Atribučné modely: prečo sú dôležité pre PPC a marketingových špecialistov

Atribučné modely predstavujú spôsob, ako priradiť hodnotu jednotlivým zdrojom návštev zákazníka na ceste ku konverzii. V praxi to znamená, že dokážu ukázať, ktoré kanály a kampane prinášajú výsledky a ktoré nie. 💸

Pri menšom počte kanálov je ešte relatívne jednoduché určiť, odkiaľ konverzia prišla. V momente, keď sa marketing rozšíri o viacero zdrojov, začína byť situácia komplikovanejšia.

Každý kanál si nárokuje zásluhy za dosiahnutú konverziu a práve atribučné modely pomáhajú odhaliť, kto k nej reálne prispel a akou mierou.

Hoci sa atribučné modelovanie často spája s meraním úspešnosti platených kampaní zameraných na predaj, jej využitie je oveľa širšie.

Umožňuje vyhodnocovať impresie, kliknutia aj rôzne konverzné udalosti a predstavuje dôležitú súčasť marketingovej analytiky.

Benefity atribučného modelovania

📊 Optimalizácia rozpočtu – vďaka atribučnému modelovaniu viete presnejšie určiť, ktoré marketingové kanály prinášajú najlepšiu návratnosť. To vám umožní presunúť rozpočet tam, kde má najväčší efekt.

🎯 Dátami podložené rozhodovanie – atribučné modely poskytujú konkrétne dáta, ktoré slúžia ako základ pre marketingové stratégie. Tie potom priamo podporujú vaše obchodné ciele.

🔍 Hlbší prehľad o zákazníkoch – zistite, ktoré kanály najviac prispievajú ku konverziám. Tento prehľad vám umožní lepšie prispôsobiť komunikáciu a zvýšiť angažovanosť vašich zákazníkov.

Ktorý atribučný model použiť?

Na túto otázku neexistuje univerzálna odpoveď. Pre menšie alebo začínajúce podniky je prirodzené začať s last-click alebo last-non-direct-click atribúciou, ktorá sa nastavuje rýchlo.

S pribúdajúcimi kanálmi sa však vyhodnocovanie stáva zložitejším a vhodnejšie sú multidotykové (multi-touch) alebo data-driven modely, ktoré dokážu rozdeliť zásluhy spravodlivejšie.

Pri voľbe atribučného modelu je dôležité rozhodnúť sa, ktoré interakcie zákazníka doň zahrniete.

Napríklad Last-click atribúcia zohľadňuje iba posledný zdroj návštevy pred konverziou, takže celá hodnota nákupu sa pripíše reklame, na ktorú zákazník klikol počas nákupnej relácie. Tento prístup je jednoduchý, no ignoruje úlohu predchádzajúcich kanálov.

Ak sa rozhodnete zahrnúť viac “dotykov”, je potrebné určiť atribučné okno, napríklad 30-dňové, v rámci ktorého všetky interakcie pred nákupom získajú určitý podiel z hodnoty konverzie.

Voľba modelu aj dĺžky atribučného okna zásadne ovplyvňuje vyhodnocovanie kampaní. Závisí od obchodného modelu aj od vyspelosti firmy a môže sa časom meniť spolu s jej rastom.

Postup implementácie je však vo všetkých prípadoch obdobný. Môžeme ho zhrnúť do dvoch hlavných krokov:

1. výber vhodného atribučného modelu
2. samotné modelovanie atribúcie

Na internete nájdete rôzne skripty, ktoré vám s implementáciou pomôžu, ale samotné modelovanie atribúcie môže byť náročné a vyžadovať si pokročilé znalosti SQL či Pythonu.

Najmä pri vlastných alebo data-driven modeloch, alebo keď je potrebné integrovať dáta z viacerých zdrojov.

Kritický bod: UTM parametre

Jedným z kľúčových prvkov atribučného modelovania sú správne nastavené UTM parametre. Aby atribúcia prinášala presné výsledky, je potrebné zabezpečiť, aby všetky kampane používali konzistentné označenie.

V praxi tu však majú mnohé firmy problém – UTM parametre síce používajú, no nekonzistentne alebo nesprávne. Následkom sú nečisté alebo nejednotné dáta, ktoré vedú k skresleným záverom o výkonnosti marketingu.

Následkom sú nečisté alebo nejednotné dáta, ktoré vedú k skresleným záverom o výkonnosti marketingu. 

Ak sa chcete pustiť do modelovania atribúcie, správne a konzistentné UTM značenie je absolútnou nevyhnutnosťou, pretože „garbage in, garbage out“

Prehľad najpoužívanejších atribučných modelov

Single-Touch atribučné modely

Sú jednoduché na pochopenie a implementáciu, no vždy je potrebné zvážiť, do akej miery odrážajú skutočnú cestu zákazníka.

Last click – celá hodnota konverzie sa priradí poslednému zdroju návštevy pred konverziou. Výhodou tohto modelu je jednoduchosť a okamžité použitie, nevýhodou zvýhodňovanie bottom funnel kanálov a podcenenie tých, ktoré budujú povedomie. Hodí sa pre firmy, ktoré chcú jednoduchý prístup a sústreďujú sa iba na konverzie. Používa sa najmä pri produktoch s krátkym nákupným cyklom.

First click – 100 % hodnoty konverzie dostane prvý kanál, ktorý priviedol zákazníka na webovú stránku.
Podobne ako last click, aj tento model skresľuje realitu, pretože úplne ignoruje neskoršie interakcie.

Je však užitočný, ak je cieľom primárne generovanie dopytu a sledovanie kanálov v upper funnel, napríklad pri display reklame.

Last non-direct click – celá konverzia sa pripíše poslednému kanálu, ktorý nepredstavuje priamu návštevu.

Logika je taká, že priame návštevy sú často výsledkom predchádzajúceho marketingového impulzu, preto zásluhu získa posledný nepriamy zdroj.

Tento model je tiež vhodný najmä pre produkty s krátkym nákupným cyklom a považuje sa za presnejší než last click, pretože ignoruje priame návštevy, ktoré zväčša nevznikajú len tak samé od seba.

Multi-Touch atribučné modely

Poskytujú komplexnejší pohľad na zákaznícku cestu než jednodotykové prístupy, no vyžadujú aj väčšie zváženie pri výbere a interpretácii výsledkov.

Linear – každý zdroj návštevy na ceste ku konverzii dostane rovnaký podiel.

Ide o najjednoduchší multidotykový model, ktorý zabezpečí rovnomernú distribúciu zásluh medzi všetky kanály.

Je vhodný na vyhodnocovanie vplyvu všetkých interakcií, pretože žiadna z nich nie je zanedbaná. Nevýhodou je, že tento model neberie do úvahy rozdiely v skutočnom vplyve jednotlivých zdrojov ani faktor času.

Position-based (U-krivka) – v tomto modeli dostáva najväčší podiel prvý a posledný zdroj návštevy zákazníka.

Typické rozdelenie môže vyzerať takto: 40 % pre prvý zdroj, 40 % pre posledný a zvyšných 20 % sa rovnomerne prerozdelí medzi stredné.

Logika spočíva v tom, že prvý zdroj buduje povedomie a posledný presviedča k nákupu,
zatiaľ čo stredné podporujú rozhodovanie.

Ak má zákazník iba jednu alebo dve relácie, model sa prispôsobí – pri jednej relácii ide 100 % na tento zdroj, pri dvoch sa podiel rozdelí 50/50. Výhodou je zvýraznenie kľúčových momentov na ceste zákazníka, nevýhodou subjektívne určenie váh a obmedzená flexibilita pri zložitejších cestách.

Time decay – čím bližšie je interakcia ku konverzii, tým väčší podiel získa. Tento model odráža fakt, že posledné interakcie majú zvyčajne väčší vplyv na konečné rozhodnutie zákazníka.

Pri výpočte sa využíva funkcia útlmu – čím ďalej je relácia od konverzie, tým menší podiel dostane. Ak mal používateľ len jednu reláciu, 100 % hodnoty sa pridelí tomuto zdroju.

Výhodou je citlivosť na čas, nevýhodou subjektívna voľba samotnej funkcie útlmu, ktorá môže viesť k nepresnému rozdeleniu kreditu.

Data-Driven atribučné modely

Predstavujú pokročilé prístupy, ktoré poskytujú omnoho detailnejší a spravodlivejší pohľad na zákaznícku cestu než tradičné modely, no vyžadujú si aj vyššiu dátovú kvalitu a technické znalosti.

• Markov Chain Attribution – využíva matematické princípy Markovových reťazcov na analýzu postupnosti interakcií zákazníka. Model na základe historických dát určuje pravdepodobnosť, že zákazník prejde z jedného “dotyku” k ďalšiemu až po konverziu alebo odchod. Výhodou je schopnosť zachytiť skutočné správanie zákazníkov a flexibilita – model možno prispôsobiť napríklad tak, aby zohľadňoval časový útlm či interakcie medzi kanálmi. Vďaka tomu poskytuje robustný rámec na pochopenie vplyvu jednotlivých dotykov na konečné rozhodnutie.

• Shapley Value Attribution (herno-teoretický prístup) – v tomto modeli sa reklamné kanály považujú za „hráčov“ v kooperatívnej hre. Každý hráč prispieva k spoločnému výsledku – konverzii. Shapleyho hodnota zabezpečuje férové rozdelenie zásluh medzi kanály podľa toho, aký prínos majú pri spolupráci s ostatnými. Tento prístup podporuje spoluprácu medzi kanálmi a umožňuje marketérom lepšie pochopiť ich skutočný prínos. Nevýhodou je citlivosť na poradie, v akom sa dotyky zohľadnia, čo môže viesť k rozdielom vo výsledkoch a komplikovať konzistentnú interpretáciu.

Záver

Skutočná hodnota atribučného modelovania nespočíva v samotnom výbere „najlepšieho“ teoretického prístupu, ale v jeho praktickom uplatnení a schopnosti zapadnúť do obchodnej logiky firmy.

Atribúcia by mala byť chápaná ako nástroj, ktorý prepája dáta s reálnymi cieľmi, zjednodušuje rozhodovanie a odhaľuje, ktoré marketingové aktivity skutočne podporujú rast a ziskovosť.

Spolu s causal impact a media mix modelingom tvorí atribučné modelovanie silnú trojicu, ktorá poskytuje komplexný pohľad na výkonnosť marketingu.