Che cos'è un modello di attribuzione in Google Analytics e perché è importante

Che cos'è un modello di attribuzione?

Un modello di attribuzione è uno strumento che consente agli esperti di marketing di misurare il valore di ogni punto di contatto nel percorso del cliente prima di effettuare una conversione/acquistare con successo. Google descrive un modello di attribuzione come "la regola, o insieme di regole, che determina il modo in cui il credito per le vendite e le conversioni viene assegnato ai punti di contatto nei percorsi di conversione".

Gli utenti spesso interagiscono con un marchio più volte prima di diventare un cliente pagante mentre avanzano lungo il tuo funnel di vendita. La tua canalizzazione potrebbe cambiare a seconda di; il prezzo del tuo prodotto, quanto è noto il tuo marchio, il tipo di settore e molti altri fattori, ma tendono a ridursi agli stessi 3 passaggi chiave. Consapevolezza, Interesse, Azione.

Questo imbuto è una semplificazione e una rappresentazione dei passaggi che un consumatore farà prima di diventare un cliente.

• In primo luogo, potrebbero venire a conoscenza del tuo marchio da un annuncio display, un annuncio di YouTube o un'altra campagna di sensibilizzazione del marchio. Questo rientrerebbe nel passaggio 1 dell'imbuto: Consapevolezza
• L'utente potrebbe quindi cercare recensioni, visitare le pagine dei tuoi prodotti o servizi, iscriversi alla newsletter della tua azienda, ecc. Questo metterebbe questa persona nel secondo passaggio della canalizzazione: Interesse
• Una volta che l'utente mostra interesse per i tuoi servizi, ciò potrebbe portare all'intenzione di acquisto, quindi l'utente successivamente effettua un acquisto o un'interazione. Questo è il passaggio finale: l'azione

Perché i modelli di attribuzione sono importanti?

I modelli di attribuzione ci forniscono diversi modi per interpretare i dati delle nostre campagne di marketing e consentono una comprensione più profonda del percorso del cliente.

Negli annunci Google, quando crei o importi un'azione di conversione, il modello di attribuzione predefinito è "Ultimo clic". Ciò significa che quando un utente converte, tutto il credito viene assegnato all'ultimo clic effettuato su uno dei tuoi annunci. Il problema principale è che ignora completamente qualsiasi altra interazione che l'utente ha avuto con il tuo marchio.

Lo screenshot seguente mostra un esempio tratto dal rapporto "Percorsi di conversione principali" in Google Analytics da un sito di e-commerce con un filtro avanzato per mostrare le conversioni con "Visualizza" nel percorso di raggruppamento delle canalizzazioni multicanale.

In questo esempio, possiamo vedere 6 conversioni da parte di utenti che hanno visto un annuncio display. Tuttavia, Google Ads, con il modello di attribuzione Last Click sull'azione di conversione, ha registrato solo 2 conversioni dalla campagna display. Questo proveniva dai numeri 5 e 3, il resto non ha fornito credito alle campagne display.

Utilizzando lo strumento di confronto dei modelli, che si trova in Conversioni, quindi Canalizzazioni multicanale in Google Analytics, possiamo osservare le modifiche nel numero di conversioni e nei campi del valore di conversione che si verificano quando ciascun modello di attribuzione viene confrontato l'uno con l'altro.

Nelle prime colonne, possiamo vedere i risultati per "Ultima interazione", accanto a questo c'è "Decadimento temporale" e nelle colonne di destra ci sono i risultati per "Lineare". Questo ci consente di comprendere meglio il significato delle nostre campagne display giocate nella decisione di acquisto del cliente piuttosto che concentrarci solo sulla fase finale del viaggio.

Diversi tipi di modelli di attribuzione

I modelli di attribuzione con cui probabilmente avrai già più familiarità sono le opzioni disponibili da Google Ads. Questi sono; Ultimo clic, Primo clic, Basato sulla posizione, Lineare, Decadimento temporale e Basato sui dati. Ciascuno di questi modelli di attribuzione attribuisce a diversi punti di contatto un valore diverso. Questo è spiegato per ciascuno di seguito.

Ultimo clic

Un modello di attribuzione dell'ultimo clic assegna il 100% del credito per la conversione all'ultimo punto di contatto.

Primo clic

Un modello di attribuzione dell'ultimo clic assegna il 100% del credito per la conversione al primo punto di contatto.

Basato sulla posizione

Un modello di attribuzione basato sulla posizione assegna il 40% del credito per la conversione al primo e all'ultimo punto di contatto. Il resto è distribuito uniformemente tra i restanti punti di contatto.

Lineare

Un modello di attribuzione lineare distribuisce equamente il credito tra tutti i punti di contatto.

Decadimento del tempo

Un modello di attribuzione del decadimento temporale distribuisce meno credito ai primi punti di contatto e più ai punti di contatto più vicini alla conversione.

Basato sui dati

Un modello di attribuzione basata sui dati è diverso in quanto utilizza i dati di conversione storici per calcolare il contributo effettivo di ciascun punto di contatto.

Differenze tra i modelli di attribuzione su Google Ads e Google Analytics

Potresti aver notato che quando crei un obiettivo in Google Analytics non ti offre la stessa opzione per applicare un modello di attribuzione come su Google Ads. Questo ci consente di confrontare diversi modelli di attribuzione su Google Analytics utilizzando lo strumento di confronto dei modelli.

I modelli di attribuzione disponibili su Google Ads e Google Analytics sono leggermente diversi. Mentre Google Ads include i modelli di attribuzione sopra elencati, Google Analytics non ha basato sui dati, ma ha altri due modelli di attribuzione; ultimo clic su Google Ads e ultimo clic non diretto.

Il modello di attribuzione "Last Google Ads Click" visto in Google Analytics funziona come il modello Last Click su Google Ads.

Google Analytics, d'altra parte, utilizza il modello di attribuzione dell'ultimo clic non diretto per i rapporti sulla canalizzazione non multicanale e il modello dell'ultimo clic per i rapporti sulla canalizzazione multicanale.

Le differenze tra il funzionamento dei modelli di attribuzione su Google Analytics e Google Ads possono comportare discrepanze nei risultati tra i due. Ad esempio, se un utente ha fatto clic su un annuncio di ricerca, quindi ha visitato il sito Web in modo organico e ha convertito, Google Ads lo attribuirebbe come una conversione dalla campagna di ricerca, mentre Google Analytics lo classificherebbe come una conversione organica.

Qual è il modello di attribuzione giusto da utilizzare?

È importante utilizzare una varietà di modelli di attribuzione per interpretare i dati di conversione al fine di comprendere il percorso che i clienti compiono prima di convertire con successo. L'utilizzo di un'attribuzione dell'ultimo clic, ad esempio, ignora completamente ogni passaggio precedente eseguito da un utente, mentre l'utilizzo di un modello di attribuzione del primo clic comporta il problema opposto. Il confronto di questi due, tuttavia, può aiutarci a capire quali mezzi pubblicitari sono i migliori per incoraggiare i clienti a esplorare i nostri marchi in primo luogo e quale tipo di annunci li fa convertire con successo più in basso nella canalizzazione.

Su Google Ads prova più modelli di attribuzione e scopri quale funziona meglio per te. I modelli di attribuzione basata sulla posizione e lineare sono ottimi per iniziare, poiché ora potresti iniziare a vedere il credito per le conversioni distribuite tra le tue campagne di marca, campagne di prodotto, display, YouTube, ecc.

Come utilizzare la tua comprensione dei modelli di attribuzione per migliorare le tue campagne di annunci Google

Confrontando i modelli di attribuzione e analizzando i percorsi di conversione degli utenti, possiamo iniziare a comprendere l'intero percorso del cliente oltre il semplice clic finale. Utilizzando lo strumento Top Conversion Paths in Google Analytics possiamo capire come gli utenti interagiscono con il nostro marchio online prima di diventare un cliente convertente.

Su Google Analytics, naviga ed espandi "Conversioni" nella barra laterale di sinistra, espandi il menu a discesa per "Canalizzazioni multicanale" e seleziona "Percorsi di conversione principali". Qui possiamo vedere i passaggi che ogni utente di conversione ha eseguito prima di completare l'azione di conversione.

Assicurati di aver selezionato le azioni di conversione corrette nell'angolo in alto a sinistra e imposta la lunghezza del percorso su "Tutto" per visualizzare le informazioni per tutte le conversioni. La terza opzione, "Finestra di ricerca" può essere impostata da 1 giorno a 90. Questa opzione determina quanti giorni prima dell'azione di conversione possiamo analizzare.

Successivamente, possiamo creare una dimensione secondaria per fornirci maggiori informazioni sui tipi di contenuto con cui l'utente ha interagito. Fai clic su "Dimensione secondaria" e sperimenta alcune delle opzioni (il percorso del gruppo di annunci o il percorso della query di ricerca sono ottimi per iniziare).

Possiamo quindi filtrare i nostri risultati per mostrare solo i dettagli per le conversioni in cui l'utente ha interagito con un annuncio. Questo può essere fatto facendo clic su "Avanzate" in alto a destra nella tabella principale. Quando sei qui, seleziona "Percorso di raggruppamento dei canali MCF", inserisci "Pagato" nella casella vuota e fai clic su "Applica" come mostrato nell'immagine qui sotto.

Dopo aver seguito i passaggi precedenti, con il percorso della query di ricerca impostato come dimensione secondaria, ora possiamo vedere le singole ricerche effettuate da ciascun utente.

Possiamo anche utilizzare il filtro Percorso di raggruppamento dei canali MCF per mostrare risultati, ad esempio per le conversioni in cui un utente ha interagito con un annuncio display e un annuncio della rete di ricerca. Questo può essere visto nell'immagine qui sotto.

Ora che puoi comprendere meglio i percorsi dei tuoi clienti, dovresti essere in grado di utilizzare le informazioni raccolte per modificare le tue campagne. Ho solo accennato ad alcuni modi diversi per sperimentare con i tuoi dati, ma ci sono un sacco di altri esperimenti che puoi condurre da solo!