Droga, jaką pokonuje użytkownik, zanim zostanie klientem, bywa często bardzo skomplikowana. W grę zwykle wchodzi wiele etapów, reklam i rodzajów contentu. Jak zatem ustalić, który czynnik na ścieżce konwersji miał największe znaczenie? Właśnie w tym celu korzysta się z modeli atrybucji. W tym artykule dowiesz się, czym one są, jak działają, które z nich analizować oraz jakie są ich ograniczenia.
Atrybucja i model atrybucji – czym są?
Atrybucja to w ogólnym znaczeniu przypisywanie czegoś (np. podjęcie jakiejś akcji) konkretnemu podmiotowi, źródle. W przypadku marketingu internetowego i biznesu pojęcie to ma ściśle określone znaczenie. Jak ujmuje to Google:
Model atrybucji jest regułą albo zbiorem reguł, które określają sposób przypisywania sprzedaży i konwersji do punktów styczności na ścieżkach konwersji.
Definicja ta odnosi się do Google Analytics i właśnie w kontekście tego narzędzia będziemy omawiać to pojęcie. Oczywiście każda inna platforma, która gromadzi i przetwarza dane, może mieć własne modele atrybucji i zarządzać nimi na swój sposób. Modelowanie atrybucji stara się dostarczyć bardziej przejrzystych danych na temat tego, które kanały marketingowe odegrały najważniejszą rolę w kontekście analizowanej konwersji. Przykładowo, zanim ktoś dokonał zakupu w sklepie internetowym, po drodze mógł przeczytać artykuł blogowy, wpis na Facebooku, e-mail otrzymany z listy mailingowej itp. – wszystko to na przestrzeni nawet kilku miesięcy. W przypadku takiej ścieżki konwersji można na różny sposób analizować, czy największy wpływ na dokonanie sprzedaży miał artykuł blogowy, mail, a może jeszcze coś innego. Właśnie tutaj z pomocą przychodzą modele atrybucji.
Dlaczego warto analizować różne modele atrybucji?
Przez wiele lat w Google Analytics ostatnie kliknięcie niebezpośrednie funkcjonowało jako domyślny model atrybucji. W jego przypadku cała zasługa za spowodowanie konwersji jest przypisywana do ostatniego kanału, z którego korzystał użytkownik – wszelkie poprzednie interakcje są ignorowane. Choć na pierwszy rzut oka może wydawać się, że jest to najlepszy sposób na analizę skuteczności kanałów marketingowych, to jednak taka perspektywa nie daje pełnego obrazu sytuacji. Przykładowo klient pierwszego dnia może zobaczyć reklamę w sieci Google Ads i to jej treść przykuje jego uwagę, przyczyniając się w największym stopniu do dokonania konwersji. Jednak następnego dnia zobaczy on informację o promocji w mediach społecznościowych, a następnie wpisze nazwę produktu do Google, odwiedzi stronę i dokona zakupu.
Model ostatniego kliknięcia zinterpretuje, że to właśnie wejście na stronę z wyszukiwarki przyczyniło się do dokonania konwersji, choć rzeczywistość jest bardziej złożona. W takim przypadku nie masz pełnego wglądu w funkcjonowanie strategii marketingowej. To bardzo niekorzystna sytuacja, gdyż w dobie licznych platform społecznościowych, rozwiązań omnichannel oraz złożonych, spersonalizowanych reklam bardzo ważne jest ustalenie, co generuje rezultaty i jakie. Właśnie z tego powodu warto jest korzystać z różnych typów modeli atrybucji. Google, mając na uwadze powyższe kwestie, w sierpniu ostatniego roku podjęło decyzję o tym, aby kłaść większy nacisk na atrybucję opartą o dane. Więcej na ten temat dowiesz się w dalszej części artykułu.
Domyślne modele atrybucji w Google Analytics – omówienie
Przyjrzyjmy się, jakie najważniejsze modele atrybucji są dostępne w Google Analytics. Różnice między nimi sprowadzają się do tego, jaki procent udziału w konwersji przypisywany jest do poszczególnych kanałów w wybranych sytuacjach i kontekstach czasowych.
-
Ostatnie kliknięcie niebezpośrednie
Jak już wspomniano wcześniej, w przypadku tego modelu 100% udziału konwersji jest przypisywane ostatniemu kanałowi, w którym użytkownik dokonał kliknięcia przed zakupem.
Przykład:
Marcin otrzymuje e-mail marketingowy, otwiera go i przechodzi na Twoją stronę internetową. Tydzień później odwiedza witrynę bezpośrednio i dokonuje zakupu. Kampania e-mailowa otrzymuje 100% udziału w konwersji.
Zalety/zastosowanie:
- możliwość dokonania dokładnego rozróżnienia między ruchem bezpośrednim i niebezpośrednim,
- łatwa konfiguracja.
Wady/ograniczenia:
- bardzo uproszczona analiza danych,
- ignorowanie potencjalnego wpływu, jaki może generować ruch bezpośredni.
-
Ostatnia interakcja
100% udziału wartości konwersji przypisywane jest ostatniej interakcji lub ścieżce konwersji, z jakich korzystał użytkownik przed dokonaniem zakupu lub realizacją konwersji.
Przykład:
Adam wpisuje frazę „buty do biegania”. Trafia na stronę butysportowe.pl, ale ją opuszcza. Dwa dni później widzi na Facebooku reklamę artykułu poradnikowego, jak wybrać buty sportowe i ponownie trafia na butysportowe.pl. Nie dokonuje jednak zakupu, gdyż cena promowanych produktów jest według niego za wysoka. Następnego dnia Adam wpisuje frazę „buty do biegania tanie”. Klika reklamę Google Ads, która także kieruje go do butysportowe.pl. Jako że trwa promocja, dokonuje zakupu. Reklamie Google Ads przypisywane jest 100% udziału w dokonaniu konwersji.
Zalety/zastosowanie:
- bardzo przydatne, jeśli analizy skupiają się głównie na pozyskiwaniu konwersji,
- pozwala odfiltrować działania, które nie prowadzą do bezpośredniej konwersji.
Wady/ograniczenia:
- ignoruje wiele pośrednich czynników powiązanych z konwersją.
Przeczytaj także:
Jak zwiększyć ruch w sklepie internetowym? -
Pierwsza interakcja
Omawiany model atrybucji funkcjonuje odwrotnie do tego wcześniej omówionego. 100% udziału w wygenerowaniu konwersji jest przypisywane temu kanałowi, który był odpowiedzialny za pierwszy kontakt danego użytkownika z firmą.
Przykład:
Klaudia znajduje nową firmę odzieżową na Instagramie. Następnie odwiedza jej oficjalną stronę internetową, a także klika reklamy Google Ads, jakie pojawiają się na jej telefonie, po czym dokonuje zakupu. Instagramowi przypisywane jest 100% udziału w dokonaniu sprzedaży.
Zalety/zastosowanie:
- bardzo prosta konfiguracja i analiza danych,
- przydatne w sytuacji, gdy cykl zakupowy jest krótki; jeśli klienci dokonują zakupu stosunkowo szybko, to pierwsza interakcja ma kluczowe znaczenie,
- pozwala szybko przeanalizować bezpośrednią, krótkoterminową skuteczność poszczególnych kanałów marketingowych.
Wady/ograniczenia:
- ignorowanie wpływu innych kanałów marketingowych jak choćby retargetingu.
-
Liniowy
Ten model atrybucji bierze pod uwagę każdy punkt styczności w procesie konwersji i przypisuje im taki sam udział w wygenerowaniu sprzedaży.
Przykład:
Magda zapisana jest na listę mailingową sklepu i otrzymuje wiadomość na temat nowej promocji (e-mail). Następnie widzi reklamę szamponu w Google Ads (płatne wyszukiwanie). Gdy oferta sklepu pojawia się także na Facebooku (sieci społecznościowe), klika ją i dokonuje zakupu. Wszystkie 3 kanały otrzymują 33,33% udziału w dokonaniu sprzedaży.
Zalety/zastosowanie:
- przydatne przy realizowaniu złożonych kampanii marketingowych, które kładą szczególny nacisk na ruch organiczny,
- dobry wgląd w skuteczność poszczególnych słów kluczowych,
- pozwala optymalizować ścieżkę zakupową klienta w szerszej perspektywie.
Wady/ograniczenia:
- kampanie powinny być prowadzone przez długi czas, aby rezultaty analizy były sensowne,
- jako że każdej interakcji przypisywana jest taka sama wartość, trudno jest realizować optymalizację z myślą o konkretnych wynikach.
-
Spadek z upływem czasu
Większy udział w dokonaniu konwersji przypisywany jest tym kanałom, z którymi klient miał kontakt najwcześniej przed zrealizowaniem zakupu.
Przykład:
Marcin widzi reklamę roweru w Google Ads. Tydzień później pojawia się ona także w liście mailingowej, do której jest zapisany. Następnego dnia z kolei trafia na nią na Facebooku i dokonuje zakupu. Facebook otrzymuje 50% udziału w dokonaniu sprzedaży, lista mailingowa 40%, a Google Ads jedynie 10%, jako że pierwsza interakcja miała miejsce tydzień przed dokonaniem zakupu.
Zalety/zastosowanie:
- bardzo dokładny wgląd w przekrój wszelkich akcji prowadzących do konwersji – taki model atrybucji pozwala przeprowadzić konkretną optymalizację,
- pozwala zwiększyć skuteczność zarówno kanałów odpowiedzialnych za bezpośrednią konwersję, jak i tych, które przyczyniają się do ich zaistnienia w pośredni sposób.
Wady/ograniczenia:
- potrafi zignorować pierwszą, dużą interakcję, która faktycznie mogła mieć duży wpływ na wygenerowanie sprzedaży nawet mimo tego, że miała miejsce stosunkowo dawno.
-
Atrybucja oparta na danych
Ten zaawansowany model bierze pod uwagę gromadzone historyczne dane z danego konta, aby ustalić, co dokładnie i w jakim stopniu przyczynia się do konwersji na różnych etapach ścieżki zakupowej.
Przykład:
Natalia wpisuje 5 różnych fraz kluczowych związanych z daną restauracją. Rezerwacji dokonuje dopiero po wprowadzeniu piątego. Gdybyśmy korzystali ze wcześniej omówionych modeli atrybucji, konwersja w przypadku każdego zapytania byłaby przydzielona w miarę przewidywalny sposób. Jeśli jednak chodzi o atrybucję opartą na danych, każda fraza kluczowa otrzyma część udziału w zależności od tego, jaki był jej faktyczny wpływ.
Zalety/zastosowanie:
- precyzyjna analiza tego, jak reklamy, grupy reklam i całe kampanie wpływają na realizację celów biznesowych,
- możliwość optymalizacji stawek na podstawie danych generowanych przez wybrane konto.
Wady/ograniczenia:
- korzystanie z tego modelu atrybucji wymaga zgromadzenia odpowiedniej ilości danych,
- zastosowanie ma raczej jedynie w przypadku dużych stron, które generują sporą ilość konwersji.
Porównanie modeli atrybucji z Google Analytics
Jeśli chcesz mieć lepszy wgląd we współdziałanie konkretnych kanałów, które generują konwersje, powinieneś skorzystać z Porównania modeli atrybucji. To narzędzie w Google Analytics pozwala szybko przejrzeć, jakie wartości generują poszczególne kanały w przypadku wybranych modeli atrybucji.
Aby znaleźć raport Porównanie modeli atrybucji, w panelu nawigacyjnym przejdź do Konwersje > Ścieżki wielokanałowe > Porównanie modeli atrybucji.
Modele atrybucji w Google Analytics – podsumowanie
Google Analytics ma oczywiście pewne ograniczenia – analiza powinna zachodzić w okresie 90 dni, często potrzeba dużej ilości danych, a funkcje śledzenia offline są bardzo ograniczone. Jednak dzięki różnym modelom atrybucji będziesz w stanie uzyskać dokładny wgląd w to, jakie efekty przynoszą Twoje działania marketingowe, a w rezultacie zwiększysz ich skuteczność.
