Podívejte se, jak atribuční systémy sledují konverze, a najdete stále stejný vzorec. Za všechno přisuzují zásluhu poslednímu kontaktu, takže SEO v příběhu tržeb zůstává neviditelné. Modelování atribuce to mění.
Modelování atribuce je postup, kdy se zásluha rozděluje mezi všechny interakce zákazníka, které vedly ke konverzi. Místo modelu posledního kliku, který říká „návštěvník konvertoval kvůli té poslední reklamě“, se modelování atribuce ptá „které kanály spolupracovaly, aby tento prodej vznikl?“ Pro SEO profesionály to znamená konečně vidět skutečnou roli organického vyhledávání na cestě zákazníka, často měsíce předtím, než návštěvník skutečně koupí.
Většina značek ignoruje, co se děje mezi prvním zájmem a konečným prodejem. Když se podíváte, jak značky sledují návratnost, najdete stále stejný problém. Měří poslední krok a zapomínají na všechno před ním. Vezměte jakýkoli typický marketingový report a uvidíte, že diskusi ovládají data z posledního kliku. Takhle se ale zákazníci nerozhodují. Zjišťují si informace, přicházejí opakovaně, porovnávají možnosti a odcházejí. SEO často odvede těžkou práci v rané fázi zjišťování, ale atribuční systémy dají veškerou zásluhu kanálu, který byl náhodou poslední.
Proč je modelování atribuce dnes důležitější
Cesty ke konverzi jsou delší a roztříštěnější. Zákazník najde váš web přes organické vyhledávání, odejde, vrátí se přes odkaz z jiného webu, prohlédne si další stránky, dostane e-mail a nakonec konvertuje na mobilu. Každý kanál sehrál roli. Žádný by neměl dostat 100% zásluhy.
Bez správné atribuce vypadá SEO jako nákladové středisko místo motoru tržeb. Firmy utrácejí za průzkum klíčových slov, obsah a technickou optimalizaci, ale když jim analytika říká „obchod uzavřela placená reklama“, investice do SEO se zpochybňují. Jen 21% B2B marketérů si je jistých, že své skutečné atribuci rozumí, a 67% se stále spoléhá na modely posledního kontaktu, které přínos SEO úplně smažou. Pochopit metriky, na kterých záleží, je první krok k nápravě. Zjistěte, které SEO metriky skutečně ovlivňují vaše tržby.
Cena špatné atribuce je skutečná. Rozpočet teče ke kanálu, který se na cestě objeví jako poslední. Kanály budující povědomí, jako SEO, hladoví. Růst vázne, protože kanály, které vytvářejí počáteční poptávku, zdánlivě nepřinášejí žádné tržby. Modelování atribuce to řeší tím, že ukazuje, které kanály skutečně ovlivňují rozhodnutí, a ne jen který byl náhodou poslední.
Co je model atribuce s více kontakty?
Atribuce s více kontakty rozděluje zásluhu mezi více kontaktů místo toho, aby ji dala jednomu. Odpovídá na otázku, na kterou jiné modely odpovědět nedokážou: „Které kanály spolupracovaly, aby tato konverze vznikla?“
Různé modely přidělují zásluhu různě. Lineární model dává každému kontaktu stejnou váhu (25% každému ve čtyřkrokové cestě). Modely s postupným úbytkem dávají větší zásluhu nedávným kontaktům (nejvíc záleží na kontaktu nejblíž konverzi). Modely založené na pozici dávají velkou zásluhu prvnímu a poslednímu kontaktu a uznávají, že záleží na povědomí i na rozhodnutí. Modely řízené daty využívají strojové učení k výpočtu zásluhy podle skutečných vzorců konverzí ve vašich datech.
Pro SEO atribuce s více kontakty odhaluje to, co systémy posledního kliku skrývají. Organické vyhledávání se často objeví brzy na cestě (vytvoří povědomí) a pak znovu uprostřed (poskytne srovnání a informace). S atribucí s více kontakty dostanou zásluhu oba tyto kontakty, což ukáže, že SEO přispívá víc, než model posledního kliku naznačoval. Proto je tak důležité vytvořit strategii obsahu, která cílí na různé fáze cesty.
Přechod k modelům s více kontakty se zrychluje. Sedmdesát pět procent firem dnes používá atribuci s více kontakty místo modelů s jedním kontaktem. Firmy, které přešly, zaznamenaly zlepšení ceny za získání zákazníka o 14% až 36%, jednoduše proto, že přesměrovaly rozpočet přesněji.
Jak různé modely atribuce fungují?
Atribuce posledního kliku
Poslední klik dává 100% zásluhy poslednímu kontaktu před konverzí. Pokud je poslední interakcí zákazníka e-mail, dostane celou zásluhu e-mail, i když výzkum udělalo organické vyhledávání o týdny dřív. Tento model je zdarma a jednoduchý, ale dramaticky podhodnocuje kanály budující povědomí, jako SEO.
Lineární atribuce
Lineární atribuce rozděluje zásluhu rovným dílem mezi všechny kontakty. Čtyřkontaktní cesta dává každému kanálu 25% zásluhy. To je férovější než poslední klik, ale zachází se všemi interakcemi jako stejně důležitými, což jsou málokdy. Jediný zásah z výsledku vyhledávání Googlu může mít větší váhu než třetí zobrazení reklamy.
Atribuce s postupným úbytkem
Atribuce s postupným úbytkem dává větší váhu nedávným interakcím. Návštěvník se dotkne vašeho webu přes SEO, odejde, vrátí se a konvertuje po placené reklamě. Placená reklama dostane 50% zásluhy, SEO 30% a kontakty mezi nimi 20%. Tento model lépe odráží realitu, protože uznává, že rozhodnutí se tvoří v čase, ale padají v rozhodujících chvílích.
Atribuce založená na pozici
Atribuce založená na pozici (také zvaná tvaru U) dává 40% zásluhy prvnímu kontaktu a 40% poslednímu, zbylých 20% se rozdělí mezi prostřední interakce. Tento model oceňuje objevení i rozhodnutí a zároveň uznává, že záleží i na prostředních kontaktech. Dobře funguje u delších cest zákazníka.
Atribuce řízená daty
Atribuce řízená daty používá vaše skutečná data o konverzích k výpočtu optimálního rozdělení zásluhy. Algoritmus strojového učení Googlu analyzuje každou cestu ke konverzi ve vašem účtu a přiděluje zásluhu podle toho, které kontakty konverze ve vašem konkrétním kontextu skutečně ovlivňují. Vyžaduje to objem (aspoň 400 konverzí na model za měsíc), ale dává nejpřesnější obraz příspěvku kanálů. Pro úplné nastavení se podívejte, jak zavést sledování událostí pomocí Google Tag Manageru a sledování událostí pro SEO.
Co modelování atribuce o SEO odhalí?
Když značky zavedou správnou atribuci, objeví nadprůměrný dopad SEO na tržby. Softwarové firmy uvádějí průměrnou návratnost 702% na SEO aktivity s typickým bodem zvratu po sedmi měsících. Tato čísla ale pocházejí od firem používajících atribuci s více kontakty. Firmy spoléhající na modely posledního kliku vidí, že příspěvek SEO mizí.
Tady je, co správná atribuce o organickém vyhledávání ukazuje. SEO přináší počáteční povědomí a zjišťování informací. Návštěvník hledá klíčové slovo problému, přistane na vašem webu a odejde. Je v režimu zjišťování. První kontakt nikoho nepřevede. O týdny později hledá znovu (umisťujete se na jiné klíčové slovo), stráví čas porovnáváním možností a odejde. Pořád žádný prodej. Pak vyhledá klíčové slovo spojené se značkou, přistane na stránce produktu a nakonec ho zacílí placená reklama. Konvertuje.
V modelu posledního kliku dostane 100% zásluhy placená reklama. U atribuce s více kontakty dostane organická 30 až 40% (fáze počátečního povědomí a zjišťování) a placená 30 až 40% (fáze konečného rozhodnutí). Vychází najevo realita: obojí bylo nutné. Žádný kanál sám by nefungoval.
U malých značek je vliv SEO ještě dramatičtější. Zákazníci mají před konverzí méně kontaktů. Jediný dobře umístěný článek nebo vstupní stránka často plní funkci povědomí i rozhodnutí, takže se organické vyhledávání objeví brzy i pozdě na krátkých cestách a jeho přiznaný dopad se sčítá.
Jaké jsou časté překážky při nastavení atribuce?
Modelování atribuce zní jednoduše, dokud ho nezkusíte postavit. Skutečné cesty zákazníků jsou chaotické.
Sledování napříč zařízeními je složité. Zákazník zjišťuje informace na mobilu, klikne na odkaz a nákup dokončí na počítači. Jsou to dva různí zákazníci, nebo jedna cesta? Většina analytiky předpokládá, že jsou oddělení, protože relace probíhají na různých zařízeních. Pomáhá sběr vlastních dat, ale není automatický.
Offline konverze z modelu mizí. Návštěvník přijde na web přes organické vyhledávání, přečte si několik stránek a pak vejde do kamenné prodejny a koupí. Digitální systém zaznamená návštěvu webu, ale ne prodej. Atribuční modely postavené jen na webových datech přehlédnou celé toky tržeb.
Změny v ochraně soukromí omezují sledování. Ochrana proti sledování v prohlížečích, výchozí nastavení soukromí v některých prohlížečích a budoucnost bez cookies znamenají, že data o návštěvnících jsou čím dál neúplnější. Moderní atribuční modely musí pracovat s modelovanými daty (kvalifikovanými odhady) tam, kde přímé sledování selhává, a jsou tak méně přesné.
Většina platforem používá jako výchozí poslední klik. Google Analytics, většina platforem pro e-shopy a další platformy mají ve výchozím stavu zapnutou atribuci posledního kliku. Přechod na atribuci s více kontakty vyžaduje nastavení v GA4, parametry UTM, sledování událostí a často propojení s nástroji třetích stran. Překážky jsou technické, ne koncepční.
Výklad vyžaduje odbornost. Po nastavení atribuce čísla stále potřebují souvislosti. Kanál s vysokou návštěvností může vypadat, že zaostává, protože je na začátku trychtýře. Kanál s nízkou návštěvností může vypadat silně, protože je zaměřený na konec trychtýře. Pochopit, které kanály dělají jakou práci, vyžaduje statistické myšlení a znalost oboru.
Jak WEMASY pomáhá se sledováním návratnosti SEO
Analytika a přehledy ve WEMASY vám ukazují nejen návštěvnost, ale i to, které stránky přinášejí nejvíc konverzí a odkud návštěvníci přicházejí, než konvertují. Pomáhají vám sledovat, jak organické vyhledávání přispívá k vašim obchodním cílům.
Správná atribuce začíná vašimi cíli konverzí. Určete, na čem záleží (prodeje, registrace, stažení), a pak sledujte, jak se návštěvníci k těmto konverzím dostávají. Spojte to s daty z Google Search Console, abyste pochopili výkon organického vyhledávání, a získáte úplný obraz toho, jak vás lidé nacházejí.
Často kladené otázky
Jaký je rozdíl mezi atribucí a sledováním konverzí?
Sledování konverzí měří, kdy je dosaženo cíle (návštěvník nakoupí, zaregistruje se nebo si něco stáhne). Atribuce přisuzuje zásluhu za tuto konverzi konkrétním kanálům a kontaktům, které k ní vedly. Nejdřív potřebujete sledování konverzí. Atribuce je další vrstva, která vysvětluje, které kanály si za vaše konverze zaslouží zásluhu. S tvůrcem webů WEMASY to můžete nastavit přímo na svém webu.
Mohu modelování atribuce použít, když mám malou návštěvnost?
Ano, ale s výhradami. Modely založené na pravidlech (lineární, založený na pozici, s postupným úbytkem) fungují při jakémkoli objemu návštěvnosti. Atribuce řízená daty potřebuje pro přesnost objem (Google doporučuje 400 a více konverzí měsíčně na model). Malé weby by měly začít s modely s postupným úbytkem nebo založenými na pozici a s růstem návštěvnosti přejít na atribuci řízenou daty.
Funguje modelování atribuce i u offline konverzí?
Ne automaticky. Standardní atribuce vidí jen digitální kontakty. Abyste připsali zásluhu organickému vyhledávání za offline prodeje, musíte data o offline konverzích ručně nahrát do analytické platformy. Vyžaduje to propojení s CRM nebo ruční nahrávání dat, ale je to možné. Mnoho kamenných obchodů, které sledují aktivitu na webu vedle prodejů v prodejně, to dělá.
Jaký model atribuce mám pro svou značku zvolit?
Začněte modely s postupným úbytkem nebo založenými na pozici. Fungují při jakémkoli objemu návštěvnosti, odrážejí realistické cesty zákazníků (záleží na raných i pozdních kontaktech) a dávají okamžitě využitelné poznatky. Pokud máte dostatečný objem konverzí (400 a více měsíčně), přejděte kvůli přesnosti na atribuci řízenou daty. Poslední klik je jednoduchý, ale SEO podhodnotí.
Jak modelování atribuce ovlivňuje rozdělení SEO rozpočtu?
Atribuce s více kontakty obvykle zvyšuje zásluhu přiřazenou SEO, protože ukazuje, že organické vyhledávání přináší povědomí a zjišťování informací, nejen konečné konverze. Značky, které přejdou z posledního kliku na atribuci s více kontakty, často zjistí, že SEO představuje o 20 až 40% větší dopad na tržby, než se myslelo. Tento poznatek vede k větším SEO rozpočtům a větším investicím do obsahu.
Jakou roli hraje GA4 v modelování atribuce?
GA4 je platforma, kterou Google postavil přímo pro atribuci s více kontakty. Sleduje chování uživatelů napříč zařízeními, měří události místo pouhých zobrazení stránek a obsahuje vestavěný model atribuce řízené daty. GA4 je zdarma a řeší mnoho technických překážek, které dřív atribuci ztěžovaly. Pokud GA4 používáte správně, nastavení atribuce je přímočaré.