Tajemnica atrybucji konwersji

Piekło czy niebo? Love it or hate it?

Prowadząc internetowe kampanie marketingowe zdecydowanej większości zarządzających nimi wystarczają informacje o ich efektywności na poziomie globalnym. Czasem efektywność liczona jest też w rozbiciu na główne kanały takie jak mailing, SEM czy display. Wówczas dla uproszczenia przyjmuje się, że korzyści z przyprowadzonego ruchu przypisuje się kanałowi, w którym nastąpiło ostatnie kliknięcie w link lub reklamę (tzw. last-click attribution). Jest to metoda wygodna ale czy na pewno korzystna pod względem efektywnej alokacji budżetu? Mówi się, że ciekawość to pierwszy stopień do piekła. Powiedzenie to zdecydowanie nie powinno być prawdziwe w odniesieniu do osób prowadzących kampanie marketingowe. To, co wyróżnia dobrych marketingowców od tych słabych to m.in. dociekliwość, czyli znajdowanie dodatkowych informacji tam gdzie większość zadowala się ogólnikami.

 

Atrybucja konwersji – postrach marketerów

Mnogość możliwości działań w internecie spowodowała błyskawiczny rozwój analityki webowej. Jednym z ważniejszych (aczkolwiek stosunkowo rzadko poruszanych na spotkaniach z klientami) problemów pomiaru efektywności kampanii jest tzw. atrybucja konwersji. Termin ten oznacza model podziału i przypisywania sukcesu poszczególnym kanałom biorącym udział w procesie realizacji zakładanego przez reklamodawcę celu. Jest on tym ważniejszy, im bardziej skomplikowana jest struktura promocji i generowania ruchu dla konkretnego podmiotu. Poniższy przykład pozwoli zrozumieć dlaczego marketerzy aż tak boją się zgłębiać ów problem.

 

Przykład:

Pewien sklep prowadzący sprzedaż butów w internecie reklamuje się za pośrednictwem reklam AdWords, mailingów oraz banerów display. Do tego występuje w wynikach organicznych. Zanim użytkownik dokonał zakupu najpierw zobaczył i kliknął w baner, następnego dnia otrzymał mailing i również w niego kliknął by w końcu zdecydować się na czarne pantofle i kupić je przy kolejnym wejściu – tym razem z AdWords.

 

Jaki kanał sprawił, że użytkownik zdecydował się na zakup? Mógł on, przykładowo, zdecydować się na zakup już po kliknięciu w baner, ale odłożyć go w czasie ze względu np. na brak środków. W otrzymanym mailingu również mogły pojawić się informacje wpływające na chęć dokonania zakupu. Możliwe też, że internauta zdecydował się na dokonanie transakcji jedynie po kliknięciu w reklamę AdWords. Bez szczegółowej rozmowy z użytkownikiem na temat motywów skłaniających go do zakupu, nikt z zewnątrz nie jest w stanie odpowiedzieć na tak zadane pytanie. Avinash Kaushik, światowy guru analityki internetowej, wskazuje, że problem atrybucji dotyczy przytłaczającej większości reklamodawców. Gra natomiast idzie o sposoby podziału budżetów na reklamę online, które według badania przeprowadzonego przez PwC na zlecenie IAB, w pierwszych trzech kwartałach 2013 roku przekroczyły 1,75 miliarda złotych.

 

Nie taki diabeł straszny

Na przestrzeni lat wypracowano kilka głównych sposobów podejścia do problemu atrybucji konwersji. Firmy i marki stworzyły także wiele wewnętrznych narzędzi służących zbieraniu informacji o działaniach użytkownika poprzedzających realizację zakładanego celu. Rewolucją okazało się wprowadzenie przez Google w 2011 roku ścieżek wielokanałowych (multi-channel funnels) do swojego flagowego narzędzia analitycznego – Analytics. Pozwoliły one na stosunkowo prostą analizę wielowymiarowych modeli atrybucji.

Opracowane modele atrybucji dzielimy na jedno i wielowymiarowe. Modele jednowymiarowe przypisują cały sukces wynikający z realizacji celu (np. wartość sprzedaży) do jednego kanału generującego wizytę na stronie docelowej. Najbardziej popularnym podejściem jednowymiarowym jest wspomniane wcześniej ostatnie kliknięcie (last click). Wartość sprzedaży pary pantofli z przykładu byłaby w takim przypadku przyporządkowana AdWords, ponieważ to one wygenerowały wizytę, w trakcie której doszło do transakcji. Z drugiej zaś strony wyróżnia się również odwrotny model pierwszego kliknięcia (first click). Zakłada on, że to pierwsza wizyta na www/w sklepie prowadzi do zainteresowania użytkownika produktem. Sukces w całości byłby przypisany banerowi display.

Jak widać modele jednowymiarowe stanowią bardzo duże uproszczenie rzeczywistości. W zdecydowanej większości proces zakupowy trwa pewien czas i jest wspomagany przez wiele czynników i kanałów reklamowych. Wyjątek stanowią zakupy prostych produktów, odbywające się pod wpływem impulsu. Dlatego też modele wielowymiarowej atrybucji konwersji pozwalają zdecydowanie efektywniej zbierać informacje o ruchu użytkowników i co za tym idzie alokować budżety reklamowe.

Podejścia wielowymiarowe dzielimy i grupujemy według proporcji lub według wagi:

• Według proporcji. W tej metodzie podział sukcesu (wartość sprzedaży) dzielony jest proporcjonalnie pod względem ilości wizyt (np. 10 wizyt – do każdej wizyty przypisywane jest 10 proc. sukcesu) . Każda wizyta traktowana jest więc na równi.
• Według wagi. W tym przypadku podział sukcesu następuje według wcześniej ustalonych wag nadawanych poszczególnym kanałom, pozycjom w procesie lub innym ustalonym atrybutom. Co za tym idzie wyróżnia się głównie wagi przypisane do:
  • kanałów (charakter wizyty, źródło) – na podstawie analiz lub też odgórnie konkretnym kanałom przypisywane są odpowiednie wagi procentowe (np. AdWords 40 proc., mailing 30 proc., display 30 proc.). Wadą takiego podejścia jest duża subiektywność rozkładu sukcesu lub też konieczność zebrania odpowiedniej ilości rzetelnych danych.
  • kolejności w jakiej następowały wizyty. Najczęściej największy udział w sukcesie przypisuje się tutaj ostatniemu, a następnie pierwszemu kliknięciu. Wszystkie wizyty pomiędzy traktuje się tylko jako wspomagające i nadaje się im śladowe ilości dzielonego sukcesu.
  • horyzontowi czasowemu – zgodnie z tym modelem najmniej oddalone w czasie od realizacji zakładanego celu wizyty mają największy udział w sukcesie.

 

Wszystkie powyższe podejścia można odpowiednio modyfikować i mieszać tworząc „szyty na miarę” poszczególnego reklamodawcy model atrybucyjny. Ważne, by odnosił się on do przyjętych założeń i specyfiki usługi/produktu. W żadnym przypadku jednak nie można o tym problemie zapominać, w przeciwnym razie budżet będzie alokowany nieefektywnie, a nasz klient/reklamodawca poniesie straty.

 

Multi-channel funnels

W pierwotnej wersji Google Analytics konwersję przypisywano ostatniej sesji użytkownika na stronie, nie spowodowanej wejściem bezpośrednim. Wersja rozszerzona uwzględnia już kampanie posiadające dwu- lub wieloelementowe ścieżki oraz umożliwia dobór każdego z uprzednio wymienionych modeli atrybucji. Dodatkowo pozwala na zdefiniowanie własnego modelu niestandardowego.

Aby móc w pełni skorzystać z wielowymiarowych modeli atrybucji niezbędne jest spełnienie podstawowego wymogu: zdefiniowanie celu stawianego kampanii lub, alternatywnie, zaktywizowanie modułu e-commerce. Dane o wizytach i ich źródłach zbierane są maksymalnie dla 90 dni przed dokonaniem konwersji. To stanowi utrudnienie w przypadku, gdy chcemy poznać odleglejszą historię danego użytkownika.

Miara definiująca jakiego rodzaju atrybucję należy przyjąć w analizie kanału widoczna jest w Google Analytics w zakładce „konwersje wspomagane”(kolumna „ konwersje wspomagane/po ostatnim kliknięciu lub bezpośrednie). Jeśli posiada ona wartość poniżej 1 należy stosować jednowymiarową atrybucję ostatniego kliknięcia (najczęściej wejścia bezpośrednie). W innym przypadku kanał posiada bardzo duże prawdopodobieństwo odgrywania istotnej roli we wcześniejszej fazie cyklu konwersji. Ponieważ atrybucja ostatniego kliknięcia w takich sytuacjach ignoruje ów wpływ, należy użyć modelu wielowymiarowego. Tu pojawia się pytanie: tylko jakiego? Niestety nie ma uniwersalnego modelu atrybucji wielowymiarowej a jego dobór jest wypadkową wielu czynników definiujących analizowany biznes. Rekomenduje się używanie niestandardowych, własnoręcznie przystosowanych modeli. Sam proces ich tworzenia w Google Analytics jest bardzo prosty.

 

Buduj i analizuj

Budowa modelu to pierwszy krok. Momentem, w którym „dzieje się magia” jest natomiast analiza zebranych informacji. Jakość zbudowanych modeli można między sobą porównywać w zakładce „atrybucja konwersji”. Niezwykle ważna w tym procesie jest kolumna „% zmiana w konwersjach”. Z niej dowiemy się, jak należy zmieniać alokację budżetów ze względu na konkretny kanał. Dzięki tym informacjom widać w którym miejscu nasze założenia się nie sprawdzają, a gdzie są poprawne. Idealnym podejściem jest cykliczna analiza danych i hipotez badawczych względem poprzednio najlepszego modelu podziału sukcesu z realizacji celu po kanałach. Analiza ta powinna być bajkową niekończącą się opowieścią – tą, o której wspominałem w pierwszym akapicie.

Sam problem atrybucji jest niestety dość skomplikowany, w dodatku nie ma jednego uniwersalnego jego rozwiązania. Wszystko to sprawia, że atrybucja konwersji jest tak często pomijana w rozmowach pomiędzy marketerami, a reklamodawcami. To błąd, który wpływa na nieefektywne wydawanie budżetów reklamowych, co z jednej strony szkodzi reklamodawcom, z drugiej zaś spowalnia rozwój rynku, dotykając samych agencji. Następnym razem alokując budżety wspomóż się analizą atrybucji. Naprawdę warto!

::

 

Autorzy:

Tomasz Nowiński founder & managing partner w Marketing Wizards Group, Kamil Borkowski head of internet consulting

Photo: © mikkolem – Zobacz portfolio

Źródło: www.marketingwizards.pl