OpenAdLibraryOpenAdLibrary
定義

最後點擊歸因:定義與限制

最後點擊歸因將轉換的100%功勞歸於客戶在轉換前點擊的最後一則廣告或連結。

編輯插圖:最後點擊歸因:定義與限制

最後點擊歸因是一種衡量模型,它將轉換的所有功勞歸於客戶在轉換前與之互動的最後一則廣告、連結或渠道,而忽略旅程中所有更早的接觸點。如果有人看過一則原生廣告,一週後點擊了一則品牌搜尋廣告並購買,最後點擊歸因會將整個銷售功勞歸於那最後一次搜尋點擊。

為何它仍是預設模型#

大多數廣告平台和分析工具預設採用最後點擊模型,因為它計算簡單,並且只需要在轉換時刻觸發單一的點擊ID或追蹤像素,而不需要每個接觸點的完整歷史記錄。它也符合基本的轉換追蹤設定自然運作的方式:一個像素觸發,一個渠道被記錄。

它造成的系統性偏誤#

最後點擊在結構上有利於靠近購買決策的渠道,例如品牌搜尋或再行銷,並低估了在漏斗較早階段介紹產品的渠道,例如原生探索版位。僅依賴最後點擊數字的媒體採購人員,通常會得出上層漏斗原生廣告活動無效的結論並削減其預算,而實際上該活動產生了需求,只是後來被品牌搜尋捕捉並獲得了功勞。

與其他模型的比較#

一種將功勞分配給客戶互動過的每個接觸點(而不僅僅是最後一個)的模型,通常更能凸顯上層漏斗渠道的價值。瀏覽歸因則採取了另一個不同的角度,將轉換功勞歸於用戶在定義的歸因時間窗內僅瀏覽過的廣告,而非他們點擊過的廣告。實時對照組實驗則完全跳過模型化的功勞分配,直接測量關閉某個渠道時會發生什麼,這是所有這些方法中最接近事實真相的。

何時最後點擊模型其實沒問題#

最後點擊並非在所有使用情境下都是錯的。對於一個短、單一渠道的漏斗,例如某人點擊一則廣告並在幾分鐘內購買(這在直接回應的原生廣告中很常見),一開始就沒有太多多點觸及旅程可供錯誤歸因。它作為單一平台廣告管理工具內部快速、一致的日常優化訊號仍然有用,因為你是在比較一個廣告組合與另一個,而不是將一個渠道與一個完全不同的渠道進行比較。

風險出現之處#

真正的危險在於,比較不同網路(具有不同歸因時間窗)的最後點擊數字,並稱之為公平競爭。一個網路採用7天點擊時間窗,另一個採用30天時間窗,將會產生非常不同的最後點擊轉換次數,其原因與哪個網路實際表現更好無關。在根據最後點擊比較結果重新分配廣告支出之前,請檢查每個網路實際運行的設定以及其成功創意素材的持續時間(參見廣告壽命),使用像 OpenAdLibrary 的廣告情報平台這樣的工具,因為一個顯示最後點擊數字較弱的渠道,可能只是在你追蹤系統給予其功勞的漏斗階段之前運作。

常見問題

為什麼最後點擊歸因是大多數平台的預設模型?
這是最容易計算的模型:它只需要記錄在轉換前立即觸發的那個接觸點。不需要跨接觸點的拼接或權重邏輯,這使得它實現成本低且易於解釋。
最後點擊歸因錯在哪裡?
它系統性地低估了上層漏斗的渠道,例如原生探索廣告,這些渠道負責介紹產品但很少帶來最後點擊。一個實際上在推動需求的廣告活動,可能僅僅因為它在漏斗中運作的階段,而在最後點擊報告中看起來效果不佳。
最後點擊歸因是否曾經是正確的選擇?
是的,適用於短、單一渠道的漏斗,即客戶點擊一則廣告並在幾分鐘內完成轉換。它作為同平台內的日常優化訊號也無妨,用於比較單一渠道內的廣告組合,而非比較具有不同追蹤設定的跨渠道廣告。
最後點擊歸因與瀏覽歸因有何不同?
最後點擊歸因只將功勞歸於被點擊的接觸點。瀏覽歸因則將轉換功勞歸於用戶僅瀏覽過(未點擊)的廣告,只要轉換發生在該次曝光後定義的瀏覽歸因時間窗內。
OpenAdLibrary 團隊
作者OpenAdLibrary 團隊
廣告情報與原生廣告研究

我們打造了 OpenAdLibrary,這個公開的廣告透明度平台。每天,我們的系統都會捕捉 Taboola、Outbrain、MGID、Revcontent、Teads、Yahoo 和 MSN 上的原生廣告,識別每個廣告背後真正的廣告主,並追蹤點擊至其登陸頁面。這些指南精煉了我們從數據中觀察到的內容,讓您能更快地研究市場動態。