程中，對這些變化有著前瞻性的觀察。很明顯，堅持使用過去的歸因方法可能會讓您的行銷策略出現盲點。行銷人員現在需要採取更深思熟慮的方法，讓法律團隊及早參與新計劃，並整合隱私第一的解決方案，例如同意模式 (Consent Mode) 和 CMP（同意管理平台）。

我們也看到了歸因方式的轉變。協力廠商 Cookie 曾經支援各種行銷活動的大規模歸因，而現在的團隊正在將方法多元化。歸因分析現在更著重於即時、日常的行銷活動分析，而較長期的洞察力則日益受到行銷組合建模 (MMM) 和一般機器學習等工具的驅動。洞察最佳策略（從受眾定位到創意優化）變得更加複雜。行銷人員正越來越多地使用地理測試 (geo-tests) 等實驗，這些實驗並不依賴第三方 cookies。為了保持競爭力，行銷人員必須適應新的流程和工具。

Google 的資料驅動歸屬與最後點擊歸屬：有何差異？

如果您正在使用 Google Analytics 4 (GA4)，您很可能已經聽說過 Google 的全新 Data-Driven Attribution (DDA) 模型。這標誌著從最後一次點擊歸因的重大轉變，提供了一個更細微的方法來了解不同的接觸點如何促成轉換。DDA 考慮到整個使用者旅程，而不只是最終的互動，讓行銷人員更清楚地瞭解他們的行銷活動在多種通路上的真正表現。

讓我為您描繪一幅圖畫：假設一個使用者看到您品牌的展示廣告，之後有機地搜尋該品牌，最後在點擊付費搜尋廣告後轉換為您的品牌。如果採用最後一次點擊歸因，只有最後的互動 - 付費搜尋廣告 - 才會獲得轉換的功勞。但我們都知道之前的接觸點也發揮了作用，不是嗎？這就是 DDA 的優勢所在。

DDA (Data-Driven Attribution) 使用機器學習來評估客戶旅程中每個接觸點的影響，不僅對最後一次接觸給予貢獻，還根據每個渠道的貢獻來分配貢獻。這種整體性的方法可以讓您更了解您的行銷工作如何共同推動轉換。然而，GA4 中真正的空白填補者是同意模式（Consent Mode）。當使用者選擇退出追蹤時，同意模式會介入以估計或模擬遺失的資料，建立更完整的資料集。DDA 然後使用此同意模式建模的資料來準確歸屬轉換信用，即使使用者資料因隱私選擇而受到限制。

根據我的經驗，DDA 模式大大改變了我們衡量多渠道活動成功與否的方式。透過採用 DDA，我們的客戶可以更清楚地瞭解他們以知名度為導向的活動（例如電子郵件和付費活動）對轉換率的真正貢獻。最後一次點選的模式通常會讓這些廣告活動得不到應有的評價，但 DDA 卻能填補這些不足，揭示出原本不會被注意到的洞察力。

然而，承認 GA4 中 DDA 的限制也很重要。目前，DDA 只能使用精選的幾個維度和指標，這可能會限制您分析的粒度。此外，DDA 的複雜性意味著 Google 必須處理更多的資料點，並透過機器學習模型執行。這種增加的複雜性有時會導致資料處理時間變慢，GA4 資料需要好幾天才能完全可用。雖然 DDA 可提供更豐富的使用者互動檢視，但在決定如何在分析中利用歸因分析時，這些速度與彈性的取捨是需要考慮的因素。

GA4 以外：您應該了解的其他歸因模型

雖然 GA4 的 DDA 模型提供了寶貴的洞察力，但它並不是市場營銷人員可用的唯一歸因工具。根據您的業務需求，其他幾個平台提供了強大的模型來幫助您更好地瞭解您的行銷影響：

• Adobe Analytics： Adobe Analytics擁有廣泛的歸因模型，包括基於規則的選項，如首次點擊、線性和時間衰減，以及演算法模型。這種靈活性可讓行銷人員調整歸因方法，以符合其獨特的業務需求。
• Salesforce 行銷雲： Salesforce Marketing Cloud提供多觸點歸因模型，可協助行銷人員追蹤並瞭解客戶旅程中每次互動的影響。此平台強調可自訂的歸因模型 (例如：首次接觸、最後接觸和基於位置的歸因模型)，讓行銷人員可根據獨特的銷售和行銷流程量身打造其方法。它對於擁有複雜客戶旅程的組織尤其有價值，例如 B2B 公司，它們需要更量身訂做的歸因方法。
• Amazon Ads Attribution： Amazon Ads Attribution可讓行銷人員衡量他們在 Amazon 和非 Amazon 溝通渠道上的廣告如何影響 Amazon 上的購物活動和轉換。它可讓廣告商深入瞭解客戶在不同接觸點的互動情況，有助於廣告支出的決策。亞馬遜的歸因功能提供多種基於規則的模型，例如最後一次接觸歸因，但主要著重於提供客戶從認知到轉換的整個過程的可視性。
• Meta (前身為 Facebook)： Meta 的歸因工具可協助廣告商衡量其廣告在 Facebook、Instagram 以及 Meta 生態系統內其他實體的影響。該平台提供多種歸因模型，包括最後接觸、首次接觸和自訂模型，讓行銷人員可根據特定商業目標量身定制歸因策略。Meta 的歸因注重於跨設備和跨平台測量，幫助企業瞭解其廣告如何在整個客戶旅程中推動轉換。

這些工具各有優點，關鍵在於選擇最符合您的行銷目標和可用資料的工具。瞭解這些模式將有助於您做出更明智的決策，決定將行銷預算投放於何處，以達到最大的效果。

結論

歸因一直以來都是不可或缺的，但現在需要更周到的方法來選擇正確的歸因模型。隨著隱私權法規的不斷發展和新工具的出現，營銷人員需要保持領先。從最後一次點擊歸因轉向更先進的模型，例如 Google 的 DDA，是朝正確方向邁出的一步，但這並不是一個放之四海而皆准的解決方案。了解您的客戶旅程，並根據您的需求選擇正確的歸因模型，將有助於您做出更聰明的決策、優化您的支出，並最終推動更好的結果。

是時候仔細檢視您目前的歸因策略了。您準備好迎接數位行銷的未來了嗎？