數據歸因的五大限制

數據歸因在實務應用上,五個值得我們注意的應用限制。

一、不同屬性的 Channel,數據歸因的結果不要直接比較

數據歸因模型有所謂的 First Interaction、Last Interaction…等等,其實這就是隱含著「漏斗」的概念。若我們用 Awareness – Consideration – Action 三步驟的用戶漏斗來看待數據歸因。First Interaction 就是可以幫助我們找出都是誰創造了有效的 Awareness;而 Last Interaction 可以協助我們找出可以促使用戶行動的媒體是什麼;線性歸因可能可以幫助我們找出 Consideration 時期的用戶,會去哪些媒體。

但在數據歸因的報表上,你選定了歸因模型後,會直接出來一個數字,計算出 Channel 的貢獻值,不過既然這是漏斗,我們就要很小心,我們不必把負責 Awareness 和負責 Action 的 Channel 做比較數字上的比較,這樣意義不大,因為其負責的任務是不太一樣的。

像是部落客開箱文,常常都不會是 Action 的角色,通常都是 Awareness 或 Consideration 的角色,那我們就沒必要拿它和專注轉單的 Retargeting 廣告做比較,那是沒意義的。有意義的應該是,比較不同部落客之間,歸因到轉單的數字,這樣的比較,就有意義,讓我們知道,哪一個部落客對轉單更有貢獻。

二、數據歸因有時間限制

數據歸因並不是永久的,去年某個用戶點過廣告,今年他下訂單了,隔了一年,雖然我們可能說用戶因為對品牌有印象,今年才會下單的。但是在數據歸因上,我們是不會認為去年的廣告是有貢獻的。

Facebook 廣告系統,可以幫你歸因 7 天內的廣告,也就是說他上個月點了 Facebook 廣告,而這個月下單, Facebook 的廣告歸因,不會認為是 Facebook 廣告的功勞。而 Google Analytics 可以幫你追到 90 天內發生的接觸點,所以上個月用戶點了關鍵字廣告,這個月轉單了,這樣的歸建字廣告的功勞,在 Google Analytics 上就會被記上一筆。

因為數據歸因有這樣的時間回朔限制,所以我們面對考慮時間較長的物品,諸如:房子、車子,我們優化的目標通常就不會是「銷售」,而是「帶看房子」或「試駕」,因為房子、車子這種類型的商品,光考慮期搞不好就超過一年,若我們的目標是要透過廣告導購買,數據歸因完全發揮不了作用,沒辦法幫我們評估各種媒體或廣告曝光的成效。

三、跨平台的數據歸因,不能相互加總

你也許會懷疑,Facebook 的報表上寫「七天內創造了 10 個訂單轉換」,而 Google 廣告平台報表寫「七天內創造了 10個訂單轉換」,但問題是七天內我總共只有15張訂單啊,然後 Google Analytics 報表中,Facebook 帶來的轉換,不論用哪一種歸因,都不到 10個,這樣搞的我好亂,是數據有錯,還是哪一個平台灌水說謊呢?

其實並不是任何一個平台灌水或說謊,純粹是因為 Google 的廣告平台,不會去管用戶有沒有點 Facebook 的廣告,反之亦然,Facebook 也不會管用戶有沒有點過 Google 的廣告。所以兩者的數據歸因加總起來,超過你所有的訂單數,是很正常的,這就只是單純因為一個用戶下訂單前,點過 Facebook 廣告也點過 Google 廣告,所以各自被算一次而已。

若我們再看細一點,你會發現 Facebook 和 Google 歸因計算方法也很有關係。Google 預設使用最終非直接點擊模型,所以點擊了廣告,才算數。而 Facebook 的歸因模式,其中一種是「七天內點擊或24小時內瀏覽」,那用戶即便只有看了廣告,沒點擊也沒關係,只要用戶在 24小時內購買了產品,Facebook 一樣還是會把功勞算給這個廣告。

所以有一些廣告投手,為了讓 Facebook 廣告的起跑點和 Google 一樣,就會把 Facebook 的廣告歸因,設定成「七天內點擊」,而24小時內瀏覽就不做歸因計算。

四、基於 Cookie 的流量分析工具,讓數據歸因失準

你家有一台電腦,你用你爸媽也用,從 Cookie 觀點,會認為他是同一個人。再舉一個例子,你在家用電腦上網,出外用手機上網,從 Cookie 觀點認為他是兩個人。一個比較有趣的是,你在手機在 Facebook 中點開一個網址,然後你自己打開手機中的瀏覽器,輸入一樣的網址,從 Cookie 觀點來看,這一樣是兩個人,原因是就是 Facebook in-APP 的瀏覽器,和手機的瀏覽器,你要視做兩個不同瀏覽器。

因為現在用戶都是多裝置使用者,用戶會在手機上看到廣告、點擊了廣告,但是最後在桌機搜尋品牌名字後,連到官網後下單,這對 Google analytics 來說,因為技術的限制,它可能會認為手機和桌機是不同的用戶,所以點廣告和下訂單,這兩個動作就沒辦法歸戶到同一個人的行為下。

這會讓數據歸因失準,當你看到許多用戶都是第一次來網站,然後就下單了,你心中要對這個數字有一點懷疑或打一點折,可能是因為我們剛剛講的原因,有一部分的用戶是用手機查資料,然後開桌機下單。

五、對隱私權的重視,讓數據歸因越來越難

近期歐美市場颳起一陣對隱私權的重視,包含 GDPR(General Data Protection Regulation)、各大瀏覽器宣布即將要取消第三方 Cookie、還有 APPLE 的 ATT (App Tracking Transparency)框架,都讓以前唾手可得的用戶資料、行為資料,都不再這麼容易獲得了。

這樣數據歸因越來越難做,無法做正確歸因的狀況越來越多,這也連帶帶動品牌越來越重視會員經營,因為用戶只要登入帳號,因為有著清楚的帳號資料,所以不管你是跨平台還是因為第三方 Cookie 或 APPLE 的 ATT 框架,你都還是可以取得用戶的資料,做正確的歸因。

在會員資料之外的,也有許多人在發展 Digital Fingerprinting 的技術,讓我們透過 IP Address、行為 Pattern 等等,幫我們在遵守隱私政策下,又可以提高正確歸因的比例。

不過即便如此,100%正確的數據歸因,是不切實際的期待。

--
我的線上課:數據化營運產品增長,都上線囉,歡迎大家報名

關於作者:Mr.PM 下午先生