Modelowanie atrybucji konwersji w Google Analytics

Marcin Lewek

Modelowanie atrybucji nie jest nowością, ale to wciąż skomplikowany i czasochłonny proces. Wielu marketerów nie zawraca sobie nim głowy. Firmy e-commerce rzadko wykorzystują ścieżki wielokanałowe i modelowanie atrybucji do zwiększania sprzedaży w sklepach online. Użytkownicy przed podjęciem ostatecznej decyzji zwykle przeglądają w sieci wiele źródeł, porównują konkurencyjne oferty, a dopiero po rozważeniu wszystkich za i […]

Modelowanie atrybucji nie jest nowością, ale to wciąż skomplikowany i czasochłonny proces. Wielu marketerów nie zawraca sobie nim głowy. Firmy e-commerce rzadko wykorzystują ścieżki wielokanałowe i modelowanie atrybucji do zwiększania sprzedaży w sklepach online.

Użytkownicy przed podjęciem ostatecznej decyzji zwykle przeglądają w sieci wiele źródeł, porównują konkurencyjne oferty, a dopiero po rozważeniu wszystkich za i przeciw dokonują wyboru i przeprowadzają transakcję. W ten sposób pomiar danych sprzedażowych z Facebooka, Google, czy narzędzi takich jak edrone, w modelu Last Click, staje się niezrozumiały i nie dostarcza już właściwych informacji. Tymczasem zaawansowane analizy wzajemnie przeplatających się kanałów i kampanii marketingowych pozwalają zwiększać zyski i optymalizować nieefektywne źródła pozyskiwania ruchu.

Z artykułu dowiesz się m.in:

  • Czym jest modelowanie atrybucji i jak może nam pomóc,
  • Jaki jest idealny model atrybucji,
  • Czym jest model Last-Click i dlaczego jest wadliwy,
  • Jak patrzeć na dane rentowności źródła „edrone” we właściwym modelu atrybucji,
  • Jak odejść od modelu Last-Click i wykorzystać jedno źródło prawdy w e-commerce,
  • Jak zwiększyć przychody włączając nowy model oparty o dane „Data Driven”,

Prawidłowa implementacja modelu atrybucji pomoże Ci zrozumieć jak wygląda sposób i ścieżka dokonywania zakupów, jaki kanał ma wpływ na decyzje zakupowe, a który z nich odpowiada za domykanie sprzedaży. Niewielka grupa osób wyświetla produkt w sklepie online i podejmuje decyzje zakupowe natychmiast. Internauci opuszczają stronę, szukają recenzji produktów, weryfikują opinie o sklepie, analizują ceny u konkurencji, szukają kuponów rabatowych, czekają na wypłatę, aż w końcu wracają na Twoją stronę, kiedy są gotowi wydać pieniądze i zrealizować konwersję.

Rys. 1. Długość ścieżek w interakcjach Internautów. 56% konwersji dokonywanych jest po 2 lub większej liczbie interakcji.
Rys. 1. Długość ścieżek w interakcjach Internautów. 56% konwersji dokonywanych jest po 2 lub większej liczbie interakcji.

Coraz większa liczba nowych technologii, rozwój systemów reklamowych i nowych rodzajów kampanii, wszystkie możliwości oferowane przez Internet powodują, że ścieżki prowadzące do transakcji stają się coraz dłuższe. Zatem, w które źródła ruchu należy zainwestować więcej, w które mniej, a z których być może zupełnie zrezygnować?

John Wanamaker już ponad 100 lat temu zauważył, że „połowa pieniędzy wydanych na reklamę zostaje zmarnowana. Problem w tym, że nigdy nie wiadomo, która to połowa”. Modelowanie atrybucji i model oparty o dane „Data Driven” pokazują jednak, że nie ma rzeczy niemożliwych. Prawidłowa analiza atrybucji i wnioski wyciągnięte na ich podstawie mogą przynieść znaczące oszczędności, zniwelować straty, zmniejszać koszt konwersji i co najważniejsze nie pomijać znaczących słów kluczowych, które w kolejnych etapach ścieżek zamykają sprzedaż w innych kanałach. Żyjący na przełomie XIX i XX wieku pionier marketingu nie przewidział więc, że w obecnych czasach pieniędzy wydanych na reklamę, nie będzie można nazwać zmarnowanymi, patrząc na widoczne efekty jakie można uzyskać wprowadzając właściwy model atrybucji w sklepie online.

Czym jest modelowanie atrybucji?

Atrybucja w marketingu to nauka o przypisywaniu wartości do poszczególnych elementów działań promocyjnych. To dzięki niej możemy zrozumieć jak dany element był ważny w wygenerowaniu sprzedaży i czy możemy zwiększać wydatki reklamowe w celu skalowania i zwiększenia sprzedaży z wybranej kampanii. Każdy sklep internetowy jest inny, różni się od siebie. Zatem w teorii każdy biznes będzie miał swój, unikalny model, który trzeba odkryć i wypracować analizując kilka predefiniowanych modeli atrybucji w Google.

Modelowanie ścieżek konwersji w Google Analytics może dostarczyć nam wielu cennych informacji. Pozwala zaoszczędzić budżety reklamowe i zarobić sporo pieniędzy. To dzięki atrybucji ścieżek konwersji możemy odpowiedzieć na pytania:

  • Na ile poszczególne kanały marketingowe wpływają na konwersje i jaka jest ich wartość w porównaniu z ponoszonymi na nie wydatkami?
  • W jakim stopniu kanały marketingowe nachodzą na siebie?
  • Czy nachodzące na siebie kanały wspierają się, czy się kanibalizują?
  • Na ile zwiększenie wydatków, ich zmniejszenie lub rezygnacja z danego źródła ruchu powinny wpłynąć na zmianę w generowaniu większych przychodów?

Większość marketerów korzysta tylko z jednego, najpopularniejszego modelu atrybucji. Jest nim model Last-Click, który całą wartość konwersji przypisuje do ostatniego źródła ruchu. W ten sposób pomija inne źródła i kampanie, pomija wiele wspomagających kanałów marketingowych i nie pozwala optymalizować mix mediów.

Rys. 2 Ścieżki konwersji składające się z wielu źródeł ruchu. W modelu Last-Click konwersja przypisana do ostatniego kanału znajdującego się na końcu każdej ścieżki konwersji.
Rys. 2 Ścieżki konwersji składające się z wielu źródeł ruchu. W modelu Last-Click konwersja przypisana do ostatniego kanału znajdującego się na końcu każdej ścieżki konwersji.

Jak widać na rys. 2 konwersja dokonywana jest najczęściej z nazwy marki wpisywanej w wyszukiwarkę. Musimy pamiętać jednak, że wejścia brandowe oraz ruch bezpośredni nigdy nie powstają same z siebie. Są zawsze efektem (bezpośrednim lub pośrednim) wcześniejszych działań marketingowych.

Rys. 3 Porównanie dwóch modeli atrybucji: ostatniej i pierwszej interakcji, przedstawiający średnio 50% wzrost liczby transakcji, względem pierwszej interakcji z reklamą.
Rys. 3 Porównanie dwóch modeli atrybucji: ostatniej i pierwszej interakcji, przedstawiający średnio 50% wzrost liczby transakcji, względem pierwszej interakcji z reklamą.

Czym jest model Last-Click i dlaczego jest wadliwy?

Model ten jest najłatwiejszym modelem do policzenia i zrozumienia przez marketerów. Z racji prostoty, łatwych obliczeń i braku wiedzy jest też najczęściej wykorzystywany. Model Last-Click przypisuje całą wartość konwersji ostatniemu punktowi styku Internauty z witryną e-sklepu. W ten sposób wszystkie wcześniejsze kroki, źródła ruchu, które odbył potencjalny klient są pomijalne co może wprowadzać w błąd, a brak analizy ścieżek wielokanałowych i modeli atrybucji ostatecznie wprowadzi nas w zjawisko tzw. spirali śmierci. Innymi słowy skupiając się tylko na źródłach, którym przypisana jest „zasługa” za pozyskanie transakcji bardzo często zapominamy o źródłach, które również brały udział w procesie zakupowym i bez nich potencjalny klient nie dokona transakcji.

Wielu marketerów podejmując decyzję na podstawie modelu Last-Click optymalizuje koszty i przenosi budżety reklamowe na błędne źródła, którym przypisana jest konwersja. Z czasem jednak, po wyeliminowaniu wcześniejszych punktów styku stopniowo sprzedaż będzie ulegała zmniejszeniu. Podejmowane na tej podstawie decyzje o alokacji budżetów reklamowych na poszczególne kanały będą obarczone błędem. Eliminacja źródeł, które otwierają ścieżkę zakupową spowoduje likwidację całej ścieżki decyzyjnej potencjalnego Internauty.

Rys. 4 Modele atrybucji dostępne do analizy w narzędziu Google Analytics.
Rys. 4 Modele atrybucji dostępne do analizy w narzędziu Google Analytics.

Ścieżkę zakupową porównać możemy do gry zespołowej, w której każdy z zawodników ma swój wkład w ostateczny wynik meczu. W przypadku piłki nożnej najczęściej bramki strzelane są przez napastników, jednak nawet najlepsi piłkarze na tych pozycjach nie są w stanie sami wygrać meczu. To dzięki podaniom obrońców, pomocników oraz dobrej strategii i taktyce menedżera drużyna ma szansę strzelić bramkę. W takiej ocenie nie możemy patrzeć „modelem Last-Click”, w której całość zasługi przypisalibyśmy tylko jednemu z jedenastu zawodników. Oczywiście podobnie jak w przypadku działań marketingowych będziemy mieli kluczowych zawodników, których nie sposób zastąpić innym sportowcem, co może ostatecznie zmniejszyć szansę na zwycięstwo (konwersję w działaniach reklamowych).

Dobrym przykładem złego zarządzania modelami atrybucji może być również sklep sportowy. W asortymencie sklepu oferowane są buty sportowe, akcesoria na siłownie, sprzęt fitness, piłki, akcesoria sportowe. Właściciel sklepu po analizach sprzedażowych zauważa, że większy przychód i marżę posiada na sprzęcie fitness, których cena przeważnie przekracza 1000 zł. Pozostałe produkty powodują więcej problemów tj. zwroty, reklamacje, kwestie logistyczne, a w dodatku marża jest niższa. W ten sposób eliminuje problematyczne produkty i zamawia do magazynu tylko produkty wysokomarżowe. W efekcie wpada we wspomnianą „spiralę śmierci”. Klienci, którzy dotychczas przychodzili głównie do sklepu z zamysłem zakupu akcesoriów sportowych i niskomarżowych produktów z czasem lub przy okazji dokonywali zakupów większych. W skutek złych decyzji wyeliminowani zostali potencjalni klienci, sprzedaż maleje, a w skrajnych przypadkach spada do zera.

edrone na ścieżkach zakupowych – wsparcie kolejnymi kanałami marketingowymi

Podobnie wygląda sytuacja z kanałem marketingowym – edrone. Narzędzie, które zatrzymuje konsumentów, którzy skompletowali w sklepie koszyk produktów, ale nie sfinalizowali zakupu. Najczęściej w ten sposób docieramy do osób, które znają już markę. Często też błędnie analizujemy zwrot z inwestycji analizując dane przez pryzmat ostatniego kliknięcia w sekcji Pozyskiwanie 🡪 Cały ruch 🡪 Edrone.

Rys. 5. Efektywność kanału w modelu Last Click w Google Analytics.
Rys. 5. Efektywność kanału w modelu Last Click w Google Analytics.

Zdecydowanie lepszym raportem będzie dogłębna analiza wszystkich ścieżek lub też weryfikacja konwersji wspomaganych.

Rys. 6 Większy pogląd na opłacalność źródła – edrone. Weryfikacja wszystkich ścieżek zakupowych, na których w procesie decyzyjnym pojawiło się narzędzie edrone.
Rys. 6 Większy pogląd na opłacalność źródła – edrone. Weryfikacja wszystkich ścieżek zakupowych, na których w procesie decyzyjnym pojawiło się narzędzie edrone.

Jak odejść od modelu Last-Click i wykorzystać jedno źródło prawdy w e-commerce

Narzędzia analityczne do śledzenia konwersji platform reklamowych tj. Google AdWords, Facebook Ads, Criteo, czy RTBHouse przypisują konwersję ostatniemu kliknięciu w reklamę danego systemu. W ten sposób każda z platform raportuje, iż w 100% odpowiada za doprowadzenie do konwersji.

Z pomocą przychodzi narzędzie Google Attribution, które przedstawi nam jedno źródło prawdy o konwersjach w naszym e-commerce. Jego celem jest pomoc każdej firmie w zrozumieniu, w jaki sposób funkcjonuje ich marketing. Określa prawidłową ilość udziału przyporządkowanego do każdego kroku ścieżki decyzyjnej. Pozwala nam na obiektywne rozdzielenie wartości konwersji w obrębie wszystkich podłączonych źródeł.

Modele atrybucji oferowane w Google Analytics mają jedną zasadniczą wadę. Wymagają tego, by to użytkownik zdecydował, jak model ma wyglądać. Czyli to marketer decyduje o wyglądzie danych. Biorąc pod uwagę fakt, iż proces modelowania atrybucji jest wciąż skomplikowany i czasochłonny, a brak wiedzy wielu marketerów wcale nie pomaga w skalowaniu sklepu online. Rozwiązania Google Attribution są idealnym sposobem na rozwiązanie tego problemu. Model atrybucji w nowym narzędziu pracuje w oparciu o uczenie maszynowe, które nauczy się rzeczywistych wag udziałów kanałów marketingowych. Nie będzie kierować się modelami narzuconymi przez użytkownika. System dynamicznie przypisuje wartości konwersji do poziomów dziesiętnych w poszczególnych ścieżkach jakie przechodzi nasz klient w naszej witrynie, od pierwszej interakcji aż do zakupu.

Nowy model atrybucji w Google AdWords oparty na danych: Data-Driven

W przypadku systemu Google AdWords od niedawna pojawiła się możliwość przypisywania konwersji w modelu opartym na danych Data-Driven. W większości sklepów e-commerce system ten odgrywa bardzo ważną rolę, więc prawidłowa atrybucja w obrębie wszystkich realizowanych kampanii reklamowych tego systemu ma ogromne znaczenie.

Rys. 7 Zmiana modelu atrybucji w systemie Google AdWords na model oparty na danych.
Rys. 7 Zmiana modelu atrybucji w systemie Google AdWords na model oparty na danych.

Po zmianie z modelu Last-Click zmieni się całkowicie obraz efektywności realizowanych kampanii. Najczęściej stracą kampanie z zapytań brandowych, większa część konwersji przypisana będzie do kampanii otwierających ścieżkę sprzedaży, tym samym automatyczne strategie i optymalizacja kampanii AdWords pod większy zwrot z inwestycji ROAS będzie bardziej precyzyjna i skalowalna dzięki nagłej większej liczby konwersji w kampaniach, które dotychczas tylko otwierały ścieżkę sprzedażową.

Rys. 8 Porównanie modelu Last-Click z nowym modelem Data-Driven
Rys. 8 Porównanie modelu Last-Click z nowym modelem Data-Driven.

Modelowanie atrybucji ścieżek konwersji w Google Analytics będzie coraz trudniejsze wraz z rozwojem marketingu, nowych technologii oraz zwiększaniem się ilości kanałów marketingowych. Pamiętajmy, że największą część konwersji wywołują wielokrotne interakcje – prawie 80%. Pomimo tego ponad połowa marketingowców używa modelu atrybucji do pojedynczej interakcji. Im szybciej uciekniemy od modelu Last-Click, tym szybciej uzyskamy przewagę nad konkurencją, zaczniemy lepiej rozumieć sprzedaż w naszym e-sklepie i przede wszystkim dzięki nowym rozwiązaniom atrybucji będziemy lepiej alokować budżety reklamowe.

Krystian Kucharski

Krystian Kucharski
Performance Director i wiceprezes zarządu Promotraffic. Certyfikowany specjalista Google Adwords i Analytics. W branży marketingu internetowego działa od 2009 roku. W tym czasie zdobył doświadczenie w zarządzaniu kampaniami za pomocą platformy Google AdWords i Google Analytics. Specjalizuje się w budowaniu, prowadzeniu i optymalizacji kampanii Google AdWords, Doubleclick i innych płatnych platform nastawionych na konwersję lub/i budowę świadomości marki. W swojej karierze odpowiadał za kampanie PPC i wdrożenia analityczne dla takich klientów jak: Sneakerstudio, Takeda, Puccini, MoneyMan, Ekomaluch, Rolmarket czy Sklep Sportowy. Wykładowca i prelegent podczas wydarzeń marketingowych na E-biznes Festiwal, Uniwersytecie Ekonomicznym oraz Wyższej Szkoły Ekonomii i Informatyki w Krakowie. Wszystkie działania wspiera i analizuje za pomocą narzędzi analitycznych tj. Facebook Analytics czy Google Analytics.

Marcin Lewek

Digital marketer and copywriter experienced and specialized in AI, design, and digital marketing itself. Science, and holistic approach enthusiast, after-hours musician, and sometimes actor.

8 historii sukcesu w e-commerce

Stań się pionierem w branży dzięki doświadczeniu marek, którym się udało.

Pobierz za darmo

Wejdź z nami do świata e-commerce.
Zapisz się do newslettera