Cesta zákazníka má pět kontaktních bodů. Uvidí reklamu. Přečte si příspěvek na blogu. Dostane e-mail. Podívá se na video. Zkonvertuje. Který kontaktní bod dostane zásluhy za konverzi? Reklama, která vzbudila jeho zájem? E-mail, který obchod dotáhl? Video, které ho přesvědčilo? Odpověď závisí na vašem atribučním modelu. Různé modely připisují zásluhy různým kontaktním bodům. Atribuce posledního dotyku dá všechny zásluhy e-mailu. První dotyk dá všechny zásluhy reklamě. Lineární model dá všem pěti stejně. Datově řízený model rozdělí zásluhy podle skutečných vzorců konverzí. Každý model vypráví jiný příběh o tom, které kanály fungují. Každý může vést k jiným obchodním rozhodnutím. Zrušíte špatný kanál a plýtváte penězi. Investujete do špatného kanálu a plýtváte rozpočtem. Atribuční modely určují, jak chápete, které kanály konverze skutečně přinášejí. Tento článek vysvětluje atribuční modely a jak každý z nich mění vaše rozhodnutí.
Co je atribuce?
Atribuce je proces přiřazování zásluh za konverzi kontaktním bodům, které k ní vedly. Návštěvník nezkonvertuje při první návštěvě. S vaší značkou přijde do styku několikrát napříč několika kanály. Uvidí reklamu. Navštíví váš web. Odejde. Dostane e-mail. Klikne na odkaz. Zkonvertuje. Atribuce odpovídá na otázku: která z těchto interakcí si zaslouží zásluhy za konverzi? Odpověď určuje, jak rozdělíte rozpočet a které kanály považujete za fungující.
Proč na atribuci záleží
Bez atribuce nemůžete dělat dobrá rozhodnutí o marketingových výdajích. Můžete si myslet, že kanál podává slabý výkon, přestože přináší konverze, které nevidíte. Můžete si myslet, že kanál podává nadprůměrný výkon, ale dostává jen zásluhy, které si nezaslouží. Špatná atribuce vede ke zrušení dobrých kanálů a k posilování špatných. Správná atribuce vám umožní investovat tam, kde konverze skutečně vznikají.
Atribuce posledního dotyku
Atribuce posledního dotyku připisuje všechny zásluhy poslednímu kontaktnímu bodu před konverzí. Zákazník uvidí reklamu, přečte si příspěvek na blogu, dostane e-mail, podívá se na video a pak zkonvertuje. Poslední dotyk dá sto procent zásluh videu. Reklama, blog a e-mail dostanou nulu. Poslední dotyk je jednoduchý a snadno se zavádí. Většina analytických platforem ho používá ve výchozím nastavení. Je ale zavádějící. Ignoruje všechno, co ke konverzi vedlo. Reklama vytvořila povědomí. Blog vybudoval zvažování. E-mail spustil rozhodnutí. Video ho dotáhlo. Ale zásluhy dostane jen video.
Atribuce prvního dotyku
Atribuce prvního dotyku připisuje všechny zásluhy prvnímu kontaktnímu bodu. Ve výše uvedeném příkladu dostane sto procent zásluh reklama. Blog, e-mail a video dostanou nulu. První dotyk je užitečný pro pochopení, které kanály přivádějí nové zákazníky. Přehlíží ale práci, která se děje po prvním dotyku. Většina konverzí vyžaduje víc dotyků. První dotyk ignoruje všechny kromě prvního.
Lineární atribuce
Lineární atribuce připisuje všem kontaktním bodům stejné zásluhy. Ve výše uvedeném příkladu dostane každý kontaktní bod dvacet procent zásluh. Reklama, blog, e-mail i video přispěly stejně. Lineární model je vyváženější než poslední nebo první dotyk. Předpokládá ale, že všechny kontaktní body jsou stejně důležité, což málokdy platí. E-mail, který spustil nákup, by neměl dostat stejné zásluhy jako příspěvek na blogu, který někdo před týdnem jen prolétl.
Atribuce s časovým útlumem
Atribuce s časovým útlumem připisuje víc zásluh kontaktním bodům blíž ke konverzi. První kontaktní bod dostane nejméně zásluh. Poslední nejvíc. Ve výše uvedeném příkladu dostane nejvíc zásluh video. E-mail méně. Blog ještě méně. Reklama nejméně. To dává intuitivně smysl. Kontaktní body blíž k rozhodnutí by měly mít větší váhu. Stále ale nebere v úvahu skutečný vliv každého kontaktního bodu.
Atribuce podle pozice
Atribuce podle pozice dává víc zásluh prvnímu a poslednímu kontaktnímu bodu. Reklama dostane čtyřicet procent. Video dostane čtyřicet procent. Blog a e-mail dostanou po deseti procentech. Uznává to, že důležité je povědomí i rozhodnutí. Podhodnocuje ale fáze zvažování a průzkumu uprostřed.
Datově řízená atribuce
Datově řízená atribuce používá strojové učení k přiřazení zásluh podle skutečných vzorců konverzí. Nepředpokládá, že všechny první dotyky mají stejnou váhu nebo že všechny poslední dotyky si zaslouží všechny zásluhy. Prochází tisíce konverzních cest. Hledá vzorce. Zjišťuje, které kombinace kontaktních bodů skutečně vedou ke konverzím. A podle toho přiděluje zásluhy. Datově řízená atribuce je nejpřesnější. Vyžaduje ale velký objem. Aby model dobře fungoval, potřebujete tisíce konverzí.
Jak vybrat atribuční model
Správný model závisí na vašem byznysu. Firma, která prodává levné zboží, může použít poslední dotyk, protože nákupy se dějí rychle. Firma, která prodává drahé zboží, může použít datově řízený model nebo atribuci podle pozice, protože cesta je dlouhá. Firma zaměřená na povědomí o značce může použít první dotyk. Klíčové je vybrat si model a držet se ho, abyste mohli dělat konzistentní rozhodnutí v čase.
Často kladené otázky
Můžu pro různé kanály používat různé atribuční modely?
Technicky ano, ale vzniká zmatek. K férovému porovnání kanálů potřebujete jeden konzistentní model. Pokud použijete poslední dotyk pro placené reklamy a první dotyk pro organické vyhledávání, nesrovnáváte stejné věci. Vyberte jeden model a používejte ho důsledně u všech kanálů. Uvidíte tak, které kanály opravdu přinášejí konverze. S Tvůrcem webů WEMASY to můžete nastavit přímo na svém webu.
Co když různé atribuční modely ukazují různé vítězné kanály?
To se stává. Poslední dotyk může ukázat jako vítěze e-mail. První dotyk může ukázat jako vítěze vyhledávání. To odhaluje, že různé kanály hrají různé role. Vyhledávání přináší povědomí. E-mail vede k rozhodnutí. Oba jsou cenné. Pochopení jejich různých rolí vám pomůže do každého z nich vhodně investovat.
Používá Google Analytics ve výchozím nastavení atribuci posledního dotyku?
Ano. Google Analytics ve výchozím nastavení používá atribuci posledního dotyku. Proto si mnoho firem myslí, že jejich nejlepším kanálem je e-mail nebo přímá návštěvnost. Pokud chcete vidět jiné atribuční modely, musíte vytvořit vlastní přehledy nebo použít nástroje pro atribuční modelování uvnitř Google Analytics.
Kolik konverzí potřebuji, aby datově řízená atribuce fungovala?
Obecně potřebujete alespoň tisíc konverzí měsíčně, aby byla datově řízená atribuce spolehlivá. S menším počtem konverzí jsou vzorce příliš zašuměné. Pokud nemáte dostatečný objem, použijte místo toho atribuci podle pozice nebo lineární atribuci. Datově řízená atribuce je silná, ale vyžaduje velký objem.
Mám změnit atribuční model, pokud ukazuje špatné výsledky pro kanál, který mám rád?
Ne. Model neměňte proto, abyste dostali lepší výsledky pro kanál, který preferujete. Model vyberte podle toho, co dává smysl pro váš byznys, a pak s výsledky počítejte. Pokud výsledky ukazují, že kanál podává slabý výkon, zjistěte proč, místo abyste měnili model. Model může odhalovat skutečný problém.
Můžou mi atribuční modely pomoct pochopit, do kterých kontaktních bodů investovat?
Ano. Atribuce ukazuje, které kontaktní body se objevují v konverzních cestách. Pokud se kontaktní bod před konverzí nikdy neobjeví, možná se do něj nevyplatí investovat. Pokud se objevuje ve většině konverzních cest, pravděpodobně si investici zaslouží. Atribuci využijte k pochopení role, kterou každý kontaktní bod na cestě zákazníka hraje.