E-kereskedelmi attribúciós modellek: utolsó kattintás, lineáris és más modellek

Az attribúciós modell az a szabály, amely eldönti, mely marketing-érintkezési pontok kapnak érdemet egy rendelésért. Az e-kereskedelemben az utolsó kattintás a teljes érdemet a vásárlás előtti utolsó kattintásnak adja, az első kattintás az elsőnek, a lineáris egyenlően osztja el, az adatvezérelt modellek pedig sok vásárlói út statisztikái alapján osztják fel.

A választott modell jobban megváltoztathatja egy csatorna ROAS-át, mint bármilyen kampánymódosítás. Ez az útmutató egyetlen vásárlói utat vezet végig minden gyakori modellen, számokkal. Utána elmagyarázza a Google Ads adatvezérelt attribúcióját, azt, hogy miért írja jóvá minden hirdetési platform saját magának az eladást, a ROASaurus tizenkét modelljét, és hogy melyik kérdéshez melyik modellt érdemes használni.

Mi az attribúciós modell?

A legtöbb online rendelés előtt a vásárló többször is találkozik a marketingeddel. Minden látogatás, amely egy hirdetésből, e-mailből vagy kattintásazonosítót vagy UTM-paramétereket tartalmazó linkről érkezik, egy érintkezési pont. Az attribúciós modell a visszatekintési ablakon belüli érintkezési pontokat veszi, például a rendelés előtti 7 napot, és megosztja közöttük a rendelés bevételét. Egy rendelés részei mindig kiadják a teljes rendelést.

Az útmutató összes példája ugyanazt az utat használja. Egy vásárló egyetlen rendelést ad le $120 értékben:

Single-touch modellek: utolsó kattintás és első kattintás

Utolsó kattintás

Az utolsó kattintás a rendelés 100%-át a legutóbbi érintkezési pontnak adja. Az útban az elhagyott kosaras e-mail megkapja a teljes $120 bevételt, a három hirdetés pedig semmit. Az utolsó kattintás egyszerű és könnyen ellenőrizhető, és megmutatja, mely csatornák zárják le az eladásokat. A gyengesége ugyanilyen egyértelmű: soha nem írja jóvá azokat a hirdetéseket, amelyek megtalálták a vásárlót. Utolsó kattintás mellett a prospecting kampányok gyengének tűnnek, a márkakeresés, a retargeting és az e-mail pedig erősnek.

Első kattintás

Az első kattintás a rendelés 100%-át az ablakon belüli első érintkezési pontnak adja. Az útban a TikTok-hirdetés kapja a teljes $120 bevételt. Az első kattintás megmutatja, mely csatornák hoznak be új embereket. Figyelmen kívül hagy mindent, ami az első látogatás után történt, beleértve a retargetinget és az e-mailt, amely visszahozta a vásárlót. Az ablaktól is függ: 4 napos ablaknál a rendelés előtt öt nappal történt TikTok-kattintás kiesik, és a Meta-hirdetés lesz az első kattintás.

Multi-touch modellek: lineáris, időbeli lecsengés és pozíció alapú

A multi-touch modellek a rendelést több érintkezési pont között osztják fel. Abban különböznek, hogyan súlyozzák az egyes pontokat.

Lineáris

A lineáris modell egyenlően osztja fel a rendelést. Négy érintkezési pontnál mindegyik 25%-ot kap, ami $30. Könnyű elmagyarázni, és minden csatornát egyformán kezel. Ugyanakkor egy emlékeztető e-mailnek ugyanannyi érdemet ad, mint annak a hirdetésnek, amely megtalálta a vásárlót.

Időbeli lecsengés

Az időbeli lecsengés több érdemet ad a rendeléshez közelebbi érintkezési pontoknak. Egy gyakori változat 7 napos felezési időt használ: a rendelés előtt 7 nappal történt kattintás fele súlyt kap a rendelés napján történt kattintáshoz képest. Az útban a súlyok: TikTok 0.61, Meta 0.74, Google 0.91, az e-mail 1.00. A 3.26-os összegükkel elosztva ez a $120 bevételből a TikToknak 18.7%-ot, a Metának 22.8%-ot, a Google-nek 27.8%-ot és az e-mailnek 30.7%-ot ad.

Pozíció alapú

A pozíció alapú modell, más néven U alakú, 40%-ot ad az első, 40%-ot az utolsó érintkezési pontnak, a maradék 20%-ot pedig felosztja a köztes pontok között. Az útban a TikTok és az e-mail egyaránt $48 értéket kap, a Meta és a Google pedig egyaránt $12 értéket.

Egy vásárlói út az összes modellen keresztül

Itt ugyanaz a $120 értékű rendelés látható az egyes modellek szerint, valamint a Total Impact szerint, amely a felmérési választ is használja, és amelyet lentebb magyarázunk el.

Egy hónap alatt ezek a különbségek összeadódnak. Egy csatorna, amely elindítja a vásárlói utakat, az utolsó kattintás mellett veszteségesnek tűnhet, lineáris mellett pedig nyereségesnek, ugyanazokkal a rendelésekkel és ugyanazzal a költéssel.

Adatvezérelt attribúció a Google Adsben

Az adatvezérelt modell nem rögzített szabályt használ. Az adataidból tanulja meg a felosztást. A Google Ads úgy írja le a saját változatát, hogy az az egyes konverziós műveletekhez tartozó korábbi adataid alapján osztja el az érdemet. Összeveti a konvertáló vásárlók útjait a nem konvertálók útjaival, és több érdemet ad azoknak a kulcsszavaknak, hirdetéseknek és kampányoknak, amelyek valószínűbbé teszik a konverziót.

Az adatvezérelt modell ma már a Google Ads legtöbb konverziós műveletének alapértelmezése. A Google ott már nem támogatja az első kattintás, a lineáris, az időbeli lecsengés és a pozíció alapú modelleket. Az ezeket használó konverziós műveleteket átállították adatvezéreltre, így a Google Adsben a választás adatvezérelt vagy utolsó kattintás. A modell kevesebb adattal is működik, de a legjobb eredményekhez a Google legalább 200 konverziót és 2,000 hirdetési interakciót javasol 30 napon belül.

Két korlát fontos egy webáruháznak. Először, a modell csak a Google-hirdetéseiddel való interakciókat látja. A Google-kampányaid között osztja el az érdemet, de nem tudja a Google-t a Metához, a TikTokhoz vagy az e-mailhez mérni. Másodszor, az eredményt látod, de a szabályt nem, így nem ellenőrizheted, miért kapott egy kampány több érdemet, mint egy másik.

Platformok önattribúciója: miért tulajdonít érdemet magának minden platform

Minden hirdetési platform saját attribúciót futtat, saját adatokon, saját ablakokkal. A Meta alapértelmezett attribúciós beállítása az új hirdetéscsoportoknál 7 napos kattintás vagy 1 napos megtekintés, a jelentési API-ja pedig 1 napos kattintást, 28 napos kattintást és 1 napos interakciós megtekintést is vissza tud adni. A Google Ads adatvezérelt vagy utolsó kattintásos modellt használ a Google-interakciókon. Mindegyik platform csak a saját érintkezési pontjait látja, ezért mindegyik magának írja jóvá a teljes rendelést, amelyet érintett.

Ezért adódnak össze a hirdetési fiókjaid végösszegei általában többre, mint a webáruházad bevétele. A teljes egyeztetés itt található: miért mutat az Ads Manager több eladást, mint a Shopify. A csatornák egymással való összehasonlításához olyan modellre van szükség, amely a saját rendelési adataidon fut, és minden rendelést egyszer ír jóvá.

Attribúciós modellek a ROASaurusban

A ROASaurus minden kattintásazonosítóval vagy UTM-paraméterekkel érkező látogatást érintkezési pontként tárol. Amikor beérkezik egy rendelés, a párosított látogató visszatekintési ablakon belüli érintkezési pontjainak írja jóvá. Ha nincs böngészős érintkezési pont, például egy reklámblokkoló miatt, vagy mert a látogató elutasította a marketingcookie-kat, a rendeléssel együtt mentett landing page-cím kattintásazonosítóit és UTM-jeit használja tartalékként. A Shopify minden rendeléssel elmenti ezt a címet, más webáruházak pedig a rendelések API-ján keresztül küldhetik el. A ROASaurus csak a saját riportjaiban használja; a hirdetési platformoknak nem küldi el. Az érintkezési pont nélküli rendelések közvetlennek számítanak. Az attribúciós riportban tizenkét modell közül választhatsz. Ez a hat a fenti vásárlói úthoz hasonlóan működik:

A másik hat: az utolsó nem közvetlen kattintás, amely az organikus keresésből, a közösségi médiából és a hivatkozó oldalakról érkező látogatásokat is számolja; a lineáris fizetett, amely csak a fizetett hirdetési kattintások között osztja el a rendelést; a bármely kattintás, amely minden csatornának, amelyre kattintottak, a teljes rendelést adja, így a sorai összege több a bevételednél; a Clicks & views, amely modellezett hirdetésmegtekintéseket ad a kattintásokhoz; valamint két adatvezérelt modell.

Az adatvezérelt modellek a ROASaurusban

A Markov-lánc és a Shapley-érték modell a webáruházad saját vásárlói útjaiból tanulja meg az elosztást. Minden rendelés a kattintásaival együtt egy konvertáló út, azok a kattintások pedig, amelyeket a visszatekintési ablakon belül nem követett rendelés, nem konvertáló utak. A Markov-modell aszerint ír jóvá minden csatornának, hogy mennyi konverziós valószínűség vész el, ha az adott csatornát eltávolítjuk. A Shapley-modell aszerint ír jóvá minden csatornának, hogy átlagosan mennyivel járul hozzá a vásárlói utaidban előforduló csatornakombinációkhoz. A Google Ads modelljével ellentétben ezek a Google-t a Metához, a TikTokhoz és az e-mailhez mérik. Legalább 90 nap adatain tanulnak, és ha 30-nál kevesebb kattintásos rendelés van, vagy csak egy csatornából érkeznek kattintások, lineárisan osztják el a jóváírást, és ezt a riport fölött jelzik.

Hogyan használja a Total Impact a vásárlás utáni felmérést

A kattintások nem látják az eladást mozgató tényezők egy részét: egy podcastot, egy barát ajánlását vagy egy videóhirdetést, amelyet valaki látott, de nem kattintott rá. A Total Impact hozzáadja azt, amit a vásárló mond. Shopifyon a ROASaurusnak van egy vásárlás utáni felmérési blokkja a Thank you oldalhoz, amely azt kérdezi: „Honnan hallottál rólunk?”. Az olyan válaszokat, mint a Facebook vagy Instagram, TikTok, Google-keresés, YouTube, egy barát, e-mail vagy egy podcast, csatornákhoz rendeljük. Más platformok a felmérések API-nak küldhetik el a válaszokat.

Az úton a vásárló TikTokot válaszolt. A felmérés 50%-os részesedése a TikToknak jut, a négy kattintás pedig megosztozik a másik 50%-on, vagyis egyenként $15. A TikTok így $60 + $15 = $75 értéket kap. Ha a vásárló azt válaszolta volna, hogy „egy podcast”, a podcast kapná a $60 értéket, pedig ezt a csatornát egyetlen kattintás sem mutatja. A kampányjelentésben a felmérési részesedés külön sorban jelenik meg a csatorna alatt, mert egy válasz csatornát nevez meg, nem kampányt. A vásárlás utáni felmérésen alapuló attribúció cikk bemutatja, hogyan állítsd be a kérdést és a válaszokat.

Visszatekintési ablak és korlátok

Minden webáruháznak saját visszatekintési ablaka van, 1 és 90 nap között, alapértelmezetten 7 nap, vagy korlátlan. A riport 1, 7, 14, 28, 30, 60 és 90 nap között válthat, így láthatod, mennyi jóváírás vándorol át, ha nő az ablak. A view-through konverziók csak a Clicks & views modellben számítanak, vagy ha egy másik modellhez modellezett megtekintéseket adsz: a ROASaurus a hirdetési platformok által jelentett view-through vásárlásokat olyan rendelésekre helyezi, amelyekhez nem tartozott kattintás az adott platformról, és ezt becslésként jelöli. A részletek itt: hogyan működik az attribúció.

Melyik attribúciós modellt használd?

Egyetlen modell sem igaz minden kérdésre. Azt a modellt válaszd, amelyik illik az előtted álló döntéshez, és összehasonlításkor tartsd ugyanazon az ablakot.

Három szokás tartja őszintén a modellek összehasonlítását. Egyszerre csak egy dolgot változtass: soha ne váltsd a modellt és az ablakot együtt. A csatornákat egy modellen belül hasonlítsd össze, ne az egyik csatorna utolsó kattintásos számát egy másik csatorna lineáris számával. És a profitot bruttó profittal ítéld meg, ne bevétellel: egy alacsony árrésű termékeken magas ROAS-t elérő csatorna is veszíthet pénzt.

Források

1. Google Ads Help: About attribution models
2. Google Ads Help: About data-driven attribution
3. Meta for Developers: Ads Insights API Metric Availability Updates
4. Meta Business Help Center: How conversions are attributed in Commerce Manager

A ROASaurusban

• Attribúció a ROASaurusban
• Súgó: hogyan működik az attribúció
• Szerveroldali követés

Olvass tovább