Modele atrybucji. Google Ads zmienia i upraszcza systemy atrybucji

Google Ads dąży do większej automatyzacji i jednocześnie mniejszej autonomii reklamodawców. W wielu przypadkach nacisk na przyjęcie nowszych, bardziej „uproszczonych” funkcji oznacza zaprzestanie stosowania starszych, do których wszyscy są przyzwyczajeni. Nomen omen, Google Ads samo przez długie lata nakłaniało reklamodawców do stosowania modeli atrybucji, z których obecnie rezygnuje.

Atrybucja to narzędzie, o którym marketerzy powoli zdają sobie sprawę, że musi stanowić główną część ich analiz marketingowych. Według Think with Google już w 2017r. 76% wszystkich marketerów twierdziło, że ma lub będzie mieć w ciągu najbliższych 12 miesięcy możliwość korzystania z atrybucji marketingowej.

Co można przyjąć już oficjalnie to zaprzestanie stosowania modeli atrybucji opartych na pierwszym kliknięciu, modeli liniowych, modeli rozkładu czasowego i modeli atrybucji opartych na pozycji. Wg Google Ads atrybucja oparta na danych była już w kwietniu 2023r. najczęściej używanym modelem do automatycznego określania stawek. Podobnie mniej niż 3% konwersji w Google Ads było mierzonych za pomocą modeli pierwszego kliknięcia, modeli liniowych, rozkładu czasowego lub modeli opartych na pozycji. Czy w takim razie cokolwiek tracimy?

Dotychczasowe modele atrybucji w Google Ads

Gdy klienci zbliżają się do wykonania konwersji, prawdopodobnie zetkną się z wieloma reklamami czy kilkoma źródłami ruchu. Modele atrybucji zakładają że będziesz w stanie wymodelować, jaki udział w konwersjach powinna uzyskać każda interakcja z reklamą.

Ostatecznie modele te mogą zapewnić głębszy wgląd w skuteczność reklam i pomóc we wprowadzaniu ulepszeń w planowaniu mediów, optymalizacji reklam i liczeniu zwrotu z inwestycji. Korzystanie z danych modeli atrybucji ma trzy główne korzyści:

1. Model pozwoli zidentyfikować główne punkty styku, ich udział i wpływ na ostateczną konwersję.
2. Dzięki modelowi rozpoznasz, które reklamy pracują lepiej na pierwszym etapie lejka zakupowego, a które trafniej domykają sprzedaż.
3. Ostatecznie, uzyskasz pełniejszy obraz analizy marketingowej i odejdziesz od zero-jedynkowej analizy, czy dany kanał sprzedaje czy nie sprzedaje.

Do niedawna w Google Ads dostępnych było kilka zupełnie różnych modeli:

• Ostatnie kliknięcie: udział w konwersji przypisuje się ostatnio klikniętej reklamie i odpowiadającemu jej słowu kluczowemu.
• Pierwsze kliknięcie: udział w konwersji przypada na reklamę, która została kliknięta jako pierwsza i odpowiadające jej słowo kluczowe.
• Liniowy: udział w konwersji rozkłada się równomiernie na wszystkie interakcje z reklamami na ścieżce, na przykład w przypadku pięciu interakcji każda reklama otrzymała 0,20 konwersji
• Rozkład czasowy: udział w konwersji jest rozdzielany według 7-dniowego okresu półtrwania, w którym większy udział przypisuje się interakcjom z reklamą, które miały miejsce bliżej konwersji. Innymi słowy, im bliżej zakupu tym mniejszy udział
• Na podstawie pozycji: dystrybucja udziału: 40% udziału zarówno w pierwszej, jak i ostatniej interakcji z reklamą oraz odpowiadających im słowach kluczowych, a pozostałe 20% jest rozłożone na inne interakcje z reklamami na ścieżce.
• Na podstawie danych: przydziela udział w konwersji na podstawie wcześniejszych danych dotyczących tego działania powodującego konwersję. Wykorzystuje dane z Twojego konta do obliczenia rzeczywistego udziału każdej interakcji na ścieżce konwersji. W teorii model przy odpowiednio dużej ilości danych powinien mieć umiejętność “najlepszego” wypracowania udziałów

Co to jest atrybucja oparta na danych?

Atrybucja oparta na danych to model, który ocenia i analizuje zachowania klientów, aby zidentyfikować wzorce osób, którzy dokonują konwersji, w porównaniu z tymi, którzy tego nie robią. Po prostu, to model statystyczny, który analizuje dane i modeluje prawdopodobieństwo.

Google oferuje atrybucję opartą na danych zarówno w Google Ads, jak i Google Analytics. Narzędzia te będą porównywać ścieżki klientów, którzy dokonują konwersji i tych, którzy jej nie dokonują, aby znaleźć wzorce w ich interakcjach. Zamiast konieczności samodzielnego analizowania danych, atrybucja oparta na danych pozwala szybciej, sprawniej i wygodniej zaprezentować wnioski z procesu modelowania.

Jak działa atrybucja oparta na danych w Google Ads?

Google Ads analizuje wszystkie dane na koncie reklamowym, aby określić, które słowa kluczowe, reklamy i kampanie mają największy wpływ na wykonane konwersje. Wykorzystują model atrybucji oparty o dane:

• dowiesz się, które słowa kluczowe, reklamy, grupy reklam i kampanie generują najwięcej konwersji
• zoptymalizujesz stawki na podstawie danych o skuteczności
• w raportach zobaczysz, które reklamy mają największy wpływ na Twoje cele marketingowe

Jeśli korzystasz ze strategii automatycznego ustalania stawek, aby zwiększyć liczbę konwersj, system użyje danych statystycznych i wybranego modelu atrybucji.

Minimalne wymagania dotyczące korzystania z DDA w Google Ads to:

• 3 000 interakcji z reklamami w obsługiwanych sieciach w ciągu ostatnich 30 dni
• 300 konwersji w ciągu ostatnich 30 dni

Aby dalej korzystać z tego modelu, musisz osiągnąć następujący minimalny próg konwersji w ciągu ostatnich 30 dni:

• 2 000 interakcji z reklamami
• 200 konwersji

Czas na porządki w Twoim modelu atrybucji?

Opisz swoje potrzeby, przygotujemy audyt analityczny i pokażemy kierunki rozwoju uwzględniające model atrybucji, wymogi cookies i automatyzację.

Porozmawiajmy!

Jak działa atrybucja oparta na danych w Google Analytics 4?

Od 7 stycznia Google udostępniło aktualizację Google Analytics 4: teraz wielokanałowy model atrybucji oparty na danych (DDA) jest dostępny dla wszystkich użytkowników. 

Co się zmieniło w Google Analytics 4 w porównaniu do Universal Analytics? W Universal Analytics domyślnie stosowano jednokanałowe modele atrybucji. Modele te obejmowały ostatnie kliknięcie niebezpośrednie, pierwszą interakcję, ostatnią interakcję, liniowy, rozkład czasowy i oparty na pozycji. Prawie każdy korzystał ze standardowych raportów, które tak naprawdę prezentowały dane w modelu last-lick.

Inaczej niż w poprzednich wersjach, w Google Analytics 4 istnieje możliwość zmiany modelu atrybucji dla wszystkich raportów:

• Atrybucja oparta na regułach obejmująca wiele kanałów (ostatnie kliknięcie, pierwsze kliknięcie, liniowa, oparta na pozycji, rozkład czasowy)
• Atrybucja ostatniego kliknięcia (z reklam)
• Atrybucja oparta na danych

Na stronie pomocy GA4 dodatkowo znajduje się informacja, że każdy model oparty na danych jest specyficzny dla każdego reklamodawcy i każdego (pojedynczego!) zdarzenia konwersji, a także wyjaśnia, jak działa atrybucja oparta na danych:

„Atrybucja oparta na danych przydziela udział w konwersji na podstawie danych o każdym zdarzeniu konwersji. Różni się od innych modeli tym, że wykorzystuje dane z Twojego konta do obliczenia rzeczywistego udziału każdej interakcji po kliknięciu.” Jak twierdzi Krista Seiden w Google Analytics 4 liczba wykorzystanych punktów styku w modelowaniu sięga do 50+, zapewniając, że żadne z Twoich działań marketingowych nie zostanie pominięte podczas obliczania i przypisywania udziału.

Wartym odnotowania jest fakt, że konwersje mogą nastąpić kilka dni po interakcji z reklamami przez co ustawienia okresu ważności są bardzo istotne! W Google Analytics 4 dostępne są dwie opcje:

• Zdarzenia konwersji związane z pozyskaniem (first_open i First_visit). Domyślny okres ważności wynosi 30 dni. W razie potrzeby można go zmienić na 7 dni.
• Wszystkie inne zdarzenia konwersji. Domyślny okres ważności wynosi 90 dni. Można go zmienić na 30 dni lub 60 dni.

Zmiany w okresie ważności dotyczą wszystkich raportów w Twojej usłudze Google Analytics 4.

Google Analytics oferuje różne typy atrybucji, takie jak atrybucja wielokanałowa, atrybucja na wielu urządzeniach, atrybucja online-offline i atrybucja hybrydowa. Każdy typ zapewnia unikalne spojrzenie na interakcje i konwersje użytkowników, umożliwiając uzyskanie wszechstronnego wglądu w analizę i profilowanie klienta, zwłaszcza w performance marketingu.

Aby korzystać z atrybucji opartej na danych w Google Analytics 4, musisz mieć na swoim koncie wystarczającą ilość danych o konwersjach i danych o punktach styku. W szczególności potrzebujesz:

• Upewnić się, że Twoje dane są poprawnie śledzone. Oznacza to, że musisz mieć prawidłowo zaimplementowane kody śledzące, tagi i piksele na wszystkich stronach czy ekranach aplikacji mobilnej.
• Mieć na koncie wystarczającą liczbę zdarzeń konwersji, z których Google Analytics 4 będzie mógł się uczyć. Google zaleca co najmniej 500–1 000 konwersji miesięcznie we wszystkich zdarzeniach konwersji.
• Posiadać na swoim koncie wystarczającą ilość danych historycznych, aby Google Analytics 4 mógł je analizować i wyciągać wnioski. Aby uzyskać najlepsze wyniki, Google zaleca wykorzystanie danych historycznych z co najmniej 28 dni

Jaka przyszłość czeka modele atrybucji?

Na tą chwilę możesz korzystać z modeli atrybucji Google Ads opartych na danych lub ostatniego kliknięcia, lub wybrać GA4 i korzystać z dodatkowych możliwości. Dodatkowo, pozostaje opcja wykorzystania exportu czystych danych z Google Analytics 4 i opracowania własnego modelu atrybucji.

W niektórych kampaniach digital marketingu model last-click może być korzystny. To przede wszystkim krótkie, proste kampanie, które prowadzisz w jednym kanale. Dzięki temu zapewnisz prostotę i przejrzystość analiz. Z drugiej strony w dalszym ciągu będziesz mógł dokładnie powiązać, które słowo kluczowe i reklama przyciągnęły danego klienta. W innych przypadkach lepsza będzie atrybucja oparta na danych.

Co otrzymamy w przyszłości? Z pewnością nie ma już powrotu do starych modeli atrybucji opartych w większości na zgadywaniu, czyli zadaniu sobie pytania jak w moim biznesie mogą przychodzić nowi klienci? Ile punktów styku posiadam i jaką wagę przypisać poszczególnych kanałom? W wielu rozmowach z klientami słyszeliśmy: jaki jest prawidłowy model atrybucji dla mojego biznesu? Otóż, nie ma prawidłowego, są różne. Dzięki temu możesz zweryfikować różne podejścia, zobaczyć jak zmienia się waga kanału na poszczególnych ścieżkach, co charakteryzuje daną kampanię czy źródło. Podsumowując, atrybucja to model, który pomaga zrozumieć ścieżkę klienta, ale nigdy jej ostatecznie nie definiuje.