Klient widzi Twoją reklamę w poniedziałek. Nie klika. W środę dostaje Twój e-mail. Klika go. Trafia na stronę, czyta stronę z cennikiem i w piątek konwertuje. Który punkt styku zasługuje na uznanie za sprzedaż? Reklama, e-mail czy strona z cennikiem? Modelowanie atrybucji pozwala odpowiedzieć na to pytanie.
Większość firm zgaduje źle. Przypisuje zasługę ostatniemu punktowi styku (atrybucja ostatniego kliknięcia) i pomija całą resztę. Ale prawdziwa ścieżka jest dłuższa i bardziej złożona. Ten artykuł omawia modele atrybucji, dlaczego mają znaczenie, czym się różnią i który wybrać dla swojej firmy.
Modelowanie atrybucji to przypisywanie zasługi każdemu punktowi styku marketingu na ścieżce klienta. Klient zwykle wchodzi w kontakt z Twoją marką wiele razy przed konwersją. Atrybucja odpowiada: która interakcja zasługuje na uznanie za sprzedaż?
Różne modele atrybucji dają różne odpowiedzi. Wybrany model decyduje, gdzie inwestujesz budżet marketingowy. Wybierz źle, a zetniesz kanał, który zaczął ścieżkę, i przepłacisz za kanał, który domknął sprzedaż.
Problem atrybucji
Klient konwertuje na Twojej stronie. Atrybucja pyta: który punkt styku zasługuje na uznanie? Odpowiedź decyduje, gdzie inwestujesz budżet marketingowy.
Jeśli używasz atrybucji ostatniego kliknięcia, ostatni punkt styku (ostatnia odwiedzona strona, ostatni otrzymany e-mail) dostaje całą zasługę. Reklama, którą klient zobaczył tygodnie wcześniej, nie dostaje nic. Tniesz więc wydatki na reklamy i podwajasz wydatki na e-mail. Ale to reklama przedstawiła klientowi Twoją markę. Bez reklamy nigdy nie dostałby e-maila.
To właśnie problem atrybucji. Przypisujesz zasługę złemu punktowi styku i źle ustalasz priorytety budżetu.
Atrybucja ostatniego kliknięcia: łatwa, błędna odpowiedź
Atrybucja ostatniego kliknięcia przypisuje zasługę ostatniemu punktowi styku przed konwersją. To najprostszy i najpopularniejszy model. Zwykle jest też błędny.
Przykład: Klient widzi reklamę, ignoruje ją. Tydzień później dostaje e-mail, klika, kupuje. Ostatnie kliknięcie przypisuje sprzedaż e-mailowi. Reklama dostaje zero. Analiza budżetu: e-mail wygenerował sprzedaż, reklamy nie. Rzeczywistość: reklama przedstawiła markę, e-mail doprowadził do konwersji. Oba mają znaczenie.
Ostatnie kliknięcie jest popularne, bo jest proste. Łatwe we wdrożeniu. Łatwe w raportowaniu. Ale zasłania prawdziwą ścieżkę kupującego.
Atrybucja pierwszego kliknięcia: odwrotna, błędna odpowiedź
Atrybucja pierwszego kliknięcia przypisuje zasługę pierwszemu punktowi styku. Odwraca problem.
Przykład: Ten sam klient, ta sama ścieżka. Pierwsze kliknięcie przypisuje sprzedaż reklamie. E-mail dostaje zero. Analiza budżetu: reklamy napędzają sprzedaż, e-mail nie. Rzeczywistość: znowu oba mają znaczenie.
Pierwsze kliknięcie przecenia marketing na górze lejka (reklamy, media społecznościowe, wyszukiwarka) i nie docenia dołu lejka (e-mail, retargeting, strony docelowe).
Atrybucja liniowa: równy podział zasługi
Atrybucja liniowa dzieli zasługę po równo między wszystkie punkty styku. Jeśli klient miał pięć punktów styku, każdy dostaje 20 procent zasługi za sprzedaż.
To uczciwsze niż ostatnie lub pierwsze kliknięcie, ale zakłada, że wszystkie punkty styku są równie ważne. Czasem nie są. Reklama, która przedstawiła klientowi markę, to nie to samo co e-mail, który doprowadził do konwersji.
Atrybucja z zanikiem w czasie: więcej zasługi dla bliższych zdarzeń
Zanik w czasie daje więcej zasługi punktom styku bliżej konwersji. Ostatni punkt styku dostaje najwięcej. Pierwszy najmniej.
Przykład: Reklama (10 procent zasługi), wyświetlenie strony docelowej (15 procent), e-mail (25 procent), strona koszyka (50 procent). Końcowe kroki, które doprowadziły wprost do konwersji, dostają więcej zasługi.
To lepiej odzwierciedla rzeczywistość: końcowe punkty styku wykonały ciężką pracę. Ale nadal nie doceni marketingu na górze lejka, który zaczął ścieżkę.
Atrybucja oparta na danych: niech zdecydują dane
Najdokładniejszy model używa uczenia maszynowego. Atrybucja oparta na danych analizuje tysiące ścieżek klientów i pyta: u wszystkich klientów, którzy skonwertowali, jakie punkty styku pojawiają się na ich ścieżkach? Które punkty styku pojawiają się na ścieżkach bez konwersji?
Jeśli punkt styku występuje w 90 procentach ścieżek z konwersją, a tylko w 10 procentach ścieżek bez konwersji, dostaje wysoką zasługę. Jeśli występuje równo w obu, dostaje mniej.
Ten model jest najdokładniejszy, ale wymaga dużo danych i zaawansowanych narzędzi.
Dlaczego atrybucja ma znaczenie dla decyzji budżetowych
Masz $10 000 miesięcznie do wydania na reklamy, e-mail i treści. Jak je podzielić?
Przy ostatnim kliknięciu możesz wydać $9000 na e-mail (bo e-mail konwertuje na końcu) i $1000 na reklamy (bo reklamy rzadko dostają zasługę). Twój budżet jest źle ustawiony.
Przy atrybucji opartej na danych widzisz: reklamy dają świadomość (40 procent zasługi), treści budują zainteresowanie (35 procent zasługi), e-mail konwertuje (25 procent zasługi). Przesuwasz budżet na $4000 reklamy, $3500 treści, $2500 e-mail. Teraz budżet odzwierciedla prawdziwą ścieżkę kupującego.
Częste błędy w atrybucji
Zakładanie, że jeden model jest właściwy: Żaden model nie jest idealny. Każdy służy do czego innego. Ostatnie kliknięcie mówi, co doprowadziło ludzi do konwersji. Pierwsze kliknięcie mówi, co ich przedstawiło. Oparty na danych mówi ważoną prawdę.
Pomijanie kontaktów offline: Klient widzi reklamę, zapamiętuje markę i szuka jej tygodnie później. Ostatnie kliknięcie przypisuje zasługę wyszukiwaniu. Ale to reklama była katalizatorem. Narzędzia atrybucji pomijają punkty styku offline.
Niesprawiedliwe obwinianie jednego kanału: Jeśli e-mail ma najwyższy współczynnik konwersji, ale najniższą przypisaną zasługę, możesz go ściąć. Ale e-mail wykonuje końcową pracę konwersji. Zetnij go, a cały lejek się załamie.
Ignorowanie kanibalizacji: Kampanie e-mailowe czasem konwertują ludzi, którzy skonwertowaliby i tak (przez reklamy lub wyszukiwarkę). Atrybucja nie oddziela prawdziwej wartości dodanej od kanibalizacji.
Jak wybrać model atrybucji
Zacznij od ostatniego kliknięcia dla prostoty. Przejdź na liniowy, jeśli chcesz uznać wszystkie kontakty. Przejdź na zanik w czasie lub oparty na danych, jeśli masz dane i narzędzia.
Przetestuj model na tle rzeczywistości. Jeśli atrybucja oparta na danych mówi, że e-mail daje najwięcej wartości, ale zaangażowanie w e-mail jest fatalne, coś jest nie tak. Skoryguj.
Większość dojrzałych firm używa wielu modeli: ostatnie kliknięcie do raportowania kampanii, oparty na danych do podziału budżetu, pierwsze kliknięcie do ochrony inwestycji na górze lejka.
Najczęściej zadawane pytania
Czy Google Analytics ma modelowanie atrybucji?
Podstawowa wersja Google Analytics domyślnie używa ostatniego kliknięcia. Płatna wersja (GA360) oferuje inne modele. Do zaawansowanej atrybucji opartej na danych potrzebujesz dedykowanego narzędzia atrybucji, takiego jak Google Ads, Facebook Ads albo zewnętrzne platformy atrybucji. Dzięki kreatorowi stron WEMASY możesz to ustawić bezpośrednio na swojej stronie.
Czy mogę używać atrybucji, by zmniejszyć budżet marketingowy?
Używaj jej do przesuwania budżetu, a nie do cięcia. Atrybucja może pokazać, że e-mail daje więcej wartości niż reklamy, więc przesuwasz budżet z reklam na e-mail. Ale nie tnij całych kanałów dlatego, że jeden model atrybucji je niedocenia. Testuj i mierz efekt.
A jeśli różne kanały mają różne modele atrybucji?
To normalne. Platforma e-mailowa może używać ostatniego kliknięcia. Platforma reklamowa może używać modelu opartego na danych. Narzędzie analityczne może używać liniowego. Ujednolić można, używając jednego modelu dla wszystkich kanałów w decyzjach wewnętrznych, nawet jeśli dostawcy stosują różne modele.
Jak obsłużyć konwersje, które dzieją się offline?
Śledź je ręcznie. Gdy klient dzwoni, zapytaj, skąd o Tobie usłyszał. Gdy wypełnia formularz, dodaj ukryte pole o tym, jak Cię znalazł. Użyj tych danych, by skorygować model atrybucji o kontakty offline.
Czym jest test przyrostowości i czym różni się od atrybucji?
Atrybucja próbuje przypisać istniejące konwersje kanałom. Test przyrostowości losowo wyłącza część klientów i mierzy, czy konwersje spadają bez danego kanału. Przyrostowość jest dokładniejsza, ale wymaga więcej pracy i pieniędzy.
Czy zawsze używać najbardziej złożonego modelu atrybucji?
Nie. Atrybucja oparta na danych jest najdokładniejsza, ale wymaga dużo danych, dobrego śledzenia i zaawansowanych narzędzi. Ostatnie kliknięcie jest błędne, ale proste. Zacznij prosto, rozwijaj się wraz ze wzrostem.