Home Blog Wszystko w Last Click

Wszystko w Last Click

Natalia Chrobak

Czas czytania : 4 min

21 sierpnia 2017

E-commerce PPC

Powoli odchodzi się od modelu przypisywania konwersji tylko do ostatniego źródła odwiedzin. Mimo to, model ostatniego kliknięcia jest modelem domyślnym w Google Analytics, co bardzo często może doprowadzić do mylnych wniosków, i tym samym do nietrafnych decyzji.

Czym jest model atrybucji?

Należy się jednak zastanowić, czym są modele atrybucji i jak z nich korzystać. Potencjalny klient będący na ścieżce konwersji może podejmować interakcje z różnymi reklamami oraz źródłami zanim podejmie decyzję o zakupie, czy jakimkolwiek innym działaniu ważnym dla interesu reklamodawcy. Modele atrybucji umożliwiają sprawdzenie, jaka część interakcji doprowadziła do konwersji.

Do wyboru jest kilka modeli atrybucji:

Ostatnie kliknięcie – konwersja przypisywana jest do ostatniego kanału, z którym klient wszedł w interakcję zanim dokonał konwersji;
ostatnie kliknięcie niebezpośrednie – model ten ignoruje wszystkie wejścia bezpośrednie do strony, a konwersja przypisywana jest do ostatniego kanału;
ostatnie kliknięcie AdWords – konwersja zostanie przypisana do ostatniej reklamy i słowa kluczowego, w które kliknął klient przed konwersją;
pierwsza interakcja – za kanał powodujący konwersję uznany zostanie ten, z którym klient zetknął się po raz pierwszy na ścieżce konwersji;
liniowy – każdy kanał, z którym zetknął się klient będzie miał taką samą wartość na ścieżce konwersji;
rozkład czasowy – model ten przypisuje największą wartość kanałom będącym najbliżej czasu konwersji;
uwzględnienie pozycji – w tym modelu po 40% udziału w konwersji zostanie przypisane pierwszemu i ostatniemu kanałowi. Natomiast 20% zostanie przypisane do pozostałych miejsc styku klienta z kanałami.

Jak więc wybrać najlepszy model atrybucji dla danego biznesu i kampanii? Podstawowym działaniem jest zdecydowanie do czego ma służyć dana kampania, jakiego rodzaju klientów przyciąga, na jakim etapie ścieżki zakupowej się oni znajdują. Dla przykładu, prowadzimy konto e-commerce’owe klienta, który sprzedaje znany i kosztowny sprzęt dla graczy. Prowadzimy dwa rodzaje kampanii – jedną ze słowami ogólnymi związanymi z promowaną marką, drugą zawierającą konkretny model, jego numer seryjny, itd. Jakiego rodzaju klientów przyciągniemy?

W przypadku pierwszej kampanii będą to klienci, którzy są zainteresowani sprzętem, ale nie do końca wiedzą, czy chcą go kupić. Natomiast klienci wpisujący precyzyjne frazy w tym przypadku będą najbardziej zainteresowani zakupem. Jaki model atrybucji będzie w tym przypadku najlepszy? Rozsądek podpowiada ostatniego kliknięcia lub ostatniego kliknięcia AdWords, ale prawda może być zupełnie inna. W pierwszym przypadku, w kampanii ogólnej użytkownik potrzebuje zdecydowanie więcej interakcji ze stroną zanim zdecyduje się na zakup. Zatem dokona kilku interakcji z różnych źródeł i tym samym, aby dokładnie zmierzyć efektywność tej kampanii, powinniśmy oceniać tę kampanię w innym modelu atrybucji.

Modeluje czy nie modeluje – oto jest pytanie

Przede wszystkim należy przeanalizować ścieżki wielokanałowe oraz porównać ze sobą odbiorców mających interakcje z różnymi kanałami. Analiza ścieżek wielokanałowych umożliwia identyfikację sekwencji interakcji użytkownika ze stroną.

Źródło: Własne, dostęp: 22.06.2017.

Zastanówmy się jednak, co złego dzieje się na powyższym zdjęciu? I czemu analiza takich danych jest nie do końca słuszna?

Przede wszystkim dlatego, że analizujemy na raz wszystkie rodzaje konwersji i cele. Dużym błędem jest także niedostosowywanie okresu ważności. Dlaczego jest to takie istotne? Upraszczając, musimy się skupić na naszym głównym celu, w przypadku e-commerce będzie to najczęściej transakcja. Należy także dostosować okres ważności do jakości użytkowników i ich zaangażowania, ceny sprzedawanego produktu, konkurencji.

Dla przykładu, chcemy sprzedawać jednorożce z limitowanej serii, które kosztują milion złotych. Czy przeciętnego użytkownika stać na takie zwierzę? Przypuszczalne nie. Czy każdy jest w stanie przy pierwszej interakcji nabyć jednorożca? Też pewnie nie. W tym wypadku najlepszym rozwiązaniem jest zwiększenie okresu oraz poza analizą długości ścieżki pozyskanie danych o upływie czasu od pierwszej interakcji do konwersji.

Kolejnym etapem przed wyborem modelu atrybucji powinna być analiza porównawcza kanałów. Dzięki niej dowiemy się, jak działają poszczególne kanały, który z nich przyciąga najbardziej wartościowych użytkowników.

Źródło: Własne, dostęp: 22.06.2017.

Drodzy Państwo, mamy to

Załóżmy, że kanały zostały porównane, wiemy do czego ma służyć dana kampania, znamy naszych klientów, wiemy czego chcemy i jak to mamy osiągnąć. Już tylko chwila dzieli nas od kliknięcia w wybrany model atrybucji. Czy tak na pewno jest? Jasne, że nie.

Źródło: Własne, dostęp: 22.06.2017.

Wróćmy do początku, różne kampanie mają różne cele, przyciągają różnych klientów. Podobna sytuacja występuje w przypadku różnych kanałów. Dlatego znacznie lepszym rozwiązaniem jest tworzenie niestandardowych modeli atrybucji lub wykorzystanie modelowania atrybucji opartego na danych.

W przypadku niestandardowych modeli atrybucji wykorzystywane są reguły określające:

Wybór bazowego modelu atrybucji;
okres ważności – 30 do 90 dni;
kredyt wyświetleń – czyli sposób oceny wartości wyświetleń;
dostosowywanie kredytu na podstawie zaangażowania użytkowników;
niestandardowe reguły kredytowe – określają punkt styczności klienta na ścieżce konwersji.

Dzięki precyzyjnej analizie i własnych dostosowaniach, jesteśmy w stanie tak dobrać model atrybucji, aby wyselekcjonować kanały, z których pochodzą najwartościowsi dla danego interesu klienci. A co najważniejsze, pozwoli nam to w bardziej precyzyjny sposób sterować budżetami, stawkami, użytymi rodzajami kampanii, a nawet skutecznym wykorzystaniem danych kanałów.

Kolejnym rozwiązaniem jest modelowanie atrybucji oparte na danych. Wartość danego kanału na ścieżce konwersji określana jest wedle wartości Shapley’a z teorii gier koalicyjnych. System analizuje całość działań marketingowych oraz ich skuteczność i na tej podstawie określa źródło biorące udział w konwersji. Są jednak pewne ograniczenia zastosowania modelowania atrybucji opartego na danych:

Należy korzystać z usługi Google Analytics 360;
mieć skonfigurowane śledzenie e-commerce lub cele;
mieć 15 tys. kliknięć;
mieć 600 lub więcej konwersji w ciągu 30 dni.

Model przestanie działać jeśli konto osiągnie w ciągu ostatnich 30 dni:

400 konwersji na każdy typ konwersji przy ścieżce dłuższej niż dwie interakcje;
10 000 ścieżek w wybranym widoku raportowania (czyli około 10 000 użytkowników, chociaż pojedynczy użytkownik może wygenerować wiele ścieżek).

Podsumowanie

Podsumowując, wybranie modelu atrybucji dostosowanego do danych działań reklamowych pozwala mierzyć skutecznie kampanie. Odkrywać najskuteczniejsze kanały, reklamy oraz docierać do najważniejszych dla danego interesu klientów. Pobieżna analiza danych, nieprecyzyjna manipulacja modelami atrybucji sprawi, że wybrane za najważniejsze punkty styku mogą być nieprawdziwe.