Modeli atribucije u Google Analyticsu (drugi dio)

Modeli atribucije u Google Analyticsu
| Saša Petković

Prošli put smo započeli pisati što su to višekanalni modeli atribucije, i vrhunskom članku Avinasha Kaushika koji sjajno pojašnjava ovu tematiku.

Slijedi drugi dio ovog serijala, u kojem prevodimo/prilagođavamo Kaushikov članak na hrvatski jezik.

Modeli višekanalne atribucije

Unutar Google Analyticsa postoji Alat za usporedbu modela, koji je onak’… baš supač. 🙂 Ovaj alat omogućava dodjelu zasluge svim vašim digitalnim kanalima koji su bili uključeni u proces donošenja odluke do (makro i mikro) konverzije. I sami već možete vizualizirati mogućnosti analize u kojemu možete uspoređivati tri različita modela istovremeno.

Primjerice, što ako se vodimo po linearnom modelu umjesto po modelu zadnje interakcije?

Čovječe! Ovo je stvarno cool!

Zar je sve što trebam učiniti pregledati zadnji stupac zdesna, fokusirati se na crvene i zelene strelice i time dobiti „putokaz“ kamo usmjeravati svoj budžet za online marketing? Da!

 

Slika 1

 

ČOVJEČE! Zaista? Da.

I vi meni kažete da Cijena Po Akviziciji (CPA) mojih kampanja na prikazivačkoj mreži nije € 707,52 već poprilično niskih € 149,24? Da.

Nemojte se šaliti sa mnom! Pa ovo je… uber cool! Napokon imam dokaz da moji banneri dobivaju potvrdu i zaslugu koju zaslužuju.

Sada je vrijeme da vas samo malčice vratimo u stvarnost. 🙂

Ovaj alat je zaista toliko dobar. Primjenjujte pravi model i ne samo da ćete uspješno distribuirati konverzije po različitim točkama donošenja odluke o kupnji/rezervaciji, već ćete moći vidjeti i njihov utjecaj na CPA. Možete čak naći i vrhunsku početnu točku o odluci kako alocirati vaša sredstva po online kanalima, na osnovu trendova i varijabli iz zadnjeg stupca na desnoj strani tablice.

Najslabija karika u ovom lancu je odabir modela atribucije kojeg koristite. Naime, preporuke koje ćete dobiti u tom čarobnom stupcu zdesna su kvalitetne samo onoliko koliko i model kojeg ste odlučili rabiti.

S ovime na umu, hajdemo pregledati standardne modele dostupne u Google Analyticsu (a potom i neke od kompleksnijih, visokovrijednih alata za analizu atribucije).

Slika 2

 

Kako bismo imali vizualnog „vodiča“ kroz ovaj proces učenja, iskoristimo sliku iznad kao referencu. Pogledajte iznad još jednom i upamtite korake do konverzije. U točkama ispod ćemo se često referirati na ovu sliku. Spremni?

 

Slika 3

1. Modeli atribucije: Zadnja interakcija / Zadnji klik

Ovo je standardni model atribucije u alatima za web analitiku. Primjenjuje se u svim standardiziranim izvješćima koje gledate. Jedini izuzetak od ovog pravila je Google Analytics koji – s čime doista ne možemo biti sretni i zadovoljni – primjenjuje Model br. 2 (ispod) u svim svojim standardnim izvješćima.

Iz prve je jasno zašto model zadnjeg klika nema previše smisla. Ukoliko je 543 osobe konvertiralo kao rezultat iskustva koje je prikazano na slici s putem grupiranja kanala (iznad), tvrditi da cijela zasluga konverzija pripada direktnom kanalu je neozbiljna.

Društvene mreže, organsko pretraživanje i preporuke (Referral) su kanali koji su također bili uključeni u proces donošenja odluke do konverzije. Trebamo naći načina za određivanje njihovog doprinosa procesu konverzije, obzirom da su oni zasigurno bili zaslužni na neki način.

Gledajući u povijest, svi analitički alati su koristili model zadnje interakcije, jer su jedno mogli reći zasigurno: koji kanal je generirao posjet koji je rezultirao konverzijom. Također, ti alati nisu raspolagali tehnologijom za analizu usmjerenu na posjetitelja. No, oba ta problema su u međuvremenu riješena.

Analitičari, izbjegavajte korištenje modela atribucije po zadnjem kliku.

 

Slika 4

2. Model atribucije: Zadnji ne-direktni klik

Google Analytics je bipolaran.

Sva standardizirana izvješća u Google Analyticsu daju 100%-tni značaj konverzije zadnjoj „kampanji“ koja je prethodila konverziji. Kampanja se pritom definira kao bilo što izuzev direktnog prometa. Stoga, kampanja može biti posjeta sa društvene mreže, email kampanje, prikazivačke mreže, preporuke… bilo što, u principu.

Ova metodologija namjerno umanjuje značaj direktnih posjeta koji su doveli do konverzije. U našoj slici iznad (put grupiranja kanala) ovaj model bi zaključio: „Sav značaj pripišimo kanalu preporuke (Referral)“. Takva tvrdnja bi bila neprecizna. Zašto dati sav značaj kampanji, ukoliko je za konverziju trebalo da ponovno posjetim vašu web stranicu na način da upišem URL vašeg weba u moj Internet preglednik, kako bih potom konvertirao? Zašto moj posjet vašoj stranici nakon što sam npr. vidio vaš lijepi oglas u tiskanom mediju ne bi dobio dio zasluge za konverziju?

Zašto omalovažiti direktni posjet?  Zašto „minirati“ marketinške napore za kreiranjem prepoznatljivosti brenda i vrijednosti brenda?

Vjerujemo da je i ovo pogrešan model. Možda se samo radi o nasljeđu iz prošlosti, kojeg bi trebalo korigirati za budućnost.

Napomena: Ovaj model je istodobno i uzrok iritirajućoj pojavi gdje se nijedno od standardiziranih Analytics izvješća neće u potpunosti poklapati sa vašim standardiziranim izvješćima iz Višekanalnih tokova.

 

Slika 4

3. Model atribucije: Zadnji klik u programu AdWords

Vrlo kratko: nemojte koristiti ovaj model, manjkav je u više pogleda.

 

Slika 4

4. Model atribucije: Prva interakcija / Prvi klik

Obrnuti pogled na stvar od modela atribucije zadnjem kliku/interakciji. Umjesto da svu zaslugu pripišete zadnjem kliku, pripišite je prvom kliku.

U primjeru naše slike iznad, prebacite 100% zasluge sa direktne posjete na posjetu koja je došla s društvene mreže. To bi bila ogromna greška.

Atribucija prvom kliku bi bila nešto kao da vašem prvom spoju date potpunu zaslugu za činjenicu da ste ušli u brak sa suprugom. Nema puno smisla, slažete se? Ako je prva bila tako sjajna, kako to da sam trebao proći drugu, treću… da bih naposljetku došao do moje savršene osobe, ovaaaj, kampanje? 🙂

U modelu atribucije zadnjem kliku, postoji barem neka sigurnost da je bilo nešto u toj kampanji, nešto u toj posjeti web stranici, što je rezultiralo konverzijom. Sa modelom atribucije prvom kliku, imate samo nadanje/pretpostavku.

 

Slika 7

5. Linearni model atribucije

Ovaj model je… manje pogrešan od prethodno pojašnjenih. 🙂

Ukoliko je jednakomjerna raspodjela zasluga ono što vama zvuči OK, možete slobodno koristiti ovaj model.

U stvarnom životu, gdjegod postoji konkurencija, netko dobije zlatnu medalju, netko srebrnu, netko brončanu, a svi ostali odu kući kao gubitnici, motivirani da se više trude i pokušaju pobijediti sljedeći put.

Ukoliko vam netko baš zaprijeti, a vi iskoristite ovaj model: dajte svakome tko je učestvovao „diplomu“ jednake vrijednosti. Ukoliko, međutim, niste u prijetećoj situaciji, drugi modeli bi vam mogli pomoći da shvatite koji kanali su doprinosili više od drugih. Slijede dva modela koja vam realno mogu pomoći u tome.

No, o njima više u sljedećem nastavku. 🙂

Saša Petković

Povezane objave

Zanimljive i korisne informacije vezane uz oglašivačke trendove i kampanje

konverzija

Što je to konverzija?

Razina složenosti članka: za početnike
| Saša Petković

Svi smo čuli za taj izraz. Čak i veliki broj ljudi koji nisu direktno vezani uz Online marketing. Konverzija. Mi, koji živimo Online oglašavanje, susrećemo se s njom ne svakodnevno, već nekoliko puta u satu. Željeli bismo pojasniti značenje ovog pojma i njegove podvrste, ali najbolje bi bilo započeti sa definicijom tog izraza.

Google Analytics - Pravila privatnosti

Potrebno ažuriranje pravila privatnosti na web stranicama za remarketing

| Ivan Smolković

Remarketing i politika privatnosti Kao i uvijek, započinjemo s pojašnjenjem što su to remarketing i politika privatnosti. Remarketing je, kao što već znamo, oglašavački alat, koji služi da ljudima koji su ranije već posjetili vašu web stranicu, ciljano prikazujete oglase koje želite. Samo njima i nikom drugom. Ciljano. Politika privatnosti je izjava ili pravni dokument […]

Prikaži više članaka