Ne postoji mnogo procesa u Google Analytics-u kompleksnijih nego višekanalni modeli atribucije. Obzirom da smatramo kako se radi o vrlo važnoj temi, odlučili smo prevesti i prilagoditi cijeli članak g. Avinasha Kaushika, Google-ovog „evanđelista digitalnog marketinga“, na hrvatski jezik, kako bismo približili ovu problematiku i onima koji ne „barataju“ engleskim jezikom toliko dobro da bi mogli razumjeti sve aspekte ovog teškog štiva. Važno je spomenuti da ovu materiju mogu pratiti isključivo oni koji već poznaju osnove korištenja analitičkog software-a „Google Analytics,“ odnosno, oni koji ga redovito koriste. Stoga – krenimo! 🙂
Analitičari marketinških odjela često se nalaze u „nezgodnoj“ situaciji: plaćaju skupe savjetnike, uvjere Upravu kako tvrtka treba investirati u moderan software, sve navedeno implementiraju, da bi ih naposljetku „prizemljilo“ jednostavno pitanje iz Uprave: Gdje je moj povrat investicije od svega ovoga? Uh!
Problem s odgovaranjem na tako jednostavno pitanje pojavljuje se uslijed količina informacija koje ne posjedujemo. U Analytics-u, generalno govoreći, postoji velika količina nepotpunih i nedostupnih podataka. Kao da to nije dovoljno, postoji i velika količina podataka do kojih uopće nije moguće doći – ni na koji način. Ništa od toga, naravno, nije smelo razne gurue i „celebrityje“ iz raznih agencija da kucaju na vaša vrata i reklamiraju „onu najnoviju stvar koju je programirao sam Svevišnji: ono što će riješiti sve Vaše probleme“.
Hajdemo stoga pokušati pojasniti cijelu priču.
Za početak, odgovorimo na pitanje što su to modeli atribucije. Atribucijsko modeliranje jest proces kojim analitičar može odrediti (manje ili više precizno) važnost i vrijednost svakog od digitalnih kanala, putem kojih posjetitelji dolaze na vaše stranice, prije nego se odluče na kupnju/rezervaciju. Imajući u vidu da se nerijetko u tom „lancu odlučivanja do kupnje“ pojavljuje više različitih izvora posjeta (kanala), možemo reći da je nestručnim – a katkad i stručnim – analitičarima teško odrediti koji od tih „karika“ lanca jest bio važniji, ili čak – presudan, za donošenje odluke o kupnji/rezervaciji. Atribucijsko modeliranje vam pomaže upravo u tim procesima ocjenjivanja važnosti i vrijednosti.
Nakon što u cijelosti pročitate naš serijal članaka o ovoj temi, znat ćete što je loše s atribucijskim modeliranjem (znamo da se već sada kod većine vas stvara upitnik nad glavom, no čitajte dalje, bit će vam sve jasnije). Znat ćete, također, kako na pametan način koristiti dobar atribucijski model, čak i ukoliko je taj model daleko od savršenoga. Zaključit ćemo ovu seriju članaka s personaliziranim atribucijskim modelom u kojega možete staviti sve svoje sklonosti – pardon, svu svoju ekspertizu 🙂 – i doći do polazne točke za vidljivi napredak u odnosu na vašu sadašnju poziciju.
Širi cilj ove edukacije jest da budete odlično informirani. Ukoliko budete bili koncentrirani na ovo štivo, saznat ćete neke skrivene detalje i time predstavljati opasnost za svakog samozvanog analitičara/savjetnika/prodavača koji u vaš ured uđe s nekom (ne)uvjerljivom bajkom.
Evo pregleda naše predstojeće „avanture“ s višekanalnim modelima atribucije:
- Tri jedinstvena izazova atribucije
- Imate li atribucijski problem?
- Najbolji sljedeći koraci / Najbolji prvi koraci
- Modeli višekanalne atribucije:
- Model atribucije: Zadnja interakcija / Zadnji klik
- Model atribucije: Zadnji neizravni klik
- Model atribucije: Zadnji klik u programu Google Ads
- Model atribucije: Prva interakcija / Prvi klik
- Linearni model atribucije
- Gubitak vremenske vrijednosti
- Model atribucije na temelju položaja
- Personalizirani model atribucije
- Analiza višekanalnih modela atribucije
- Zaključak: 5 brzinskih savjeta i provjera
Jeste li uzbuđeni? Krećemo!
Tri jedinstvena modela atribucije
Gospodin Kaushik navodi da postoje tri osnovna modela višekanalne atribucije:
- MCA-O2S (Multi Channel Attribution, Online to Store), koji se bavi problematikom pripisivanja utjecaja offline aktivnosti, potaknute online
- MCA-AMS (Multi Channel Attribution, Across Multiple Screens), koji se bavi što preciznijim ocjenjivanjem utjecaja naših marketinških aktivnosti kroz posjete s različitih uređaja (stolno ili prijenosno računalo, mobilni uređaji, TV).
- MCA-ADC (Multi Channel Attribution, Across Digital Channels) model je koji proučava dodjeljivanje zasluga pojedinim (i svim) digitalnim kanalima među kojima su: društvene mreže, display kampanje, posjete s drugih web stranica, posjete preko e-mail kampanja = newsletter-a, preko rezultata pretrage na tražilicama itd., a koji su zaslužni za pojedinu konverziju ili više njih.
U ovom članku detaljnije ćemo se pozabaviti MCA-ADC modelom (diljem digitalnih kanala). Ako proučimo sliku iznad, možemo uočiti da smo potrošili novce na pretraživanje, preporuke (Referral), izravne posjete i društvene mreže, i ostvarili 543 konverzije. No, kako dodijeliti zasluge ostvarenim konverzijama svakog od ovih kanala?
Imate li „atribucijski problem“?
Vjerojatno ga imate. 🙂
Ovo je poprilično lako pitanje za odgovoriti – uobičajeno zamolimo korisnike da prouče modul Duljina puta u sklopu standardiziranog izvješća Višekanalni tokovi u Google Analytics-u (ili ekvivalentnom alatu u nekom od drugih analitičkih programa, poput Sitecatalysta ili WebTrendsa).
Ukoliko značajan postotak vaših konverzija nastupa nakon posjeta s različitih kanala prometa, imate tzv. atribucijski problem. U ovo još ubacite i vrhunsku vizualizaciju iz pregleda višekanalnih tokova i – upravo ste si zadali pogled na marketing koji će vas potpuno izbaciti iz takta:
Duljina puta
Preklapanje kanala medija-miksa
Duljina puta Preklapanje kanala medija-miksa
U ovom trenutku sasvim je normalno i pustiti koju suzu, nakon što uvidite koliko su vaše dosadašnje odluke o alokaciji marketinških sredstava bile slabe.
Najbolji sljedeći koraci / Najbolji prvi koraci
Za početak najbolje je pregledati izvješće Potpomognute konverzije u vašem Google Analytics-u. „Bacite oko“ na zadnji stupac: Konverzije pomoćnog/zadnjeg klika ili izravne interakcije.
- Ukoliko kod zasebnih kanala unutar tog stupca uočite vrijednost nižu od jedan, taj kanal ima višu tendenciju generirati konverzije zadnjeg klika i stvar je jasna. Hura!
- Ukoliko pak u stupcu uočite vrijednost višu od jedan, taj kanal ima sklonost bivanja prisutnim ranije u ciklusu konverzije. Ti kanali ne dobivaju zaslugu u platformama atribucije zadnjeg klika (čitaj: u standardiziranim izvješćima svih alata web analitike). Uffff!
U ovom trenutku biste trebali educirati vaš menadžerski tim o uočenoj pojavi iz točke b) iznad:
Gledajte, moguće je da ne vrednujemo ispravno rezultate i učinak kojeg imamo od naših marketinških kanala. Evo konkretnih kanala koje ne vrednujemo kako treba… (potom im pokažete izvješće sa svim kanalima koje imaju vrijednost iznad jedan)
Podatke iz spomenutog stupca (točka b) možete koristiti čak i za prilagodbu vašeg marketinškog budžeta odmah, bez ikakvog naknadnog atribucijskog modeliranja, te potom mjeriti rezultat. Jest da je u pitanju nesavršena metoda, ali je istovremeno tako jednostavan prvi korak.
Vjerojatno je da će vaš šef tražiti pojašnjenje o tome koji kanal nastupa prvi („upoznaje kupca s brandom“), koji dolazi drugi („održava našu vezu s kupcem“), pa koji dolazi treći, četvrti itd.
Za ovo možete upotrijebiti izvješće iz Glavnih putova konverzija.
Važno je, međutim, napomenuti da bi ovakva praksa bila ne odveć mudra – iz istih razloga zašto je detaljna analiza puta gubitak vremena. Naime, previše je putova, a k tome i ne možete kontrolirati put kojim potencijalni kupac/gost može krenuti. Čak i ukoliko bismo vam rekli (a tako nešto nije moguće) da put Izravno=>Društvena mreža=>Plaćeno pretraživanje=>Organsko pretraživanje=>Preporuka čini 5% cijelog prometa vašeg weba… što biste vi s tom informacijom? Ne zaboravite da nije moguće siliti posjetitelje vaših web stranica da ostvare konverziju upravo tim putem!
No, slobodno pokažite šefu ovo izvješće. Neka sam dođe do očitoga. Budite heroj. 🙂
Sljedeće pitanje je „Koji su optimalni načini za alokaciju našeg marketinškog budžeta po digitalnim kanalima?“
Drago nam je da ste pitali, ali, o tome više u sljedećem članku o ovoj temi.