Apa itu Model Atribusi di Google Analytics dan Mengapa Penting

Apa itu Model Atribusi?

Model atribusi adalah alat yang memungkinkan pemasar mengukur nilai setiap titik kontak dalam perjalanan pelanggan sebelum berhasil mengonversi/membeli. Google menjelaskan model atribusi sebagai “aturan, atau kumpulan aturan, yang menentukan bagaimana kredit untuk penjualan dan konversi ditetapkan ke titik kontak di jalur konversi”.

Pengguna sering berinteraksi dengan merek beberapa kali sebelum menjadi pelanggan yang membayar sementara mereka melanjutkan ke saluran penjualan Anda. Corong Anda dapat berubah tergantung pada; harga produk Anda, seberapa terkenal merek Anda, jenis industri, dan banyak faktor lainnya, tetapi semuanya cenderung bermuara pada 3 langkah kunci yang sama. Kesadaran, Minat, Tindakan.

Corong ini merupakan penyederhanaan dan representasi dari langkah-langkah yang akan dilakukan konsumen sebelum menjadi pelanggan.

• Pertama, mereka mungkin mengetahui merek Anda dari iklan bergambar, iklan YouTube, atau kampanye kesadaran merek lainnya. Ini akan masuk ke dalam corong langkah 1 – Kesadaran
• Pengguna kemudian dapat mencari ulasan, mengunjungi halaman produk atau layanan Anda, berlangganan buletin perusahaan Anda, dll. Ini akan menempatkan orang ini pada langkah corong kedua – Minat
• Setelah pengguna menunjukkan minat pada layanan Anda, ini dapat mengarah pada niat membeli, lalu pengguna selanjutnya melakukan pembelian atau interaksi. Ini adalah langkah terakhir – Aksi

Mengapa Model Atribusi Penting?

Model atribusi memberi kami berbagai cara untuk menafsirkan data dari kampanye pemasaran kami dan memungkinkan pemahaman yang lebih dalam tentang perjalanan pelanggan.

Di iklan Google, saat Anda membuat atau mengimpor tindakan konversi, model atribusi default adalah "Klik Terakhir". Ini berarti bahwa saat pengguna berkonversi, semua kredit ditetapkan ke klik terakhir yang mereka buat di salah satu iklan Anda. Masalah utama dengan ini adalah bahwa itu sepenuhnya mengabaikan interaksi lain yang dimiliki pengguna dengan merek Anda.

Tangkapan layar di bawah menunjukkan contoh yang diambil dari laporan “Jalur Konversi Terpopuler” di Google Analytics dari situs web e-niaga dengan filter lanjutan untuk menampilkan konversi dengan “Tampilan” di Jalur Pengelompokan Corong Multisaluran.

Dalam contoh ini, kita dapat melihat 6 konversi dari pengguna yang melihat iklan bergambar. Namun, Google Ads, dengan model atribusi Klik Terakhir pada tindakan konversi, hanya melaporkan 2 konversi dari kampanye display. Ini berasal dari nomor 5 dan 3, sisanya tidak memberikan kredit untuk kampanye bergambar.

Menggunakan Alat Perbandingan Model – ditemukan di bagian Konversi, kemudian Corong Multisaluran di Google Analytics – kita dapat mengamati perubahan jumlah konversi dan bidang nilai konversi yang terjadi saat setiap model atribusi dibandingkan satu sama lain.

Di kolom pertama, kita bisa melihat hasil untuk “Interaksi Terakhir”, di sebelahnya adalah “Time Decay” dan di kolom sebelah kanan adalah hasil untuk “Linear”. Hal ini memungkinkan kami untuk lebih memahami pentingnya kampanye tampilan kami yang dimainkan dalam keputusan pembelian pelanggan daripada hanya berfokus pada langkah terakhir perjalanan.

Berbagai Jenis Model Atribusi

Model Atribusi yang mungkin sudah paling Anda kenal adalah opsi yang tersedia dari Google Ads. Ini adalah; Klik Terakhir, Klik Pertama, Berbasis Posisi, Linear, Peluruhan Waktu, dan Berdasarkan Data. Masing-masing model atribusi ini mengkredit titik kontak yang berbeda dengan nilai yang berbeda. Ini dijelaskan untuk masing-masing di bawah ini.

Klik Terakhir

Model atribusi klik terakhir memberikan 100% kredit untuk konversi ke poin kontak terakhir.

Klik Pertama

Model atribusi klik terakhir memberikan 100% kredit untuk konversi ke poin kontak pertama.

Berbasis Posisi

Model atribusi berbasis posisi menetapkan 40% kredit untuk konversi ke titik kontak pertama dan terakhir. Sisanya didistribusikan secara merata di antara titik sentuh yang tersisa.

Linier

Model atribusi linier mendistribusikan kredit secara merata di antara semua titik kontak.

Peluruhan Waktu

Model atribusi peluruhan waktu mendistribusikan lebih sedikit kredit ke titik kontak paling awal dan lebih banyak ke titik kontak yang paling dekat dengan konversi.

Berbasis Data

Model atribusi berdasarkan data berbeda karena menggunakan data konversi historis untuk menghitung kontribusi sebenarnya dari setiap titik kontak.

Perbedaan Antara Model Atribusi di Google Ads & Google Analytics

Anda mungkin telah memperhatikan bahwa saat membuat sasaran di Google Analytics, itu tidak memberi Anda opsi yang sama untuk menerapkan model atribusi seperti di Google Ads. Hal ini memungkinkan kami untuk membandingkan berbagai model atribusi di Google Analytics menggunakan Alat Perbandingan Model.

Model atribusi yang tersedia di Google Ads dan Google Analytics sedikit berbeda. Sementara Google Ads menyertakan model atribusi yang tercantum di atas, Google Analytics tidak memiliki berdasarkan data, tetapi memiliki dua model atribusi tambahan; klik Google Ads terakhir, dan klik tidak langsung terakhir.

Model atribusi “Klik Terakhir Google Ads” yang terlihat di Google Analytics berfungsi sama dengan model Klik Terakhir di Google Ads.

Google Analytics, di sisi lain, menggunakan model pengaitan klik tidak langsung terakhir untuk laporan corong non-multisaluran dan model klik terakhir untuk laporan corong multisaluran.

Perbedaan antara cara kerja model atribusi di Google Analytics dan Google Ads dapat mengakibatkan perbedaan hasil di antara keduanya. Misalnya, jika pengguna mengeklik iklan penelusuran, kemudian mengunjungi situs web secara organik dan berkonversi, Google Ads akan mengatribusikannya sebagai konversi dari kampanye penelusuran, sedangkan Google Analytics akan mengklasifikasikannya sebagai konversi organik.

Manakah Model Atribusi yang Tepat untuk Digunakan?

Penting untuk menggunakan berbagai model atribusi untuk menafsirkan data konversi Anda guna memahami perjalanan yang dilakukan pelanggan sebelum berhasil melakukan konversi. Menggunakan atribusi klik terakhir, misalnya, sama sekali mengabaikan setiap langkah sebelumnya yang telah dilakukan pengguna, sedangkan menggunakan model atribusi klik pertama membuat Anda menghadapi masalah sebaliknya. Namun, membandingkan keduanya dapat membantu kami memahami sarana periklanan mana yang terbaik untuk mendorong pelanggan menjelajahi merek kami sejak awal, dan jenis iklan apa yang membuat mereka berhasil berkonversi lebih jauh ke bawah corong.

Di Google Ads, uji beberapa model atribusi dan cari tahu mana yang paling cocok untuk Anda. Model atribusi berbasis posisi dan Linier sangat bagus untuk memulai, karena Anda sekarang dapat mulai melihat kredit untuk konversi yang didistribusikan di seluruh kampanye merek, kampanye produk, display, YouTube, dll.

Cara Menggunakan Pemahaman Anda tentang Model Atribusi untuk Meningkatkan Kampanye Google Ads Anda

Dengan membandingkan model atribusi dan menganalisis jalur konversi pengguna, kami dapat mulai memahami perjalanan pelanggan secara penuh, lebih dari sekadar klik terakhir. Dengan menggunakan alat Jalur Konversi Terpopuler di Google Analytics, kami dapat memahami bagaimana pengguna berinteraksi dengan merek kami secara online sebelum menjadi pelanggan yang berkonversi.

Di Google Analytics, navigasikan dan perluas "Konversi" di bilah sisi kiri, luaskan tarik-turun untuk "Corong Multisaluran", dan pilih "Jalur Konversi Teratas". Di sini kita dapat melihat langkah-langkah yang telah diambil oleh setiap pengguna yang mengonversi sebelum menyelesaikan tindakan konversi.

Pastikan Anda telah memilih tindakan konversi yang benar di sudut kiri atas dan menyetel panjang jalur ke "Semua" untuk melihat informasi semua konversi. Opsi ke-3, "Jendela Lihat Balik" dapat disetel dari mana saja mulai dari 1 hari hingga 90. Opsi ini menentukan berapa hari menjelang tindakan konversi yang dapat kami analisis.

Selanjutnya, kita dapat membuat dimensi sekunder untuk memberi kita lebih banyak informasi tentang jenis konten yang berinteraksi dengan pengguna. Klik “Dimensi Sekunder” dan bereksperimen dengan beberapa opsi (Jalur Grup Iklan atau Jalur Kueri Penelusuran sangat bagus untuk memulai).

Kami kemudian dapat memfilter hasil kami untuk hanya menampilkan detail konversi di mana pengguna telah berinteraksi dengan iklan. Ini dapat dilakukan dengan mengklik "Lanjutan" di kanan atas tabel utama. Ketika di sini, pilih "Jalur Pengelompokan Saluran MCF", masukkan "Berbayar" di kotak kosong dan klik "Terapkan" seperti yang terlihat pada gambar di bawah ini.

Setelah mengikuti langkah-langkah di atas, dengan jalur kueri penelusuran ditetapkan sebagai dimensi sekunder, kini kita dapat melihat penelusuran individual yang dilakukan setiap pengguna.

Kami juga dapat menggunakan filter Jalur Pengelompokan Saluran MCF untuk menampilkan hasil, misalnya, untuk konversi di mana pengguna telah berinteraksi dengan iklan bergambar dan iklan penelusuran. Hal ini dapat dilihat pada gambar di bawah ini.

Sekarang setelah Anda dapat lebih memahami perjalanan pelanggan Anda, Anda seharusnya dapat menggunakan informasi yang dikumpulkan untuk menyesuaikan kampanye Anda. Saya hanya menyentuh beberapa cara berbeda untuk bereksperimen dengan data Anda, tetapi ada banyak eksperimen lain yang dapat Anda lakukan sendiri!