Atribuce je proces, při kterém se konverze přiřazují kanálům jako zásluha. Atribuce posledního kliknutí připisuje zásluhu poslednímu kanálu před konverzí. Atribuce prvního kliknutí připisuje zásluhu prvnímu kanálu. Realita je ale složitější: k rozhodnutí přispělo více kanálů. Modely atribuce napříč kanály se snaží zásluhu spravedlivě rozdělit mezi všechny kanály, které se podílely. Tato kapitola popisuje různé modely atribuce a kdy který použít.
Modely atribuce vysvětleny
Atribuce posledního kliknutí
Kanál posledního kontaktu před konverzí získá 100 % zásluhy. Příklad: organické vyhledávání → e-mail → placená reklama → konverze = placená reklama získá 100 % zásluhy.
Výhoda: jednoduchost, snadné nasazení, zvýhodňuje kanály na konci trychtýře. Nevýhoda: ignoruje podpůrné role, podhodnocuje kanály budující povědomí.
Atribuce prvního kliknutí
Kanál prvního kontaktu získá 100 % zásluhy. Příklad: organické vyhledávání → e-mail → placená reklama → konverze = organické vyhledávání získá 100 % zásluhy.
Výhoda: zvýhodňuje kanály budující povědomí, snadné nasazení. Nevýhoda: ignoruje role péče o zájemce a konverze, nadhodnocuje první kontakty.
Lineární atribuce
Zásluha se rozdělí rovným dílem mezi všechny kontakty. Příklad: organické vyhledávání → e-mail → placená reklama → konverze = každý získá 33 % zásluhy.
Výhoda: je spravedlivá ke všem kanálům a počítá s více kontakty. Nevýhoda: nezohledňuje, které kontakty jsou nejdůležitější.
Atribuce s časovým útlumem
Novější kontakty získají víc zásluhy než starší. Příklad: organické vyhledávání (před 30 dny) získá 20 %, e-mail (před 10 dny) 30 %, placená reklama (před 1 dnem) 50 %. Celkem = 100 %.
Výhoda: je realistická (nedávné interakce bývají nejvlivnější) a vyvažuje povědomí a konverzi. Nevýhoda: složitější nasazení.
Vlastní a algoritmická atribuce
Zásluha se přidělí na základě analýzy historických dat. Strojové učení určí, které kontakty nejlépe předpovídají konverzi. Příklad: data ukazují, že když je v sekvenci e-mail, je konverzní poměr o 15 % vyšší. E-mail získá bonusovou zásluhu.
Výhoda: nejpřesnější, počítá s vlivem vzájemných interakcí. Nevýhoda: vyžaduje data a technickou vyspělost.
Jak vybrat model atribuce
Počáteční fáze (teprve začínáte): použijte poslední kliknutí. Je jednoduché a lze ho nasadit hned. Povědomí podhodnocuje, ale je to dobrý začátek.
Rostoucí firma: použijte časový útlum. Je přesnější než poslední kliknutí, počítá s více kontakty a je relativně jednoduchý.
Vyspělá firma: použijte vlastní nebo algoritmický model. Máte dost dat i znalostí v týmu, abyste mohli nasadit pokročilé modely.
Osvědčený postup: sledujte několik modelů současně. Vedení vykazujte poslední kliknutí (jednoduchost), pro strategii časový útlum (rovnováha) a pro metriky povědomí první kliknutí. Dostanete tak úplný pohled.
Jak nasadit modely atribuce
Krok 1: Vyberte model. Začněte časovým útlumem, pokud nemáte důvod použít něco jiného.
Krok 2: Určete atribuční okno. Kolik dní před konverzí sledujete kontakty? 7, 14, 30, 90? Jako výchozí použijte 30.
Krok 3: Nastavte to v analytické platformě. Většina platforem podporuje více modelů atribuce. Google Analytics a většina platforem produktové analytiky je podporuje nativně.
Krok 4: Porovnejte modely. Spusťte všechny modely na svých datech. Porovnejte výsledky. Kde se liší? Mění to vaši strategii? Pokud různé modely naznačují různé priority kanálů, jděte do hloubky a zjistěte proč.
Výzvy při atribuci napříč kanály
Kanibalizace kanálů: pokud pro stejné klíčové slovo používáte organické i placené vyhledávání, který kanál získá zásluhu? Konverzi si může nárokovat obojí. Řešení: stanovte jasná pravidla (první kliknutí = organické, poslední kliknutí = placené) a uplatňujte je důsledně.
Chybějící data: offline interakce (telefonáty, osobní schůzky) se v analytice nesledují. Řešení: pokud to jde, importujte do analytiky data o offline konverzích. Počítejte s tím, že u některých konverzí atribuční data chybí.
Omezení ochrany soukromí a sledování: změny ochrany soukromí v iOS, blokátory reklam a nástroje na ochranu soukromí snižují schopnost sledování. Některé cesty uživatelů jsou částečně neviditelné. Řešení: kdykoli to jde, používejte vlastní (first-party) data. V reportech na omezení sledování upozorněte.
Jaký model atribuce mám pro svůj byznys použít?
Pro většinu firem je nejlepší výchozí volbou časový útlum. Pokud je váš prodejní cyklus krátký (1 až 2 dny), použijte poslední kliknutí. Pokud je dlouhý (30 a více dnů), použijte první kliknutí nebo lineární model. Vyzkoušejte 3 nejlepší modely po dobu 1 měsíce a podívejte se, jestli se doporučení mění. Pokud ne, držte se nejjednoduššího (poslední kliknutí). Pokud ano, použijte ten, který nejlépe odpovídá realitě vaší firmy.
Jak vysvětlit modely atribuce lidem bez technických znalostí?
Použijte příklad: „Na uzavření obchodu za $10k se podíleli tři lidé: osoba A nás představila (povědomí), osoba B odpovídala na otázky (zvažování), osoba C podepsala smlouvu (rozhodnutí). Poslední kliknutí dá celých $10k osobě C (nespravedlivé). První kliknutí dá vše osobě A (ignoruje B a C). Časový útlum dá 20 % osobě A, 30 % osobě B a 50 % osobě C (realistické).“ Pomocí tohoto příkladu vysvětlete, proč je časový útlum spravedlivější.
Mám pro různé kanály používat různé modely atribuce?
Ne, držte se jednoho modelu pro všechny kanály, aby byly srovnatelné. Různé modely pro různé kanály vytvářejí nesrovnalosti. Používejte jeden model důsledně a analyzujte v jeho rámci: role organického vyhledávání oproti roli e-mailu atd. Pokud potřebujete různé modely pro různé účely, spouštějte je odděleně (reporting a strategie), ne smíchané.
Jak upravit model atribuce, když se změní můj prodejní cyklus?
Znovu analyzujte data: jak dlouhý je průměrný prodejní cyklus? Pokud se změnil z 15 na 45 dní, vaše 30denní atribuční okno může odřezávat důležité kontakty. Zvyšte okno na 45 až 60 dní. Znovu spusťte analýzu a podívejte se, jestli se změní priority kanálů. Upravte model a změnu zdokumentujte.
Mohu data z atribuce použít k předpovědi, které kampaně budou úspěšné?
Částečně. Historická atribuce ukazuje, které kombinace kanálů fungují. Pokud úspěšní zákazníci přišli přes organické vyhledávání → e-mail → placenou reklamu, nové kampaně podle tohoto vzorce budou pravděpodobně úspěšné. Berte to jako hypotézu: investujte do těchto posloupností. Každá kampaň je ale jiná, testujte a měřte, nespoléhejte jen na historické vzorce.
Jak zahrnout offline konverze do modelu atribuce?
Importujte do analytiky offline data: telefonáty, osobní schůzky, podepsané smlouvy. Spárujte je s webovými návštěvami podle identifikátoru zákazníka (e-mail, telefon nebo jméno). Online kontakty se objeví v atribuci, offline konverze je výsledek. Získáte úplnější obraz. Pozor: offline atribuce je těžší, soustřeďte se nejdřív na největší offline obchody.