Table of Contents
Vào ngày 1 tháng 7 năm 2023, Google Analytics 4 (GA4) sẽ thay thế Universal Analytics.
Sự thay thế này mang đến những thay đổi đáng kể về dữ liệu, các chỉ số (như phiên truy cập), và báo cáo, cùng với việc mở rộng hoặc bổ sung các tính năng (như khả năng xuất dữ liệu sang BigQuery).
Tham gia vào việc mở rộng tính năng này là những thay đổi về phân bổ, bao gồm một loại phân bổ mới mạnh mẽ gọi là Phân bổ dựa trên dữ liệu (Data-Driven Attribution)…
Cũ & Mới: thêm Phân bổ dựa trên dữ liệu vào danh mục mô hình
Để tránh bất kỳ sự hoảng loạn tiềm ẩn nào, chúng tôi muốn lưu ý trước rằng Google sẽ duy trì các tùy chọn mô hình phân bổ trước đây. Ngoài ra, hầu hết các báo cáo (ngoại trừ các báo cáo tùy chỉnh và Bảng tổng quan Quảng cáo) sử dụng một mô hình tương tự như phân bổ nhấp chuột cuối cùng.
Bạn vẫn có thể chọn từ nhóm cũ—nhấp chuột cuối cùng, nhấp chuột đầu tiên, tuyến tính, dựa trên vị trí (còn gọi là hình chữ U), và các mô hình phân rã theo thời gian. Tuy nhiên, bạn cũng có thể đặt Phân bổ dựa trên dữ liệu mới làm mô hình chính của mình.
Phân bổ dựa trên dữ liệu là gì?
Phân bổ dựa trên dữ liệu là một mô hình phân bổ động xem xét các kết hợp nguồn/phương tiện/chiến dịch của người dùng trong hành trình khách hàng của họ và cố gắng xác định những yếu tố nào quan trọng nhất đối với chuyển đổi.
Nó sử dụng một hệ thống trọng số để phân phối tín dụng: các kết hợp quan trọng hơn trong việc thúc đẩy chuyển đổi được trọng số nặng hơn, và các kết hợp ít quan trọng hơn được trọng số nhẹ hơn.
Hãy xem xét hành trình sau đây của khách hàng X:
- Lúc 12:00 trưa, họ tìm kiếm “quần jeans làm việc” trên Google. Họ thấy một trong những quảng cáo của bạn xuất hiện ở đầu trang kết quả tìm kiếm, nhấp vào quảng cáo và truy cập vào trang web của bạn.
- Lúc 12:06, sau khi họ đã duyệt trang web của bạn trong vài phút, họ quay lại trang kết quả tìm kiếm và khám phá những gì một số thương hiệu khác cung cấp.
- Lúc 12:21, sau khi dành thời gian xem qua các sản phẩm của các thương hiệu khác, họ quyết định họ thích sản phẩm của bạn hơn. Họ quay lại Google, tìm kiếm tên thương hiệu của bạn và nhấp vào danh sách kết quả tìm kiếm tự nhiên để quay lại trang web của bạn.
- Lúc 12:22, sau khi duyệt trang web của bạn trong một phút, họ tìm thấy chính xác những gì họ đang tìm kiếm, thêm sản phẩm vào giỏ hàng và bắt đầu thanh toán.
- Lúc 12:24, họ quyết định tìm kiếm trên RetailMeNot để tìm mã khuyến mãi trên trang web của bạn.
- Lúc 12:25, họ tìm thấy mã khuyến mãi trên RetailMeNot và nhấp vào liên kết để quay lại trang web của bạn.
- Lúc 12:27, họ hoàn tất mua hàng trên trang web của bạn.
Trong hành trình này, đường dẫn đến chuyển đổi là:
- Nhấp vào quảng cáo tìm kiếm trả phí
- Nhấp vào kết quả tìm kiếm tự nhiên
- Nhấp vào liên kết affiliate
- Chuyển đổi
Để xác định mức độ tín dụng mà liên kết affiliate nên nhận cho chuyển đổi này, các thuật toán học máy của Google sẽ xem xét tất cả các đường dẫn tương tự đến chuyển đổi để xác định mức độ quan trọng của nhấp chuột affiliate trong việc thúc đẩy chuyển đổi.
Vì vậy, các thuật toán sẽ xem xét tỷ lệ chuyển đổi của người dùng theo các đường dẫn sau:
- nhấp vào quảng cáo tìm kiếm trả phí -> nhấp vào kết quả tìm kiếm tự nhiên
- nhấp vào quảng cáo tìm kiếm trả phí -> nhấp vào kết quả tìm kiếm tự nhiên -> nhấp vào liên kết affiliate
Thảo luận về Phân bổ dựa trên dữ liệu
Giả sử xác suất chuyển đổi của người dùng theo đường dẫn 1 (tức là, không có nhấp chuột affiliate) là 5%, và xác suất chuyển đổi của người dùng theo đường dẫn 2 (tức là, có nhấp chuột affiliate) là 10%.
Trong trường hợp của đường dẫn 2, nhấp chuột affiliate đã tăng gấp đôi khả năng người dùng sẽ chuyển đổi, vì vậy nó sẽ nhận được một phần tín dụng chuyển đổi lớn hơn so với nhấp chuột vào quảng cáo tìm kiếm trả phí hoặc nhấp chuột vào kết quả tìm kiếm tự nhiên.
Nếu trường hợp ngược lại, và nhấp chuột affiliate thực sự giảm khả năng người dùng chuyển đổi, nó sẽ nhận được một phần tín dụng nhỏ hơn khi so sánh với tìm kiếm trả phí và tìm kiếm tự nhiên.
Tất nhiên, ví dụ này khá đơn giản, nhưng nó bao quát nguyên tắc đằng sau cách hoạt động của mô hình Phân bổ dựa trên dữ liệu.
Tuy nhiên, nó có thể trở nên hơi khó hiểu: một chuyển đổi duy nhất có thể được liên kết với nhiều nguồn lưu lượng truy cập.
Tăng độ phức tạp trong báo cáo
Do tính chất động của Phân bổ dựa trên dữ liệu, GA4 đã làm cho việc xem xét dữ liệu chuyển đổi linh hoạt hơn, nhưng cái giá phải trả là tăng độ phức tạp trong báo cáo của bạn.
Trong Universal Analytics, các thứ nguyên nguồn lưu lượng tiếp thị cơ bản là Nhóm kênh, Nguồn, Phương tiện, Chiến dịch. Điều tương tự cũng đúng trong GA4, tuy nhiên: có 3 loại của mỗi thứ nguyên.
Ví dụ, không còn chỉ có một thứ nguyên Nguồn duy nhất. Bây giờ có một thứ nguyên Nguồn phiên, một thứ nguyên Nguồn người dùng đầu tiên, và thứ nguyên Nguồn độc lập.
Mỗi thứ nguyên này có một phạm vi khác nhau, và các chỉ số bạn kết hợp với chúng sẽ cung cấp cho bạn thông tin khác nhau:
Nguồn người dùng đầu tiên: Đây là nguồn đầu tiên từng được liên kết với người dùng. Nếu một người dùng cụ thể lần đầu tiên đến trang web của bạn thông qua một liên kết Facebook, Nguồn người dùng đầu tiên của họ sẽ luôn là Facebook. Người dùng đầu tiên là loại thứ nguyên lưu lượng mặc định trong báo cáo Thu hút người dùng:
Nguồn phiên: Đây là nguồn đã khởi tạo phiên. Trong hành trình người dùng ví dụ với Khách hàng X, Nguồn phiên sẽ là Google vì nhấp chuột đã khởi tạo phiên là một quảng cáo Tìm kiếm Google. Các thứ nguyên phiên là mặc định trong các báo cáo Thu hút lưu lượng:
Nguồn: Đây là một nguồn đã nhận được ít nhất một phần tín dụng cho một chuyển đổi dựa trên mô hình phân bổ mặc định của bạn. Nguồn là thứ nguyên mặc định độc quyền trong báo cáo Tổng quan quảng cáo:
Thông thường, mỗi thứ nguyên này sẽ cung cấp cho bạn các kết quả khác nhau.
Một số ví dụ về doanh thu được phân bổ
Ví dụ, khi xem xét Nhóm kênh mặc định Tìm kiếm tự nhiên, chúng tôi nhận được các kết quả sau:
Doanh thu từ người dùng có nhóm kênh đầu tiên là Tìm kiếm tự nhiên là $426.800:
Doanh thu từ các phiên được khởi tạo thông qua Tìm kiếm tự nhiên là $655.000:
Doanh thu từ Tìm kiếm tự nhiên theo mô hình Phân bổ dựa trên dữ liệu là $1,03 triệu:
Phân tích của Daasity
Chúng tôi nghĩ rằng thật tuyệt vời khi người dùng GA4 hiện có thể phân tích hiệu suất trang web của họ thông qua các lăng kính khác nhau này.
Điều đó nói rằng, sẽ vô cùng quan trọng đối với các thành viên trong nhóm của bạn sử dụng GA4 để nhận thức được các tác động của việc sử dụng các kích thước lưu lượng khác nhau. Hai người dùng GA4 nghĩ rằng họ đang xem cùng một dữ liệu doanh thu được phân chia theo Nhóm kênh có thể thực tế đang xem những thứ rất khác nhau, điều này có nghĩa là họ có thể đưa ra những kết luận hoàn toàn khác nhau.
Quay lại ví dụ của chúng tôi… Đây là cách phân bổ doanh thu sẽ khác nhau giữa Universal Analytics và GA4:
Trong Universal Analytics:
- 100% doanh thu sẽ được phân bổ cho RetailMeNot, vì đó là nhấp chuột không trực tiếp cuối cùng trước khi mua hàng xảy ra. Đây sẽ là trường hợp trong tất cả các báo cáo ngoại trừ công cụ so sánh mô hình.
Trong GA4:
- Khi xem xét nhóm kênh người dùng đầu tiên, 100% doanh thu sẽ được phân bổ cho Tìm kiếm trả phí.
- Khi xem xét nhóm kênh phiên, 100% doanh thu cũng sẽ được phân bổ cho Tìm kiếm trả phí.
- Khi xem xét nhóm kênh, một phần doanh thu sẽ được chia cho Tìm kiếm trả phí, Tìm kiếm tự nhiên và Liên kết (RetailMeNot), tùy thuộc vào mức độ quan trọng của từng điểm tiếp xúc được đánh giá bởi thuật toán Phân bổ dựa trên dữ liệu.
Những điểm cần lưu ý và kết luận
Điểm quan trọng nhất ở đây là nếu bạn đang cố gắng làm cho dữ liệu Universal Analytics và GA4 của bạn khớp hoàn toàn…
Đừng.
Có những thay đổi cơ bản về cách GA4 xử lý phân bổ. Do đó, không có lợi cho bạn khi cố gắng làm cho dữ liệu của bạn khớp giữa hai phiên bản của Google Analytics. Tốt hơn là thay đổi kỳ vọng của bạn, hiểu các lưu ý của mô hình mới và thích nghi với nó—đó cũng là những gì chúng tôi đã làm!
Mặt sáng, chúng tôi tin rằng, nhìn chung, những thay đổi về phân bổ trong GA4 là tốt.
Trong hành trình của Khách hàng X, nguồn lưu lượng đã khởi tạo phiên sẽ nhận được tất cả tín dụng khi nhìn từ lăng kính Nguồn phiên, và nó sẽ nhận được một phần tín dụng doanh thu thông qua lăng kính Nguồn trong mô hình Phân bổ dựa trên dữ liệu.
Trong cùng một kịch bản trong Universal Analytics, nguồn lưu lượng đó sẽ không nhận được bất kỳ tín dụng nào ngoài các báo cáo trong công cụ so sánh mô hình. Các nguồn lưu lượng ở cuối kênh chuyển đổi sẽ nhận được ít tín dụng hơn một chút trong mô hình mới này. Và điều đó có thể không phải là tệ.
(Nguồn: daasity.com)