Modelos de atribuição no ecommerce: último clique, linear e mais

Um modelo de atribuição é a regra que decide que pontos de contacto de marketing recebem o mérito de uma encomenda. No ecommerce, o último clique dá todo o mérito ao último clique antes da compra, o primeiro clique dá-o ao primeiro clique, o linear divide-o por igual e os modelos baseados em dados dividem-no com base em estatísticas de muitos percursos de clientes.

O modelo que escolher pode alterar o ROAS de um canal mais do que qualquer mudança numa campanha. Este guia percorre o percurso de um cliente em todos os modelos mais comuns, com os números. Depois explica a atribuição baseada em dados no Google Ads, porque é que cada plataforma de anúncios se atribui o mérito a si própria, os doze modelos da ROASaurus e que modelo usar para cada pergunta.

O que é um modelo de atribuição?

Antes da maioria das encomendas online, um cliente toca no seu marketing mais do que uma vez. Cada visita que vem de um anúncio, de um email ou de um link com um ID de clique ou parâmetros UTM é um ponto de contacto. Um modelo de atribuição pega nos pontos de contacto dentro de uma janela de lookback, por exemplo os 7 dias anteriores à encomenda, e reparte entre eles a receita da encomenda. As partes de uma encomenda somam sempre a encomenda inteira.

Todos os exemplos deste guia usam o mesmo percurso. Um cliente faz uma encomenda de $120:

Modelos de um só ponto de contacto: último clique e primeiro clique

Último clique

O último clique dá 100% da encomenda ao ponto de contacto mais recente. No percurso, o email de carrinho abandonado recebe $120 e os três anúncios não recebem nada. O último clique é simples e fácil de verificar, e mostra que canais fecham vendas. A sua fraqueza é igualmente clara: nunca atribui mérito aos anúncios que encontraram o cliente. Com o último clique, as campanhas de prospeção parecem fracas e a pesquisa de marca, o retargeting e o email parecem fortes.

Primeiro clique

O primeiro clique dá 100% da encomenda ao primeiro ponto de contacto dentro da janela. No percurso, o anúncio do TikTok recebe $120. O primeiro clique mostra que canais trazem pessoas novas. Ignora tudo o que aconteceu depois da primeira visita, incluindo o retargeting e o email que trouxeram o cliente de volta. Depende também da janela: com uma janela de 4 dias, o clique do TikTok de cinco dias antes da encomenda fica de fora e o anúncio da Meta passa a ser o primeiro clique.

Modelos multi-touch: linear, decaimento temporal e baseado na posição

Os modelos multi-touch dividem a encomenda por vários pontos de contacto. Diferem na forma como ponderam cada um.

Linear

O linear divide a encomenda por igual. Com quatro pontos de contacto, cada um recebe 25%, ou $30. É fácil de explicar e trata todos os canais da mesma maneira. Também dá a um email de lembrete o mesmo mérito que ao anúncio que encontrou o cliente.

Decaimento temporal

O decaimento temporal dá mais mérito aos pontos de contacto mais próximos da encomenda. Uma versão comum usa uma semivida de 7 dias: um clique 7 dias antes da encomenda tem metade do peso de um clique no dia da encomenda. No percurso, os pesos são 0.61 para o TikTok, 0.74 para a Meta, 0.91 para a Google e 1.00 para o email. Divididos pelo total de 3.26, isso dá ao TikTok 18.7%, à Meta 22.8%, à Google 27.8% e ao email 30.7% dos $120.

Baseado na posição

O modelo baseado na posição, também chamado em forma de U, dá 40% ao primeiro ponto de contacto, 40% ao último e reparte os restantes 20% pelos pontos de contacto intermédios. No percurso, o TikTok e o email recebem $48 cada, e a Meta e a Google recebem $12 cada.

Um percurso de cliente em todos os modelos

Aqui está a mesma encomenda de $120 em cada modelo, incluindo o Total Impact, que também usa a resposta do inquérito e é explicado mais abaixo.

Ao longo de um mês, estas diferenças acumulam-se. Um canal que inicia percursos pode parecer deficitário com o último clique e rentável com o linear, com as mesmas encomendas e o mesmo investimento.

Atribuição baseada em dados no Google Ads

Um modelo baseado em dados não usa uma regra fixa. Aprende a repartição a partir dos seus dados. O Google Ads descreve a sua versão como a distribuição do mérito com base nos seus dados passados de cada ação de conversão. Compara os percursos dos clientes que convertem com os dos clientes que não convertem e dá mais mérito às palavras-chave, aos anúncios e às campanhas que tornam uma conversão mais provável.

A atribuição baseada em dados é agora a predefinição para a maioria das ações de conversão no Google Ads. A Google deixou de suportar aí os modelos de primeiro clique, linear, decaimento temporal e baseado na posição. As ações de conversão que os usavam foram passadas para a baseada em dados, por isso a escolha no Google Ads é entre baseada em dados e último clique. O modelo funciona com menos dados, mas, para obter os melhores resultados, a Google recomenda pelo menos 200 conversões e 2,000 interações com anúncios em 30 dias.

Dois limites importam para uma loja online. Primeiro, o modelo só vê as interações com os seus anúncios da Google. Reparte o mérito entre as suas campanhas da Google, mas não consegue pesar a Google face à Meta, ao TikTok ou ao email. Segundo, vê o resultado mas não a regra, por isso não pode verificar porque é que uma campanha recebeu mais mérito do que outra.

Autoatribuição das plataformas: porque é que cada plataforma se atribui o mérito a si própria

Cada plataforma de anúncios faz a sua própria atribuição, com os seus próprios dados e as suas próprias janelas. A definição de atribuição predefinida da Meta para novos conjuntos de anúncios é clique de 7 dias ou visualização de 1 dia, e a sua API de relatórios também pode devolver clique de 1 dia, clique de 28 dias e visualização com interação de 1 dia. O Google Ads usa a atribuição baseada em dados ou o último clique nas interações da Google. Cada plataforma só vê os seus próprios pontos de contacto, por isso cada uma atribui a si própria a encomenda inteira em que tocou.

É por isso que os totais das suas contas de anúncios costumam somar mais do que a receita da sua loja. A conciliação completa está em porque é que o Ads Manager mostra mais vendas do que o Shopify. Para comparar canais entre si, precisa de um modelo que funcione com os dados das suas próprias encomendas e atribua o mérito de cada encomenda uma só vez.

Modelos de atribuição na ROASaurus

A ROASaurus guarda como ponto de contacto cada visita que chega com um ID de clique ou parâmetros UTM. Quando entra uma encomenda, atribui o mérito aos pontos de contacto do visitante associado dentro da sua janela de lookback. Se não houver nenhum ponto de contacto do navegador, por exemplo por causa de um bloqueador de anúncios ou porque o visitante recusou os cookies de marketing, recorre aos IDs de clique e aos UTM do endereço da página de destino guardado com a encomenda. O Shopify guarda este endereço em cada encomenda, e as outras lojas online podem enviá-lo através da API de encomendas. A ROASaurus usa-o apenas nos seus próprios relatórios; não é enviado para as plataformas de anúncios. As encomendas sem nenhum ponto de contacto contam como diretas. No relatório de atribuição, pode escolher entre doze modelos. Estes seis funcionam como no percurso acima:

Os outros seis são o último clique não direto, que também conta as visitas de pesquisa orgânica, redes sociais e referências; o linear pago, que reparte a encomenda apenas pelos cliques em anúncios pagos; o qualquer clique, que dá a cada canal clicado a encomenda inteira, por isso as suas linhas somam mais do que a sua receita; o Clicks & views, que acrescenta aos cliques visualizações de anúncios modeladas; e dois modelos baseados em dados.

Os modelos baseados em dados da ROASaurus

Os modelos de cadeia de Markov e de valor de Shapley aprendem a repartição a partir dos percursos da sua própria loja. Cada encomenda com os seus cliques é um percurso que converteu, e os cliques que não foram seguidos de nenhuma encomenda dentro da janela de lookback são percursos que não converteram. O modelo de Markov atribui mérito a cada canal consoante a probabilidade de conversão que se perde quando esse canal é removido. O modelo de Shapley atribui mérito a cada canal pela sua contribuição média nas combinações de canais dos seus percursos. Ao contrário do modelo do Google Ads, comparam a Google com a Meta, o TikTok e o email. São treinados com pelo menos 90 dias e, com menos de 30 encomendas com cliques, ou com cliques de um só canal, repartem o mérito de forma linear e indicam-no por cima do relatório.

Como o Total Impact usa o inquérito pós-compra

Os cliques deixam escapar parte do que impulsiona uma venda: um podcast, a recomendação de um amigo ou um anúncio em vídeo que alguém viu mas em que não clicou. O Total Impact acrescenta o que o cliente diz. No Shopify, a ROASaurus tem um bloco de inquérito pós-compra para a página de agradecimento que pergunta "Como nos conheceu?". Respostas como Facebook ou Instagram, TikTok, pesquisa no Google, YouTube, um amigo, email ou um podcast são associadas a canais. Outras plataformas podem enviar respostas para a API de inquéritos.

No percurso, o cliente respondeu TikTok. A parte do inquérito, de 50%, vai para o TikTok, e os quatro cliques repartem os outros 50%, ou seja $15 cada. O TikTok fica com $60 + $15 = $75. Se o cliente tivesse respondido "um podcast", o podcast receberia $60, um canal que nenhum clique mostra. No relatório de campanhas, a parte do inquérito aparece numa linha própria sob o canal, porque uma resposta indica um canal, não uma campanha. Atribuição por inquérito pós-compra explica como configurar a pergunta e as respostas.

Janela de lookback e limites

Cada loja tem a sua própria janela de lookback, de 1 a 90 dias, com 7 dias por predefinição, ou ilimitada. O relatório pode alternar entre 1, 7, 14, 28, 30, 60 e 90 dias, para ver quanto mérito se desloca quando a janela aumenta. As conversões view-through só contam no Clicks & views, ou quando acrescenta visualizações modeladas a outro modelo: a ROASaurus coloca as compras view-through que as plataformas de anúncios reportam em encomendas que não tiveram nenhum clique dessa plataforma, como uma estimativa assinalada como tal. Os detalhes estão em como funciona a atribuição.

Que modelo de atribuição deve usar?

Nenhum modelo é verdadeiro para todas as perguntas. Escolha o modelo que se ajusta à decisão que tem pela frente e mantenha a janela igual quando comparar.

Três hábitos mantêm as comparações de modelos honestas. Altere uma coisa de cada vez: nunca mude o modelo e a janela em conjunto. Compare canais dentro de um só modelo, não o número de último clique de um canal com o número linear de outro. E avalie o lucro com o lucro bruto, não com a receita: um canal com um ROAS elevado em produtos de margem baixa pode mesmo assim dar prejuízo.

Fontes

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

Na ROASaurus

• Atribuição na ROASaurus
• Ajuda: como funciona a atribuição
• Tracking server-side

Continue a ler