Modelowanie atrybucji w Google Ads to kluczowy element analizy skuteczności kampanii reklamowych.  Scharakteryzuję ich przeznaczenie oraz omówię trudności związane z mierzeniem tym modelem atrybucji. Warto dodać, że „modelowanie” oznacza możliwość ręcznego ustalenia sposobu gromadzenia i interpretowania danych. Modelowanie atrybucji służy do oceny skuteczności działań online a także kanałów pozyskiwania klientów, które przypisują sprzedaż do konkretnych kliknięć.

Warto pamiętać o ograniczeniach w mierzeniu zdarzeń offline i online na ścieżce zakupowej klienta. Technologia rozwija się dynamicznie, ale te dwa obszary marketingu nadal mierzone są odmiennymi metodami i wskaźnikami. Powoduje to niedokładność pomiarów online oraz szacunkowe wyniki sprzedaży, które mogą odbiegać od rzeczywistości. Dodatkowo, grupa docelowa tej samej marki może różnić się w świecie offline i online.

Skomplikowany pomiar ścieżki zakupowej

Jednym z ograniczeń atrybucji w Google Analytics jest domyślny model ostatniego kliknięcia (last click). To powoduje różnice względem Google Ads, które analizuje ruch z reklam online.

Model ostatniego kliknięcia uznaje za decydujący ostatni krok podjęty online przez użytkownika. Największą trudność stanowi niebezpośrednie ostatnie kliknięcie. To termin trudny do wytłumaczenia i zastosowania w raportach. Klienci oczekują jasnych wyników swoich reklam i działań online.

Niebezpośrednie ostatnie kliknięcie w dużym uproszczeniu, oznacza ignorowanie przez narzędzie Google Analytics wszystkich przejść bezpośrednich na stronę jako “ostatni krok”. Oznacza to, że dla systemu Google bezpośrednie wpisanie adresu internetowego strony nie jest elementem ścieżki zakupowej, ale świadomym przejściem na stronę. W takim wypadku, za ścieżkę zakupową, która doprowadziła do zakupu zostanie uznana przedostatnia wizyta, np. pochodząca z reklamy Google Ads.

Dla porównania odwiedzenie strony przez link w social media a następnie wpisanie linku do strony bezpośrednio w przeglądarkę i dokonanie zakupu, będzie traktowało zakup z mediów społecznościowych jako ostatni krok. Wynika to z niezwykle złożonej metodologii ważenia poszczególnych ścieżek zakupowych klienta.

Rodzaje atrybucji Google Ads

1. Atrybucja uwzględniania pozycji

Modelowanie atrybucji względem pozycji to model, który wyznacza ścieżkę konwersji względem udziału każdego ze źródeł online, przyznając pierwszemu i ostatniemu punktowi styku po 40% udziału oraz po 20% na środkowe. Kanały pośrednie są pomijane, co oznacza, że kluczowe są pierwsza i ostatnia interakcja z marką. Pozostałe kanały generują niewielki udział w pozyskaniu danej konwersji.

2. Atrybucja czasowa

Rozkład atrybucji oparty o czas przypisuje coraz wyższą wartość kanałom znajdującym się najbliżej momentu transakcji. Wbrew pozorom, największy udział trafia do ostatniego źródła, a nie stosuje się tu pośredniego kliknięcia. Atrybucja czasowa sprawdza się szczególnie w krótkotrwałych akcjach promocyjnych.Atrybucja czasowa sprawdza się szczególnie w marketingowych akcjach promocyjnych, które trwają przez określony czas.

3. Atrybucja pierwszego kliknięcia

Model atrybucji uwzględniający pierwsze kliknięcie charakteryzuje się najmniejszą dokładnością i rzadko jest wykorzystywany w analizie skuteczności kanałów marketingowych. Pełni jednak kluczową rolę, zwłaszcza gdy firma wprowadza całkowicie nowy brand na rynek. Drugim zastosowaniem jakie można odnaleźć w przypadku atrybucji pierwszego kliknięcia, jest bez wątpienia rozeznawanie się w trendach zakupowych klientów i analiza produktów, na których użytkownikowi zależy najbardziej.

4. Atrybucja ostatniego kliknięcia

Atrybucja ostatniego kliknięcia jest domyślnie ustawionym modelem przypisywania konwersji do działania w Google Analytics. W praktyce model ten posiada wiele niedoskonałości, zaczynając od nieuwzględniania poprzednich ścieżek zakupowych. Jest jednak użytecznym w momencie w którym dokonujemy analizy skuteczności kanałów pod względem doprowadzania do zakupów. Z pewnością może stanowić cenne źródło, które pozwala zaplanować dalsze działania marketingowe w przedsiębiorstwie.

5. Atrybucja ostatniego kliknięcia niebezpośredniego

Model atrybucji niebezpośredniego ostatniego kliknięcia dotyczy transakcji w Google Analytics, w których ostatnią ścieżką zakupową nie było bezpośrednie wejście na stronę. Oznacza to, że użytkownik zapoznał się z marką, przechodząc na stronę z różnych źródeł. Jeśli jednak ostatni krok to wejście bezpośrednie, transakcję przypisuje się do poprzedniego kroku. Model ten zakłada, że użytkownik zna już markę i ma silną intencję zakupową, dlatego trudno wskazać jednoznaczny bodziec do zakupu. Wizyta użytkownika, która doprowadziła go na stronę, nie jest uznawana za moment zakupu. W tym modelu ignorowanie wizyt bezpośrednich to jego słaba strona, ponieważ nie traktuje się ich jako momentu zakupu. Źródło przedostatnie, w przypadku niebezpośredniego ostatniego kliknięcia, zostaje uznane za ostateczną ścieżkę zakupu.

6. Atrybucja linearna (równa)

Atrybucja linearna równo dzieli transakcje na wszystkie kroki zakupowe. W niewielkim stopniu pokazuje intencję zakupową na poszczególnych etapach. Zasada jest prosta: każdy etap ścieżki zakupowej ma taki sam udział w dokonaniu zakupu. Model ten znajduje zastosowanie w przypadku chęci utrzymania relacji z potencjalnym klientem na każdym etapie zakupu.

7. Atrybucja oparta na danych

Model atrybucji oparty na danych wykorzystuje informacje z różnych źródeł w Google Analytics, co czyni go najprecyzyjniejszym modelem. W polskich firmach stosuje się go rzadko, ponieważ wymaga wysokich wydatków oraz wersji premium narzędzia, co jest uzasadnione głównie w dużych korporacjach. Model ten analizuje intencję zakupową na każdym etapie i przypisuje największą wartość kanałowi, który faktycznie doprowadził do zakupu.

Który model atrybucji wybrać?

Wszystko zależy od celu, który chcemy osiągnąć. Jak opisałam wcześniej, każdy model atrybucji wspiera inny cel: reklama graficzna najlepiej sprawdzi się w modelu pierwszego kliknięcia, podczas gdy w przypadku reklamy wideo trudno mówić o miarodajnych kliknięciach. Świadomość marki warto wspierać atrybucją opartą na danych. Poniżej znajduje się tabela, którą opracowałam, porównując wszystkie opisane modele.

Google zaktualizował wymagania dla atrybucji opartej na danych, zmniejszając limit miesięcznych konwersji potrzebnych do jej osiągnięcia.