Reklamodawca Technologia Analityka

Atrybucja – klucz do analizy faktycznej efektywności kanałów marketingowych

Fot. Pexels
Właściwa atrybucja jest obecnie jednym z ważniejszych wyzwań marketingu internetowego. Jeśli uda się podejść do niej skutecznie, zyskają nie tylko marketerzy - ale także ich partnerzy, czyli wydawcy afiliacyjni.
PODZIEL SIĘ:

Marketerzy są już świadomi problematyki atrybucji. W raporcie AdRoll The State of Marketing Attribution 2017 wskazano, że powoli rośnie liczba firm implementujących podejście atrybucyjne dla wszystkich lub dla większości działań marketingowych (39% w 2017 r.; n=651 marketerów po stronie reklamodawcy), jednak wciąż u niektórych pojawiają się trudności z przełożeniem insightów pozyskanych w wyniku atrybucji na konkretne decyzje marketingowe.

Wśród przyczyn pojawiają się: brak wiedzy umożliwiającej wdrożenie atrybucji, brak czasu oraz odpowiedniej technologii i duża ilość rozproszonych danych. To znak, jak potrzebne są uzupełnienie wiedzy i inwestycja w analitykę.

Atrybucja – czym jest i jakie ma cele

Sam “model atrybucji” to zbiór reguł określający, którym elementom na ścieżce przypisujemy, jaki wpływ na finalne wygenerowanie konwersji. Określenie “ścieżki konwersji” oznacza z kolei miejsca, na których wyznaczamy punkty, którym przypisujemy wartość w interakcji z użytkownikami. Są to wszystkie źródła ruchu i interakcji następujące do momentu konwersji, czyli np. kliknięcia w banery, kupony zniżkowe, wejścia z blogów itp.

Poniższy rysunek przedstawia przykładowe ścieżki konwersji i ich rezultat:

Dobranie najlepszego modelu atrybucji do wykorzystywanych przez nas kanałów nie jest proste, a przypisanie konwersji do konkretnego źródła ruchu wymaga od reklamodawcy wiedzy i odpowiedniej technologii. 

Doskonały model atrybucji, idealny dla każdego, nie istnieje, ale jeśli poświęcimy odpowiednio dużo czasu na analizę: 

  • atrybucja pozwoli nam wystarczająco skutecznie ocenić, jak efektywnie są wykorzystywane w naszych kampaniach kanały dotarcia do użytkownika, i rozumieć, skąd przychodzi największa liczba konwersji
  • atrybucja ułatwi nam optymalizację naszych celów biznesowych. A dokładniej ocenę wartości konkretnych wybranych przez nas kanałów i środków marketingowych. Kiedy widzimy, jak przebiega proces decyzyjny użytkownika czy klienta, możemy zmienić środek ciężkości naszej kampanii np. z reklam display na content marketing albo wideo – zależnie od tego, jakie mamy KPI.

W efekcie możemy także o wiele dokładniej wycenić każdy z kanałów – a przez to przypisać odpowiednią prowizję danemu wydawcy. Jest to o tyle istotne, że w tym momencie najpopularniejszym modelem atrybucyjnym jest last click. W modelu last click największą wartość przypisuje się ostatniemu punktowi na ścieżce do konwersji użytkownika, niezależnie od tego, skąd pochodzi jego pierwsza interakcja z serwisem.

Dlaczego domyślne i szablonowe stosowanie last click rodzi problemy?

Od dawna wiadomo, że cały proces zakupowy składa się z wielu etapów – zanim nastąpi konwersja, użytkownik najczęściej odwiedza naszą stronę kilkukrotnie, często z różnych źródeł, nasze reklamy pokazują mu się dzięki remarketingowi, a czasem do interakcji dochodzi też w social mediach, na forach opinii czy nawet offline. Jednak bardzo często domyślne modele atrybucji – np. stosowane w Google Analytics – ustawione są na opcję “last click”: przypisywania największej wartości ostatniemu z kanałów dotarcia przed konwersją. W branży najczęściej, korzystając z metaforyki piłkarskiej, mówi się, że to jak przypisywanie zasługi za gola tylko strzelcowi, a nie całej drużynie.

Dlaczego ten model tak popularny? Z jednej strony wiele mniejszych firm nie ma zasobów ani wiedzy, by samodzielnie opracować modele atrybucji, a duża część platform reklamowych pracuje właśnie w tym modelu. Częściowo wynika to także z niewiedzy na temat używanych narzędzi oraz braku czasu – opracowanie właściwego typu atrybucji może trwać kilka tygodni, miesięcy, nawet rok; nie da się też ukryć, że model last click jest po prostu uznawany za najłatwiejszy do raportowania.

Tego typu niewłaściwe mierzenie atrybucji prowadzi do błędnego przypisania kanałom wagi w komunikacji z użytkownikiem, a co za tym idzie – niewłaściwej optymalizacji wykorzystywanych mediów w naszej kampanii. 

Dlatego istotne jest, by za jedno z wyzwań w tym roku postawić sobie opracowanie optymalnego modelu atrybucji, odpowiedniego dla naszych celów biznesowych i specyfiki produktów.

Jakie są modele atrybucyjne?

Atrybucję możemy z grubsza podzielić na poniższe typy.

  • Last click – omówiony wyżej, uznawany za „domyślny”;
  • Time decay (rozkład czasowy) – w tym modelu największa wartość przypisywana jest najaktualniejszym kanałom dotarcia – czyli im starsze źródło, z którego przyszedł użytkownik, tym niżej jest oceniane;
  • Liniowy lub linearny – w tym modelu wszystkie kanały są oceniane po równo jako ważne na ścieżce konwersji;
  • Position-based, czyli uwzględnienie pozycji – to model, w którym premiowane są co prawda pierwsze i ostatnie kliknięcie (źródło ruchu), średnio po 40% wartości, ale pozostałe 20% zostaje przypisane do reszty kanałów. Eksperci uznają go za przydatny przy dużym wykorzystaniu remarketingu oraz na tyle elastyczny, by móc na jego bazie budować własne modele atrybucji;
  • First click – czyli przypisanie największej wagi pierwszemu źródłu, z którego przyszedł do nas użytkownik. Jest przydatny np. przy promocji nowej marki – widzimy tu, jakie kanały najlepiej budują świadomość naszego wizerunku u użytkownika;
  • Data-driven, czyli oparty o dane – jest dosyć skomplikowany: opiera się o analizę statystyczną posiadanych przez nas danych oraz wykorzystuje elementy teorii gier, by określić najwłaściwszy podział wartości na kolejne kanały;

Większość można ustawić samodzielnie w narzędziach takich jak Google Analytics.

Jaki wybrać model atrybucyjny? Zależy od specyfiki biznesu

Nie istnieje uniwersalny / właściwy dla każdego / idealnie dopasowany / jedyna słuszna atrybucja konwersji, którego powinien używać każdy w każdej kampanii. Wszystko zależy od specyfiki biznesu i kampanii – a kluczowym czynnikiem sukcesu jest odrobiona praca analityczna zarówno po stronie firmy, jak i agencji.

Przykładowo: jeśli wprowadzamy na rynek nowy produkt, w ramach działań strategicznych zależy nam początkowo na uświadomieniu użytkownika oraz poinformowaniu o jego istnieniu. Dlatego na tym etapie najbardziej odpowiadać nam może model first click – skąd użytkownik przyszedł do nas po raz pierwszy, gdzie porusza się w sieci. Dzięki temu późniejsza kampania nakierowana na sprzedaż może zostać lepiej zoptymalizowana.

Inny przykład: sam last click pasuje np. do biznesów, gdzie mamy bardzo krótki proces decyzyjny, krótkie ścieżki konwersji i niewiele kanałów.

Niezależnie jednak, jaki jest nasz cel, do prawidłowej atrybucji konieczna jest odpowiednia analityka. Każda kampania jest inna: mamy inną grupę odbiorców, produkt, budżet, kanały dystrybucji. Dlatego musimy to wszystko przeanalizować, zanim wybierzemy odpowiedni model, po czym przeanalizować i zweryfikować jego skuteczność.

Atrybucja – skuteczna tylko z dobrą analityką danych

Co jest jednak ważne, ci, którzy poprawnie wdrożyli już atrybucję, dostrzegają efekty. Na pytanie „Jak oceniasz efektywność poszczególnych modeli atrybucji” w raporcie raporcie AdRoll The State of Marketing Attribution 2017 większość marketerów odpowiedziała, że najlepiej sprawdza im się model customowy, dedykowany (48% – “bardzo efektywny”), last click i last touch znalazły się na ostatnim miejscu (zaledwie 29% uważa go za “bardzo skuteczny”).

 

Na koniec warto dodać, że wyraźnie rysują się dwie tendencje wśród marketerów: patrzenia głębiej niż last click oraz inwestowania w pierwszorzędną analitykę danych, która w wielu firmach już jest wskazywana jako absolutnie kluczowa i priorytetowa kompetencja do uzupełnienia (wg Deloitte CMO Survey 2017). 

Współpraca – Dagmara Trembicka-Brzozowska

To nasz pierwszy artykuł z cyklu analitycznego – przeczytaj 2 kolejne artykuły:

Jak zła analityka powoli wykończy Twój program partnerski?

oraz: 

Dane i analityka – jak poprawnie wyciągać wnioski?

PODZIEL SIĘ:

Komentarze

Michał Stroyvans, Web Analyst w Cube Group

Michał Stroyvans, Web Analyst w Cube Group

W Cube Group odpowiada za rozwój analityki internetowej poprzez dostarczanie wartościowych wniosków dających realne korzyści w podnoszeniu efektywności kampanii oraz realizuje projekty związane z wdrażaniem DMP w celu zbierania oraz segmentacji danych. Optymalizował kampanie dla największych Klientów takich jak Credit Agricole, Smyk, Innogy, E-zebra, Speak Up, Polpharma, Kratki. Przygodę z branżą reklamową rozpoczynał na stanowisku Traffica, posiada rozległą wiedzę nt. systemów trackingowych: DoubleClick, HasOffers, TradeDoubler. Stale rozwija kompetencje poprzez udział w licznych konferencjach technologicznych oraz szkoleniach.