Co to jest model atrybucji w Google Analytics i dlaczego jest ważny

Co to jest model atrybucji?

Model atrybucji to narzędzie, które pozwala marketerom mierzyć wartość każdego punktu kontaktu na ścieżce klienta przed udaną konwersją/zakupem. Google opisuje model atrybucji jako „regułę lub zestaw reguł, który określa, w jaki sposób udział w sprzedaży i konwersjach jest przypisywany punktom styku na ścieżkach konwersji”.

Użytkownicy często wchodzą w interakcję z marką kilka razy, zanim zostaną płatnym klientem, podczas gdy przechodzą w dół lejka sprzedaży. Twój lejek może się zmienić w zależności od; cena Twojego produktu, jak dobrze znana jest Twoja marka, rodzaj branży i wiele innych czynników, ale zwykle sprowadzają się one do tych samych 3 kluczowych kroków. Świadomość, zainteresowanie, działanie.

Ten lejek jest uproszczeniem i przedstawieniem kroków, które konsument podejmie, zanim zostanie klientem.

• Po pierwsze, mogą dowiedzieć się o Twojej marce dzięki reklamie displayowej, reklamie w YouTube lub innej kampanii świadomości marki. Wchodziłoby to w krok 1 lejka – Świadomość
• Użytkownik mógłby wtedy wyszukiwać recenzje, odwiedzać strony produktów lub usług, subskrybować biuletyn firmowy itp. Umieściłoby to tę osobę w drugim kroku lejka – Zainteresowanie
• Gdy użytkownik wykaże zainteresowanie Twoimi usługami, może to prowadzić do zamiaru zakupu, a następnie dokonać zakupu lub interakcji. To jest ostatni krok – Akcja

Dlaczego modele atrybucji są ważne?

Modele atrybucji zapewniają nam różne sposoby interpretacji danych z naszych kampanii marketingowych i pozwalają na głębsze zrozumienie ścieżki klienta.

W reklamach Google, gdy tworzysz lub importujesz działanie powodujące konwersję, domyślnym modelem atrybucji jest „Ostatnie kliknięcie”. Oznacza to, że gdy użytkownik dokona konwersji, cały udział jest przypisywany ostatniemu kliknięciu jednej z Twoich reklam. Głównym problemem jest to, że całkowicie ignoruje wszelkie inne interakcje użytkownika z Twoją marką.

Poniższy zrzut ekranu przedstawia przykład zaczerpnięty z raportu „Najważniejsze ścieżki konwersji” w Google Analytics z witryny e-commerce z zaawansowanym filtrem pokazującym konwersje z opcją „Sieć reklamowa” na ścieżce grupowania ścieżek wielokanałowych.

W tym przykładzie widzimy 6 konwersji od użytkowników, którzy zobaczyli reklamę displayową. Jednak Google Ads z modelem atrybucji Ostatnie kliknięcie w działaniu powodującym konwersję odnotował tylko 2 konwersje z kampanii w sieci reklamowej. To było z numerów 5 i 3, reszta nie zapewniała żadnego udziału w kampaniach displayowych.

Korzystając z narzędzia Porównanie modeli – znajdującego się w sekcji Konwersje, a następnie Ścieżki wielokanałowe w Google Analytics – możemy zaobserwować zmiany liczby konwersji i pól wartości konwersji zachodzące podczas porównywania poszczególnych modeli atrybucji ze sobą.

W pierwszych kolumnach widzimy wyniki dla „Ostatniej interakcji”, obok jest „Rozkład czasowy”, a po prawej stronie wyniki dla „Liniowy”. Pozwala nam to lepiej zrozumieć znaczenie naszych kampanii displayowych w decyzji zakupowej klienta, a nie skupiać się tylko na ostatnim etapie podróży.

Różne typy modeli atrybucji

Modele atrybucji, które prawdopodobnie znasz już najlepiej, to opcje dostępne w Google Ads. To są; Ostatnie kliknięcie, Pierwsze kliknięcie, Na podstawie pozycji, Liniowe, Rozpad czasowy i Na podstawie danych. Każdy z tych modeli atrybucji przypisuje różne punkty styku o różnej wartości. Wyjaśniono to dla każdego poniżej.

Ostatnie kliknięcie

Model atrybucji ostatniego kliknięcia przypisuje 100% udziału w konwersji ostatniemu punktowi kontaktu.

Pierwsze kliknięcie

Model atrybucji ostatniego kliknięcia przypisuje 100% udziału w konwersji pierwszemu punktowi kontaktu.

Na podstawie pozycji

Model atrybucji oparty na pozycji przypisuje 40% udziału w konwersji do pierwszego i ostatniego punktu styku. Pozostała część jest rozdzielona równomiernie pomiędzy pozostałe punkty styku.

Liniowy

Liniowy model atrybucji równomiernie rozdziela udział we wszystkich punktach kontaktu.

Rozpad czasu

Model atrybucji według rozkładu czasowego przypisuje mniejszy udział najwcześniejszym punktom kontaktu, a większy punktom kontaktu najbliżej konwersji.

Oparty na danych

Model atrybucji oparty na danych różni się tym, że wykorzystuje historyczne dane konwersji do obliczania rzeczywistego udziału każdego punktu styku.

Różnice między modelami atrybucji w Google Ads i Google Analytics

Być może zauważyłeś, że podczas tworzenia celu w Google Analytics nie masz takiej samej możliwości zastosowania modelu atrybucji, jak w Google Ads. Dzięki temu możemy porównywać różne modele atrybucji w Google Analytics za pomocą narzędzia do porównywania modeli.

Modele atrybucji dostępne w Google Ads i Google Analytics nieco się różnią. Podczas gdy Google Ads obejmuje modele atrybucji wymienione powyżej, Google Analytics nie jest oparty na danych, ale ma dodatkowe dwa modele atrybucji; ostatnie kliknięcie Google Ads i ostatnie kliknięcie niebezpośrednie.

Model atrybucji „Ostatnie kliknięcie Google Ads” widoczny w Google Analytics działa tak samo, jak model ostatniego kliknięcia w Google Ads.

Z drugiej strony Google Analytics korzysta z modelu atrybucji ostatniego kliknięcia niebezpośredniego w przypadku raportów dotyczących ścieżek innych niż wielokanałowe i modelu ostatniego kliknięcia w przypadku raportów dotyczących ścieżek wielokanałowych.

Różnice między sposobem działania modeli atrybucji w Google Analytics i Google Ads mogą powodować rozbieżności w wynikach między nimi. Na przykład, jeśli użytkownik kliknął reklamę w wyszukiwarce, a następnie odwiedził witrynę w sposób organiczny i dokonał konwersji, Google Ads przypisałby to jako konwersję z kampanii w sieci wyszukiwania, podczas gdy Google Analytics zaklasyfikowałby to jako konwersję organiczną.

Który model atrybucji należy zastosować?

Ważne jest, aby używać różnych modeli atrybucji do interpretowania danych o konwersjach, aby zrozumieć drogę, jaką przechodzą klienci przed udaną konwersją. Na przykład stosowanie atrybucji ostatniego kliknięcia całkowicie pomija każdy poprzedni krok, który wykonał użytkownik, podczas gdy korzystanie z modelu atrybucji pierwszego kliknięcia powoduje odwrotny problem. Porównanie tych dwóch może jednak pomóc nam zrozumieć, które środki reklamowe najlepiej zachęcają klientów do eksploracji naszych marek i jakie rodzaje reklam sprawiają, że konwersje są skuteczne na dalszych etapach ścieżki.

W Google Ads przetestuj wiele modeli atrybucji i dowiedz się, który z nich będzie dla Ciebie najlepszy. Modele atrybucji oparte na pozycji i liniowe są świetne na początek, ponieważ możesz teraz zacząć widzieć udział w konwersjach rozłożonych na kampanie marki, kampanie produktowe, reklamy displayowe, YouTube itp.

Jak wykorzystać swoją wiedzę na temat modelowania atrybucji, aby ulepszyć kampanie Google Ads

Porównując modele atrybucji i analizując ścieżki konwersji użytkowników, możemy zacząć rozumieć pełną podróż klienta, wykraczającą poza ostatnie kliknięcie. Korzystając z narzędzia Top Conversion Paths w Google Analytics, możemy zrozumieć, w jaki sposób użytkownicy wchodzą w interakcję z naszą marką on-line, zanim zostaną klientem dokonującym konwersji.

W Google Analytics przejdź i rozwiń „Konwersje” na lewym pasku bocznym, rozwiń menu „Ścieżki wielokanałowe” i wybierz „Najważniejsze ścieżki konwersji”. Tutaj widzimy kroki, jakie każdy użytkownik dokonujący konwersji wykonał przed zakończeniem działania powodującego konwersję.

Upewnij się, że w lewym górnym rogu zostały wybrane prawidłowe działania powodujące konwersję i ustaw długość ścieżki na „Wszystkie”, aby wyświetlić informacje o wszystkich konwersjach. Trzecia opcja, „Okno wsteczne” może być ustawiona w dowolnym miejscu od 1 dnia do 90. Ta opcja określa, ile dni poprzedzających konwersję możemy przeanalizować.

Następnie możemy utworzyć dodatkowy wymiar, aby uzyskać więcej informacji o typach treści, z którymi użytkownik wchodził w interakcję. Kliknij „Wymiar dodatkowy” i poeksperymentuj z niektórymi opcjami (świetna jest ścieżka grupy reklam lub ścieżka wyszukiwanego hasła).

Następnie możemy filtrować nasze wyniki, aby pokazać tylko szczegóły konwersji, w których użytkownik wszedł w interakcję z reklamą. Można to zrobić, klikając „Zaawansowane” w prawym górnym rogu głównej tabeli. W tym miejscu wybierz „Ścieżka grupowania kanałów MCF”, wpisz „Płatne” w pustym polu i kliknij „Zastosuj”, jak pokazano na poniższym obrazku.

Po wykonaniu powyższych kroków, gdy ścieżka zapytania wyszukiwania jest ustawiona jako nasz wymiar dodatkowy, możemy teraz zobaczyć poszczególne wyszukiwania przeprowadzone przez każdego użytkownika.

Możemy również użyć filtra Ścieżka grupowania kanałów MCF, aby wyświetlić wyniki, na przykład dla konwersji, w których użytkownik wszedł w interakcję z reklamą displayową i reklamą w wyszukiwarce. Widać to na poniższym obrazku.

Teraz, gdy możesz lepiej zrozumieć podróże klientów, powinieneś być w stanie wykorzystać zebrane informacje do dostosowania swoich kampanii. Dotknąłem tylko kilku różnych sposobów eksperymentowania z twoimi danymi, ale jest mnóstwo innych eksperymentów, które możesz przeprowadzić samodzielnie!