【GA4 廣告優化完全攻略】為什麼廣告投放要搭配 GA4 歸因來看？

你一定有遇過這種情況，Facebook、Google Ads、LINE Ads 都說「轉換是我帶來的」，每個平台的報表數據看起來都很漂亮，但加總起來卻超過實際訂單量？這是「歸因」不同所造成重複計算的問題。

文章目錄
一、多平台廣告曝光的轉換重複計算問題

　１. 什麼是「轉換重複計算」？

　２. 為什麼要用 GA4 來判斷轉換歸因

二、GA4 的歸因模型與適用情境

　１. 資料驅動模型

　２. 付費和自然流量最後點擊

　３. Google 付費管道最後點擊

三、利用主攻 / 助攻去判斷轉換成效

　１. 為什麼要利用主攻 / 助攻去判斷轉換成效

　２. 「主攻」與「助攻」的差別

　３. 如何解讀多渠道貢獻？

四、文章總結

一、多平台廣告曝光的轉換重複計算問題

　１. 什麼是「轉換重複計算」？

在轉換發生前，通常用戶不會只接觸到一個廣告。他可能先在 Instagram 看到品牌影片、接著在 Google 搜尋產品評論最後再透過 LINE 廣告點擊購買。每個平台都宣稱「這筆轉換是我帶來的」，結果就是：

• Facebook 報表顯示 100 筆轉換
• Google Ads 顯示 80 筆轉換
• LINE Ads 顯示 50 筆轉換

但實際訂單只有 100 筆。

這就是轉換重複計算的現象，每個渠道都在各自的生態系內追蹤轉換行為，導致「同一個人被重複計算好幾次」。

→ 為什麼會這樣？因為平台之間並不互通，每個廣告平台並不知道用戶曾經透過其他廣告造訪過網站，所以只要廣告被點擊並且有購買行為，平台就會將這個行為認列為轉換。造成每個平台轉換數據都很亮眼，實際訂單數卻有落差。

２. 為什麼要用 GA4 來統一歸因

GA4 以「使用者」為核心，整合跨裝置、跨渠道的行為軌跡。不論使用者是從哪個平台點擊進站，GA4 會用統一的規則去判斷哪個接觸最該被算功勞。哪個渠道真的帶來轉換、哪個是助攻推進？

在下一段的文章，筆者會帶著大家認識 GA4 歸屬功勞的判斷依據。

二、GA4 的歸因模型與適用情境

GA4 提供多種

歸因模型（Attribution Models），讓行銷人可以從不同角度評估廣告貢獻，判斷哪個接觸點應獲得轉換功勞；過去 GA4 提供七種歸因模型，筆者在之前的文章已有詳細介紹過。

不過自 2023 年 11 月起 只剩下三種歸因模型，下面為大家介紹：

１. 資料驅動模型

資料驅動歸因（Data-Driven Attribution, DDA）不是用固定公式計算，而是根據「你帳戶裡實際發生的使用者行為數據」動態學習與分配轉換貢獻。更貼近真實使用者行為。透過機器學習分析實際的轉換路徑，能更精準地分配每個接觸點的貢獻。找出

哪些接觸點出現時，轉換機率顯著上升，再去分配權重。

每個帳戶的權重會不太一樣，取決於你的品牌或廣告導向。不同的廣告目的（例如導購 v.s. 曝光），轉換功勞的分配也就有所差異。

缺點：資料驅動歸因需要依據你帳戶內的數據資料學習，所以如果資料的轉換量太少，模型的學習效果就有限；而且 Google 並沒有真的跟大家分享他的認列一句與判斷標準，換句話說，行銷人要想知道「為什麼是這樣分配？」也無從釐清。

２. 付費和自然流量最後點擊

這個模型會把 100% 的轉換功勞，歸給使用者在轉換前最後一次點擊的來源（不包含直接流量 direct）。無論前面經過多少廣告觸及，只要最後是從哪個來源點擊並完成轉換，那個來源就被算成主要功臣。

這個模型最適合用來快速判斷「哪個管道最擅長收單」。像是搜尋廣告、品牌關鍵字或再行銷廣告，通常在這個模型中表現最好。

缺點：它就無法反映中途助攻的廣告價值，因此在品牌曝光或多階段的行銷活動中，很容易就低估了上游管道的貢獻。

３. Google 付費管道最後點擊

「最後點擊」的邏輯一樣，但是這個模型只關心 Google 生態系的付費流量（例如 Google 搜尋廣告、YouTube Ads等）。如果使用者的最後一次互動是來自這些管道之一，那轉換功勞會完整歸給該廣告；但若最後一步是來自 Facebook、LINE Ads 或自然流量，則不會被納入。

這個模型可以說是專為 Google 生態系而設的歸因，想要單看 Google Ads 投放效果的品牌。用來檢視 Google 廣告的「直接轉換貢獻度」，常見於內部或代理商廣告成效分析報告中。它能幫助你更清楚地衡量在整體行銷組合中，Google 廣告實際帶來多少最後轉換。

缺點：也因為它偏心單一生態系，如果同一路徑有好幾個接觸點，只要轉換前的最後接觸點屬於 Google生態系 的一員就會判給它。在「跨平台比較」時很容易高估 Google 的表現，而忽略了其他平台在路徑中的價值。

前面有說到，一個完整的轉換路徑不會只接觸到一個渠道／廣告，每個接觸點的功勞歸屬問題就變得很重要，下一段文章就要跟大家說明我們建議的歸因判斷方式，利用「主攻」與「助攻」這兩個指標去判斷成效。

註：「最初點擊（First Click）、線性（Linear）、時間衰減（Time Decay）及位置型（Position-Based）」這四種模式已於 2023 年 11 月起停止使用。

三、利用主攻 / 助攻去判斷轉換成效

１. 為什麼要利用主攻 / 助攻去判斷轉換成效

轉換不是單一事件，而是一連串使用者行為路徑的累積。一位消費者可能先看到 Facebook 的品牌貼文，接著在 LINE 收到活動訊息，最後才透過 Google 搜尋點擊廣告下單。整個過程中，每一個接觸點都參與了轉換，但影響力不相同。如果只看「哪個平台帶來轉換」，就會錯估廣告成效。這種歸因分析的方法能協助行銷人更全面地判斷：

• 哪些渠道在建立品牌或商品印象（助攻渠道）
• 哪些渠道適合推動成交（主攻渠道）

２. 「主攻」與「助攻」的差別

區分不同渠道在轉換過程中所扮演的角色，可以分為「主攻」、「助攻」兩種。
主攻型廣告 vs. 助攻型廣告

主攻渠道負責促成成交，也就是轉換前的最後一步；助攻渠道的作用是推進決策、提供資訊或建立品牌形象，不會直接帶來轉換，但可以讓使用者在遇到主攻廣告時更快地做出購買決定。

如果只投放主攻型廣告，受眾可能對品牌不熟悉，對產品的信任度不足，最終轉換率會受影響；反之，如果只投放助攻型廣告，雖然品牌曝光度高，但缺乏能推動成交的關鍵接觸點，轉換率也會偏低。

➡ 所以我們建議可以追蹤每一個渠道的貢獻，投放廣告時就可以針對不同目標分配對應的廣告素材

３. 如何解讀多渠道貢獻？

有了主助攻的概念後，就可以追蹤各自在不同渠道中的成效：

tiktok / ads 的助攻轉換比主攻轉換好，強調觸及和建立印象，讓潛在客戶對產品開始產生興趣。google / cpc 的主攻轉換比助攻轉換好，可以投放優惠活動廣告，刺激消費者的購買決策，把有意願購買的客戶轉化為實際訂單。

我們已經知道 google / cpc 的主攻轉換比助攻轉換好，往下對比廣告活動的表現，如果有個廣告活動在 google /cpc 的輔助轉換更優於主攻轉換，可以考慮換到輔助轉換更好的渠道做投放，效果會更好。

四、文章總結

GA4 現行的三種歸因模型各有限制：最後點擊模型只把功勞歸給轉換路徑中的最後接觸點；Google 廣告付費管道最後點擊模型偏向 Google 系統，容易讓跨平台成效失真；而以數據為準模型如果數據量不足，學習能力也會受限，無法完整反映真實貢獻。

如果你想更客觀地掌握每個渠道在轉換過程中的角色，圖靈數位的「即時分析報告」可以提供完整的廣告轉換分析。將各渠道的主攻與助攻比例視覺化呈現，並整合轉換成效與實際收益，讓你不用自己匯出整理資料，就能清楚掌握各渠道貢獻，快速調整投放策略，提升廣告 ROAS。

除了可以幫你找出主攻／助攻以外，我們還會計算出轉換路徑覆蓋率，告訴你「該廣告活動出現在你的轉換路徑中的比例」無論是主攻還是助攻，只要比例越高就代表它經常參與轉換的過程。

假設轉換路徑總數有100筆，A廣告活動參與 30 筆轉換路徑，這樣覆蓋率就是30%。

有興趣想親自體驗即時分析報告，歡迎點擊下方按鈕填寫【詢問表單】，我們的專員會在上班時間主動與你聯繫喔：）