Branje: 10 min

Atribucijski modeli – kateri kanali vam v resnici prinašajo največ prodaje?

Razumevanje raznolikih atribucijskih modelov je ključnega pomena za jasen uvid v spletno analitiko in rezultate vaše spletne prodaje. Zato vam bomo v današnjem zapisu predstavili različne atribucijske modele, vam pojasnili njihov vpliv na končne rezultate in vas seznanili z malce drugačno obliko konverzij.

Kazalo vsebine

    Če ste kdaj brskali po spletni analitiki in poskušali ugotoviti, od kod pride največ nakupov ali konverzij, ste lahko odkrili precej neujemanj med podatki na različnih platformah. Ne vznemirjajte se, ko boste ugotovili, da se rezultati kampanj v Facebooku razlikujejo od tistih v Google Analytics. Razlog tiči v drugačnem načinu dodeljevanja zaslug za konverzije, kar je, zelo poenostavljeno, sama definicija atribucijskega modela (podrobneje o tem, kaj je atribucijski model, pa v nadaljevanju).

    V današnjem prispevku boste spoznali različne atribucijske modele, njihovo delovanje in vpliv, ki ga morate upoštevati pri interpretaciji rezultatov v spletni analitiki, tako na nivoju posameznega kanala kot pri nadaljnji analizi virov v Google Analytics. Seznanili se boste tudi s posebno, a zato nič manj pomembno obliko konverzij – pomožnimi konverzijami, ki vam bodo pomagale pridobiti širšo sliko pri analizi podatkov o nakupnem procesu uporabnikov.

     

    Kaj je atribucijski model?

    Na preprost način bi lahko rekli, da atribucijski model razporeja zasluge za uporabnikove interakcije in konverzije med različne oglaševalske kanale. Predpostavimo torej, da uporabnik v času svoje nakupne poti vašo spletno trgovino obišče preko različnih kanalov (na primer Google Ads oglas, Facebook oglas, preko organskega iskanja na spletu, preko vašega promocijskega elektronskega sporočila …) in na koncu te poti opravi nakup ali katero koli drugo, za vas pomembno, vrsto konverzije (odda povpraševanje, se prijavi na novice, doda izdelek v košarico …). Kateremu kanalu lahko pripišete zasluge za nakup ali konverzijo? Pri odgovoru vam pomagajo prav atribucijski modeli, ki bodo posameznemu obisku preko različnih kanalov dodelili določen del ‘’pogače’’ pri končnem nakupu.

     

    Vrste atribucijskih modelov

    Poznamo več vrst atribucijskih modelov. Poimenovanja so različna v posameznih analitičnih orodjih, v večji meri pa se bomo nanašali na Google Analytics in Facebook okolje).

     

    Grafični prikaz različnih atribucijskih modelov

     

    • Zadnji klik ali Last-click Attribution zasluge za konverzijo pripiše zadnjemu uporabnikovemu kliku v seriji interakcij.
      Tu ločimo med zadnjim posrednim (Last non-direct click) in zadnjim (Last click) klikom. Google Analytics v poročilih o večkanalnih tokovih (Multi-Channel Funnels) kot privzetega uporablja slednjega, za vsa preostala poročila pa upošteva zadnji posredni klik. Kakšna je razlika? Model zadnjega posrednega klika ne upošteva direktnega prometa in pripiše konverzijo kanalu, s katerim je uporabnik bil v interakciji, preden je izvedel konverzijo.
    • Prvi klik ali First-click Attribution zasluge za konverzijo dodeli prvemu uporabnikovemu kliku.
    • Linearni model ali Linear Attribution zasluge za konverzijo enakomerno razporedi med vse uporabnikove klike.
    • Časovni upad ali Time-decay Attribution več zaslug prisodi klikom, ki so bili časovno bližje konverziji.
    • Na podlagi položaja ali Position-based Attribution po 40 % zaslug pripiše prvemu in zadnjemu kliku, ostalih 20 % pa razdeli med vmesne klike.
    • Na podlagi podatkov ali Data driven Attribution za razliko od prejšnjih atribucijskih modelov ne dodeljuje zaslug po ustaljenem pravilu, temveč s pomočjo algoritmov.
    • Po meri ali Custom Attribution upošteva pravila, ki jih zastavite sami.

     

    Kako atribucijski modeli delujejo v praksi?

    Delovanje atribucijskih modelov pogosto zveni precej abstraktno, zato si pomagajmo s praktičnim primerom. Vzemimo za primer Jožico, ki je navdušena nad začetkom vrtnarske sezone. Jožica je na Facebooku videla oglas za vrtnarske pripomočke, nanj kliknila, si ogledala ponudbo, vendar se v tistem trenutku še ni odločila za nakup novih vrtnarskih rokavic. Po dveh tednih je v Googlov iskalnik vtipkala ključno besedo ‘’vrtnarske rokavice’’, naletela na oglas istega ponudnika vrtnarskih pripomočkov, nanj kliknila, a v nakup še vedno ni bila prepričana. Še isti večer se je odločila, da res potrebuje nove rokavice in preko Googlovega iskalnika (tokrat ni kliknila na oglas) ponovno obiskala spletno stran z rokavicami, ki si jih je ogledovala in opravila nakup. Kako njeno vedenje prikazujejo različni atribucijski modeli?

    Atribucijski model zadnjega klika, ki ga kot privzetega uporabljata Google Ads in  poročila o večkanalnih tokovih v Google Analytics (razen, v primerih, ko si ga sami prilagodite drugače), bi v tem primeru zasluge za nakup pripisal organskemu kanalu.

    Tudi atribucijski model zadnjega posrednega klika bi v tem primeru pripisal konverzijo organskemu kanalu, saj konverzija ni bila izvedena preko direktnega prometa (na primer preko neposrednega vpisa v iskalnik ali preko spletnih zaznamkov). V kolikor bi bila, bi osnovna poročila v Google Analytics pripisala konverzijo oglaševanju na Googlu. To je tudi eden izmed razlogov, zakaj lahko prihaja do razlik med podatki že znotraj ene same platforme.

    Po drugi strani, bi atribucijski model prvega klika dodelil vse zasluge oglaševalskemu kanalu na Facebooku.

    Atribucijska modela, pri katerih se upoštevajo vse interakcije, bi zasluge za nakup rokavic razporedila sledeče: linearni atribucijski model bi vse tri interakcije upošteval v enaki meri, medtem ko bi model na podlagi položaja po 40 % zaslug pripisal oglaševanju na Facebooku in organskemu kanalu, 20 % pa dodelil oglaševanju na Google Ads.

    Za razliko od zgoraj navedenih primerov, le stežka vemo, kateri kanal bo algoritem atribucijskega modela na podlagi podatkov prepoznal kot najbolj zaslužnega za konverzijo. Na drugi strani pa lahko z atribucijskim modelom po meri sami določite pravila in prispevek posamezne interakcije h končni konverziji.

     

    Zakaj prihaja do razlik med Facebookovimi in Google Analytics podatki?

    Morda vas bo presenetilo dejstvo, da bi Facebook zasluge za Jožičino konverzijo pripisal sebi, medtem ko bi v Google Analytics to isto konverzijo zasledili med organskim kanalom. Zakaj je temu tako? Kot smo že omenili, Google Analytics uporablja atribucijski model zadnjega klika (poročila o večkanalnih tokovih) ali zadnjega posrednega klika (poročila, ki se ne nanašajo na večkanalne tokove), medtem ko ima Facebook za atribucijsko okno privzet način prevzemanja zasluge za konverzije na podlagi 28-dnevnega klika na oglas ali 1-dnevnega ogleda oglasa.

    Če torej uporabnik na Facebooku klikne na oglas in v 28 dneh opravi nakup, ali pa vidi oglas (in nanj ne klikne) ter še isti dan kupi izdelek, bo Facebook pripisal konverzijo sebi – ne glede na to, preko katerega kanala je uporabnik opravil nakup. Po drugi strani bo Google Analytics zasluge za konverzijo pripisal tistemu kanalu, na kateremu je uporabnik opravil zadnjo interakcijo (kanal, preko katerega je uporabnik kupil izdelek). Naj izpostavimo, da Google Analytics poleg drugačnega atribucijskega modela prav tako ne beleži Facebookovih konverzij na podlagi prikazov (1 day view).

    Iz tega lahko zaključimo, da bo Facebook več konverzij pripisal sebi, Google Analytics pa bo izmed njih vse tiste, ki niso bile posledica zadnjega klika, pripisal drugim kanalom.

    Vir zagate predstavlja tudi dejstvo, da Google Analytics ne prepozna t. i. Cross-device konverzij. To pomeni, da v kolikor uporabnik ni na vseh napravah prijavljen z istim Google Chrome računom, ga Google Analytics ne prepozna kot istega uporabnika.

     

    Kako razumeti različne analitične podatke iz Google Analytics in Facebooka?

    V kolikor želite pomoč pri ustrezni interpretaciji podatkov iz Facebooka in Google Analytics, vam priporočamo, da prilagodite Facebookovo atribucijsko okno, ki vam omogoča tudi primerjanje različnih atribucijskih oken znotraj platforme. To lahko na preprost način storite v Ads Managerju.

    Odprite Ads Manager in kliknite ‘’Columns’’. Iz stolpca nato izberite ‘’Customize Columns’’.

     

     

    Pred vami se bo odprlo okno, kjer boste lahko prilagodili atribucijsko okno za vaše kampanje. Iz nabora metrik izberite tiste, ki vas zanimajo in so za interpretacijo rezultatov kampanj pomembne.

     

     

    V naslednjem koraku v spodnjem desnem kotu okna kliknite na ‘’Comparing Windows’’. Pred vami se bo pojavilo okno, kjer boste nastavili atribucijsko okno.

     

     

    Izbirate lahko med 1-, 7- in 28-dnevnim oknom ogledov in klikov. Kot že rečeno, je privzeto atribucijsko okno Facebooka 1-dnevni ogled in 28-dnevni klik, ki ga lahko pri prilagoditvi atribucijskega okna, po želji, tudi opustite.

    Svetujemo vam, da zavoljo zmanjšanja razlik med podatki v Google Analytics in Facebooku, v atribucijskem oknu zanemarite okno ogledov in pri vašem atribucijskem oknu upoštevate samo klike. Na ta način bo ujemanje podatkov o konverzijah in njihovi vrednosti v Facebooku in Google Analytics bolj skladno.

     

    Pomožne konverzije – kaj je to?

    Še eno orodje Google Analytics, ki bo pripomoglo k razumevanju nakupnega procesa in vloge, ki jo imajo v njem posamezni viri, je poročilo o asistiranih ali pomožnih konverzijah (Assisted Conversions). Našli ga boste pod poglavjem Conversions > Multi-Channel Funnels > Assisted Conversions.

     

     

    Se sprašujete, kaj sploh so asistirane konverzije? Če povzamemo definicijo Google Analytics, pomožne konverzije predstavljajo število in vrednost konverzij vseh uporabnikovih interakcij, razen zadnje (Last-Click ali Direct Conversion).

    Naj omenimo, da s številom in vrednostjo konverzij pri posameznem viru ali kanalu, raste tudi njegova vloga ‘’asistenta’’ pri končnem nakupu ali drugi vrsti konverzije. Zakaj je to pomembno? Na ta način boste izvedeli, v kolikšni meri posamezen kanal pripomore h končni konverziji. Velikokrat vas bo ta podatek presenetil. V spodnji tabeli lahko vidite, da je direktne konverzije preko organskega kanala (google / organic) relativno malo, je pa ta kanal zelo pomemben v procesu, preden se opravi končna konverzija, torej velja za odličnega ‘’asistenta’’ v nakupnem procesu.

     

     

    Ker zaradi načina štetja pomožnih konverzij lahko pride do njihovega podvajanja se lahko zgodi, da sta število in vrednost asistenc višja od dejanskega števila konverzij in prometa. Razlog tiči v tem, da lahko Google Analytics vrednost in asistenco za posamezno konverzijo dodeli večim kanalom (to pomeni, da v kolikor je uporabnik pred opravljenim nakupom obiskal več različnih kanalov, lahko Google Analytics pripiše asistenco vsem od njih). Zato je dodana vrednost poročila o pomožnih konverzijah predvsem v tem, da omogoča vpogled v vlogo, ki jo ima posamezen vir, preden uporabnik opravi končni nakup, s tem pa pridobite širšo sliko o uporabnikovem nakupnem procesu.

    Če se zopet spomnimo Jožice in njene nakupne poti, bi v njenem primeru facebook / cpc in google / cpc prejela vlogo ‘’asistenta’’, saj je Jožica, preden je opravila končni nakup, opravila interakcijo s spletno stranjo preko teh dveh virov. Ker je končni nakup opravila preko organskega vira (google / organic), bi ta, kot že omenjeno, dobil zasluge za končni nakup (Last-Click or Direct Conversion).

     

    Kaj se lahko iz tega naučite?

    Morda se vam zdi, da vaše oglaševanje na spletu ne prinaša želenih rezultatov, čeprav namenite velik del proračuna za Facebook ali Google Ads oglaševanje. Zato je potrebno pogledati širšo sliko. Hitro boste namreč hitro ugotovili, da je uspešnost na enem kanalu v veliki meri odvisna tudi od aktivnosti na drugih kanalih. Skratka, Jožica skoraj zagotovo ne bo opravila nakupa v vaši spletni trgovini, če pred nakupom ne bo zasledila vaših oglasov.

    Preverite tudi ostale vidike digitalnega marketinga, ki vam lahko pomagajo do boljše prodaje. Prenesite prvi celosten Ecommerce vodič v slovenskem jeziku, ki smo ga pripravili Madwise strokovnjaki za spletno prodajo.

     

    Dodatni viri

    Preberite več o atribuciji in o tem, kako se razlikuje od večkanalnih tokov (Google)

    Preberite več o večkanalnih tokovih (Google)

    Sorodne vsebine

    Kategorije