A Google Analytics attribúciós modellekről kezdőknek

Olvasási idő: 9 perc
Share Button

Az online kampányaid során – amikor éppen optimalizálsz, vagy adatot elemzel –  akkor vajon Te is a sztenderd Google Analytics pivot táblákban található konverziókat veszed figyelembe? Tudod, hogy a Google Analytics alapértelmezetten melyik kommunikációs csatornához rendeli a konverziót? És azzal vajon tisztában vagy, hogy miért pont ahhoz rendeli hozzá?  Ha szeretnéd elkerülni a konverziók alapján történő optimalizálás főbb hibáit, akkor ez a cikk mindenképpen neked szól.

Erre gondolunk:

Alapértelmezett attribúciós modell alapján történő Google Analytics konverziós jelentés

 

A fenti képen az alapértelmezett attribúciós modell alapján történő Google Analytics konverziós jelentés táblázata látható.

Ha  a Google Analytics-en belül még nem használtad az attribúciós modelleket, akkor így elsőre kissé zavarosnak, de legalábbis ijesztőnek tűnhet a használata. De mi is pontosan az attribúciós modell? Mikor és miért érdemes őket használni?

Az attribúciós modell egy olyan szabály, vagy szabályrendszerek összessége, amely meghatározza, hogy az érdemi hozzájárulás az eladáshoz és/vagy konverziókhoz a konverziós útvonal mely pontjaihoz rendelhető hozzá.

 

A Google definícióját angolul itt találod.

Ha pedig a konverziókról, illetve magáról a konverziós rátáról olvasnál, kattints egy korábbi cikkünkre.

 


Segítse kutatásunkat és töltse ki kérdőívünket!

Ön tudja, hogyan dönt az online marketingről.  És azzal vajon tisztában van, hogy mi a  helyzet a többi  piaci szereplővel; a versenytársakkal? Ha tudni akarja, segítse kutatásunkat és töltse ki kérdőívünket!

 

Vegyünk egy példát!

  1. Valaki kattint a Google AdWords hirdetésedre, körbenéz a weboldaladon, aztán konverzió nélkül távozik.
  2. Két nappal később ez az illető találkozik a Facebookon egy posztoddal és onnan is átkattint a weboldaladra.
  3. Majd másnap, ezúttal az egyik hírleveledből érkezik a honlapodra, és ezen látogatás alkalmával végre konvertál (pl. letölti az ingyenes e-bookodat).

 

Kommunikációs csatornák

 

Vajon a fenti kommunikációs csatornák közül (Google AdWords, Facebook, e-mail kampány) melyikhez kellene hozzárendelni ezt az értékes konverziót, ami leadet generál a sales számára?

Nehéz eldönteni, de abban biztosak lehetünk, hogy

  • az AdWords hirdetés nélkül nem kattintott volna át a weboldaladra,
  • az e-mail kampány segítsége nélkül nem jött volna létre a konverziós művelet,
  • a Facebook pedig hozzájárult ahhoz, hogy erősítse a márkád és a bizalmat feléd.

Alapértelmezetten a Google Analytics az e-mail kampányhoz rendeli hozzá a fenti konverziót. Sokan emiatt éppen az e-mail kampányra helyeznék a nagyobb hangsúlyt mind költségvetés, mind pedig emberi erőforrás terén is.

Az attribúciós modell és az attribúciós modell összehasonlító eszköz segítségével azonban az összes jól működő kommunikációs csatornát fel lehet ismerni, és az eredmények alapján a megfelelő hangsúlyt és fókuszt helyezni rájuk.

Az attribúciós modellek csak akkor használhatók, ha vannak beállított célok vagy az e-kereskedelmi tranzakciókövetés működik. (A célokról, illetve a Google Analytics tipikus hibáiról majd egy későbbi cikkben fogunk beszámolni).

Emellett az is fontos, hogy használj kampánycímkézést (utm kódok segítségével), ugyanakkor mindig győződj meg róla, hogy az automatikus AdWords címkézés is be legyen kapcsolva.

Az attribúciós modellek koncepciójának alapja, hogy a konverziót segítő érintkezési pontok is fontosak a konverziós útvonalban, és nem szabad azokat teljesen figyelmen kívül hagyni. Ezekhez kapcsolódóan hoztunk néhány statisztikai adatot, amelyek alátámaszthatják az állítást:

 

Melyik attribúciós modellt használja alapételmezetten a Google Analytics?

A Google Analytics az utolsó nem direkt kattintás modellt (angolul Last Non-Direct Click model) használja. Ez a modell nem veszi figyelembe a direkt forgalmat (vagyis amikor valaki közvetlenül a böngészőbe beírja a weboldal url-jét, vagy egy korábban elmentett könyvjelzőből érkezik) és a konverziós érték 100%-át az utolsó kommunikációs csatornához (kommunikációs ponthoz) rendeli hozzá, amelyről a látogató átkattintott utoljára. A Google Analytics alapértelmezetten ezt használja a nem multicsatornás tölcsér riportokban.

 

Alapértelmezett attribúciós modell alapján történő Google Analytics konverziós jelentés

 

Minden konverziós jóváírás az utolsó ismert kommunikációs csatornához van rendelve, amely segített a weboldalra vinni a látogatót. Ha az utolsó érintkezési pont direkt volt, akkor az azelőtti lépést veszi figyelembe a konverziós útvonalban, ami nem direkt.

A fenti példánál maradva tehát az e-mailhez rendel 1 konverziót, a másik kettőhöz pedig 0-t.

 

Mikor hasznos?

Ha a direkt forgalmat a már a különböző kommunikációs csatornákon elnyert felhasználókhoz tulajdonítod, így nem kell kiszűrni a direkt forgalmat, hanem a konverzió előtti utolsó marketing aktivitásra koncentrálhatsz.

 

További attribúciós modellek a Google Analytics-en belül

Ha szeretnél jobban megismerkedni a további attribúciós modellekkel, akkor a Google Analytics-en belül menj a Konverziók >> Hozzárendelés >> Modell-összehasonlító eszköz menüpontba. Ez az eszköz lehetővé teszi, hogy összehasonlíts három attribúciós modellt.

 

Attribúciós modell-összehasonlító eszköz a Google Analytics-en belül

 

Az eszköz segítségével észrevehetjük, hogy túl- vagy épp alulértékelünk-e bizonyos érintkezési csatornákat, a sztenderd riportokkal összevetve.

 

Alapértelmezett attribúciós modellek a Google Analytics-ben

Alapértelmezetten hét attribúciós modell közül választhatsz a Google Analytics-en belül. Ezeket mutatja be a következő YouTube videó:

 

Megjegyzés: az alapértelmezetten használt attribúciós modelleken felül saját Te magad is létre hozhatsz egyet. Ha pedig Google Analytics 360-t használsz, akkor az Adatvezérelt modell (Data-Driven model) is a rendelkezésedre áll.

 

A videón felül röviden bemutatjuk majd a következő hat modellt. Azért csak hatot, mert fentebb már definiáltuk az utolsó nem direkt kattintás modellt (angolul: Last Non-Direct Click model).

 

1. Utolsó interakció

 

Ez a modell 100%-ban ahhoz az utolsó kommunikációs csatornához rendeli hozzá a konverziót és annak értékét, amellyel a konvertáló felhasználó interakcióba lépett a konverziós művelet végrehajtása előtt.

Fontos, hogy ez nem ugyanaz, mint az utolsó nem direkt kattintás modell.

Attribúciós modellek utolsó interakció

Mikor hasznos?

Akkor, ha a hirdetések és a kampányok azon célból készültek, hogy a vásárlás pillanatában befolyásolják a vásárlókat. Vagyis

  • hogy közvetlen konverziót váltsanak ki, illetve
  • ha az üzlet elsősorban tranzakcióalapú, mégpedig olyan vásárlási útvonallal, amely nem tartalmaz megfontolási szakaszt.

 

2. Utolsó AdWords-kattintás

 

Ez a modell 100%-ban ahhoz az utolsó AdWords hirdetéshez rendeli hozzá a konverziót és annak értékét, amellyel a konvertáló felhasználó interakcióba lépett a konverziós művelet végrehajtása előtt.

Ha nincs AdWords hirdetési interakció a konverziós folyamatban, akkor a legutolsó érintkezési ponthoz rendeli hozzá a konverziót.

 

Attribúciós modellek utolsó AdWords kattintás

 

Mikor hasznos?

Ha szeretnénk azonosítani azon AdWords hirdetéseket, amelyek a legtöbbször zárják le a konverziós folyamatot.

 

3) Első interakció

Ez a modell 100%-ban ahhoz az ismert interakciós ponthoz rendeli hozzá a konverziót és annak értékét, amellyel a konvertáló felhasználó legelőször lépett interakcióba a konverziós művelet végrehajtását megelőzően.

 

Attribúciós modellek első interakció

 

Mikor hasznos?

Akkor, ha azért futtatsz kampányokat, hogy kezdetleges ismertséget építs ki. Például, ha a márkád nem annyira ismert, akkor nagyobb fókuszt helyezel azon a kulcsszavakra vagy kommunikációs csatornákra, amelyek először a márka közelébe segítették a vásárlókat.

Fontos, hogy ezzel a modellel vigyázni kell, hiszen a konverziós útvonal múltbéli adatai limitáltak a Google Analytics-ben. A másik ok, amiért fenntartással kell kezelni, hogy teljesen figyelmen kívül hagyja azt az interakciós pontot, amelyik lezárta a konverziós útvonalat.

 

4) Lineáris

Ez a modell minden ismert interakciós ponthoz ugyanolyan mértékben rendeli hozzá a konverziót és annak értékét, amelyekkel a konvertáló felhasználó interakcióba lépett a konverziós művelet végrehajtása előtt.

 

Attribúciós modellek lineáris modell

 

Mikor hasznos?

Akkor, ha azért futtatsz kampányokat, hogy fenntartsd a kapcsolatot és az ismertséget a felhasználó és a márkád között a teljes értékesítési ciklusban.

 

6. Időbomlás (vagy eredeti nevén a Google Analytics-ben: Time Decay)

 

Ez a modell a legnagyobb arányban ahhoz az ismert interakciós ponthoz rendeli hozzá a konverziót és annak értékét, amelyhez a konvertáló felhasználó a konverziós művelet végrehajtása előtt a legközelebb interakcióba lépett. Minél közelebb áll a konverzió végrehajtásához az interakciós pont, annál nagyobb értéket rendel hozzá. Előnye, hogy figyelembe veszi a kezdeti interakciós pontot is.

Attribúciós modellek időbomlás time decay

A modell az exponenciális hanyatlás elvén alapul és 7 napos felezési időt alkalmaz. Azaz az az interakciós pont, amellyel 7 nappal a közvetlen konverzió előtt kapcsolatba lépett a felhasználó, az utolsó érintkezési ponthoz rendelt érték 50%-át kapja. Az utolsó előtti előtti interakciós pontra, amellyel 14 nappal a közvetlen konverzió előtt kapcsolatba lépett a felhasználó, az utolsó érintkezési ponthoz rendelt érték 25%-át kapja. Mindez az alapértelmezett 30 napos visszatekintési időszakig folytatódik.

 

Attribúciós modellek a konverzió értéke

 

Mikor hasznos?

Ha az értékesítési ciklus csak rövid megfontolási szakaszt tartalmaz, vagy ha egy- vagy kétnapos promóciós kampányokat futtatsz, hogy a promóció idejére helyezd a nagyobb hangsúlyt.

 

6. Pozícióalapú

Ez a modell hibrid, mivel az utolsó interakció és az első interakció modell keveredése. Ahelyett, hogy 100%-ban ahhoz az első vagy az utolsó interakciós ponthoz rendelné hozzá a konverziót és annak értékét, amellyel a konvertáló felhasználó interakcióba lépett a konverziós művelet végrehajtása előtt, a jóváírást elosztja a kettő között. Pontosabban 40%ban az első és 40%-ban az utolsó interakciós pontokhoz rendeli a konverziót és a köztük lévő egyéb érintkezési pontok között pedig egyenlő részben osztja el a maradék 20%-ot.

 

Attribúciós modellek pozícióalapú modellMikor hasznos?

Ha az első interakciós pontot, amivel először találkozott a felhasználó, és az utolsó interakciós pontot, ami lezárta a konverziós útvonalat, többre értékeled.

 

Melyik attribúciós modellt kell használnod?

Ez függ az üzleted céljától és a formájától is. Éppen ezért azt javasoljuk, hogy először kezdd el összehasonlítani a konverziókat és a konverziós értékeket az utolsó nem direkt kattintás modellben és az Időbomlás, valamint a Pozícióalapú modellhez képest. Ez lehetővé teszi, hogy észre vedd a konverziós változásokat (akár százalékos eltérésben is).

Mit nézzünk az összehasonlításban?

Keresd meg azokat a kommunikációs csatornákat, amelyeket alul- vagy éppen felülértékeltél a kampányok során. A piros és zöld nyilak segítségével elkezdheted priorizálni és elosztani a költségeket, amelyeket az egyes csatornákra szánsz.

Attribúciós modellek összehasonlítása a Google Analytics-en belül

 

Konklúzió

Ha eddig az alap Google Analytics konverziós jelentéseket vetted alapul az adatelemzések során, akkor azt javasoljuk, hogy a fent leírtakat kezdd el kipróbálni és alkalmazni. Nem biztos, hogy le kell azért “lőni” egy AdWords kampányt, mert nem hoz közvetlen konverziókat, miközben lehet, hogy csak segíti a konverziók létrejöttét és enélkül elveszítenénk a konverziók felét. Vagy ne küldd el azért a neked dolgozó Facebook szakértőt, mert nem hoz az első héten közvetlen konverziókat. Nézd meg, hogy mi van a számok mögött, vedd számításba a kontextust is. Jöjj rá, hogy melyik csatorna milyen célt szolgál a konverzió útvonalban.

A fentiek alapján optimálisan fogod tudni elosztani a marketingköltséget, és más szemmel fogsz tekinteni a szakértőid eredményeire.

Meglátod, a jövőben egyszerre fogod művészetnek és tudománynak is látni az attribúciós modellek használatát. 🙂


Tetszett a cikk? Akkor oszd meg, hogy másokhoz is eljusson az üzenet!

Ha van véleményed a cikkel kapcsolatban, írd le azt a lent található kommentekben!

Share Button

Hozzászólások