Modele atrybucji w Google Analytics – krytyczne spojrzenie
komentarzy: 0
Google Analytics - modele atrybucji
 

Źródła konwersji śledzimy w Google Analytics już od dłuższego czasu. Jednak dopiero w ubiegłym roku w systemie pojawiła się funkcja modelowania atrybucji, rzucająca nowe światło na śledzenie konwersji. Jak z niej korzystać?

Google pozwolił nam w końcu przyjrzeć się bliżej ścieżkom zakupowym, na końcu których dochodzi do konwersji. Nie ostatnim etapom, które bezpośrednio poprzedziły zamówienie czy rezerwację, ale także tym wcześniejszym. To o tyle pożyteczne i istotne, że coraz rzadziej zdarza się, aby klient dokonał konwersji przy pierwszej wizycie na stronie internetowej.

Ścieżki zakupowe robią się coraz bardziej skomplikowane. Zanim dojdzie do konwersji, Twój potencjalny klient może:

  • kilkakrotnie zaglądać na Twoją stronę internetową,
  • zapisać się do newslettera i wejść na Twoją stronę raz, drugi, trzeci, klikając call-to-action zawarte w wysyłanych przez Ciebie mailingach,
  • kliknąć w reklamę Google AdWords w sieci wyszukiwania (z premedytacją albo przez pomyłkę),
  • kliknąć w link prowadzący do Twojej strony na mapkach Google’a (jeśli prowadzisz biznes lokalny),
  • kliknąć w reklamę retargetingową (jeśli prowadzisz kampanie tego typu),
  • wejść przez link z programu afiliacyjnego (jeśli taki funkcjonuje w Twojej firmie),
  • sprawdzić opinie o produkcie na forach internetowych lub w portalach opinii,
  • sprawdzić ceny tego samego produktu w porównywarkach cenowych,
  • przeczytać opisy produktu na witrynie producenta (bo np. na Twojej nie znalazł ważnej dla siebie informacji),
  • wykonać jeszcze szereg innych czynności, których nawet nie jesteś w stanie przewidzieć.

Oczywiście nie wszystkie aktywności jesteś w stanie zmierzyć (trudno, aby Google Analytics zaraportował, że ktoś czytał o sprzedawanym przez Ciebie produkcie na forum internetowym X albo sprawdzał jego ceny w porównywarce Y, skoro nie przeszedł stamtąd na Twoją stronę), ale zależy mi na tym, abyś zdawał sobie sprawę z tego, jak złożone mogą być ścieżki zakupowe Twoich klientów.

Google Analytics dzięki modelom atrybucji pomoże Ci je lepiej zrozumieć, jak również przypisać udział, a nawet konkretną wartość poszczególnym etapom ścieżek zakupowych (a więc kanałom, poprzez które klient trafiał na Twoją stronę na drodze do konwersji). Jednak bezmyślne korzystanie z tej funkcjonalności może być szkodliwe. Ba, większość z nich jest do niczego! Które modele atrybucji warto stosować, a o których możesz (a nawet powinieneś) zapomnieć? Popatrzmy…

Ostatnia interakcja

Ostatnie kliknięcie

100% udziału zostaje przypisane ostatniemu etapowi ścieżki zakupowej. To przestarzały model, który pokazuje tylko i wyłącznie, która interakcja była tym decydującym stymulatorem, który doprowadził do konwersji. Warto wiedzieć, który kanał był na samym końcu ścieżki zakupowej (częstokroć są to mailingi oraz banery remarketingowe), ale przypisywanie mu całego udziału jest bezsensowne.

Ostatnie wejście niebezpośrednie

Ostatnie wejście niebezpośrednie

Znowu 100% udziału zostaje przypisane ostatniemu etapowi, ale z wykluczeniem wejść bezpośrednich. To trochę niezrozumiałe. Dlaczego mielibyśmy chcieć je wykluczać? Oczywiście kampanie, które prowadzisz są ważne, ale skoro mowa o decydującym stymulatorze, dlaczego mielibyśmy koniecznie szukać go w kampaniach, skoro tak naprawdę zapalnikiem dla konwersji było wejście bezpośrednie?

Ostatnie kliknięcie AdWords

Ostatnie kliknięcie AdWords

Jeszcze bardziej bezsensowny model niż powyższy. Znowu próbujemy szukać na siłę decydującego stymulatora nie tam, gdzie w rzeczywistości wystąpił, chcąc go koniecznie znaleźć w kampaniach Google AdWords. Jeśli zależy nam na sprawdzeniu ich efektywności, lepiej spojrzeć do panelu Google AdWords albo do jednego z kolejnych raportów.

Pierwsza interakcja

Pierwsza interakcja

Skoro chcemy spojrzeć szerzej na ścieżki zakupowe naszych klientów, odchodząc od patrzenia tylko na bezpośrednie źródło konwersji, to dlaczego mielibyśmy przypisywać cały udział w konwersji pierwszemu kanałowi? Wiedza o tym, skąd konwertujący klienci biorą się na naszej stronie internetowej po raz pierwszy, jest szalenie istotne, ale przypisywanie tym interakcjom 100% przychodu do niczego nie prowadzi.

Liniowy

Rozkład liniowy

No, w końcu model w pewnym stopniu przydatny w analizie ścieżek zakupowych. W jego przypadku udział zostaje przypisany po równo wszystkim kanałom, przez które klient wchodził na naszą stronę internetową, zanim dokonał konwersji. Jeśli na przykład były one cztery, to każdemu zostanie przypisane po 25%. W tym przypadku, jeżeli klient kupił produkt o wartości 1000 zł, każdy kanał będzie odpowiedzialny za 250 zł wygenerowanego przychodu.

Rozkład czasowy

Rozkład czasowy

W tym modelu tym większy udział zostaje przypisany danemu kanałowi, czym później na ścieżce zakupowej występuje. Najwięcej otrzymuje ostatni etap (ten, można rzec, decydujący), poprzedni mniej, poprzedni jeszcze mniej, a pierwszy najmniej. To o wiele bardziej praktyczne podejście. Co więcej, w modelu tym możesz samodzielnie ustalić tzw. okres półtrwania. Gdy ustalisz go np. na 14 dni, to wejścia, które nastąpiły przed tym czasem, otrzymają połowę pierwotnej wartości.

Uwzględnienie pozycji

Uwzględnienie pozycji

Model ten przypisuje domyślnie 40% udziału pierwszej interakcji, 40% ostatniej interakcji, a pozostałe 20% tym interakcjom, które wystąpiły pomiędzy. Czy w tej wersji będzie dla Ciebie przydatny? Niekoniecznie, ale na szczęście Google pozwolił nam na zmianę tych proporcji. Jednak zdecydowanie jest to model, z którego powinni korzystać tylko bardzo rozważni i świadomi e-marketerzy. Jest przy tym niezbędna bardzo duża, sprawdzona wiedza na temat prowadzonego biznesu, swoich klientów oraz ich ścieżek zakupowych.

Poza tym Google Analytics pozwala na tworzenie własnych modeli atrybucji. Z opcji tej na pewno skorzystają zaawansowani e-marketerzy/analitycy, którzy będą mogli podać własne proporcje, a także ustawić dodatkowy udział w konwersji tym wejściom, przy których zaszły dowolne okoliczności. Przykładowo – jeśli wizyta trwała dłużej niż dwie minuty, to udział ma zostać przemnożony przez dwa czy trzy. To tworzy prawie nieograniczone możliwości przyglądania się ścieżkom zakupowym.

Przy okazji warto przypomnieć, że aby móc poprawnie śledzić wyniki przedstawiane w różnych modelach atrybucji, należy pamiętać o odpowiednim otagowaniu kampanii (korzystając z tego prostego formularza), a także o tym, aby śledzić nie tylko wszystkie konwersje razem, ale także różne rodzaje konwersji – w tym makrokonwersje (zakupy), ale i mikrokonwersje (zapisy do newslettera, wypełnione formularze kontaktowe, wysłane zapytania ofertowe etc.).

Zdaję sobie sprawę, że modele atrybucji mogą być z początku przytłaczające dla wszystkich, którzy do tej pory nie mieli z nimi styczności. Jednak szczerze zachęcam do tego, aby zacząć z nich korzystać (niekoniecznie od razu w pełnym wymiarze). To zupełnie nowe, o wiele szersze i głębsze spojrzenie na analizę konwersji, dające gigantyczne możliwości. Najwyższa pora skończyć z ograniczonym, zamykającym oczy na złożoność sprawy śledzeniem tylko ostatnich interakcji.

Jeśli wykorzystujesz już modele atrybucji przy śledzeniu konwersji, daj znać, z których korzystasz najczęściej? Czy z tych predefiniowanych, proponowanych przez Google’a, czy może z niestandardowych, własnoręcznie stworzonych?

 

Komentarze

Powered by Facebook Comments