Narzędzia modelowania atrybucji nie są nowością, ale firmy wciąż stosunkowo rzadko wykorzystują je w optymalizacji działań reklamowych online. Tymczasem analiza ścieżek wielokanałowych i modelowanie atrybucji mogą kompletnie zmienić postrzeganie wartości i roli poszczególnych źródeł ruchu, istotnie zwiększyć efektywność kampanii, przynieść znaczne oszczędności budżetów reklamowych i wzrost sprzedaży.

Ścieżki wielokanałowe

Klienci dokonujący zakupów online coraz bardziej świadomie podejmują decyzje. Internet jest źródłem inspiracji zakupowych, opinii i informacji o produktach oraz alternatywach oferowanych przez konkurencję. Porównanie cen u poszczególnych dostawców zajmuje kilkanaście sekund, a zakupy można robić praktycznie na całym świecie.

Użytkownicy rzadko decydują się na zakup przy pierwszym zetknięciu się z marką, a możliwości oferowane przez internet powodują, że ścieżki prowadzące do transakcji stają się coraz dłuższe.

Z tego powodu odpowiedź na pytanie „Skąd przychodzą do nas klienci?” jest znacznie bardziej skomplikowana niż przypisanie konwersji do źródła wizyty, podczas której użytkownik dokonał zakupu. W procesie konwersji bierze udział wiele przeplatających się kanałów reklamowych, takich jak media społecznościowe, wyszukiwarki, reklama display czy remarketing. Mamy do czynienia ze ścieżkami wielokanałowymi – swoistą pracą zespołową, w której na sukces składają się różne działania marketingowe.

Narzędzia analizy ścieżek wielokanałowych oraz atrybucji znajdziesz w Google Analytics w sekcji Konwersje. Warunkiem dostępności raportów jest skonfigurowanie celów i/lub e-commerce.

Raporty ścieżek wielokanałowych w Google Analytics dostarczają informacji na temat sekwencji wizyt, które poprzedziły konwersję (raport „Najważniejsze ścieżki konwersji”).

Z raportów Google Analytics dowiesz się również:

• ile zachodzi interakcji i jaki czas upływa od pierwszej interakcji do konwersji (raporty „Długość ścieżki” i „Upływ czasu”),
• które kanały występowały na ścieżce konwersji jako ostatnie, a które były źródłem wcześniejszych wizyt (raport „Konwersje wspomagane”).

Przykład ścieżki wielokanałowej w raporcie Google Analytics.

Raporty ścieżek wielokanałowych uzmysławiają, że proces konwersji jest znacznie bardziej skomplikowany, niż może się to wydawać, gdy przeglądasz standardowe zestawienia skuteczności źródeł ruchu.

Czym jest modelowanie atrybucji?

Modelowanie atrybucji polega na analizie współdziałania różnych kanałów marketingowych w ścieżkach wielokanałowych i przypisywaniu im wartości najsprawiedliwiej odzwierciedlającej wniesiony wkład w łączny wynik, który mierzony jest liczbą konwersji lub wartością sprzedaży.

Znaczenie modelowania atrybucji można zilustrować przykładem przedsiębiorstwa, na którego sukces składa się praca różnych działów, a odpowiednie wynagradzanie nie tylko sprzedawców jest niezbędne dla osiągania optymalnych wyników (zob. ramka).

Którzy z pracowników powinni uzyskać najwyższą premię za wzrost sprzedaży? Może ci, którzy w wymierny sposób się do niej przyczynili, czyli handlowcy?

Wiadomo, że wysoka premia od sprzedaży przyciągnie do firmy i zmotywuje najlepszych sprzedawców, a ci przyczynią się do dalszego wzrostu przychodów. Jeśli nie będą należycie wynagradzani, odejdą do konkurencji, a zyski firmy spadną.

Wynagrodzenia i prowizje skutecznych handlowców nie bez powodu są bardzo wysokie. Czy jednak to oni są głównym źródłem przychodu firm, a pozostali pracownicy stanowią jedynie niepotrzebny koszt? Takie podejście jest bardzo krótkowzroczne. Bez dobrego pomysłu i zarządzania, atrakcyjnego wyglądu produktu, marketingu, wysokich standardów produkcji i sprawnej logistyki nie będzie czego sprzedawać. Zapewnienie odpowiedniej jakości produktu wymaga właściwego wynagradzania również pozostałej części załogi.

Przesunięcie budżetów i doinwestowanie innych działów niekoniecznie musi negatywnie odbić się na handlowcach, gdyż lepszy produkt będzie sprzedawać się lepiej, co mimo niższej procentowo prowizji może spowodować jej wzrost. Z drugiej strony, niektóre produkty dzięki doskonałemu pomysłowi, wykonaniu i marketingowi praktycznie sprzedają się same, a specjalne premiowanie sprzedawców jest zupełnie bezcelowe.

Standardowe raporty skuteczności źródeł ruchu przypisują konwersje do tej kampanii, reklamy czy słowa kluczowego, które wystąpiły na ścieżce jako ostatnie (last click). Tak działa raportowanie Google Analytics oraz mierzenie konwersji w Google AdWords i innych systemach reklamowych. W takim ujęciu cały udział w sukcesie przypisywany jest „sprzedawcom”, a wkład wcześniejszych interakcji jest ignorowany.

Czy podchodząc w ten sposób do mierzenia skuteczności reklamy, nie przepłaca się za te działania, które nie generują sprzedaży, ale jedynie towarzyszą użytkownikowi na ostatnich etapach ścieżki zakupowej? Niektóre kanały co prawda rzadko domykają transakcje, ale to one stanowią pierwszy kontakt klienta z ofertą firmy. Jeśli zainwestować w nie więcej, to czy łączny wynik wszystkich kampanii nie okazałaby się lepszy?

Modelowanie atrybucji na przykładzie przedsiębiorstwa

Nagradzanie wyłącznie sprzedawców premią za wzrost przychodów firmy jest często spotykaną, lecz krótkowzroczną praktyką, która ignoruje wpływ pracy całego zespołu na sukces przedsiębiorstwa.

Doinwestowanie pozostałych działów może pozytywnie wpłynąć na jakość produktu i w efekcie doprowadzić do wzrostu sprzedaży i obniżenia jej kosztów.

Modelowanie atrybucji ułatwia znalezienie odpowiedzi na pytania o faktyczną wartość poszczególnych interakcji. Znając ich znaczenie dla konwersji, możesz ograniczyć zbędne wydatki i doinwestować kanały faktycznie wpływające na sprzedaż, dzięki czemu wzrosną zarówno rentowność kampanii, jak i liczba transakcji.

Modele atrybucji

Model atrybucji określa, które z interakcji występujących na ścieżkach konwersji powinny otrzymać udział w konwersji i w jakiej części.

W Google Analytics dostępny jest szereg modeli atrybucji, które pozwalają podzielić wartość konwersji pomiędzy różne interakcje występujące na ścieżce konwersji (modele multi-touch). W najprostszy sposób robi to model liniowy, który udział w konwersji dzieli równo pomiędzy wszystkie interakcje.

Bardziej skomplikowane modele pozwalają różnicować znaczenie interakcji, którym możesz chcieć przypisać większą lub mniejszą wagę, w zależności od:

• pozycji na ścieżce – przypisując różne wartości interakcjom, które zapoczątkowały ścieżkę, kończyły ją lub wystąpiły w jej środkowej części,
• rodzaju interakcji – zwiększając, zmniejszając lub wręcz ignorując znaczenie niektórych interakcji w zależności od źródła, kampanii, słowa kluczowego, treści reklamy itp.

Znaczenie poszczególnych kanałów może być również modyfikowane na podstawie zachowań użytkowników związanych z poszczególnymi interakcjami, z uwzględnieniem:

• czynnika czasu – większa waga może zostać przypisana interakcjom, które dzielił krótszy czas od konwersji,
• zaangażowania – większy udział w konwersji otrzymają wizyty, które trwały dłużej lub wiązały się z większą liczbą odwiedzanych stron.

Modyfikacje te przydadzą się zwłaszcza wtedy, gdy nie będziesz w stanie z góry określić, który z przeplatających się kanałów lub występujących na podobnych miejscach w ścieżce miał większy wpływ na użytkownika.

Tę gamę modeli atrybucji uzupełniają modele single-touch, które przypisują cały udział w konwersji jednej, wybranej interakcji – pierwszej lub ostatniej. W modelach tych możesz dodatkowo określić warunki, które interakcja musi spełnić, by udział konwersji otrzymać (np. ostatnie kliknięcie niebezpośrednie niebędące wizytą z remarketingu).

W jakim celu stosować modele single-touch, jeśli potencjalnie każda z interakcji może mieć wpływ na konwersję? Modele te przydają się z kilku powodów. Przede wszystkim pozwalają odwzorowywać standardowe raportowanie Google Analytics i innych systemów raportowania skuteczności. Dzięki temu możesz w narzędziu porównania modeli atrybucji łatwo sprawdzić, jak zmienia się atrybucja stosowana w tych raportach w porównaniu z bardziej złożonymi modelami. Ponadto, modele single-touch pozwalają uniknąć rewolucyjnych zmian. Jeśli dotychczas kampanie funkcjonowały w oparciu o model single-touch, bardziej ostrożni mogą rozpocząć optymalizację od modyfikacji tych modeli, zanim zdecydują się na modele uwzględniające wszystkie kliknięcia.

Szczegółowe informacje na temat dostępnych modeli atrybucji oraz zasad modelowania udziału w konwersjach znaleźć można na stronach pomocy Google Analytics: https://goo.gl/mk6Epi.

Który z modeli jest najlepszy? Nie ma uniwersalnej odpowiedzi na to pytanie. W zależności od specyfiki firmy rola poszczególnych kanałów w procesie konwersji będzie wyglądała zupełnie inaczej.

Doskonały model atrybucji powinien przypisywać danemu kanałowi wartość równą stracie, jaka by była odnotowana na całkowitym dochodzie, gdyby dany kanał zlikwidować.

Zweryfikowanie modelu eksperymentem w postaci testu A/B na grupach użytkowników nie jest jednak (jeszcze) technicznie możliwe. Wyjątkiem są testy atrybucji remarketingu – zob. artykuł pomocy Google Analytics: goo.gl/vmBRGi.

Zamiast próbować odgadnąć idealny model, lepiej analizować wiele modeli, traktując je jako hipotezy, i porównywać, jak zmienia się udział w konwersjach z zależności od zastosowanego modelu. Może się zdarzyć, że niektóre kanały będą miały zbliżone udziały w konwersjach w różnych modelach. W takiej sytuacji modelowanie atrybucji nie będzie miało wpływu na decyzje optymalizacyjne. Jeśli jednak wystąpią istotne różnice, będzie to sygnał, by bliżej przyjrzeć się roli, jaką pełni dany kanał w procesie konwersji, i temu, czy właściwie oceniamy jego wartość.

Korzyści z modelowania atrybucji

Dzięki modelowaniu atrybucji możesz lepiej określić wartość danego kanału, a w zestawieniu z wydatkami poniesionymi na ten kanał określisz, czy jest on opłacalny. Wiedza ta pozwoli stwierdzić, czy jest przestrzeń do opłacalnego zwiększania inwestycji w ten kanał, czy może wręcz przeciwnie – należy go ograniczyć lub zrezygnować z niego.

Modelowanie atrybucji nie musi oznaczać tworzenia skomplikowanych modeli, co ilustruje przykład kampanii e-commerce w wyszukiwarce Google z ramki obok.

Reklamodawca prowadzący kampanię w wyszukiwarce Google doszedł do wniosku, że słowa kluczowe związane z jego własną nazwą w pewnym sensie zachowują się jak sprzedawca, który stoi przed drzwiami sklepu, chwyta wchodzące do niego osoby za rękę i woła: „Przyprowadziłem klienta!”. Przypisanie im udziału w konwersji pomija znaczenie słów kluczowych, które wcześniej przyciągnęły tych użytkowników, kiedy jeszcze nie mieli intencji odwiedzenia konkretnej witryny i po prostu poszukiwali dostępnych na rynku ofert. Prosta zmiana modelu atrybucji spowodowała, że reklamodawca bardziej docenił pozostałe słowa kluczowe, które faktycznie wpływają na wzrost liczby odwiedzin klientów, co pozwoliło uzyskać wzrost sprzedaży.

Zastosowany przez tego reklamodawcę zmodyfikowany model „Ostatniego kliknięcia AdWords” jest z pewnością wciąż dużym uproszczeniem, ale stanowi znacznie lepszą miarę efektywności kampanii niż wcześniej stosowany model. Na jego bazie, eksperymentując z różnymi modelami atrybucji, reklamodawca może poszukiwać tych, które sprawdzą się najlepiej w jego przypadku.

Aby odnieść korzyści z modelowania atrybucji, nie musisz szukać idealnego modelu. Tworzenie modeli atrybucji nie jest sztuką dla sztuki, ale narzędziem, które pozwoli Ci lepiej zrozumieć złożone procesy konwersji i postawić hipotezy na temat znaczenia poszczególnych źródeł ruchu. Ostateczną weryfikacją wniosków z analizy będą wyniki testów sprawdzających, czy dzięki podjętym decyzjom udało się lepiej osiągać zakładane cele biznesowe.

Opisany przykład w uproszczony sposób ilustruje jeden z wielu sposobów wykorzystania narzędzi modelowania atrybucji. Zainteresowanych tą tematyką odsyłam do cyklu artykułów „Modelowanie atrybucji w praktyce” na blogu Adequate: goo.gl/AP5ueE.

PRZYKŁAD

Biuro podróży Zorza Travel wykorzystuje szeroką gamę słów kluczowych, które można zgrupować w dwa kanały:

• AdWords brand – słowa związane z nazwą firmy: Zorza Travel, biuro podróży Zorza,
• AdWords non-brand – słowa związane z ich ofertą firmy, takie jak: wycieczki do Grecji, wczasy w górach czy all inclusive Egipt.

Firmie opłaca się pozyskiwać konwersje za nie więcej niż 100 zł i z takim celem CPA optymalizowane są kampanie z zastosowaniem systemowo zdefiniowanego w Google Analytics modelu atrybucji „Ostatniego kliknięcia AdWords”.

Konwersji w kanale AdWords non-brand jest niewiele, a CPA wynosi 97,52 zł, czyli blisko granicy opłacalności. Oznacza to, że nie można już podnosić oferowanych stawek i kupować więcej konwertującego ruchu.

Kanał AdWords Brand ma znacznie niższy koszt konwersji (1,76 zł). Jest to naturalne, gdyż wyszukiwania te pochodzą ze strony osób, które już wcześniej zetknęły się z firmą czy wręcz są lojalnymi klientami. Kampanie AdWords Brand prowadzone są głównie celem zapobieżenia wyświetleniu się w tym miejscu reklam konkurencji. Jest to więc koszt obrony marki, którego nie można traktować na równi z kosztami akwizycji. Reklamy te wyświetlają się na pierwszej pozycji nad wynikami wyszukiwania, więc ewentualne podniesienie stawek nie przyniesie większego ruchu z tego kanału.

Alternatywny model atrybucji „Ostatnie kliknięcie AdWords non-brand” przypisuje konwersję do ostatniego kliknięcia reklamy z kanału AdWords non-brand, jeśli takie wystąpiło. Jego definicja dla biura podróży Zorza Travel w Google Analytics wygląda następująco:

Model ten zakłada, że jeśli po kliknięciu reklamy AdWords non-brand nastąpiło wyszukiwanie nazwy firmy i kliknięcie reklamy AdWords brand, to atrybucja kanału AdWords brand jest zerowa. Wizyty z kanału AdWords brand traktowane są na równi z wejściami bezpośrednimi.

Oto jak wygląda porównanie raportów skuteczności kanałów AdWords non-brand i AdWords brand dla tych modeli atrybucji:

Z porównania tych modeli wynika, że 30 konwersji pochodzących z kanału AdWords non-brand zostało „skradzionych” przez kampanię związaną z własną marką (23 vs 53 oraz 55 vs 25 konwersji). W modelu „Ostatnie kliknięcie AdWords non-brand” kanał AdWords non-brand dostarcza o ponad 130% więcej konwersji, a koszt konwersji spada do 42,32 zł – znacznie mniej niż docelowe CPA 100 zł.

Oznacza to, że jest bardzo duża przestrzeń do podnoszenia stawek i zwiększania ilości ruchu pozyskiwanego z kanału AdWords non-brand. Oto jak wyglądała skuteczność kampanii po doinwestowaniu kanału AdWords non-brand:

Liczba konwersji pozyskiwanych z kanału AdWords non-brand wzrosła o 164% (z 53 do 140 konwersji), a łączna sprzedaż – ponad dwukrotnie (z 78 do 165 konwersji). Warto zauważyć, że po zwiększeniu inwestycji w kanał AdWords non-brand również AdWords brand miał więcej pracy, choć wzrost wydatków na ten kanał wzrósł jedynie z 97 zł do 160 zł.