O que é um modelo de atribuição no Google Analytics e por que é importante

O que é um modelo de atribuição?

Um modelo de atribuição é uma ferramenta que permite aos profissionais de marketing medir o valor de cada ponto de contato na jornada do cliente antes de converter/comprar com sucesso. O Google descreve um modelo de atribuição como “a regra, ou conjunto de regras, que determina como o crédito por vendas e conversões é atribuído aos pontos de contato nos caminhos de conversão”.

Os usuários geralmente interagem com uma marca várias vezes antes de se tornarem clientes pagantes enquanto avançam no funil de vendas. Seu funil pode mudar dependendo; o preço do seu produto, o quão conhecida sua marca é, o tipo de indústria e muitos outros fatores, mas eles tendem a se resumir aos mesmos 3 passos principais. Consciência, Interesse, Ação.

Esse funil é uma simplificação e representação das etapas que um consumidor dará antes de se tornar um cliente.

• Primeiro, eles podem conhecer sua marca por meio de um anúncio gráfico, anúncio do YouTube ou outra campanha de reconhecimento da marca. Isso cairia na etapa 1 do funil – Conscientização
• O usuário pode então procurar avaliações, visitar suas páginas de produtos ou serviços, assinar o boletim informativo de sua empresa, etc. Isso colocaria essa pessoa na segunda etapa do funil – Interesse
• Quando o usuário mostra interesse em seus serviços, isso pode levar à intenção de compra e, posteriormente, ao usuário fazer uma compra ou interação. Este é o passo final – Ação

Por que os modelos de atribuição são importantes?

Os modelos de atribuição nos fornecem diferentes maneiras de interpretar os dados de nossas campanhas de marketing e permitem uma compreensão mais profunda da jornada do cliente.

Nos anúncios do Google, quando você cria ou importa uma ação de conversão, o modelo de atribuição padrão é "Último clique". Isso significa que, quando um usuário converte, todo o crédito é atribuído ao último clique que ele fez em um de seus anúncios. O principal problema disso é que ele ignora completamente qualquer outra interação que o usuário tenha tido com sua marca.

A captura de tela abaixo mostra um exemplo retirado do relatório "Principais caminhos de conversão" no Google Analytics de um site de comércio eletrônico com um filtro avançado para mostrar as conversões com "Exibir" no caminho de agrupamento de funis multicanal.

Neste exemplo, podemos ver 6 conversões de usuários que viram um anúncio gráfico. No entanto, o Google Ads, com o modelo de atribuição de último clique na ação de conversão, relatou apenas 2 conversões da campanha da Rede de Display. Este foi dos números 5 e 3, o restante não deu crédito às campanhas de display.

Usando a Ferramenta de comparação de modelos – encontrada em Conversões e, em seguida, em Funis multicanal no Google Analytics – podemos observar as alterações no número de conversões e nos campos de valor de conversão que ocorrem quando cada modelo de atribuição é comparado um com o outro.

Nas primeiras colunas, podemos ver os resultados para “Última Interação”, ao lado está “Decaimento do Tempo” e nas colunas do lado direito estão os resultados para “Linear”. Isso nos permite entender melhor o significado de nossas campanhas de display na decisão de compra do cliente, em vez de focar apenas na etapa final da jornada.

Diferentes tipos de modelos de atribuição

Os modelos de atribuição com os quais você provavelmente já conhece são as opções disponíveis no Google Ads. Estes são; Último clique, primeiro clique, baseado em posição, linear, decaimento de tempo e orientado a dados. Cada um desses modelos de atribuição credita diferentes pontos de contato com valores diferentes. Isso é explicado para cada um abaixo.

Último clique

Um modelo de atribuição de último clique atribui 100% do crédito da conversão ao último ponto de contato.

Primeiro clique

Um modelo de atribuição de último clique atribui 100% do crédito da conversão ao primeiro ponto de contato.

Com base na posição

Um modelo de atribuição baseado em posição atribui 40% do crédito da conversão ao primeiro e ao último ponto de contato. O restante é distribuído uniformemente entre os pontos de contato restantes.

Linear

Um modelo de atribuição linear distribui igualmente o crédito entre todos os pontos de contato.

Decaimento do tempo

Um modelo de atribuição de redução de tempo distribui menos crédito aos primeiros pontos de contato e mais aos pontos de contato mais próximos da conversão.

Orientado a Dados

Um modelo de atribuição baseado em dados é diferente porque usa dados históricos de conversão para calcular a contribuição real de cada ponto de contato.

Diferenças entre os modelos de atribuição no Google Ads e no Google Analytics

Você deve ter notado que ao criar uma meta no Google Analytics ele não oferece a mesma opção de aplicar um modelo de atribuição como no Google Ads. Isso nos permite comparar diferentes modelos de atribuição no Google Analytics usando a Ferramenta de comparação de modelos.

Os modelos de atribuição disponíveis no Google Ads e no Google Analytics são um pouco diferentes. Enquanto o Google Ads inclui os modelos de atribuição listados acima, o Google Analytics não é baseado em dados, mas tem dois modelos de atribuição extras; último clique no Google Ads e último clique não direto.

O modelo de atribuição "Último clique no Google Ads" visto no Google Analytics funciona da mesma forma que o modelo Último clique no Google Ads.

O Google Analytics, por outro lado, usa o modelo de atribuição de último clique não direto para relatórios de funil não multicanal e o modelo de último clique para relatórios de funil multicanal.

As diferenças entre como os modelos de atribuição funcionam no Google Analytics e no Google Ads podem resultar em discrepâncias nos resultados entre os dois. Por exemplo, se um usuário clicou em um anúncio de pesquisa e depois visitou o site organicamente e converteu, o Google Ads atribuiria isso como uma conversão da campanha de pesquisa, enquanto o Google Analytics classificaria isso como uma conversão orgânica.

Qual é o modelo de atribuição correto a ser usado?

É importante usar uma variedade de modelos de atribuição para interpretar seus dados de conversão para entender a jornada que os clientes percorrem antes de converter com sucesso. Usar uma atribuição de último clique, por exemplo, desconsidera completamente todas as etapas anteriores que um usuário deu, enquanto usar um modelo de atribuição de primeiro clique deixa você com o problema oposto. Comparar esses dois, no entanto, pode nos ajudar a entender quais meios de publicidade são os melhores para incentivar os clientes a explorar nossas marcas em primeiro lugar e que tipo de anúncio os faz converter com sucesso mais adiante no funil.

No Google Ads, teste vários modelos de atribuição e descubra qual deles funciona melhor para você. Os modelos de atribuição linear e baseados em posição são ótimos para começar, pois agora você pode começar a ver crédito por conversões distribuídas em suas campanhas de marca, campanhas de produtos, display, YouTube etc.

Como usar sua compreensão da modelagem de atribuição para melhorar suas campanhas do Google Ads

Ao comparar modelos de atribuição e analisar os caminhos de conversão dos usuários, podemos começar a entender a jornada completa do cliente além do clique final. Usando a ferramenta Top Conversion Paths no Google Analytics, podemos entender como os usuários interagem com nossa marca on-line antes de se tornar um cliente de conversão.

No Google Analytics, navegue e expanda “Conversões” na barra lateral esquerda, expanda a lista suspensa para “Funis multicanais” e selecione “Caminhos de conversão principais”. Aqui podemos ver as etapas que cada usuário de conversão realizou antes de concluir a ação de conversão.

Verifique se você selecionou as ações de conversão corretas no canto superior esquerdo e defina o comprimento do caminho como "Todos" para ver as informações de todas as conversões. A 3ª opção, “Janela Lookback” pode ser definida de 1 a 90 dias. Esta opção determina quantos dias antes da ação de conversão podemos analisar.

Em seguida, podemos criar uma dimensão secundária para nos fornecer mais informações sobre os tipos de conteúdo com os quais o usuário interagiu. Clique em "Dimensão secundária" e experimente algumas das opções (Caminho do grupo de anúncios ou Caminho da consulta de pesquisa são ótimos para começar).

Podemos filtrar nossos resultados para mostrar apenas os detalhes das conversões em que o usuário interagiu com um anúncio. Isso pode ser feito clicando em “Avançado” no canto superior direito da tabela principal. Quando estiver aqui, selecione “Caminho de agrupamento de canais MCF”, digite “Pago” na caixa vazia e clique em “Aplicar”, conforme mostrado na imagem abaixo.

Depois de seguir as etapas acima, com o caminho da consulta de pesquisa definido como nossa dimensão secundária, agora podemos ver as pesquisas individuais que cada usuário fez.

Também podemos usar o filtro MCF Channel Grouping Path para mostrar resultados, por exemplo, para conversões em que um usuário interagiu com um anúncio gráfico e um anúncio da Rede de Pesquisa. Isso pode ser visto na imagem abaixo.

Agora que você pode entender melhor as jornadas do cliente, poderá usar as informações coletadas para ajustar suas campanhas. Eu mencionei apenas algumas maneiras diferentes de experimentar seus dados, mas existem muitos outros experimentos que você pode realizar por si mesmo!