Jeśli prowadzisz działalność w Internecie, na pewno nie raz obiły Ci się o uszy takie nazwy jak atrybucja i konwersja. Może nawet zdarzyło Ci się usłyszeć określenie „modele atrybucji”. Warto zadać sobie pytania: czym one są i dlaczego są takie ważne?
Spis treści:
- Czym są atrybucja i modele atrybucji?
- Atrybucja pod kątem biznesu i inwestycji w kanały marketingowe.
- Jaki jest domyślny model atrybucji i dlaczego jest zły?
- Jakie modele atrybucji są jeszcze do wyboru?
- Dane nigdy nie będą kompletne – 50 twarzy ciasteczek
- Jak podejmować decyzje na podstawie danych z modeli atrybucji? Czy w B2B modele atrybucji mają rację bytu?
Czym są atrybucja i modele atrybucji?
Zanim zdefiniujemy sobie atrybucję i jej modele, musimy wprowadzić pojęcie konwersji.
Konwersja to podjęcie przez użytkownika pożądanego działania na stronie. W przypadku firm B2B zwykle jest to wysłanie zapytania o ofertę. Dla porządku dodam, że takie działanie może poprzedzać szereg mikrokonwersji – niewielkich działań podejmowanych przez odwiedzającego stronę, zwykle prowadzących do głównej konwersji (makrokonwersji), czyli na przykład zapisu do newslettera, kliknięcia w numer telefonu, zapoznania się ze stroną usługową… Śledzimy je w Google Analytics – a jeśli już jesteśmy przy Google Analytics, koniecznie sprawdź czy masz poprawnie zdefiniowane cele w tym narzędziu!
Atrybucja to z kolei przypisanie działania użytkownika do konkretnego kanału marketingowego, takiego jak bezpłatne wyniki wyszukiwania, Facebook Ads, reklamy Google. Nie jest to tak proste, jakby się wydawało, gdy weźmiemy pod uwagę, że użytkownik przed wysłaniem zapytania mógł odwiedzić stronę z różnych źródeł.
Załóżmy, że podejmujemy kilka działań promocyjnych: korzystamy z reklamy na Facebooku, w wyszukiwarce oraz wysyłamy do naszych klientów newsletter. Który z tych kanałów ma największy wpływ na decyzję klienta?
Tu cały na biało wkracza model atrybucji – ustalony zbiór reguł określający, jaki udział w wygenerowaniu konwersji przypisujemy poszczególnym kanałom. Ścieżką konwersji nazywamy wszystkie źródła, z których użytkownik wchodził na naszą stronę zanim dokonał ostatecznej konwersji.
Atrybucja pod kątem biznesu i inwestycji w kanały marketingowe
Pewnie już się domyślasz, że model atrybucji, który przyjmiesz, przełoży się na ocenę skuteczności danego kanału marketingowego. Jest to szalenie istotne, biorąc pod uwagę to, że na podstawie tego wyboru będziesz podejmować decyzje o podziale budżetu na poszczególne kanały. Zły wybór może doprowadzić do sytuacji, gdy wybrany model atrybucji przecenia znaczenie kanału, który domyka konwersję. Efekt? Przekierowanie na niego znacznych środków przy jednoczesnym odjęciu ich pozostałym kanałom, które – jak może się okazać po sprawdzeniu innego modelu atrybucji – wspierają konwersje.
Ostateczny efektem będzie spadek liczby konwersji (i co za tym idzie leadów) – ku rozpaczy marketerów, handlowców, jak i zarządzających firmą.
Ten problem działa w dwie strony. Wybrany model atrybucji może nie doceniać znaczenia danego kanału – skutki tego są równie bolesne.
Jaki jest domyślny model atrybucji i dlaczego nie warto z niego korzystać?
W poprzednim akapicie opisałam błąd wynikający z interpretowania najbardziej rozpowszechnionego modelu atrybucji, czyli last click – „ostatnie kliknięcie”. Jak sama nazwa wskazuje, ten model zakłada, że za wygenerowanie konwersji odpowiada kanał, z którego użytkownik przyszedł bezpośrednio przed dokonaniem konwersji.
Jeśli klient wejdzie na stronę z reklamy na Facebooku, drugiego dnia zobaczy reklamę w sieci Google Ads i znów odwiedzi stronę, a trzeciego dnia wpisze w wyszukiwarkę nazwę firmy i dokona zakupu, to właśnie wyszukiwarce przypisana zostanie konwersja.
To oczywiście błędne podejście w momencie, gdy to różne źródła ruchu i różne działania złożyły się na to, że doszło do wysłania zapytania.
Modele atrybucji a obecna rzeczywistość marketingowa
W czasach, kiedy marketing internetowy składa się z wielu kanałów, takich jak reklamy płatne, bezpłatne wyniki wyszukiwania, social media, e-mail marketing i wiele innych – uznanie, że tylko ostatnie kliknięcie jest odpowiedzialne za konwersję jest poważnym nadużyciem.
Google Analytics domyślnie ustawia model stanowiący wariację ostatniego kliknięcia. Ten model atrybucji nazywa się „ostatnie kliknięcie niebezpośrednie” i polega na tym, że konwersja zostaje przypisana do ostatniego kanału niebędącego wejściem bezpośrednim.
Przykład? Potencjalny klient jednego dnia wchodzi na stronę poprzez kliknięcie linku z reklamy. Innego dnia wejście następuje z profilu social media firmy. Kolejnego – z newslettera, do którego się w międzyczasie zapisał. Natomiast ostatnie wejście jest bezpośrednie – użytkownik wpisuje adres strony w pasek przeglądarki i wysyła zapytanie. Wówczas w tym modelu atrybucji, w którym pomijamy wejścia bezpośrednie, cała zasługa za konwersję zostaje przypisana poprzedniemu kliknięciu – w tym przypadku jest to newsletter, czyli e-mail marketing. Tymczasem ścieżka klienta była dużo bardziej złożona.
Jakie modele atrybucji są jeszcze do wyboru?
Poznaliśmy już model atrybucji ostatniego kliknięcia. Modelowanie atrybucji może być jednak nieco bardziej wyszukane i złożone. Poniżej omówię różne modele atrybucji, które są powszechnie stosowane. Zaczynamy.
Model atrybucji – ostatnie kliknięcie (last click)
Najpowszechniej stosowany model atrybucji, w którym cała zasługa za konwersję przypada ostatniemu kliknięciu użytkownika, który skonwertował. W tym momencie tylko jedno źródło ruchu jest identyfikowane jako odpowiedzialne za pozyskanie potencjalnego klienta, chociaż miał on styczność także z innymi.
Wariacją tego modelu jest ostatnie kliknięcie Google Ads – w tym przypadku cała zasługa jest przypisywana reklamie Google, którą użytkownik kliknął jako ostatnią. Ten model możesz znaleźć w Google Analytics.
Ten model sprawdzi się głównie w przypadku krótkich akcji promocyjnych, często skutkujących spontanicznymi zakupami – chcemy sprawdzić czy to promocja była impulsem do zakupu. Takie akcje nie zdarzają się w B2B zatem stosuje się go raczej w B2C.
Model atrybucji – pierwsze kliknięcie (first click)
To odwrotność modelu „ostatnie kliknięcie” – tu cały udział w konwersji zbiera pierwsze kliknięcie, które doprowadziło do wejścia na stronę, nawet jeśli na ścieżce konwersji pojawiły się też inne źródła ruchu.
Ten model atrybucji może sprawdzić się w przypadku kampanii zasięgowych, gdzie liczy się dotarcie do jak największego grona odbiorców.
Model atrybucji – liniowy (linear)
Model liniowy jest bardzo „sprawiedliwy” w przypisywaniu udziału w konwersji wszystkim źródłom – każdy kanał występujący na ścieżce konwersji dostaje tyle samo udziałów wyrażonych procentowo. Przykładowo, w przypadku pięciu elementów ścieżki konwersji, każdy z nich dostanie po 20% udziału.
Można go zastosować w przypadku biznesów, w których konwersje się powtarzają – takich jak subskrypcje. Warto go rozważyć także tam, gdzie procesy decyzyjne są długie.
Model atrybucji – uwzględnienie pozycji (position-based)
Tutaj największy udział przypada pierwszej i ostatniej pozycji na ścieżce klienta do konwersji. W naszym przykładzie będą to reklama oraz wejście bezpośrednie.
Kiedy stosujemy działania na różnych etapach lejka, ten model będzie dobrym wyborem – pomoże zweryfikować, które kanały najlepiej działają na górze lejka, a które na jego dole. Od modelu liniowego różni się tym, że tam procenty będą takie same dla wszystkich punktów styku.
Model atrybucji – spadek udziału z upływem czasu (time-decay)
Tu obserwujemy spadek udziału z upływem czasu – im dawniej dany kanał był na ścieżce konwersji, tym mniejszy udział mu jest przypisany w wygenerowaniu tejże konwersji. Najwięcej zasług przypisujemy ostatniej interakcji.
Ten model najlepiej sprawdzi się w przypadku mniejszych transakcji o nieco impulsywnym charakterze, czyli w B2B na przykład w SaaS-ach. Nie zadziała za to w przypadku dużych transakcji – w sektorze B2C będą to chociażby branża nieruchomości i motoryzacja.
Model atrybucji – pierwsza interakcja (first interaction)
Masz deja vu? Niesłusznie – interakcja to nie to samo co kliknięcie. Interakcją może być samo wyświetlenie reklamy displayowej albo nawet zobaczenie billboardu przy ulicy. Interakcję od kliknięcia odróżnia to, że nie musi się to kończyć przejściem na stronę www. Model ten może sprawdzić się w przypadku firm, które stosują szeroko zakrojone kampanie zasięgowe.
Model atrybucji – ostatnia interakcja (last interaction)
Model ostatniej interakcji tak samo jak w przypadku poprzedniego – nie może być utożsamiany z modelem ostatniego kliknięcia. Tu cały udział w generowaniu konwersji model przypisuje ostatniej interakcji.
Ma podobne zastosowanie co model ostatniego kliknięcia – z tym, że tu brane są pod uwagę także wyświetlenia reklamy displayowej (bez kliknięć). Polecam go stosować, jeśli są prowadzone takie kampanie.
Poniżej zbiorcza grafika porównująca wszystkie modele atrybucji:
Dane nigdy nie będą kompletne – 50 twarzy ciasteczek
Kiedy badamy ścieżki konwersji, używając przy tym różnych modeli atrybucji, musimy pamiętać o ograniczeniach narzędzia, jakim jest Google Analytics. Utopią jest posiadanie kompletu danych, które pozwalają analizować pełną ścieżkę klienta od A do Z.
Każda przeglądarka ma swój zestaw ciasteczek
Wynika to z tego, że działanie praktycznie każdego narzędzia marketingowego opiera się o ciasteczka, które są generowane oddzielnie na każdej przeglądarce. Wyobraźmy sobie taki scenariusz – potencjalny klient w wolnym czasie trafia na reklamę Twojej firmy na komórce. Mamy informację o tej interakcji zapisaną w ciasteczku nr 1. Klient zaczyna szukać więcej informacji w Google na laptopie – dochodzi kolejna przeglądarka i kolejne ciasteczko. Po zapoznaniu się z informacjami uznaje, że warto skontaktować się z Twoją firmą… i robi to ze służbowego komputera, który przypisuje mu już trzecie ciasteczko!
Tutaj warto wspomnieć, że od czasu premiery iOS 14.5 użytkownicy tego systemu stali się praktycznie nieosiągalni do śledzenia za pomocą IDFA (Identifier for Advertisers) – systemu o działaniu podobnym do ciasteczek. Aktualizacja przyniosła ze sobą zmianę w postaci konieczności uzyskania wyraźnej zgody na śledzenie, będącą znacznym utrudnieniem dla reklamodawców.
Jak sobie radzi z tym analityka?
Narzędzia analityczne starają się łączyć te dane (choćby dzięki logowaniu się za pomocą tego samego konta na różnych urządzeniach), jednakże luk w informacjach nie da się uniknąć – zwłaszcza w B2B, gdzie procesy decyzyjne nierzadko rozciągają się na kilka miesięcy i odbywają się zarówno w przestrzeni cyfrowej, jak i w świecie rzeczywistym.
Jak podejmować decyzje na podstawie danych z modeli atrybucji? Czy w B2B modele atrybucji mają rację bytu?
Mam nadzieję, że po przeczytaniu tego artykułu wiesz już, że żadnemu modelowi nie powinniśmy ufać bezkrytycznie. O wyborze tego, za pomocą którego będziemy analizować dane o konwersjach, powinien zadecydować model Twojego biznesu. Pozwolę sobie dać tu pewne wskazówki:
- jeśli konwersje powtarzają się regularnie, są to subskrypcje (np. serwis streamingowy) – model liniowy pokaże wszystkie źródła, które odpowiadają za ponawianie zakupów,
- jeśli jest to firma B2B, gdzie decyzje są podejmowane w dłuższym okienku czasowym – model, gdzie następuje spadek udziału z upływem czasu, może dobrze pokazać moc kanałów marketingowych na końcowych etapach ścieżki. Pamiętaj o wydłużeniu czasu uwzględnianych kroków na ścieżce, w zależności od długości procesu decyzyjnego.
- jeśli jest to eCommerce – najlepiej sprawdzi się model z uwzględnieniem pozycji.
Podsumowanie
Na pewno nie jest tak, że w B2B modele atrybucji nie mają racji bytu, jednak należy pamiętać, że ścieżki mogą być pofragmentowane ze względu na brak możliwości połączenia przez dane analityczne informacji z różnych ciasteczek wygenerowanych przez jedną osobę.
Najlepszym wyborem będą modele, które uwzględniają więcej niż jedno źródło konwersji, co pozwoli Ci zauważyć jakie działania marketingowe składają się na wielkość Twojej sprzedaży. Podjęcie decyzji o budżetach marketingowych na podstawie modelu uwzględniającego tylko jeden z elementów ścieżki może okazać się kosztownym błędem.
