為了獲得曝光、吸引注意、帶來轉換，你可能會選擇投放廣告來達成目標，並且從後台檢視成效來優化廣告，但是在這個多媒體的時代，單一曝光的管道其實不容易達成任務，而是需要多個管道彼此合作，互相幫助，這篇文章我們會告訴你，廣告是如何計算轉換的？
文章目錄
一、廣告如何帶來轉換
１、行銷漏斗與廣告的關係
２、攤開小明的顧客旅程
３、廣告轉換的計算方式
４、Google Analytics 和 Google Ads 轉換之間的差異
二、Google 的歸因模型
１、最終互動
２、最終非直接點擊
３、最終 Google Ads 點擊
４、最初互動
５、線性
６、時間衰減
７、根據排名
一、廣告如何帶來轉換
１、行銷漏斗與廣告的關係
網路世代購物的流程跟以前很不一樣，不再只是線性的流程：看到商品，受到吸引，完成購買，而是會有「猶豫」跟「比較」兩種元素加入購物流程，這個時候我們需要透過廣告不停與消費者溝通，提高他們的購買意願，最終達成購物。
我們可以這樣的一個決策流程用 AIDA 四個階段來表示：
A ( Attention ) = 小明無意間注意到產品或是相關的廣告。
I ( Interest) = 開始認識產品，進而對產品產生興趣。
D ( Desire ) = 這個階段小明一直在猶豫要不要購買商品，一直被廣告打到。
A ( Action ) = 小明下訂決心要購買，最後完成轉換。
２、攤開小明的顧客旅程
假如我們把攤開小明的顧客旅程，你會發現小明在完成購買之前，跟很多不同類型的廣告互動過，包含 Google 廣告、EDM 推播、 LINE 推播與 Facebook 廣告，最終小明主動搜尋到網站，完成購買，我們可以說這四個廣告在某種層度上都有幫助，這讓我們不禁納悶一件事情：請問這個轉換到底應該算在哪一個廣告上面呢？
３、廣告轉換的計算方式
每一個廣告渠道的轉換機算方式都有點不太一樣，這邊我們舉兩個為例：
Google Ads 的轉換回溯期有 30 / 60 / 90 天三種方式
Facebook Ads 的轉換回溯期有點閱後 7 天 / 瀏覽後 1 天兩種方式
這邊要跟大家介紹一下何謂「轉換回溯期」？當使用者點進廣告之後，身上就會多一個轉換回溯期的標籤，只要在轉換回溯期的有效期間之內達成轉換代碼（完成購物），這個廣告就會算功勞。
而小明的購物流程時間剛好同時符合 Google Ads 跟 Facebook Ads 的轉換回溯期，在上述的情況之下你會發現一件有趣的事情，那就是這兩個廣告後台系統都會各自產生一個轉換，但是這樣會很麻煩，因為這個轉換被重複認列了。
４、Google Analytics 和 Google Ads 轉換之間的差異
從上述的表格你會發現兩者的計算方式不太相同：
・Analytics 在同一個工作階段中，只要交易 ID 相同的交易不會重複計算次數，都只會算一次。
・Google Ads 的轉換動作可由使用者自訂，可以選擇「一次轉換：每次廣告點擊一次」或是「每次轉換：每次廣告點擊多次」。
【 轉換數的迷思：後台的數字不太精準欸 】
只要使用者在同一個工作階段內點擊多個廣告而完成一個轉單，實際上只有一次轉換，但是各個廣告平台可能都會產生一個轉換，因此轉換次數還是以網站後台的實際數字為主，廣告平台的轉換次數則是用以評估該平台內所有廣告的表現好壞。
二、Google 的歸因模型
歸因模型就像是公司的業務獎金一樣，假如今天訂單是由一位業務Ａ獨自談成，那業績獎金當然也是由業務Ａ領取，但是假如今天訂單是由一位業務Ａ陌生開發，業務Ｂ接續洽談，最後由業務Ｃ簽約，那請問業務獎金應該如何分配？因此 Google 就提出了七種轉換歸因的模型，讓你選擇每次促成轉換的廣告成效該如何計算，可以更了解深入解析廣告成效，這邊就帶大家認識一下這七種歸因模型。
１、最終互動
第一種是一般人心中普遍認定的模型 - 最終互動：不管今天小明經歷過了幾個廣告完成轉換，功勞都會算在最終接觸點身上。
２、最終非直接點擊
第二種是目前 Google Analytics 後台轉換的預設模型 - 最終非直接點擊：不管今天小明經歷過了幾個廣告完成轉換，功勞都會算在倒數第二個接觸點身上。
３、最終 Google Ads 點擊
第三種是對 Google Ads 廣告非常友善的模型 - 最終 Google Ads 點擊：不管今天小明經歷過了幾個廣告完成轉換，功勞都會算在最後一個跟 Google Ads 有關的廣告身上，因為其他節點都跟 Google Ads 無關，所以功勞會算給第一個 Google Ads。
４、最初互動
第四種是用來判斷曝光型廣告成效的模型 - 最初互動：不管今天小明經歷過了幾個廣告完成轉換，功勞都會算在第一個接觸點身上。
５、線性
第五種是平均分配廣告成效的模型 - 線性：不管今天小明經歷過了幾個廣告完成轉換，功勞都會平均分配給每一個接觸點身上。
６、時間衰減
第六種是依照時間遠近分配廣告成效的模型 - 時間衰減：不管今天小明經歷過了幾個廣告完成轉換，功勞依照時間的遠近分配，大部分的功勞都會歸給距離達成轉換最近的接觸點。
７、根據排名
第七種是依照廣告排序分配廣告成效的模型 - 根據排名：不管今天小明經歷過了幾個廣告完成轉換，功勞依照時間的遠近分配，大部分的功勞都會歸給最初與最終的接觸點。
當然從資料科學的角度來看歸因模型也不只這七種，其他的分析系統可能還會包含Ｊ型、逆Ｊ型⋯等等，確實不應該只使用這七種模型去分配廣告的轉換，感覺還是會有被遺漏的地方，因此在下一篇我們將帶大家認識功勞歸屬系統，輕鬆利用多種歸因模型去判斷廣告的成效，更有效的排除無效廣告。
更多 GA 教學相關閱讀：
【 廣告優化 】
【 GA4 導入與轉移 】
【 Google Analytics 4 Property 】
【 Google Analytics 】
【 Google Tag Manger 】
【 Google Looker Studio 】
【 實際應用 】