Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

W jaki sposób skutecznie docierać do „cyfrowych zombie”? Jak tworzyć brain-friendy komunikację reklamową? Czy marki powinny podejmować tematy związane ze zdrowiem psychicznym?

SPRAWDŹ

Modelowanie atrybucji. Czy wiesz, na co wydajesz pieniądze?

Modelowanie atrybucji. Czy wiesz, na co wydajesz pieniądze?
O modelowaniu atrybucji mówiono i pisano już wiele. Mimo wiedzy zawartej w licznych artykułach, decyzje dotyczące oceny działań (a co za tym idzie, podziału budżetu marketingowego) wciąż są podejmowane na podstawie modelu ostatniego kliknięcia, który tak naprawdę rzadko odzwierciedla rzeczywistość.
O autorze
3 min czytania 2018-10-12

Zatem należy zadać pytanie: marketerze, czy stać cię na inwestowanie w ciemno? Może i dość kontrowersyjne, ale dokładnie tym jest analizowanie efektów działań bez zastosowania modelu atrybucji.

Czym jest atrybucja konwersji?

Znajdziemy mnóstwo definicji tego terminu – moim zdaniem, atrybucja jest procesem poznawania i przypisywania wartości poszczególnym kanałom, kampaniom i działaniom. Natomiast modelowanie atrybucji jest próbą odpowiedzi na pytanie, jak wysoka jest to wartość.

Jestem przekonany, że każda osoba zajmująca się marketingiem zdawała sobie sprawę z tego, że pewne działania, które nie przekładają się bezpośrednio na konwersje, finalnie pomogą osiągać cele sprzedażowe. Przykładem takiego działania może być np. reklama w radio czy rozdawanie gadżetów reklamowych – nie jesteśmy w stanie stwierdzić, na ile przekłada się to na pozyskanie nowych klientów czy kontaktów. Możemy jednak z wysokim prawdopodobieństwem stwierdzić, że te aktywności mają wpływ na dokonanie konwersji przez klienta, który był adresatem naszych działań – zatem możemy uznać, że modelowanie atrybucji jest nie tyle zmianą podejścia do kwestii konwersji, co uwidocznieniem wpływu działań, które miały miejsce przed konwersją.

Tym samym, brak modelowania atrybucji jest równoznaczny z brakiem informacji nt. faktycznej wartości kanałów (a więc rezygnacją z danych dotyczących wpływu poszczególnych kanałów na konwersję). Jak zatem, bez odpowiednich danych, podjąć decyzję dotyczącą inwestycji w poszczególne kanały marketingowe?

LinkedIn logo
Dziękujemy 90 000 fanom na LinkedInie. Jesteś tam z nami?
Obserwuj

Przykład: prowadzimy sklep z galanterią skórzaną. Naszym klientem jest Kamil – mężczyzna, lat 26. Kamil zauważył, że jego portfel jest już mocno zużyty, w związku z czym powoli zaczyna się rozglądać za czymś nowym. Na razie jedyne co wie, to fakt, że portfel ma być czarny. W związku z tym wpisuje zapytanie w wyszukiwarkę Google. Przeklikuje kilka wyników (w tym link sponsorowany naszej firmy). Wśród otwartych stron zobaczył sporo interesujących modeli. Następnego dnia ponawia wyszukiwanie, akurat znalazł na to czas – tym razem zauważył jeden z naszych portfeli w reklamie Google Shopping. W drodze powrotnej wpisał hasło „portfele skórzane” w wyszukiwarce facebookowej, kliknął m.in.w link z naszego posta. Po kilku kolejnych wizytach na innych witrynach, ostatecznie wybrał nasz sklep. Wpisał jego nazwę w wyszukiwarkę Google, wszedł na stronę, dokonał zakupu.

Brak modelowania konwersji mówi – dzięki wyszukaniu brandu został dokonany zakup. Doskonale wiemy, że droga zakupu wyglądała jednak zupełnie inaczej.

Słuchaj podcastu NowyMarketing

Jak wybrać model atrybucji? Aby znaleźć się bliżej odpowiedzi na pytanie zadane w temacie, musimy zagłębić się w moduły Google Analytics dotyczące mierzenia konwersji.

NowyMarketing logo
Mamy newsletter, który rozwija marketing w Polsce. A Ty czytasz?
Rozwijaj się

Segment or die!

Po pierwsze: zwróć uwagę na grupowanie kanałów.

Zgrupowane kanały to jeden z najlepszych sposobów, w jaki możemy mierzyć efekty naszych działań. Zgrupowanym kanałem będziemy nazywać jedno lub wiele działań zdefiniowanych wcześniej w Google Analytics jako te, których efekty chcemy wyświetlać zbiorczo (np. ze względu na podobny efekt lub podobną drogę dotarcia do użytkownika). Jest to podejście bardziej kompleksowe niż np. czyste odczytywanie statystyk per źródło / medium. Przykładem niestandardowego zgrupowania kanałów może być np. grupa zawierająca ruch ze źródeł „organic, direct, kampania CPC na frazy brandowe” w sytuacji promowania naszego brandu w telewizji – ruch z każdego z tych źródeł może być powodowany zobaczeniem spotu w TV.

Grupowanie kanałów w Google Analytics zajmuje nieco czasu, ale zachęcam do tworzenia wielu ich zestawów, w zależności od prowadzonych działań marketingowych. Warto poświęcić czas na bardziej precyzyjne odczytywanie efektów.

Domyślne grupowanie kanałów:

Zdefiniowane kanały (przykład):

Powyższy przykład ilustruje realną siłę brandu w przypadku tego klienta.

Po drugie: porównuj!

Kiedy już zdefiniujemy grupy kanałów, możemy przejść do potężnego narzędzia, jakim jest porównanie modeli atrybucji konwersji.

Google Analytics umożliwia nam porównanie jednocześnie trzech modeli, ogółem udostępniając ich aż 7:

  • ostatnia interakcja,
  • ostatnie kliknięcie niebezpośrednie (domyślny model atrybucji),
  • ostatnie kliknięcie Google Ads,
  • pierwsza interakcja,
  • liniowy,
  • rozkład czasowy,
  • uwzględnienie pozycji.

Szczegółowy opis poszczególnych modeli atrybucji znajdziecie tutaj.

To, co jest widoczne w samym narzędziu, to jak bardzo zmieniają się statystyki poszczególnych grup kanałów w zależności od wybranego modelu konwersji. Dzieje się tak, ponieważ części modeli predefiniowanych (np. rozkład czasowy czy uwzględnienie pozycji) Google Analytics przypisuje część udziału w konwersji interakcjom, które miały miejsce na ścieżce konwersji – dzięki temu podaje dane bardziej zbliżone do prawdziwej wartości.

Wybór odpowiedniego modelu predefiniowanego będzie dyktowany rodzajem biznesu i aktualnej strategii marketingowej. Jak jednak wspominałem na początku – atrybucja konwersji jest procesem ciągłym. Poszczególne modele atrybucji mogą się zmieniać w czasie, w zależności od okoliczności marketingowych.

Przykład: wróćmy do Kamila. Znów szuka portfela, przegląda w tym celu sieć. Jednak tym razem jest istotna zmiana – jest 21 grudnia, a Kamil chce kupić prezent na Święta. W jego przypadku liczy się czas, zatem dużo istotniejsze będzie przyciągnięcie go pierwszym możliwym komunikatem tak, aby od razu odnalazł to, czego szuka, a w konsekwencji – dokonał zakupu.

Tak więc w tym przypadku właściwszym modelem atrybucji konwersji będzie model ostatniej interakcji. To ostatnia interakcja przesądzi o tym, czy Kamil dokona zakupu.

Panaceum marketingowe?

Oczywiście, wspomniane powyżej modele atrybucji konwersji są modelami predefiniowanymi, co oznacza, że są stworzone o pewne założenia, co może narzucać pewne ograniczenia. Google Analytics umożliwia również stworzenie własnego modelu atrybucji konwersji (poprzez ręczne nadanie wartości poszczególnym krokom na ścieżce konwersji), jednak precyzyjne określenie wartości poszczególnych kroków musi być poprzedzone bardzo dogłębnymi analizami ścieżki zakupowej (co nierzadko wiąże się z wysokimi kosztami). W sukurs przychodzi tutaj model atrybucji oparty na danych, który jest jednak dostępny tylko w wersji „360”, a więc wersji płatnej pakietu analitycznego Google.

Przygodę z analizowaniem wartości kanałów rekomenduję zatem rozpocząć od modeli predefiniowanych, które dadzą nam przynajmniej częściową wiedzę odnośnie wartości poszczególnych kanałów, a tym samym – pomogą planować budżety marketingowe.