Atribuce v online marketingu

Atribuce v online marketingu označuje proces přiřazení konverze ke zdroji návštěvy. Jinými slovy nám jde o to rozhodnout které zdroje návštěvnosti k finální konverzi přispěly a případně v jakém poměru.

Atribuce je přiřazení konverze k marketingové investici

Proč vůbec atribuci řešíme?

V dnešní době u většiny webů platí, že než návštěvník udělá konverzi, přijde na web vícekrát.

Poprvé ho přivede inzerát v Google Ads, za dva dny se vrátí přes vyhledávání na Seznamu a až za další týden se proklikne reklamou na Facebooku a konverzi dokončí.

Jak ale v tomto případě rozhodnout, kterému kanálu přisoudit zásluhu za konverzi? Prvnímu? Poslednímu? Všem?

A to právě řeší atribuční model.

Atribuční modely

Atribučních modelů existuje celá řada a můžeš si definovat dokonce vlastní. Nejčastěji se setkáš s:

• První (first click) – za vše může první kanál v řadě
• Lineární (linear) – všem kanálům rovným dílem
• Poslední (last click) – poslední dostane vše
• Poslední nepřímý (last non-direct click) – poslední kanál, pokud ale nebyl přímý
• S poklesem v čase (time decay) – čím více do historie, tím menší podíl na konverzi
• Shapley – data driven model, který přínos kanálu odvozuje od konverzních cest, ve kterých figuruje a ve kterých ne
• Markov – data driven model, vyhazuje jednotlivé kanály z konverzních cest a na tom počítá jejich přínos

Vezměme si pro ukázku následující konverzní cestu. Při ní člověk přišel přes banner na Googlu, později se proklik inzerátem na Seznamu a za pár dní přišel napřímo. A až pak udělal konverzi řekněmě v hodnotě 100 Kč.

Jak v tomto případě jednotlivé modely rozdělí zásluhu za tuto konverzi? To ukazuje tabulka.

	První	Lineární	Poslední	Poslední nepřímý	S poklesem v čase
google / display	100 Kč	33,3 Kč			10 Kč
seznam / cpc		33,3 Kč		100 Kč	30 Kč
(direct) / (none)		33,3 Kč	100 Kč		60 Kč

Pro Shapleyho a Markova bohužel příklad ukázat nemohu. Skutečné rozdělení totiž závisí i na všech ostatních konverzních a nekonverzních cestách v daném období. A ty mi v této ukázce chybí.

Atribuční modely v Google Analytics

Úplně nejjednodušší, jak s porovnáváním atribučních modelů začít, je podívat se do Google Analytics. Ty ve všech přehledech využívají poslední nepřímý model.

Avšak v přehledu Konverze -> Atribuce -> Nástroj pro porovnání modelů si můžeš jednotlivé modely mezi sebou porovnat.

Ze všeho nejdříve si vlevo nahoře vyber konkrétní konverzi, která tě zajímá a nastav Počet dnů před konverzí (tzv. konverzní okno). Pak už si jen do srovnání vyber ty modely, které tě zajímají.

Co tabulka říká? V prvním sloupci máme Poslední nepřímý model což je ten, který je v Google Analytics jako základní. V druhém sloupci se ke kanálům přiřadily konverze podle modelu První a ve třetím sloupci podle modelu Lineární.

Z dat tak mohu usoudit, že výsledky Posledního nepřímého a Prvního modelu se příliš neliší. Avšak Lineární model již změny obsahuje a oproti Poslední nepřímý přisuzuje přímé návštěvnosti téměř dvojnásobek konverzí.

Jaký z toho múžeš usoudit závěr? Že konverzní cesty nebudou na tomto webu příliš dlouhé a že často končí přímou návštěvou. To potvrzuje i pohled na Nejčastější konverzní trasy.

S tabulkou si můžeš hrát dále. Třeba si změnit primární dimenzi či si přidat sekundární dimenze. A svoje hypotézy si samozřejmě ověř i na jiných časových obdobích.

Jak s atribucí pracovat

Každý atribuční model ukazuje trochu jiný pohled na realitu. Ale ta může být ve skutečnosti úplně jiná.

Nejde o to, že by model lhal. On jen neodpovídá skutečnosti. Od toho je to taky model a ne záznam reality. Model je navíc citlivý na data na vstupu a počáteční podmínky a tak už jen chyba ve značení kampaní nebo změna campaign timeoutu jeho výstupy změní.

Proto není výběr jednoho konkrétního modelu spásné řešení. Cílem není najít ten pravý atribuční model a nově používat jen ten.

Z mého pohledu je rozumné atribuční modely brát jako to, čím ve skutečnosti jsou. Jiným pohledem na data.

Nadále řídit online marketing tak jako do teď, což většinou znamená používat Poslední nepřímý atribuční model. A výpočet ostatních modelů provádět pro odhalení vzorů v datech.

Když pak např. vyjde, že v modelu První vychází Facebookové kampaně mnohem lépe, než v Poslední nepřímý, můžeš to interpretovat tak, že Facebook konverzní trasy spíše startuje, než uzavírá.

A tuto informaci použít k tomu, že na Facebooku zvýšíš povolené PNO.

Atribuční model ti ale neřekne, co máš udělat. Může ale upozornit na příležitost, kterou jako člověk zvážíš a případně se rozhodneš ji otestovat.

Kdy s atribučním modelováním začít

Na řadu přijde řešení atribuce při řízení rozpočtu a hledání návratnosti. Je poměrně vysoko na modelu vyspělosti online marketingu a tak má smysl až v pozdější fázi. Pokud jsi minulý týden založil svoji první kampaň v Skliku, tak s atribučním modelováním ještě vydrž.

Pokud neinvestuješ alespoň desítky tisíc korun do několika marketingových kanálů, tak řešení atribuce a srovnávání atribučních modelů pro tebe nemá smysl. Resp. ne že by bylo úplně mimo, ale nebude mít takový přínos, aby to vyvážilo investovanou energii.

Byť je atribuce v poslední době v módě, u většiny webů nemá smysl ji zatím dopodrobna řešit. Je však dobré o ní vědět.

Pokud se o atribuci chceš se dozvědět více, doporučuji školení atribuce od Ecommerce Academy.