¿Qué es un modelo de atribución en Google Analytics y por qué es importante?

¿Qué es un modelo de atribución?

Un modelo de atribución es una herramienta que permite a los especialistas en marketing medir el valor de cada punto de contacto en el recorrido del cliente antes de convertir/comprar con éxito. Google describe un modelo de atribución como "la regla, o conjunto de reglas, que determina cómo se asigna el crédito por ventas y conversiones a los puntos de contacto en las rutas de conversión".

Los usuarios a menudo interactúan con una marca varias veces antes de convertirse en un cliente de pago mientras avanzan en el embudo de ventas. Su embudo puede cambiar dependiendo de; el precio de su producto, qué tan conocida es su marca, el tipo de industria y muchos otros factores, pero tienden a reducirse a los mismos 3 pasos clave. Conciencia, Interés, Acción.

Este embudo es una simplificación y representación de los pasos que dará un consumidor antes de convertirse en cliente.

• Primero, pueden darse cuenta de su marca a partir de un anuncio gráfico, un anuncio de YouTube u otra campaña de conocimiento de la marca. Esto caería en el paso 1 del embudo: Conciencia
• Luego, el usuario podría buscar reseñas, visitar las páginas de su producto o servicio, suscribirse al boletín informativo de su empresa, etc. Esto colocaría a esta persona en el segundo paso del embudo: Interés.
• Una vez que el usuario muestra interés en sus servicios, esto podría conducir a una intención de compra, y luego el usuario realiza una compra o interacción. Este es el paso final – Acción

¿Por qué son importantes los modelos de atribución?

Los modelos de atribución nos brindan diferentes formas de interpretar los datos de nuestras campañas de marketing y permiten una comprensión más profunda del viaje del cliente.

En los anuncios de Google, cuando crea o importa una acción de conversión, el modelo de atribución predeterminado es "Último clic". Esto significa que cuando un usuario convierte, todo el crédito se asigna al último clic que hizo en uno de sus anuncios. El principal problema de esto es que ignora por completo cualquier otra interacción que el usuario haya tenido con tu marca.

La siguiente captura de pantalla muestra un ejemplo tomado del informe "Principales rutas de conversión" en Google Analytics de un sitio web de comercio electrónico con un filtro avanzado para mostrar las conversiones con "Mostrar" en la ruta de agrupación de embudos multicanal.

En este ejemplo, podemos ver 6 conversiones de usuarios que vieron un anuncio gráfico. Sin embargo, Google Ads, con el modelo de atribución Último clic en la acción de conversión, solo reportó 2 conversiones de la campaña de display. Esto fue de los números 5 y 3, el resto no proporcionó crédito a las campañas gráficas.

Usando la Herramienta de comparación de modelos, que se encuentra en Conversiones, luego Embudos multicanal en Google Analytics, podemos observar cambios en la cantidad de conversiones y campos de valor de conversión que ocurren cuando cada modelo de atribución se compara entre sí.

En las primeras columnas, podemos ver los resultados de "Última interacción", junto a esto está "Decaimiento de tiempo" y en las columnas del lado derecho están los resultados de "Lineal". Esto nos permite comprender mejor la importancia de nuestras campañas gráficas en la decisión de compra del cliente en lugar de centrarnos solo en el paso final del viaje.

Diferentes tipos de modelos de atribución

Los modelos de atribución con los que probablemente ya esté más familiarizado son las opciones disponibles en Google Ads. Estos son; Último clic, primer clic, basado en posición, lineal, decaimiento de tiempo y basado en datos. Cada uno de estos modelos de atribución acredita diferentes puntos de contacto con un valor diferente. Esto se explica para cada uno a continuación.

Último clic

Un modelo de atribución de último clic asigna el 100 % del crédito de la conversión al último punto de contacto.

Primer clic

Un modelo de atribución de último clic asigna el 100 % del crédito de la conversión al primer punto de contacto.

Basado en la posición

Un modelo de atribución basado en la posición asigna el 40% del crédito por la conversión al primer y último punto de contacto. El resto se distribuye uniformemente entre los puntos de contacto restantes.

Lineal

Un modelo de atribución lineal distribuye el crédito por igual entre todos los puntos de contacto.

Tiempo en decaida

Un modelo de atribución de disminución de tiempo distribuye menos crédito a los primeros puntos de contacto y más a los puntos de contacto más cercanos a la conversión.

Basado en datos

Un modelo de atribución basado en datos es diferente en el sentido de que utiliza datos de conversión históricos para calcular la contribución real de cada punto de contacto.

Diferencias entre los modelos de atribución en Google Ads y Google Analytics

Es posible que hayas notado que al crear un objetivo en Google Analytics, no te brinda la misma opción para aplicar un modelo de atribución como en Google Ads. Esto nos permite comparar diferentes modelos de atribución en Google Analytics utilizando la Herramienta de comparación de modelos.

Los modelos de atribución disponibles en Google Ads y Google Analytics son ligeramente diferentes. Mientras que Google Ads incluye los modelos de atribución enumerados anteriormente, Google Analytics no se basa en datos, pero tiene dos modelos de atribución adicionales; último clic de Google Ads y último clic no directo.

El modelo de atribución "Último clic de Google Ads" que se ve en Google Analytics funciona igual que el modelo de último clic en Google Ads.

Google Analytics, por otro lado, utiliza el último modelo de atribución de clic no directo para informes de embudos que no son multicanal y el modelo de último clic para informes de embudos multicanal.

Las diferencias entre cómo funcionan los modelos de atribución en Google Analytics y Google Ads pueden generar discrepancias en los resultados entre los dos. Por ejemplo, si un usuario hizo clic en un anuncio de búsqueda, luego visitó el sitio web de forma orgánica y realizó una conversión, Google Ads lo atribuiría como una conversión de la campaña de búsqueda, mientras que Google Analytics lo clasificaría como una conversión orgánica.

¿Cuál es el modelo de atribución adecuado para usar?

Es importante usar una variedad de modelos de atribución para interpretar sus datos de conversión a fin de comprender el viaje que realizan los clientes antes de realizar una conversión exitosa. El uso de una atribución de último clic, por ejemplo, ignora por completo todos los pasos anteriores que un usuario ha dado, mientras que el uso de un modelo de atribución de primer clic te deja con el problema opuesto. Sin embargo, comparar estos dos puede ayudarnos a comprender qué medios publicitarios son los mejores para alentar a los clientes a explorar nuestras marcas en primer lugar y qué tipo de anuncios hacen que se conviertan con éxito más adelante en el embudo.

En Google Ads, pruebe varios modelos de atribución y descubra cuál funciona mejor para usted. Los modelos de atribución basados ​​en la posición y lineales son excelentes para comenzar, ya que ahora puede comenzar a ver el crédito por las conversiones distribuidas en sus campañas de marca, campañas de productos, display, YouTube, etc.

Cómo usar su comprensión del modelo de atribución para mejorar sus campañas de anuncios de Google

Al comparar los modelos de atribución y analizar las rutas de conversión de los usuarios, podemos comenzar a comprender el viaje completo del cliente más allá del clic final. Usando la herramienta Top Conversion Paths en Google Analytics, podemos entender cómo los usuarios interactúan con nuestra marca en línea antes de convertirse en un cliente de conversión.

En Google Analytics, navegue y expanda "Conversiones" en la barra lateral izquierda, expanda el menú desplegable para "Embudos multicanal" y seleccione "Principales rutas de conversión". Aquí podemos ver los pasos que ha realizado cada usuario de conversión antes de completar la acción de conversión.

Asegúrese de haber seleccionado las acciones de conversión correctas en la esquina superior izquierda y establezca la longitud de la ruta en "Todas" para ver la información de todas las conversiones. La tercera opción, "Ventana al pasado", se puede configurar desde 1 día hasta 90. Esta opción determina cuántos días antes de la acción de conversión podemos analizar.

A continuación, podemos crear una dimensión secundaria que nos brinde más información sobre los tipos de contenido con los que ha interactuado el usuario. Haga clic en "Dimensión secundaria" y experimente con algunas de las opciones (la ruta del grupo de anuncios o la ruta de consulta de búsqueda son excelentes para comenzar).

Luego podemos filtrar nuestros resultados para mostrar solo los detalles de las conversiones en las que el usuario ha interactuado con un anuncio. Esto se puede hacer haciendo clic en "Avanzado" en la parte superior derecha de la tabla principal. Cuando esté aquí, seleccione "Ruta de agrupación de canales MCF", ingrese "Pagado" en el cuadro vacío y haga clic en "Aplicar" como se ve en la imagen a continuación.

Después de seguir los pasos anteriores, con la ruta de consulta de búsqueda configurada como nuestra dimensión secundaria, ahora podemos ver las búsquedas individuales que ha realizado cada usuario.

También podemos usar el filtro Ruta de agrupación de canales de MCF para mostrar resultados, por ejemplo, para conversiones en las que un usuario ha interactuado con un anuncio gráfico y un anuncio de búsqueda. Esto se puede ver en la imagen de abajo.

Ahora que puede comprender mejor los recorridos de sus clientes, debería poder utilizar la información recopilada para ajustar sus campañas. Solo he mencionado algunas formas diferentes de experimentar con sus datos, ¡pero hay muchos otros experimentos que puede realizar usted mismo!