Už je tomu nejaký ten piatok, odkedy nám v Google Analytics pribudla možnosť používať atribučné modelovanie, ktoré sa ukázalo ako užitočný pomocník pri vyhodnocovaní a následnej optimalizácii online kampaní.  Že WTF je atribučné modelovanie?

Poďme poporiadku. Atribučné modelovanie priamo súvisí s konverznými cestami.

Konverzné cesty

Predstavte si príklad, kedy v pondelok príde na váš web potenciálny zákazník z AdWords PPC kampane. Pozrie si niekoľko produktov a následne sídlo opustí bez toho, aby vykonal nákup. V utorok ale sídlo navštívi opäť cez priame zadanie URL adresy sídla a tentoraz spraví nákup. Konverzná cesta tohto zákazníka má dĺžku 2 kanály (alebo zdroje návštevy) a odohrala sa v priebehu dvoch dní.

Prvý kanál je AdWords kampaň, druhý direct traffic. Obe návštevy a teda aj oba kanály prispeli k získaniu danej konverzie. Cez AdWords zákazník objavil ponuku sídla, cez priame zadanie adresy sa nasledujúci deň vrátil a nakúpil.

Konverzná cesta je jednoducho sled zdrojov návštev (kanálov), cez ktoré zákazník počas 30 dní na web opakovane prichádzal od prvej návštevy až po návštevu, pri ktorej nakúpil (skonvertoval, spravil transakciu, whatever). Comprehende?

Konverzná cesta sa vytvorí pre každú transakciu (konverziu). A je jasné, že budú existovať konverzné cesty, ktoré vyzerajú zhodne pre množstvo zákazníkov a že sa medzi nimi budú dať nájsť isté opakujúce sa vzory. Ale to je na iný článok.

Prehľad konverzných ciest nájdete preklikaním sa cez
Konverzie->Viackanálové zúženia -> Najčastejšie konverzné cesty.

Ak používate Google Analytics v angličtine, tak potom
Conversions -> Multi-Channel Funnels -> Top conversion Paths

Bežná konverzná cesta môže vyzerať aj takto:

Zákazník, ktorý prešiel vyššie uvedenou konverznou cestou, potreboval dokopy až 36 návštev, kým spravil objednávku. Začal so 16timi návštevami cez priame zadanie URL, potom sídlo navštívil cez organické vyhľadávanie Google… atď. atď., až kým spravil nákup (konverziu) cez direct traffic.

Atribučné modelovanie na základe konverzných ciest

Atribučné modelovanie umožňuje porovnávať výsledky jednotlivých zdrojov návštevnosti na základe konverzných ciest. Napríklad porovnať, ako by vyzerali e-commerce hodnoty (ROI, CPA, revenues …), ak by sa všetky konverzie priraďovali poslednému zdroju návštevy v konverzných cestách, oproti modelu, kedy by sa všetky transakcie priraďovali prvému zdroju návštevy v konverzných cestách.

Možno to zatiaľ neznie veľmi použiteľne, ale… čo ak by sme mali aj model, kde by sme každému nasledujúcemu zdroju v konverznej ceste priradili postupne vyšší podiel hodnoty konverzií (čím je zdroj bližšie k návšteve, kedy sa vykonala konverzia, tým väčšia hodnota sa mu priradí)? To by už mohlo dať úplne iný pohľad na výkony jednotlivých zdrojov návštevnosti a kampaní, pretože je to značne „férovejší“ model než ten, na základe ktorého sa priraďujú v GA konverzie defaultne.

Aby sme sa mohli dostať k samotnému porovnávaniu atribučných modelov, poďme si najprv ukázať ako fungujú základné modely, dostupné v každom Google Analytics účte.

Predpripravené atribučné modely v Google Analytics

Jednotlivé modely si vysvetlíme na príklade konkrétnej konverznej cesty na obrázku nižšie:

(Poznámka: kanál „Sprostredkovanie“ predstavuje návštevu cez spätný odkaz, „Platené vyhľadávanie“ predstavuje návštevu cez platený AdWords odkaz vo vyhľadávaní, „Organické vyhľadávanie“ predstavuje návštevu cez neplatené výsledky vyhľadávania a „Priamo“ je návšteva cez priame zadanie URL sídla do webového prehliadača). 

Vybraná konverzná cesta sa skladá zo štyroch zdrojov návštev (kanálov). Zákazníci, ktorí prešli práve touto konverznou cestou spravili dokopy 10 transakcií v celkovej hodnote $ 400 (doláre používame, lebo eurá sú už otrepané a článok tak získava nádych exotiky).

Model Posledná interakcia

This one is simple. Všetky objednávky sa priradia poslednému zdroju návštevy v konverzných cestách. Všetky predchádzajúce zdroje návštevy v konverzných cestách sú v tomto modeli irelevantné. Posledný zdroj pred konverziou berie všetko.

Model Kliknutie poslednej nepriamej návštevy

Tento model je s malými výnimkami použitý v bežných Google Analytics reportoch. Objednávky (konverzie) sa prisúdia poslednému zdroju návštevy s výnimkou priamych návštev (direct traffic). Z príkladu vyššie, kedy prišiel zákazník v pondelok cez AdWords kampaň a v utorok sa cez direct traffic vrátil a vykonal konverziu, sa konverzia pripočíta AdWords kampani. Pretože kampaň bola posledným “ne-direct” zdrojom v konverznej ceste a za ňou nasledoval už len direct traffic, ktorý sa v tomto modeli ignoruje.

 Model Posledné kliknutie v službe AdWords

Ehm. Nie. Tento model nepoužívajte. Vhodné len pre jedincov, ktorí chcú svojim klientom/nadriadeným reportovať čo najvyššie počty získaných konverzií z AdWords kampaní. Snáď nemôžeme považovať za fér, ak budeme jednoznačne uprednostňovať jeden konkrétny platený zdroj návštev na úkor všetkých ostatných.

Model Prvá interakcia

Presný opak poslednej interakcie. Objednávky sa pridelia zdrojom návštev, ktoré sa v konverzných cestách vyskytujú na prvom mieste. Všetky nasledujúce zdroje návštev v konverzných cestách sa ignorujú.

Lineárny model

V jednoduchosti povedané: každý zdroj dostane rovný podiel na hodnote získaných konverzií. Ak teda máme konverznú cestu o dĺžke piatich zdrojov, každý zdroj dostane jednu pätinu hodnoty konverzií, ktoré daná konverzná cesta priniesla.

Model Pokles v závislosti od času

Čiastočne podobné lineárnemu modelu. Každý zdroj návštevy v konverznej ceste dostane zásluhy (podiel zo získaných konverzií), pričom čím bližšie je zdroj k objednávke, tým vyšší podiel hodnoty objednávok dostane.

Model Založené na pozícii

Na prvý pohľad divoký model. Na jednej strane je podobný s lineárnym modelom a modelom poklesu v závislosti od času – a to tým, že každý zdroj návštevy v konverznej ceste dostane nejaký podiel zo získaných konverzií. Rozdiel je v tom, aký podiel sa prizná jednotlivým zdrojom podľa toho, kde sa v konverznej ceste vyskytujú.

Prvý zdroj návštevy v konverznej ceste získa 40% z hodnoty konverzií. Taktiež posledný zdroj návštevy získa 40% z hodnoty konverzií. A zvyšných 20% je rovnomerne pridelených medzi všetky ostatné zdroje, ktoré boli medzi prvým a posledným zdrojom.

Ako vyzerá porovnanie atribučných modelov?

K rozhraniu na porovnávanie výsledkov na základe rôznych atribučných modeloch  sa preklikáte cez

Konverzie -> Pripisovanie -> Nástroj na porovnávanie modelov,

resp. ak používate GA v angličtine tak

Conversions -> Attribution -> Model Comparison Tool

Nižšie máme ukážku porovnania dvoch rozdielnych modelov na konkrétnom e-shope. Porovnávame model Kliknutie poslednej nepriamej návštevy (ktorý GA defaultne používa) s Lineárnym modelom. Porovnávame počty objednávok a hodnotu objednávok.

Zamerajme sa na výsledky AdWords kampaní (v tabuľke sa nazývajú “Platené vyhľadávanie”).

V klasickom modeli Google Analytics AdWords kampaniam pridelil 45 konverzií v hodnote 7 131,45€. V lineárnom modeli ale AdWords kampane dosiahli len necelých 14 konverzií v hodnote 1 551,59€. Tzn. o 70% menej, než uvidíte vo všetkých ostatných Google Analytics reportoch!

Otázka za milión znie: ak porovnávam rôzne modely oproti klasickému modelu (Kliknutie poslednej nepriamej návštevy) a vždy vidím prepady počtu objednávok pri platených kampaniach, znamená to, že som doteraz bol mylne v tom, že kampane zarábajú, aj keď je opak pravdou?

Odpoveď zadarmo: Nie!

Drvivú väčšinu prepadov v skutočnosti zapríčiňuje fakt, že v defaultnom modeli Analytics neberie priamy zdroj návštevnosti do úvahy (ak sa pred ním nachádzal aj iný zdroj návštevy). Najväčšie nárasty pri porovnaní rôznych modelov oproti defaultnému modelu preto vždy získa direct traffic. A naopak, každému ďalšiemu zdroju návštev klesne počet transakcií, ktoré sú zrazu pridelené doteraz ignorovanému direct trafficu.

Plus, je dobré ak sa odbremeníte od mentálneho nastavenia, že počítajú sa len tie zdroje návštev, ktoré priniesli objednávku. Mať jasný prehľad o tom, že tieto kampane, kľúčové slová alebo spätné odkazy slúžia zákazníkom na objavenie mojej ponuky (a nemôžeme od nich očakávať okamžité objednávky) a že tu mám iné kampane, kľúčové slová alebo spätné odkazy, ktoré používajú zákazníci, keď sa už rozhodli, že idú nakúpiť u mňa – je extrémne dôležité.

Zdroje návštev alebo kampane, ktoré vo finále prinášajú konverzie, nebudú fungovať zďaleka tak dobre, ako by mohli, pokiaľ nie sú podporované zdrojmi a kampaňami, cez ktoré zákazníci objavujú vašu ponuku (alebo ktoré používajú, keď si robia výskum pred nákupom).

A tu sa práve dostávame ku kritickému a zlomovému bodu: Na čo si mám dávať pozor? Ktorý model si mám zvoliť a používať?

Myslite kriticky a atribučné modelovanie používajte s rozumom

Na začiatok sa zamyslime, kedy a či má vôbec zmysel používať tie modely, ktoré pripisujú konverziu iba jednému zdroju návštevy v konverznej ceste (modely: Prvá interakcia, Posledná interakcia, Kliknutie poslednej nepriamej návštevy). A pomôžeme si príkladom nižšie.

Pokiaľ dokážete čítať tieto riadky, je celkom pravdepodobné, že už máte za sebou nejaké vzdelanie (a teraz je jedno, či stredoškolské alebo vysokoškolské). Skúste si predstaviť, ako by vyzeralo modelovanie vášho študijného procesu.  Pokiaľ by ste zvolili model Prvá interakcia, tak všetky vaše študijné úspechy a všetky zásluhy za získanú maturitu alebo diplom by ste prisúdili pani učiteľke v prvom ročníku na základnej škole. Pani učiteľka v prvom ročníku určite nejakým spôsobom prispela k celkovému výsledku. Ale pripísať jej všetky zásluhy?

Ak by sme zvolili model Poslednej interakcie, tak všetky zásluhy by naopak boli pridelené buď vašej triednej učiteľke na strednej škole, alebo vedúcemu bakalárskej či diplomovej práce na výške. OK… aj oni určite nesú svoj podiel na vašom celkovom študijnom kreovaní, ale opäť – bolo by fér im pripísať všetky zásluhy?

Už asi tušíte kam mierim. Netvrdím, že v určitých konkrétnych prípadoch nemá zmysel používať aj modely pripisujúce konverziu prvému alebo poslednému zdroju návštevy pred konverziou. Napríklad ak potrebujeme poslať jednoduchý report výsledkov, ktorý nemá byť náročný na strávenie a pritom bude dávať základný obraz o výsledkoch napríklad kampaní.

Ak ale máte reálny záujem ísť pri zlepšovaní výsledkov kampaní do hĺbky a pochopiť presnejšie, ktorý zdroj návštevy / kampaň / kľúčové slovo má akú úlohu v rámci konverzných ciest zákazníkov, potom skôr či neskôr budete musieť siahnuť po modeloch,  ktoré pripisujú zásluhy každému zdroju návštevy pred konverziou. Pretože každý zo zdrojov v konverznej ceste sa na konverzii podieľal. Niektorý viac, iný menej a každý trochu inak.

Zostávajú nám 3 takéto modely (nazvime ich TOP Trojka):  Lineárny, Pokles v závislosti od času a Založené na pozícii. Každý z nich je pre bežné použitie vyhovujúci a určite lepší než predchádzajúce spomínané.  Ale… intuitívne tušíme, že naozaj aj v konverzných cestách sú zdroje návštev, ktoré mali väčší vplyv na získanie konverzie a tie, ktoré mali menší vplyv. A práve tieto rozdiely nijako nereflektuje lineárny model. Ten dá každému zdroju rovnakú zásluhu.  Z TOP Trojky je preto podľa mňa ten najmenej pravdu vraviaci.

OK, ešte máme dva.

Pokles v závislosti od času. Tento je celkom dobrý vo veľa prípadoch, najmä pokiaľ vyhodnocujeme kampane orientované na okamžitý výkon, teda tie, ktoré majú oslovovať potenciálnych zákazníkov, ktorí sa už rozhodli pre nákup (vedia čo konkrétne chcú kúpiť a sú prepnutí do mentálneho módu  „idem hneď teraz okamžite nakúpiť“), len ešte hľadajú, kde kúpia najvýhodnejšie vzhľadom na ich preferencie. Pokiaľ máme kampane, ktoré nezachytávajú primárne takýchto užívateľov (ale mali by), tak pri modeli v závislosti od času si to rýchlo všimnete.

Pokiaľ máme väčšie komplexné kampane, ktoré zachytávajú užívateľov vo všetkých nákupných fázach, tak vhodným na použitie je aj posledný model – Založené na pozícii. Ten pridelí značný podiel zásluh ako prvému, tak poslednému zdroju pred konverziou a nejaké drobné rozdelí medzi zvyšné zdroje. V komplexných kampaniach je pritom prvá a posledná interakcia (prvý a posledný zdroj návštevy) väčšinou najpodstatnejšia – takže OK.

Ktorý model je najlepší?

Žiaden nie je optimálny pre všetky prípady. Ako som už písal, osobne sa snažím pri optimalizácií kampaní používať čoraz viac tie modely, ktoré odmeňujú každý zdroj návštevy v konverznej ceste a nepriraďujú celú hodnotu konverzií iba jednému zdroju (popravde, nie je to vždy bezbolestné).

Naviac, v Google Analytics si viete nastavovať úplne vlastné atribučné modely. Buď také, v ktorých budú vaše výsledky vyzerať pred šéfom čo najlepšie alebo také, ktoré budú čo najférovejšie vyhodnocovať reálny výkon kampaní vzhľadom na ich účel a ciele. A o tvorbe vlastných atribučných modelov si povieme už o dva týždne.

A čo vy? Už ste vyskúšali atribučné modelovanie? Je atribučné modelovanie zbytočnosť alebo vám v niečom reálne pomohlo?  Podeľte sa s nami o skúsenosti a názory v diskusii pod článkom. Potešíme sa každému príspevku a názoru.