Modele atrybucji w GAds i GA, czyli komu podziękować za konwersję? Część 2

W pierwszej części artykułu przedstawiliśmy Wam czym jest atrybucja konwersji oraz dlaczego jest ona tak ważna z punktu widzenia prawidłowej oceny naszych działań marketingowych.

Posiadając już tę wiedzę pojawia się kolejne pytanie – jaki model atrybucji stosować, by w bardziej właściwy sposób oceniać skuteczność poszczególnych kanałów/urządzeń wykorzystywanych w działaniach marketingowych?

Aby odpowiedzieć na to pytanie, najpierw musimy poznać standardowe modele atrybucji, proponowane nam przez narzędzia Google.

Modele atrybucji

Last-click/Last interaction

Ostatnia interakcja jest podstawową atrybucją wykorzystywaną w Google Ads oraz Google Analytics, jak również w innych narzędziach marketingu online. W modelu tym całość zasług za konwersję przypisywana jest do ostatniego kanału, z którym użytkownik miał styczność, przed dokonaniem konwersji. Ważną kwestią, którą należy zapamiętać, jest fakt, że Google Analytics wykorzystuje nieco zmodyfikowany model zwany 'last non direct click’. Oznacza on, że całość zasług przypisywana jest do ostatniego kanału, nie będącego wejściem bezpośrednim.

Przykładowo jeśli na ścieżce konwersji przedostatnim kanałem jest reklama Google Ads a ostatnim wejście bezpośrednie, to w Google Analytics całość zasług za konwersję zostanie przyznana reklamie Google Ads.

Model 'last-click’, jak wspomnieliśmy w części pierwszej, jest modelem od którego w większości przypadków będziemy chcieli odejść.

Time decay

Kolejnym modelem jest tzw. 'upływ czasu’. Model ten nazwać można bardziej demokratyczną wersją 'last-clicka’, ponieważ ostatni kanał wciąż otrzymuje najwięcej zasług za konwersję, jednak nie jest to już 100% – część zasług otrzymują również pozostałe kanały znajdujące się na ścieżce. Jak sama nazwa wskazuje procent zasług przyznawany kanałom zależy od czasu jaki upłynął od dokonania konwersji, kanały znajdujące się bliżej tego momentu otrzymują większą zasługę.

Linear

Atrybucja 'liniowa’ realizuje, można by rzec, myśl socjalizmu, w której wszyscy otrzymują po równo. W modelu tym każdy kanał otrzymuje taką samą część zasług co pozostałe, znajdujące się na ścieżce konwersji.

Position based

Model 'uwzględniający pozycję’ najwięcej zasług za konwersję przyznaje pierwszemu oraz ostatniemu kanałowi na ścieżce – aż po 40% dla każdego. Pozostałe 20% rozdysponowane jest po równo dla wszystkich kanałów znajdujących się na ścieżce pomiędzy pierwszym oraz ostatnim.

First interaction

’Pierwsza interakcja’ jest lustrzanym odbiciem standardowego modelu ostatniej interakcji. W jej przypadku 100% zasług przypisywane jest pierwszemu kanałowi, który znajdował się na ścieżce przed dokonaniem konwersji.

Data-driven

Atrybucja oparta na danych polega na analizie dostępnych danych o ścieżkach w celu wypracowania niestandardowych modeli prawdopodobieństwa konwersji. Analiza ta przeprowadzana jest przez zaawansowany algorytm, który przypisuje ułamki konwersji do poszczególnych kanałów

Ważną kwestią w przypadku tego modelu jest fakt, że wykorzystuje on dostępne dane o ścieżkach, biorąc pod uwagę zarówno konwertujących jak i niekonwertujących użytkowników. Pomaga to zrozumieć, jak obecność poszczególnych rodzajów interakcji w ścieżce użytkownika wpływa na prawdopodobieństwo konwersji. Jest to spora przewaga, gdyż marketerzy analizując i dobierając inne modele atrybucji mają wgląd do ścieżek, które zakończyły się konwersją.

A w jaki sposób model data-driven ustala procent udziałów jaki otrzymują poszczególne kanały znajdujące się na ścieżce? Idąc za informacją znajdującą się na oficjalnej stronie supportu Google możemy dowiedzieć się, że system wykorzystuje do tego tzw. wartość Shapleya. Jest to sposób podziału zysku pomiędzy graczami będącymi w koalicji. Określa, ile dany gracz powinien spodziewać się zysku z całości, biorąc pod uwagę to, jaki średnio ma wkład w dowolnej koalicji.

W przypadku atrybucji Data-driven w Google Ads, “zespół” to kliknięcia z poszczególnych kampanii PPC czy źródeł a “zysk” to konwersje. Wartość konwersji dla każdej interakcji (punktu styku) zależy od porównania wszystkich permutacji ścieżek i ich normalizacji. Algorytm uwzględnia kolejność, w której występują interakcje i przypisuje inny kredyt dla różnych pozycji ścieżki. Więcej o działaniu algorytmu można przeczytać w oficjalnym dokumencie od Google.

Jak możemy zauważyć model data-driven jest najbardziej zaawansowaną atrybucją, a co za tym idzie, wydaje się najlepszym wyborem w momencie, gdy chcemy zmienić standardowo występujący w naszych narzędziach 'last-click’.

Jak włączyć atrybucję data-driven?

Niestety w przypadku tej atrybucji jesteśmy w pewnym stopniu ograniczeni wymogami, jakie Google stawia w swoich narzędziach przed marketerami chcącymi skorzystać z tego modelu.

W przypadku Google Ads, by móc korzystać z modelu data-driven nasze konto musi zgromadzić co najmniej 15 tys. kliknięć w wyszukiwarce Google, a działanie powodujące konwersję musi uzyskać co najmniej 600 konwersji w ciągu 30 dni. Dodatkowo atrybucja data-driven na chwilę obecną działa wyłącznie na poziomie kampani search oraz shopping.

Z kolei Google Analytics stawia przed nami jeszcze większą zaporę, gdyż ten model atrybucji jest dostępny tylko dla kont które:

1. korzystają z usługi Google Analytics 360;
2. mają skonfigurowane śledzenie e-commerce lub cele;
3. osiągnęły w ciągu ostatnich 28 dni minimalny próg konwersji. Obecny próg wynosi:

400 konwersji na każdy typ konwersji przy ścieżce dłuższej niż dwie interakcje;

ORAZ

10 000 ścieżek w wybranym widoku raportowania (czyli około 10 000 użytkowników, chociaż pojedynczy użytkownik może wygenerować wiele ścieżek).

Okno konwersji – ważny element w układance

Powiedzieliśmy o różnych modelach atrybucji, które w różny sposób przypisują zasługi za konwersje kanałom znajdującym się na ścieżce. Jednak by dana ścieżka powstała, musi mieć ona swój początek. Aby go określić potrzebne jest ustalenie okna konwersji. Jest to okres przed konwersją w którym dany model atrybucji uwzględnia wszystkie interakcje znajdujące się na ścieżce przed dokonaniem konwersji. Na przykład przy 30 dniowym oknie konwersji system uwzględni wszystkie interakcje znajdujące się na ścieżce do 30 dni przed wystąpieniem konwersji.

W zależności od naszego biznesu (np. w przypadku wycieczek okres od pojawienia się potrzeby do wybrania odpowiedniej oferty może trwać znacznie dłużej niż 30 dni) musimy również wybrać odpowiednie okno konwersji.

Gdzie analizować dane w innych modelach atrybucji?

Znając już zasady przydzielania zasług za konwersje w poszczególnych modelach atrybucji, możemy je wykorzystać w poszczególnych narzędziach Google.

W Google Analytics dane w ujęciu różnych modeli możemy analizować w zakładce Konwersje -> Ścieżki wielokanałowe -> Porównanie modeli atrybucji. Tak prezentuje się przykładowe porównanie:

Należy pamiętać by w lewym górnym rogu wybrać własciwą konwersję, którą chcemy analizować. Domyślnie są tam wybrane wszystkie cele zaimplementowane w danym widoku Google Analytics.

W Google Ads z kolei, na chwilę obecną, w różnych modelach atrybucji możemy analizować jedynie kampanie w sieci wyszukiwania. Narzędzie pozwalające nam prównać dane w różnych ujęciach atrybucyjnych znaleźć można klikając w Narzędzia i ustawienia a następnie Atrybucja w zakładce Pomiar skuteczności:

Google Ads daje również możliwość wyboru modelu atrybucji w ustawieniach konwersji, dzięki temu dane kampanii w sieci wyszukiwania możemy analizować w standardowych raportach, w wybranym przez nas modelu, bez konieczności zaglądania do wspomnianego wyżej narzędzia.

Który model wybrać?

Wiemy już jakie standardowe modele atrybucji oferują narzędzia Google. Pytanie jaki model będzie najlepszy dla nas?

Niestety nie ma jednoznacznej odpowiedzi na to pytanie, tak samo jak nie ma idealnego modelu. Jeśli nasze konto na to pozwala, możemy zawierzyć skryptom Google i wykorzystać atrybucję data-driven, jednak nie każde konto osiąga wymagane wyniki, by móc korzystać z tej atrybucji. 

Zastanawiając się nad wyborem spośród puli pozostałych modeli, pewną wskazówką może być grafika poniżej, która podpowiada, który model pasuje do konkretnej strategii marki. Ważne jednak, aby nie brać poniższych informacji jako prawda objawiona, ponieważ każdy biznes jest inny i tak naprawdę po głębokiej analizie zachowań naszych użytkowników należy dobierać odpowiednie modele atrybucji.

Dla osób ostrożnych polecałbym na początek model 'time decay’ ponieważ wydaje się być najmniej rewolucyjną zmianą w stosunku do standardowego 'last clicka’, ale jednak zaczyna również doceniać pozostałe kanały na ścieżce.

Dobrą praktyką jest również analizowanie kanałów przez pryzmat różnych modeli atrybucji. Jeśli któryś punkt styku nie wykazuje dobrej skuteczności na żadnym z analizowanych modeli z większą pewnością możemy stwierdzić, że nie warto więcej w niego inwestować.

Google Analytics daje również możliwość stworzenia niestandardowych modeli atrybucji, co pozwala nam podjąć próbę zbudowania modelu szytego na miarę. Więcej o możliwościach tego narzędzia napiszemy w kolejnej części.