跳到主要內容

【再行銷】針對來過網站的人再行銷抓住回流機會


再行銷原理說明
幫助觸及網站的舊訪客或曾用過你應用程式的使用者，趁這群人瀏覽 Google 多媒體廣告聯播網網站(多媒體再行銷)，或在 Google 上搜尋您商品/服務的相關字詞時(搜尋再行銷)，向他們顯示您的廣告。

什麼是再行銷名單?
再行銷名單是由一群網站訪客或應用程式使用者所組成。建立名單時，您需要設定規則，指定系統將訪客或使用者加進名單的時機。此外，您也可以指定再行銷效期，決定希望訪客或使用者留在名單上的時間。再行銷名單建立完畢後，必須加進某廣告群組做指定目標，您才能向名單上的訪客或使用者放送廣告。

名單使用前提門檻 ?
   再行銷名單使用門檻
 Google 多媒體廣告聯播網
 過去 30 天內必須累積至少 100 名活躍訪客或使用者
 Google 搜尋的名單
 活躍訪客或使用者人數不能少於 1,000 名


初次使用再行銷操作_安裝再行銷代碼的方式說明:
(1) 從AdWords 加入 (2) 從Analytics 中啟用再行銷
若您使用 Google Analytics (分析)，建議您採用網站上現有的 Google Analytics (分析) 追蹤程式碼，不要使用 AdWords 再行銷代碼。詳見下分述：

(1) 從AdWords 找再行銷碼置入網站：
登入 [AdWords] >>按一下 [共用資料庫]  >>按一下 [目標對象]  >>按一下 [設定再行銷] >>碼安裝於的 </body> 代碼前面 


(2) 從Analytics 中啟用再行銷 為網站資源啟用再行銷後，您就可以根據 Analytics (分析) 資料建立再行銷目標對象，並與連結的廣告帳戶 (目前為 AdWords 和 DoubleClick Bid Manager) 共用這些目標對象。

    啟用「再行銷」和「廣告報表功能」
【步驟】管理＞前往 “資料收集” 介面將原本顯示 OFF 的開關改為 ON 即可如下圖

只要啟用上述功能，您就可以查看「客層和興趣」報表資料、瀏覽「多管道程序」報表中的 Google 多媒體廣告聯播網曝光資料，並充分利用 DoubleClick 平台整合功能。若要為網站資源啟用再行銷和廣告報表功能，您必須具有該資源的編輯權限。
·     

·   具備至少一個已連結 Analytics (分析) 帳戶的有效 Google AdWords 和/或 DoubleClick Bid Manager 帳戶
相關限制
請注意，每個 Analytics (分析) 帳戶最多只能加入 2000 個再行銷目標對象。
「潛在買家區隔」維度不適用於再行銷目標對象。
「上次造訪後所經過的天數」指標不適用於再行銷目標對象。

從GTM中導入
【Google 多媒體廣告聯播網再行銷】在 Google 代碼管理工具中設定 Google 多媒體廣告聯播網再行銷代碼，您必須提供轉換編號和轉換標籤 (標籤沒有就空白不填)

【動態再行銷】使用「代碼管理工具」來導入這些代碼的方法主要有兩種，請自行選擇一種：
·         為每個程序步驟分別建立一個再行銷代碼，並為需要傳送至代碼中的每種動態資料分別設定不同的變數，這樣您就能輕鬆配合其他代碼需求，在「代碼管理工具」中重複使用動態資料。
·         為整個網站建立一個再行銷代碼，並在程序中的各個步驟發生時，使用一個變數一次傳送所有必要的動態資料。使用單一代碼和單一變數可加快導入速度，通常還能縮短設定時間。

無論您選擇哪種方法，導入步驟大致相同：
1.     動態填入自訂參數值
2.     在再行銷代碼中插入動態值
3.     指定啟用再行銷代碼的觸發條件
4.     測試並部署代碼

 為每一個程序步驟分別導入一個再行銷代碼是公認最安全可靠的方法，這麼做會轉而仰賴內建的「代碼管理工具」功能 (例如觸發條件)，因而不太需要用到自訂 JavaScript 程式碼。但這種方法有一大缺點：因為您得為程序的每個步驟分別建立一個再行銷代碼，每種網頁類型的各個動態參數也需要分別建立一個變數，設定起來較為複雜而耗時。

使用規則建立網站再行銷名單 

更多資源參考:

AdWords 再行銷代碼與 Analytics (分析) 追蹤程式碼之比較，以及「資料匯入」功能

AdWords 再行銷代碼與 Analytics (分析) 追蹤程式碼所需的導入方式不同，個別收集的資料也不同。此外，Analytics (分析) 還提供「資料匯入」功能，因此除了透過追蹤程式碼收集資料之外，您還可以匯入各式各樣額外的資料。
在 AdWords 中，您必須以再行銷代碼所收集的資料來建立再行銷名單。在 Analytics (分析) 中，您則可依據 Analytics (分析) 中的任何資料整理出再行銷目標對象。您可以在連結至 Analytics (分析) 帳戶的 AdWords 帳戶中結合這兩份資料。
AdWordsAnalytics (分析)
網站：您必須先另外建立網站的再行銷代碼，然後再將這個代碼加到網頁中。

應用程式：您必須先建立應用程式的再行銷編號，然後再將這個編號加到應用程式中。

瞭解詳情		網站：您可以使用現有的 Analytics (分析) 追蹤程式碼，並從 Analytics (分析) 資源設定中啟用再行銷功能。

應用程式：您可以修改之前已加入到應用程式的追蹤程式碼。

瞭解詳情
您可以根據以下規則建立再行銷名單：

網站：
  • 網頁訪客
  • 未造訪其他網頁的訪客
  • 還造訪其他網頁的訪客
  • 某日期範圍內的網頁訪客
  • 含特定代碼的網頁所獲得的訪客
應用程式：
  • 應用程式所有的使用者
  • 最近曾或不曾使用應用程式的使用者
  • 應用程式特定版本的使用者
  • 曾在應用程式中採取特定行動的使用者
您可以根據 Analytics (分析) 中的任何資料建立再行銷目標對象，這些資料包括：
  • 所有預設 Analytics (分析) 資料
  • 從已連結的 AdWords 帳戶匯入的資料
  • 從已連結的 DoubleClick 帳戶匯入的資料
  • 透過「資料匯入」功能匯入的資料 (例如客戶關係管理資料、產品中繼資料、自訂資料)
再行銷名單為 AdWords 原生資料。再行銷目標對象為 Analytics (分析) 原生資料，且會與已連結的單一 AdWords 帳戶共用。
AdWords 代碼會設定廣告 Cookie。
舉例來說，某個沒有廣告 Cookie 的使用者造訪具有 AdWords 再行銷代碼的網站，系統就會設定廣告 Cookie，並將這名使用者加入再行銷名單。		Analytics (分析) 追蹤程式碼會讀取廣告 Cookie。
舉例來說，某個沒有廣告 Cookie 的使用者造訪的網站具有可啟用 Analytics (分析) 再行銷功能的追蹤程式碼，系統就不會設定廣告 Cookie，也不會將這名使用者加入再行銷名單。
您可以在多媒體廣告和搜尋廣告中使用再行銷名單。您可以在多媒體廣告和搜尋廣告中使用再行銷目標對象。


標籤：

留言

張貼留言

這個網誌中的熱門文章

關聯規則 association rules

關聯規則 (Association Rules)  參考連結:   http://myweb.fcu.edu.tw/~mhsung/Ecommerce/Data_Mining/Association_Folder/DM_association.htm 優點 缺點 採用的計算模式簡單易懂 所產生的結論簡單易懂 適合非監督式資料 能分析不同形式的原始資料 當商品數量增加，運算會隨之而成幾何級數增加 不特別重視商品的個別特性 難以決定組合的適合商品數 容易剔除(忽略)罕見的商品 理論 當挖掘演算法所找出的規則滿足使用者訂定的最小的minimum support與minimum confidence的門檻時，這個規則才會成立。 元組 出現頻率 A 45% B 42.5% C 40% A和B 25% A和C  20% B和C 15% A和B和C  5%  Support： 就是一個元組在整個資料庫中出現的機率。 P（condition） minimum support：界定一個規則必須涵蓋的最少資料數目  Confidence：界定一個規則預測強度(信心水準)。 P（condition and result）/ P（ condition） minimum confidence可信度：界定一個規則最小預測強度(信心水準)。  提高率（興趣度）： P ( condition and result) / P ( condition) * P ( result ) 當興趣度大於1的時候，這條規則比較好的； 當興趣度小於1的時候，這條規則沒有很大意義的，應該略去這樣的一些規則。 興趣度越大，規則的實際意義就越好。 關聯規則的種類 屬性值：(1) Boolean association rule ：僅探討item是否出現 (2) Association rule with repeated items 探討item的購買數量 資料維度：(1)單一維度關聯規則(single dimensional association rules若買牛奶，則會買麵包。 (2) 多重( multi dimensional association rules) 加上 「 年齡 」「 收入 」「
張貼留言
閱讀完整內容

《觀念平台》當AI遇上ESG：開創商業模式與機遇

  全球不論是投資者、消費者和監管機構越來越關注企業的 ESG （ Environmental, Social, and Governance ）表現，這迫使企業更加重視 ESG ，以滿足利益相關者的期望。與 ESG 有關的重要議題有以下四點： 1 、監管與披露 ：許多國家都強化對 ESG 的監管和披露要求，而上市公司被要求公開披露 ESG 資訊，並加強公司治理的監管，使得企業更積極地實施 ESG 策略和措施。 2 、社會正義和多元化 ：企業越來越重視人權、勞工權益、性別平等、種族多樣性和包容性等社會議題。 3 、供應鏈的可持續性 ：企業不僅關注自身的 ESG 表現，還要求供應鏈中的供應商和合作夥伴遵守相同的標準。 4 、投資者需求 ：愈來愈多投資者評估企業價值和風險時正視企業在 ESG 的表現，促使企業更加關注 ESG ，希望吸引投資者資金。 目前國際上 ESG 評級和指標機構，如 Dow Jones Sustainability Indices （ DJSI ）、 MSCI ESG Ratings 、 Sustainalytics 、 Carbon Disclosure Project （ CDP ）、 Global Reporting Initiative （ GRI ）和 SASB Standards 等，都是根據企業的財務報表、可持續發展報告、環境報告和社會報告，應用如 MSCI ESG Manager 、 Sustainalytics' ESG Analytics 和 Truvalue Labs' Insight360 等人工智慧（ AI ）工具，來進行 ESG 監測、數據收集和風險評估，可以有效幫助投資者和企業更好地了解 ESG 風險和機會，並基於數據做出更適切的投資和業務決策。 因此，當 AI 遇上 ESG 可能發展的商業模式跟機會有以下五點： 1 、數據和評估服務 ：企業需要大量的數據來評估和監測自身的 ESG 表現。利用上述 AI 工具可以有效 ESG 數據收集、分析和評估服務，協助企業追蹤指標、評估風險，並提供相關的建議和改善措施。 2 、智慧監測和合規性服務 ： AI 工具可以應用於監測企業的 ESG 合規性與風險管理，並且監測供應鏈中的 ESG 指標、識別可能出現的違規行為、提供即時的示警和建
張貼留言
閱讀完整內容