Veri Odaklı Atıf
Veri odaklı atıf, ilk temas veya U biçimli gibi sabit bir kural uygulamak yerine, her temas noktasına ölçülen katkısına göre dönüşüm payı atamak için makine öğrenimini kullanır.
Derinlemesine
Model, yüzdeleri sabit kodlamak yerine dönüşen ve dönüşmeyen yolları karşılaştırarak her temas noktasının gerçekte ne kadar fark yarattığını tahmin eder; bunu genellikle Shapley değerleriyle ilişkili tekniklerle yapar. Sonuç, verilerinize özgü bir pay dağılımıdır: bir yeniden hedefleme reklamı bir hesabın yolculuğunda çok, başka birinde neredeyse hiç pay kazanabilir. Bu uyarlanabilirlik, Google Ads ve GA4 gibi platformların artık veri odaklı atıfı birçok reklamveren için varsayılan olarak kullanmasının nedenidir.
Temel tuzak, bunun hacim gerektiren bir kara kutu olmasıdır: çok az dönüşümle algoritma kararlı örüntüler bulamaz ve çıktısı, basit bir anlatı isteyen paydaşlara açıklanması güç hale gelir. Quiz hunisi akışında veri odaklı atıf, scorecard quizleriniz yeterli dönüşüm ürettiğinde parlar; çünkü belirli bir sorunun veya takip e-postasının şaşırtıcı bir ağırlık taşıdığını ortaya çıkararak huniyi sezgi yerine gerçek etkiye göre optimize etmenizi sağlar.
Pratikte örnek
Sıkça sorulan sorular
Veri odaklı atıf, kural tabanlı modellerden nasıl farklıdır?
U biçimli gibi kural tabanlı modeller her yolculuğa sabit yüzdeler uygular; veri odaklı atıf ise her temas noktasının ağırlığını gerçek dönüşüm verilerinizden öğrenir. Bu nedenle pay, bir müşteri yolundan diğerine değişebilir.
Veri odaklı atıf ne kadar veriye ihtiyaç duyar?
Algoritmanın güvenilir örüntüler bulabilmesi için yeterli dönüşüme, genellikle ayda en az birkaç yüz dönüşüme ihtiyaç duyar. Düşük hacimde sonuçlar kararsız ve güvenilmez hale gelir.
Veri odaklı atıf Google Analytics'te mevcut mu?
Evet, GA4 ve Google Ads veri odaklı atıf sunar ve birçok hesap için bunu varsayılan model olarak kullanır. İzlenen temas noktalarınıza otomatik olarak makine öğrenimi uygular.