-
Tato strana se zabývá atribucemi ve webové analytice. Informace o webové analytice na straně: Webová analytika.
Měření a vyhodnocování ve webové analytice
Vyhodnocování efektivity patří v online marketingu (zejména výkonnostním) mezi základní parametry úspěchu. Hodnotí se, které kanály a kampaně přivedly konverze (tj. objednávky a poptávky). Taková data pomáhají k rozložení investic do jednotlivých kanálů a kampaní pro maximalizaci objednávek nebo jejich hodnoty.
Co to jsou atribuce ve webové analytice?
Atribuce pomáhají najít, které kanály a kampaně mají zásluhu na konverzích. Atribuční modely pomáhají také ohodnotit, jak velkou zásluhu na dané konverzi mají, protože zákazník často nenakoupí poprvé. Nejprve se s produktem seznámí a až poté nakoupí - více v části nákupní cesta zákazníka. Některé kanály zákazníka nejprve přivedou a jiné pomohou jej zobchodovat ke konverzi. Ovšem každý z kanálů v nákupní cestě může mít (rozdílně velkou) zásluhu. Problém nastává v situaci, kdy různé nástroje vyhodnocují zásluhy různě, tedy podle různých atribučních modelů.
Srovnání k fotbalu: Stejně jako ve fotbale je potřeba mít k výhře sehraný celý tým - útočníky, obránce, záložníky i brankáře, je potřeba v online marketingu mít sladěné online kanály.
Google Analytics - Přehled Akvizice
V Google Analytics u přehledu Akvizic je pro srovnání jednotlivých online kanálů a jejich kampaní používaný model je Last Click Non Direct - Poslední nepřímý proklik. Tento model může být v začátcích užitečný v tom, že je snadno pochopitelný. Nicméně tento model má velkou nevýhodu, protože konverzi přiřazuje poslednímu kanálu, který uživatele přivedl k nákupu. Nerespektuje tedy celou nákupní cestu zákazníka.
Je to podobné jako by ve fotbalu se všechny zásluhy na výsledky přiřazovaly pouze útočníkům. Hráči kteří pomohli k přihrávce nejsou zohledněny v zásluhách.
PPC systémy Google Ads, Sklik, Facebook reklamy
Jednotlivé systémy vyhodnocují konverze tak, že si započítají a přiřadí ke kampani každou konverzi, která přes systém proběhla. To znamená, že pokud zákazník nejprve přišel přes Sklik, ale následně nakoupil přes Google Ads, v obou těchto systémech bude záznam o připsání konverze. Vzniká tak problém, že obě kampaně mají připsánu konverzi, ale zadavatel získat pouze jednu konverze.
Je to podobné jako by ve fotbalu si připsal na konkrétním gólu zásluhu záložník za asistenci i útočník za gól, přestože vznikl pouze jeden gól.
Problém
Vzniká pak problém, že v různých nástrojích jsou různá čísla. PPC systémy obvykle reportují vyšší hodnotu než u nich ukazuje Google Analytics přes model Last Click Non Direct, což při vyhodnocování efektivity a optimalizaci online marketingových kanálů a kampaní nepomáhá.
Vyhodnocovat pouze podle Google Analytics - sekce Akvizice s Last Click Non Direct, také není šťastné řešení, protože pak nerespektuje celou nákupní cestu zákazníka. Jak z toho web? Nejprve je potřeba pochopit nákupní cestu zákazníka.
Nákupní cesta zákazníka
Zákazníci si často nový produkt nenakoupí hned při první návštěvě e-shopu. Existuje několik touchpointů než zákazník dokončí nákup. Například nejprve může přijít přes placenou reklamu ve vyhledávání, poté si zkontroluje cenu a přijde přes Heuréku, ale ke konečnému nákupu jej přitáhne remarketing (v displejových reklamách nebo v e-mailingu).
Pokud se bude vyhodnocovat podle Last Click Non Direct, tedy toho výchozího modelu z Google Analytics, zásluhu bude mít pouze poslední kanál, může se stát, že akviziční kanály budou omezeny nebo vyloučeny. Pak přestanou fungovat jako zdroj zákazníků - zákazníků.
Řešení
Je potřeba používat atribuční model, který zohledňuje návštěvy stejného zákazníka přes provedením nákupu a přiřadit jim část zásluhy. Teprve podle takového vyhodnocení optimalizovat online kanály a kampaně. Řešením pro takové vyhodnocení jsou atribuční modely.
Je to podobné jako by ve fotbalu rozhodčí rozpočítal zásluhy za výhru mezi celý tým a podle toho jej správně sestaví a vyladí. Zásluhy na výhře pak budou ohodnoceny u brankáře, který sice žádné góly nedává, ale bez něj by vyhrát nešlo.
Přehled atribučních modelů
Existuje několik základních atribučních modelů a způsobů vyhodnocování:
- Last Click Non Direct - poslední nepřímý proklik, tedy poslední proklik ze všech kanálů, kromě přímého (directu).
- Last Click - poslední proklik ze všech kanálů (tedy včetně přímého).
- First Click - první kanál, který přivedl zákazníky.
- Linear - linerání model, který rozpočítá zásluhy lineárně mezi všechny kanály.
- Time Decay - model ohodnotí zásluhou všechny kanály na cestě s tím, že v kanály, které jsou blíže ke konverzi budou mít větší zásluhu.
- Position Based - model přiřadí větší zásluhu prvnímu a poslednímu kanálu.
- Vlastní - vlastní a modifkované modely, podle potřeb jednotlivých značek a e-shopů.
Dále do hry vyhodnocování kromě kliknutí vstupují do vyhodnocování i zobrazení banneru, protože zákazník nemusí vždy na banner kliknout, ale stačí když jej uvidí.
Výběr správného atribučního modelu
Není univerzální atribuční model pro vyhodnocování konverzí. Ovlivňuje to pozice značky na trhu, povaha produktů, cíle online marketingu a komunikace. Já preferuji volbu vlastního modelu přizpůsobeného konkrétní situaci. Ve společnosti Baťa mám vytvořený vlastní model, který zohledňuje jak povahu našich produktů (módy - boty, kabelky) tak pozici naší značky na trzích (podle pozice na jednotlivých trzích).
Získejte e-book zdarma
Základy online marketinguChci e-book zdarma- 81 stran a 12 kapitol,
- autor 15 let zkušeností,
- určeno pro začátečníky.
Ivo Pačinek
Jsem konzultant online marketingu s 15 lety zkušeností. Zkušenosti jsem získaval postupně správnou jednotlivých online kanálů (SEO, PPC, srovnávači cen a zboží, e-mailingem) až po řízení online marketingu ve stamilionových e-shopech. Vybudoval jsem e-shop drogerie do milionových obratů, 5 let jsem řídil online marketing ve společnosti Baťa. Napsal jsem e-book Základy online marketingu pro začátečníky v onlinu a píšu o onlinu také na DigiNews.cz. Nyní řídím online marketing Sportega v 8 zemích a poskytuju služby online marketingu.Zůstaňme ve spojení na sociální síti LinkedIn