Atribuční modely

Chování zákazníků je často nevyzpytatelné. Zákazníci obvykle neprovedou nákup hned po prvním kontaktu s marketingovým sdělením. Cesta od první návštěvy webu po provedení konverze (např. nákupu) může být velmi klikatá. Může trvat dny až měsíce, zahrnovat více návštěv, které jsou navíc často z odlišných zdrojů. Uvádí se, že například u e-shopů zákazník na web přijde v průměru 7x, než samotný nákup dokončí. U takového počtu návštěv není jednoduché zjistit, který zdroj návštěvy má jak velkou zásluhu. Ke spravedlivějšímu rozdělení zásluh mezi jednotlivé zdroje návštěv webu přispívá atribuce a atribuční modely.

Atribuční model

Atribuční model je pravidlo nebo soubor pravidel, podle kterých rozděluje analytický nástroj zásluhy za konverze mezi jednotlivé kontaktní body na konverzní trase. Konverzí se obecně rozumí situace, kdy návštěvník webových stránek vykoná provozovatelem chtěnou akci, která mu přináší zejména obchodní užitek.

Díky atribučním modelům si provozovatel webových stránek nebo e-shopu může udělat lepší představu o výkonu svých reklam. Pomocí atribučních modelů může zvolit, jaké zásluhy budou mít na konverzi jednotlivá kliknutí či provedené akce. Pomohou mu také optimalizovat konverzní trasu uživatele, tedy způsob, jakým uživatel postupuje, než požadovanou akci provede. Je důležité si uvědomit, že hodnota konverzí závisí na použitém atribučním modelu.

Proč je atribuce důležitá

Atribuce významně přispívá k efektivnímu rozdělení marketingového rozpočtu. Čím lepší přehled máme o tom, jak se jednotlivé kampaně podílí na konverzích, tím kvalitněji se můžeme rozhodovat, do kterých kampaní investovat.

Pomocí atribuce snižujeme riziko, že pozastavíme důležitou kampaň. Typicky newsletter nebo remarketing mívají vysokou návratnost investic a nadprůměrný konverzní poměr. Naopak nejhorší výkon mívají kampaně, které oslovují nové zákazníky, kteří nás ještě neznají.

Pokud bychom tyto typy kampaní posuzovali odděleně, došli bychom ke značně zkresleným závěrům. Mohli bychom pozastavit akviziční kampaně, které jsou samy o sobě ztrátové, ale starají se o přísun nových odběratelů newsletteru nebo členů remarketingového publika.

Typy atribučních modelů

V atribučních modelech přiřazujeme jednotlivým kampaním nebo zdrojům návštěv odlišné důležitosti. Neexistuje univerzální rada, který typ atribučního modelu je ten správný. Vždy záleží na cílech kampaně.

Last Click Attribution – Poslední proklik

Tento model připisuje 100% zásluhu poslednímu zdroji před samotnou konverzí. Pokud zákazník nakoupí na e-shopu až po třetí návštěvě, přičemž pokaždé přijde z jiného zdroje, veškeré zásluhy si připíše poslední zdroj.

Příklad
Zákazník přišel na naši webovou stránku proklikem ze sociální síť. Po prokliku stránku opět opustil, o dva dny později však kliknul na placenou reklamu, která jej opět přesměrovala na náš web. I po druhé návštěvě zákazník web opustil. Zřejmě po důlkadném zvážení zadal přímo naši URL adresu a následně provedl konverzi. V tomto případě si 100 % zásluh připíše zdroj direct.

Využití modelu
Model je vhodný v odvětvích s velmi krátkým nákupním cyklem a menším počtem mezikroků vedoucích ke konverzi, kdy ten poslední je pro vyhodnocení nejdůležitější.

Last Non-Direct Click – Poslední nepřímý proklik

I v tomto případě je 100 % zásluh připsáno jednomu zdroji. Vyřazeny jsou však direct interakce, které se uskuteční těsně před konverzí. Tento model pomůže lépe pochopit, jak se o naší společnosti či značce návštěvník ve skutečnosti dozvěděl, protože pokud přichází na web napřímo, musí již značku znát z jiného zdroje.

Příklad
Pokud zákazník na web přišel proklikem přes sociální síť, placenou reklamu a následně ke konverzi došlo po přímém zadání URL adresy, zásluha bude připsána placené reklamě.

Využití modelu
Model je vhodné využít, pokud velkou část návštěvnosti tvoří zdroj direct a chcete zjistit, jak se o vaší značce návštěvník prvotně dozvěděl.

First Click Attribution – První proklik

Model prvního prokliku je přesným opakem modelu posledního prokliku. Veškeré zásluhy se v tomto případě připisují prvnímu zdroji prokliku, který vede ke konverzi.

Příklad
Vraťme se k příkladu, uvedenému u prvního modelu, tedy že zákazník přišel na naši webovou stránku proklikem ze sociální síť. Po prokliku stránku opět opustil, o dva dny později však kliknul na placenou reklamu, která jej opět přesměrovala na náš web. I po druhé návštěvě zákazník web opustil. Zřejmě po důlkadném zvážení zadal přímo naši URL adresu a následně provedl konverzi. Při využití modelu prvního prokliku bude 100 % zásluh připsáno sociální sítí, ze které přišel zákazník poprvé.

Využití modelu
Model je vhodný v odvětvích s velmi krátkým nákupním cyklem, kde mají zákaznící tendenci velmi rychle konvertovat.

Linear Attribution – Lineární model

Nejspravedlivějším modelem atribuce je lineární model, který zásluhy na konverzi spravedlivě rozdělí a připíše všem zdrojům, keré vedly ke konverzi.

Příklad
V našem příkladu jsou zdroji, vedoucími ke konverzi sociální síť, placená reklama a direct. V případě lineárního modelu atribuce získají všechny zdroje zásluhu 33 %.

Využití modelu
Model je využitelný zejména v ozsáhlejších marketingových kampaních navržených pro udržení neustálého kontaktu se zákazníkem a pro následné snadné vyhodnocení zásluh jednotlivých kanálů. Tento model se doporučuje využívat u kampaní využívajících automatické nabídky.

Time Decay Attribution – S nárůstem v čase

Podobně jako u modelu Lineární atribuce rozděluje i tento model zásluhy mezi více zdrojů. Na rozdíl však od Lineární atribuce, model „S nárůstem v čase“ pracuje s faktorem času. Interakce, které jsou časově blíže okamžiku nákupu získají větší kredit. Jinými slovy, interakce na začátku celé konverzní cesty získává nejmenší zásluhy na konverzi atd.

Využití modelu
Model je vhodné využít u propagace produktů s dlouhým prodejním cyklem například v B2B sektoru.

Position Based Attribution – Na základě pozice

Atribuční model Na základě pozice, často nazývaný U-shaped attribution, rozděluje kredit mezi první kontakt se značkou a poslední kontakt vedoucí ke konverzi. V tomto modelu je 40 % připsáno prvnímu kontaktu, 40 % poslednímu kontaktu a zbývajících 20 % se rozdělí mezi zbývající body kontaktu.

Využití modelu
Model je vhodný využít v byznysu s dlouho konverzní cestou, kdy si nejvíce ceníte zdroje, který vede k představení vaší značky, a posledního zdroje, který vede ke konverzi.

Atribuční modely v Google Analytics

V Google Analytics je u přehledu Akvizic pro srovnání jednotlivých online kanálů a jejich kampaní defaultě využíván atribuční model Posledního nepřímého prokliku (Last Non-Direct Click). Tento model může být v začátcích užitečný v tom, že je snadno pochopitelný. Nicméně tento model má velkou nevýhodu, protože konverzi přiřazuje poslednímu kanálu, který uživatele přivedl k nákupu. Nerespektuje tedy celou nákupní cestu zákazníka.

Asistovaná konverze

Vzhledem k tomu, že výchozí nastavení započítávání konverzí v Google Analytics není tak úplně přesné, existuje možnost analýzy tzv. Asistovaných konverzí. Report Asistované konverze nabízí informace o počtu konverzí, u kterých se jednotlivý kanál vyskytl v konverzní trase, ale nestal se poslední interakcí konverze. Čím vyšší počet a hodnotu konverzí tedy v reportu u určitého kanálu vidíme, tím důležitější je kanál pro dokončení konverzní trasy.

Prodleva konverze

Dalším užitečným přehledem, který Google Analytics pro vyhodnocování efektivity jednotlivých marketingových kanálů je Prodleva konverze.

Tento report vám pomůže odhalit počet dnů potřebných k dosažení konverze v rámci jednotlivých konverzních tras. Model slouží jako skvělý pomocník při určování délky remarketingových publik. Pokud například v reportu vidíte, že velký počet konverzí byl uskutečněn až 14 dní po první návštěvě (dražší zboží), máte jasný signál, že s návštěvníky máte v remarketingu pracovat delší dobu a neukončovat remarketingovou sekvenci po 7 dnech.

Atribuční modely v Google Ads

Narozdíl od Google Analytics, Google Ads má ve výchozím nastavení u každé konverze zapnut atribuční model Last Click Attribution (Poslední proklik). To vede k tomu, že se velmi často můžeme střetnout s velkým rozdílem mezi počtem konverzí v obou systémech – Google Analytics může díky modelu Last Non-Direct Click připisovat větší množství konverzí.

Atribuční modely a Sklik

Model Last Click Attribution využívá pro měření konverzí také Sklik. Konverzní kód se aktivuje v případě, že konverzi provedl uživatel, který má cookies z Skliku (tedy v posledních 30 dnech přišel přes kampaň Sklik). K započítání konverze dochází v den provedení konverze.

Atribuční modely a Facebook

Atribuční modely v podání Facebooku jsou trochu komplexnější, než tomu bylo v případě Google Ads či Skliku. U Facebooku do hry totiž kromě atribučních modelů samotných vstupují ještě okna přiřazení. Okno přiřazení určuje počet dnů, které uběhly mezi tím, co uživatel reklamu viděl nebo na ni klikl a následným provedením konverze.

Defaultně je okno přiřazení nastaveno na 1denní u zhlédnutí a 28denní u kliknutí. Jinými slovy se jako konverze připíše akce, kterou uživatel provedl den od zhlédnutí reklamy a 28 dnů od kliknutí na ni.

Source : Krcmic.cz

V současné době máme kolem 2789 kalkulaček a převodních tabulek, které vám pomohou rychle spočítat vše pro oblasti jako jsou:

a další nástroje neustále vyvíjíme. Naším cílem je stát se jednotným kontaktním místem pro všechny lidi, kteří potřebují rychlé výpočty nebo kteří potřebují najít rychlou odpověď pro základní dotazy na Internetu.

Kromě toho věříme, že internet by měl být zdrojem bezplatných informací. Všechny naše nástroje a služby jsou proto zcela zdarma a není nutná žádná registrace k tomu, abyste je mohli používat. Každou kalkulačku jsme kódovali a vyvinuli individuálně a sami si ji důkladně otestovali. Pokud však zaznamenáte nějakou chybu, informujte nás, prosím.

Zatímco většina kalkulaček na Justfreetools.com je navržena tak, aby byla univerzálně použitelná pro celosvětové použití, některé kalkulačky a tabulky se mohou vztahovat jen pouze pro konkrétní země (například výpočet daní z příjmů se bude lišit pro jednotlivé země apod.)


Page Id: 9257

K personalizaci obsahu a reklam a analýze naší návštěvnosti využíváme soubory cookie. Více informací