电商可以说是依赖于营销带来流量、转化的一种产业。获客成本（亦可称为流量成本）在整体成本结构中占比最大。抖音刷粉丝
那中型电商企业的规模、资源都有限，怎么做才能持续提升每一分钱的投资效益？
台湾垂直特卖电商「创业家兄弟」的案例值得探究借鉴。
他们创立之初，智能手机发展迅猛，于是将营销的重点放在移动端的布局上。但不久之后发现一个矛盾点，智能手机的流量成本虽然低，但转化效果并不好。从最终点击的归因模式上来看，大部分转化反而来自pc端。
这种情况下，还要不要坚持移动端作为主要的投放平台？
这里面其实忽略了一个点，就是最终点击归因模式的计算所存在的“bug”。
它的计算方式是将转化全部归功给最后一个点击，试想一下，如果消费者在做出购物决定之前都会用手机查产品的信息，然后再去pc端的进行购买。将所有功劳都归为pc端，显然不是很公平，也不全面，会导致忽略掉部分的信息。
那在整个消费旅程中，怎么判断移动端对转化的帮助程度？又该如何证明？
解决这个问题关键点就是能否避免掉最终点击的局限，全面、真实的看到整个消费旅程中，每个接触点的转化情况。
只有这样，才能真正的将营销费用花在刀刃上。
「创业家兄弟」尝试使用数据驱动归因模型（data driven attribution）。通过收集大量的数据，对比能够带来转化以及未能成功转化的路径，从中找到每个接触点实际上对最终转换的影响力高低。
结果如何？
「创业家兄弟」发现，手机在目标受众的消费路径中所带来的转化效果显著，高达55%。证明了押注移动端的营销策略是正确的。
此外，他们通过dda模型发现了一个被忽略的增长点——通用型关键字。实际上在转化中，通用型关键字起到了很重要的作用。
而之前的搜索广告布局中，「创业家兄弟」主要重点放在核心字词上，比如品牌相关词等等。
调整优化后，通用关键字带来的转化增长了13%，像「居家用品」这类通用字词，转化增长高达47%。这些也直接提升了整体广告投放的效果，广告投资回报率（roas）提升了10%。
雀巢曾经也用过同样的方式。
当时，台湾雀巢婴幼儿营养事业部面临数字营销的挑战，消费者路径越来越复杂，只看单一点击很容易错误的评估媒体成效，判断验证每个接触点真正的价值成为难点。
他们选择怎么做？如何了解到每个关键字的价值以及整合的消费者洞察？
举个例子：（仅供参考，不代表广告活动实际操作细节）
在领取「雀巢妈妈孕哺营养胶囊」的消费者路径中，假如有一波用户先是搜“妈妈孕哺”，然后点击了品牌字“雀巢妈妈胶囊”，完成注册注册转化率为2%；但另一群用户，跟上一组相比，多搜索了“怀孕吃什么”这个关键字，最终转化率高达3%。基于这些数据，使用dda模型进行转化对比。
最终转化率增长了7%，单笔转化成本平均下降10%。
上面的两个案例都用到了「以数据为依据的归因模型」。
它和其他模型有何不同？
最显著的一点就是它依据的是——你账户中的转化数据。基于此，来计算转化路径上每次互动的实际贡献。
所以想使用它，就需要满足一定的数据门槛：
30天内，获得的google搜索点击次数必须达到15万次，并且转化操作获得的转化次数必须达到600次。
正在使用的时候，在30天内获得的google搜索点击次数下降到1万次以下，或者转化操作获得的转化次数下降到400次以下，那么也将无法继续使用该归因模型。
如果数据量达到要求，想将现在使用的模型转换为dda模型，进行以下的操作即可：
1、登录你的google ads帐号。
2、点击工具标签页，然后选择转化。
3、在该表格中，选择您要修改的转化操作，然后点击修改设置。
4、点击归因模型，然后从下拉菜单中选择以数据为依据的归因。
5、点击完成，然后点击保存。
还有另外一种方式，可以在“工具 > 归因”中，通过“概览”归因报告更新归因模型。只需点击页面顶部的“升级到以数据为依据的归因”横幅，然后按照显示的说明操作即可。
做完更改后，你可能会发现“广告系列”标签页中的报告发生了变化。
像按比例分配的功劳，会根据你选择的归因模型，对于某个具体转化，其功劳会在有贡献的广告互动之间进行分配。因此，“转化次数”和“所有转化次数”列中的数据将开始出现小数。
还有转化耗时，google ads根据广告互动的日期报告转化数据。由于非最终点击归因模型在多次互动之间分配转化功劳，且每次互动都发生在不同的时间点，因此与“广告系列”报告相关的转化耗时可能会增加。
发生这种情况时，你可能会在更改归因模型后的几天内看到转化次数暂时略有下降。
这时候，可以查看“路径指标”归因报告中的“发生转化所需的平均天数”视图。比较建议耐心等一段时间，直到发生转化所需的平均天数过去之后再评估效果。
此外，还需要对出价、目标进行更改，因为方式变了之后，可能导致出价过高或过低。如果仅使用人工出价，那就不用太担心这个问题。
但要是用的“目标每次转化费用”或“目标广告支出回报率出价策略”，则更改目标就很重要了，一起来看个例子：
假设你使用的是目标每次转化费用出价，并改用“以数据为依据”的归因模型。过去两周内，两个广告系列在“转化次数”列中的最终点击效果如下所示：
“品牌”（漏斗下端）广告系列：每次转化费用为5美元，共200次转化
“常规”（漏斗上端）广告系列：每次转化费用为20美元，共50次转化
由于是目标每次转化费用出价，所以上述目标也是出价中采用的目标。
现在，如果查看“转化次数（当前模型）”列（反映了过去以数据为依据的归因的效果），将看到：
“品牌”（漏斗下端）广告系列：每次转化费用为667美元，共150次转化
“常规”（漏斗上端）广告系列：每次转化费用为10美元，共100次转化
当归因模型从“最终点击”改为“以数据为依据”后，要是目标每次转化费用的目标仍保持在5美元和20美元，那转化次数的变化将意味着一系列的出价更改，因为针对“品牌”广告系列的出价过低，而针对“常规”广告系列的出价过高。
看到这儿，你会想方法好是好，但现在数据量达不到要求，还有哪些模型可以选择？
直接上图：
来自：触脉咨询
更多阅读：qualtrics：91%的营销人员认为先进的归因分析对营销很重要econsultancy：亚太地区60%的营销人员没有实施任何类型的归因模型econsultancy：亚太地区41%的营销人员表示技术数据阻碍了更有效使用归因模型33across：什么是数据驱动的企业2006-2013：腾讯搜搜的产品编年史radicati：2011-2015年email统计报告人工智能时代的数字战略：如何在广告中充分利用人工智能（附下载）热云数据：三国题材游戏广告投放洞察热云数据：2018年双11电商app广告投放行为洞察专题报告城市新忙族——一二线城市上班族营销洞察微报告5步骤建立你的社会化媒体营销系统（实例分析）尼尔森：如何实现汽车广告的最优效果阐述7步提高游戏数据分析效率的方法w3techs：2019年全球php使用率高达79%运营商究竟多少钱买入iphone？–数据解读