Facebook Attribution, czyli jak zbierać dane o użytkowniku, a nie o cookies

Facebook Attribution, czyli jak zbierać dane o użytkowniku, a nie o cookies
O autorze
4 min czytania 2020-10-05

Tradycyjne narzędzia marketingowe do atrybucji, które wykorzystują pliki cookie i często analizują ostatnie kliknięcia, mogą prezentować niepełny obraz wpływu poszczególnych działań reklamowych na wyniki kampanii. Facebook Attribution oferuje pełniejszy obraz drogi klienta, dzięki czemu ułatwia podejmowanie trafniejszych decyzji biznesowych.

Klienci online coraz bardziej świadomie podejmują decyzje zakupowe. Zanim internauci dokonają zakupu, szukają inspiracji, sprawdzają opinie o produktach czy usługach, porównują ofertę i cechy produktów konkurencyjnych. A do wyboru mają mnóstwo produktów i praktycznie cały świat. Według raportu Gemiusa w Polsce w 2019 roku aż 62% internautów dokonało zakupów online. W 2020 r. w związku z pandemią koronawirusa nasiliła się aktywność zakupowa Polaków w internecie. Najczęściej wymieniane zalety e-zakupów to możliwość kupowania 24/7 bez konieczności jechania do sklepu oraz nieograniczony czas wyboru. Dostęp do produktów z całego świata spowodował, że w ubiegłym roku już ponad ¼ internautów kupowała w sklepach zagranicznych.

Zmienił się też przebieg samego procesu zakupowego. Zależy on od bardzo wielu różnych czynników. Nie ma dwóch takich samych klientów, tak samo jak nie ma dwóch identycznych modeli zakupowych. Zwykle potrzeba kilku punktów styku, aby przekonać klienta do dokonania transakcji. Możliwości, które oferuje internet, powodują, że ścieżki prowadzące do konwersji są coraz dłuższe. W całym procesie bierze udział wiele przeplatających się kanałów reklamowych: media społecznościowe, wyszukiwarki, reklamy graficzne czy działania remarketingowe. Coraz trudniejsze jest więc przypisanie konwersji do źródła wizyty, czyli właśnie atrybucja.

Czym jest atrybucja konwersji?

Atrybucja konwersji pozwala określić, które działania marketingowe przynoszą efekty, natomiast modelowanie atrybucji pomaga zrozumieć, na ile poszczególne źródła ruchu wpływają na konwersję i w które z nich warto inwestować. W ten sposób oceniamy skuteczność prowadzonych kampanii, optymalizujemy działania i alokujemy budżety w najbardziej efektywne kanały.

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

Atrybucja to zatem nic innego jak „procentowy” udział źródła w prawdopodobieństwie dokonania konwersji. Jaki jest jej główny problem? Monitorujemy interakcję, czyli kliknięcia/wejścia na daną stronę. Według badań 91% użytkowników, którzy widzą reklamę i kupują produkty pod wpływem tej reklamy, nigdy w nią nie klikają (źródło: Facebook Internal Data, Conversion Lift studies, Feb 2017. Based on 2,177 Facebook Lift studies with online sales-based objectives).

Faktyczna ścieżka użytkownika jest zdecydowanie dłuższa i w wielu wypadkach omija interakcję z witryną internetową.

Słuchaj podcastu NowyMarketing


Źródło: www.collectivemeasures.com/insights/best-attribution-model-paid-search

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

Musimy też pamiętać, że klienci żyją w wielokanałowym świecie. Często zmieniają urządzenie w trakcie dokonywania konwersji, więc nie zawsze to, na którym mieli pierwszy kontakt z marką, jest tym, na którym dokonują konwersji. Każda interakcja użytkownika z reklamą przyczynia się do ostatecznej konwersji, ale jeśli nie śledzimy tych punktów styku, nie możemy w pełni ocenić efektywności poszczególnych kanałów.

Różnice między Facebook Attribution a Google Analytics

Najczęściej używanym narzędziem umożliwiającym modelowanie atrybucji jest Google Analytics. Jego działanie oparte jest na plikach cookies, czyli w momencie, gdy użytkownik zmieni urządzenie ze smartfonu na komputer lub odwrotnie ścieżka konsumenta urywa się. We współczesnym świecie mamy coraz więcej urządzeń podłączonych do internetu, co sprawia, że analiza zachowania użytkownika staje się coraz bardziej wymagająca. Wówczas warto wykorzystać Facebook Attribution.

Często reklamodawcy dostrzegają różnice między tym, co widzą w Google Analytics i menedżerze reklam na Facebooku. Przy czym atrybucja Facebooka pokazuje znacznie lepsze wyniki w kampaniach niż Google Analytics. Dzieje się tak dlatego, że zbierają dane na różne sposoby.

Atrybucja w Google Analytics jest oparta na plikach cookies i w domyślnym ustawieniu GA przypisana jest do ostatniego kliknięcia. Natomiast stosując Facebook Attribution, dopisujemy dane crossdevice za pośrednictwem profilu na Facebooku. Dzięki temu modelowanie atrybucji uwzględnia właśnie czynnik użytkownika, a nie pliku cookie. W raportach widzimy, jaki procent użytkowników dokonał konwersji na desktopie, które były poprzedzone interakcją na urządzeniu mobilnym.

Modele atrybucji Facebooka

W przypadku Facebook Attribution mamy do wyboru 9 modeli:

  • „Równa wartość” – każdy punkt styku ma przypisany równy udział w osiągnięciu konwersji.
  • „Ostatnie kliknięcie lub wizyta” – przypisuje udział w konwersji jedynie ostatniemu kliknięciu lub wizycie na ścieżce konwersji.
  • „Ostatnia interakcja” – model podobny do „ostatniego kliknięcia lub wizyty”, ale uwzględnia wyświetlenia jako punkty styku.
  • „Pierwsze kliknięcie lub wizyta” – przypisuje udział w konwersji tylko pierwszemu kliknięciu lub odwiedzinom.
  • „Pierwsza interakcja” – model podobny do „pierwszego kliknięcia lub wizyty”, ale uwzględnia wyświetlenia jako punkty styku.
  • „Pozycyjny 30%” – pierwszy i ostatni punkt styku dostają po 30% udziału w konwersji, a pozostałe 40% jest rozkładane pomiędzy pozostałe punkty.
  • „Pozycyjny 40%” – pierwszy i ostatni punkt dostają po 40% udziału, a pozostałe 20% jest rozkładane pomiędzy pozostałe punkty.
  • „Rozkład czasowy 1 dzień” – przyznaje rosnąco udział w konwersjach punktom styku, przy czym punkty występujące 1 dzień przed konwersją uzyskają 50% udziału, 2 dni przed konwersją – 25%, a pozostałe są rozłożone równomiernie.
  • „Rozkład czasowy 7 dni” – model oparty na podobnych założeniach co poprzedni, ale powoduje bardziej wyrównane rozłożenie udziału w konwersji na wszystkie punkty styku.

Konfiguracja ustawień

W celu analizowania efektywności prowadzonych działań musimy mieć zdefiniowane konwersje, czyli działania podejmowane przez osoby odwiedzające naszą witrynę. Do tego służy piksel Facebooka, który należy zaimplementować w kodzie strony. Kolejnym krokiem jest ustawienie przynajmniej jednej dziedziny działalności, czyli grupy kont reklamowych i pikseli, które będą w niej śledzone.

Chcąc mieć pełen obraz wpływu reklam na zachowanie użytkowników, uwzględniając przy tym wszystkie kanały reklamowe (nie tylko Facebooka), należy dodać pozostałe platformy reklamowe, z których korzystamy. System umożliwia integrację najpopularniejszych platform reklamowych, w tym przede wszystkim z Google Ads, a także możliwość wgrania wyników z pozostałych.

Aby dodać nową platformę reklamową, należy wybrać „ustawienia”, a następnie zakładkę „platformy reklamowe”. Wyświetli się lista wydawców, z której należy wybrać interesujące nas media.

Podsumowanie

Facebook stworzył narzędzie, które pozwala mierzyć skuteczność reklam, oferując przy tym pełniejszy obraz ścieżki zakupowej klienta, dzięki czemu jesteśmy w stanie podejmować lepsze decyzje biznesowe. Jego przewaga polega na tym, że nie opiera się na plikach cookie, co jest szczególnie ważne, jeśli weźmiemy pod uwagę również planowane zmiany w wielu przeglądarkach oraz popularność trybu Incognito.

Warto zauważyć, że Facebook udostępnia oddzielne raporty ścieżek cross-device, dzięki czemu możemy określić, na jakich urządzeniach użytkownicy rozpoczynają swoją ścieżkę konwersji, a gdzie ją kończą. To pozwoli dostosować nasze działania do zachowań użytkowników oraz lepiej ocenić skuteczność kampanii mobilnych. Ponadto atrybucja Facebooka uwzględnia również wyświetlenia reklam, a nie tylko kliknięcia i wizyty, co oferuje bezpłatna wersja Google Analytics.

Ogromnym atutem jest możliwość zintegrowania go z innymi platformami reklamowymi – dzięki czemu zminimalizujemy ryzyko wystąpienia luk w analityce, które utrudniają nam wyciągnięcie wniosków co do efektywności poszczególnych kanałów.