Którego modelu atrybucji należy użyć w Google AdWords?

Modelowanie atrybucji to metoda pomiaru efektywności finansowej kanału komunikacji i wpływu, jaki ma to na cele biznesowe. Modelowanie atrybucji można mierzyć w oparciu o cały szereg wskaźników: konwersje, sprzedaż, przychody, wyświetlenia, współczynniki klikalności i inne.

Ostatecznym celem modelowania atrybucji jest zrozumienie, które kanały pomagają Ci osiągnąć cele biznesowe. Atrybucja zapewnia etapy prowadzące do sukcesu: dzięki zrozumieniu ścieżek, którymi podążają Twoi użytkownicy, możesz wykorzystać wydajność, aby zwiększyć rentowność i zmniejszyć marnotrawstwo wydatków.

Użytkownicy podążają wieloma ścieżkami prowadzącymi do konwersji, często nie jest to tak proste, jak „wyszukiwane słowo kluczowe > kliknięta reklama > przeczytana treść > po konwersji”. Chociaż może tak być, często na ścieżce konwersji zaangażowanych jest wiele punktów styku. Raport ścieżek konwersji w Google Analytics to świetne miejsce do analizowania tych punktów kontaktu, wystarczy przejść do GA > Konwersje > Ścieżki wielokanałowe > Najważniejsze ścieżki konwersji. Spójrz na te, na przykład:

Kiedy spojrzymy na inną branżę o znacznie dłuższym procesie decyzyjnym, wyniki są bardzo różne:

Oba przykłady pokazują ścieżki, którymi pokonują użytkownicy, aby dojść do konwersji. Widzimy, że płatne odegrały rolę na wielu z tych ścieżek – niezależnie od tego, czy jest to jedyna ścieżka, czy jedna z wielu. Gdy śledzimy sukces w Google AdWords, musimy wiedzieć, gdzie reklama pasuje do ścieżki konwersji, co pozwala nam skutecznie optymalizować i wykorzystywać nasz budżet.

Gdy zrozumiemy, w jaki sposób kampanie przyczyniają się do sukcesu celów biznesowych, możemy uzyskać dokładny obraz skuteczności konta. Korzystanie z niewłaściwego modelu atrybucji wiąże się z ryzykiem zmarnowania wydatków i straconych okazji.

Jakie modele atrybucji musisz wybrać?

W Google AdWords istnieje sześć modeli atrybucji:

Zacznijmy od modelu domyślnego: ostatnie kliknięcie

Domyślnym modelem używanym podczas konfigurowania konwersji w AdWords jest Ostatnie kliknięcie. Ten model przypisuje 100% konwersji ostatniemu kliknięciu na ścieżce konwersji, np.:

Ten model sprzyja wydajności, ponieważ będziesz mógł zobaczyć ostatni punkt kontaktu, w którym użytkownik dokonał konwersji. Czy to odpowiedni model do użycia? Prawdopodobnie nie. Ten model znacznie przecenia Twoje markowe warunki i sprzyja recyklingowi klienta, daje bardzo ograniczony zakres wydajności i uwzględnia tylko ostatnią ścieżkę. Weźmy na przykład tę ścieżkę konwersji:

Po wdrożeniu modelu Last Click 100% kredytu zostanie przypisane do Direct. Gdy spojrzymy w AdWords, zobaczymy, że słowo kluczowe ma kliknięcie, ale nie ma konwersji – podczas gdy w rzeczywistości użytkownik szukał słowa kluczowego, klikał reklamę, a następnie wrócił bezpośrednio do witryny i dokonał konwersji. Ten scenariusz spowodowałby przypisanie 0% udziału słowu kluczowemu w AdWords, co sugerowałoby, że nie jest to słowo kluczowe przynoszące zyski, ponieważ zwiększyło CPA.

Na podstawie powyższego przykładu przyjrzymy się skuteczności według kanałów i założymy, że reklamy bezpośrednie generują konwersje – co byłoby niepoprawne.

Werdykt ostatniego kliknięcia: nie jest to preferowany wybór. Jest to opcja domyślna, łatwa w użyciu i może sprawić, że menedżerowie PPC będą wyglądać niesamowicie. Jednak ostatnie kliknięcie jest często niedokładne i nie pozwala uzyskać prawdziwej wartości z kampanii.

Następny jest najlepszy przyjaciel ostatniego kliknięcia: pierwsze kliknięcie

Ten model opiera się na tym samym założeniu, co ostatnie kliknięcie; jednak cały udział jest przypisywany pierwszemu kliknięciu, na przykład:

Ten model faworyzuje pierwszy punkt kontaktu i przypisuje 100% udziału do pierwszego kliknięcia w konwersji, więc jeśli nowy użytkownik wyszuka hasło > kliknie płatne > bezpośrednie zwroty > dokona konwersji za pośrednictwem reklamy w mediach społecznościowych – udział zostanie być przypisane do początkowej płatnej reklamy.

Problemy zaczynają się pojawiać, gdy przyjrzymy się skuteczności w AdWords, ponieważ w tym scenariuszu zobaczylibyśmy konwersję przypisaną do słowa kluczowego na koncie i założylibyśmy, że jest ono skuteczne, prawda? W rzeczywistości reklama nie doprowadziła bezpośrednio do konwersji. Odegrał bardzo ważną rolę, będąc pierwszym punktem styku, ale nie był jedynym uczestnikiem ścieżki konwersji.

W związku z tym przyjrzymy się naszym danym konwersji i założymy, że płatny ruch jest skuteczny, ale to zaniedbałoby bezpośrednie i społecznościowe punkty styku, które nie będą dobrze sprawdzać się w przypadku dokładnych raportów.

Werdykt pierwszego kliknięcia: nie jest to preferowany wybór. Ten model jest podobny do ostatniego kliknięcia, z tą różnicą, że zamiast tego przypisuje się pierwsze kliknięcie. Oznacza to, że Twoje dane będą niedokładne i trudno będzie znaleźć prawdziwą wartość Twoich płatnych kampanii.

Spójrzmy na równe pole gry: atrybucja liniowa

Ten model zaczyna być interesujący, ponieważ modelowanie liniowe przypisuje zasługę każdemu punktowi kontaktu na ścieżce konwersji. Jak na przykład:

Ten model faworyzuje każdy punkt kontaktu na ścieżce konwersji, weźmy punkt 2 w powyższym przykładzie: Płatne wyszukiwanie > Bezpośrednie

Spowoduje to przypisanie 50% konwersji do płatnej reklamy – gdy odniesiesz się do swojego konta AdWords, zobaczysz 0,5 w kolumnie konwersji. W tym modelu przyjęto podejście „zespołowe” – jeśli kanał wspomagał proces konwersji, zostanie mu przyznany kredyt.

Zaletą tego modelu jest to, że uwzględniany jest każdy punkt kontaktu, dzięki czemu tworzy on równe szanse, dzięki czemu będziesz mógł zobaczyć, gdzie każde słowo kluczowe na Twoim koncie AdWords zostało przypisane do konwersji.

Jednak ten model nie docenia kluczowych punktów styku i przecenia mniejsze punkty styku. Po wdrożeniu tego modelu, na czym koncentrujesz swoje wysiłki związane z płatnymi wyszukiwaniem? To sprawia, że ​​niezwykle trudno jest zdecydować, które słowa kluczowe są skuteczne, a które nie i gdzie najlepiej przypisać budżet. Podobnie jak w przypadku pierwszego i ostatniego kliknięcia, oparcie skuteczności na liniowym modelu atrybucji doprowadzi do przyjęcia założeń dotyczących płatnych kampanii, które mogą być nieprawidłowe, ograniczając wyniki kampanii i potencjalnie marnując wydatki.

Liniowy werdykt atrybucji: Jeśli chodzi o równe szanse, ten model załatwi sprawę. Dzięki temu zobaczysz, jaką rolę odgrywają Twoje reklamy na każdej ścieżce konwersji, wraz z % przypisanej wartości. Ten model nie docenia kluczowych punktów styku i może utrudnić przypisanie wartości najskuteczniejszym kampaniom, dlatego należy zachować ostrożność.

Przyjrzyjmy się teraz stopniowemu nachyleniu: atrybucja rozkładu czasowego

Model ten opiera się na zaniku wykładniczym, przypisując większość udziału ostatniemu punktowi kontaktu, a mniejszą wartość wcześniejszym punktom kontaktu. Jak na przykład:

Ten model jest bardziej złożony, ponieważ wykorzystuje algorytm do delegowania udziału do właściwych punktów kontaktu, przyglądając się kanałowi najbliżej konwersji i działając wstecz. Model ten zakłada, że ​​wraz ze zbliżaniem się użytkownika do konwersji, znaczenie kanału będzie rosło zgodnie z intencją.

Zaletą tego modelu jest to, że możemy teraz rozpocząć optymalizację w oparciu o interakcje: umieszczając najwyższą wagę w końcowym punkcie styku, możemy założyć, że bez tego użytkownik nie znalazłby Cię w tym słodkim momencie, kiedy zdecydował się na konwersję, dobrze? No nie bardzo. A co z pierwszym punktem kontaktu? Gdyby tego nie było, użytkownik nigdy by Cię nie odkrył i nie wszedł na ścieżkę konwersji. Co mam powiedzieć, że gdyby nie było Twojej reklamy, nie kliknęliby po prostu organicznie?

Musimy przyznać, że ten model idzie o krok dalej niż poprzednie modele, przez które przechodziliśmy. Brakuje mu jednak zdolności rozpoznania interakcji, która początkowo podchwyciła tego klienta – co prawdopodobnie ma równie duże znaczenie, jak ta ostatnia.

Werdykt dotyczący rozkładu czasowego: jeśli chcesz przeprowadzić optymalizację pod kątem punktów styku bliższych konwersji, wybierz ten model , ponieważ punkty styku łączą się, a wartość wzrasta aż do konwersji, która będzie miała największy udział. Czy ten model jest idealny? Nie do końca. Pomimo doskonałej atrybucji do optymalizacji konwersji, brakuje jej wiarygodności i mocno niedocenia pierwszy punkt kontaktu.

Najlepsze z obu światów: atrybucja oparta na pozycji

Ten model łączy w sobie najlepsze cechy rozkładu liniowego i rozkładu czasowego, atrybucja oparta na pozycji przypisuje 40% pierwszemu i ostatniemu punktowi kontaktu oraz 20% dodatkowemu w każdym punkcie kontaktu pomiędzy. Jak na przykład:

Podobnie jak Linear, ten model uwzględnia każdy punkt kontaktu, jednocześnie umożliwiając optymalizację dla pierwszego i ostatniego punktu kontaktu. Korzystanie z tego modelu pozwoli Ci zoptymalizować kampanie i słowa kluczowe w oparciu o najbardziej kluczowe punkty w procesie konwersji. Po wyjęciu z pudełka ten model naprawdę zaczyna rozumieć dokładne przypisywanie wartości – aby przenieść to na wyższy poziom, możesz dostosować wartości procentowe do swoich celów.

Istnieją jednak wady: ten model zakłada, że ​​pierwszy i ostatni punkt styku zasługują na dokładnie taką samą wagę. Aby lepiej to wyjaśnić, pomyśl o następującym scenariuszu: użytkownik najpierw klika bezpłatne ogłoszenie, aby przejść do Twojej witryny, a następnie sześć interakcji później dokonuje konwersji za pośrednictwem płatnej reklamy – czy słuszne jest założenie, że zarówno bezpłatne, jak i płatne ogłoszenie powinny otrzymać 40%? Prawdopodobnie nie. Reklama pojawiła się w kluczowym momencie i skłoniła użytkownika do konwersji, ale nadal będziemy przypisywać tę samą wagę pierwszemu kliknięciu organicznemu.

Werdykt oparty na pozycji: ten model jest świetny i gdybyśmy mieli go polecić do użycia w AdWords od razu, byłby to ten. Jeśli tak, pamiętaj, aby wziąć pod uwagę swoje wagi, aby osiągnąć swoje cele. W porównaniu z modelami atrybucji, które opracowaliśmy do tej pory, ten jest zdecydowanie najlepszy – jednak od czasu do czasu może wymagać drobnych poprawek.

Idealny scenariusz: atrybucja oparta na danych (DDA)

Ten model jest świętym Graalem modeli atrybucji w AdWords, ponieważ przypisuje udział w konwersjach na podstawie tego, jak ludzie szukają Twojej firmy i decydują się zostać Twoimi klientami. Ten model różni się od wszystkich powyższych, ponieważ wykorzystuje dane konwersji do obliczenia rzeczywistego udziału każdego słowa kluczowego na ścieżce konwersji, dzięki czemu model jest zupełnie inny dla każdego reklamodawcy.

Czy kiedykolwiek chciałeś mieć własny model atrybucji? Teraz jest czas. Ale czekaj, to nie jest takie proste — ten model ma dość duże wymagania dotyczące danych:

„Ogólne wytyczne: aby ten model był dostępny, konto musi mieć co najmniej 15 000 kliknięć, a działanie powodujące konwersję musi mieć co najmniej 600 konwersji w ciągu 30 dni”

Tak. ???? Co więcej, wymagania dotyczące konwersji muszą być konsekwentnie realizowane co miesiąc, czyli 10 000 kliknięć i 400 konwersji – a więc nadal znaczna kwota. Oszczędność tego modelu polega na tym, że nadal jest w wersji beta , stąd solidne wymagania dotyczące danych. Możemy założyć, że im coraz więcej kont przełączanych na Data-Driven, tym niższy próg i tym większe prawdopodobieństwo, że mniejsze konta mogą przejść na ten model.

Według Google „ DDA zazwyczaj zapewnia więcej konwersji przy podobnym koszcie konwersji niż atrybucja ostatniego kliknięcia ”. To wszystko dobrze i dobrze: jednak w większości przypadków jest to poza zasięgiem – szczególnie w przypadku kont, które nie odnotowują dużych poziomów konwersji. Ten model nadaje się do e-commerce i dużych budżetów, co jest dość denerwujące (na razie).

Werdykt oparty na danych: jeśli spadniesz poniżej progu, to jest to rozwiązanie, które należy wybrać w Google AdWords. W rzeczywistości ogromny odsetek kont AdWords nie osiągnie miesięcznych wymagań dotyczących danych, więc trzeba będzie poczekać, aż wszyscy klienci AdWords będą mogli wypróbować ten nowy model.

Zrób to sam: niestandardowe modele atrybucji

W razie potrzeby możesz dostosować swoje modele atrybucji w Google Analytics. Można to zrobić na poziomie widoku w Google Analytics – po prostu przejdź do administratora i kliknij „Modele atrybucji”:

W tym miejscu kliknij „+ Nowy model atrybucji”:

Będąc tutaj, będziesz mógł wybrać model bazowy, który będzie dowolnym z powyższych (bez uwzględnienia opartego na danych). Następnie możesz pobawić się funkcjami, takimi jak ważenie %, okres półtrwania zaniku, okres ważności i dodać niestandardowe zasady kredytowe.

Popularnym sposobem dostosowywania atrybucji jest zmiana wag w modelu opartym na pozycji; powiedzmy, że chcesz, aby do ostatniego punktu kontaktu był większy udział niż do pierwszego. Możesz wykonać następujące czynności:

Dostosowywanie modelu ma wadę: nie będzie on dostępny w interfejsie AdWords (na razie). Ten model będzie musiał zostać zastosowany w Google Analytics, możesz dodawać segmenty i raporty niestandardowe, aby filtrować płatny ruch, ale nie będziesz ich widzieć w menu Konwersje AdWords:

Werdykt niestandardowej atrybucji: przejmij kontrolę nad atrybucją, ale nie będzie ona wyświetlana w interfejsie AdWords . Jest to świetne rozwiązanie dla użytkowników, którzy naprawdę koncentrują się na tym, gdzie chcą przypisywać wartość, a tworzenie kopii zapasowych za pomocą niestandardowych raportów w analizach może pomóc w uzyskaniu prawdziwego obrazu skuteczności i optymalizacji kampanii.

Zanim zamknę ten post dotyczący atrybucji Google AdWords, chcę odpowiedzieć na pytanie, które jest mi dość często zadawane:

Co się stanie, gdy zmienisz model atrybucji w Google Adwords?

Czy konwersje spadną? Czy wzrosną? Czy się zmienią? Czy moje konto AdWords imploduje?

Zrelaksować się. Wystarczy wejść do AdWords, zmienić model pod kątem prawidłowej konwersji i zapisać ustawienia. Gdy to zrobisz, model zostanie zaktualizowany i od razu zaczniesz śledzić.

TL; DR

Ostatnie kliknięcie: przypisuje cały kredyt do ostatniego kliknięcia wykonanego przez klienta. Jeśli reklama znajdowała się na początku/w połowie ścieżki, nie otrzyma żadnego kredytu.

Pierwsze kliknięcie: przypisuje cały kredyt do pierwszego kliknięcia wykonanego przez klienta. Jeśli reklama znajdowała się na końcu/w połowie ścieżki, nie otrzyma kredytu.

Liniowy: przypisuje równo udział we wszystkich punktach kontaktu. Gdyby na ścieżce konwersji były cztery interakcje, które zawierały reklamę, otrzymałaby 0,25 konwersji.

Rozpad czasowy: stopniowo przypisuje udział w miarę zbliżania się użytkownika do konwersji. Pierwszy punkt kontaktu otrzymuje najmniej uznania, a ostatni najwięcej.

Na podstawie pozycji: Przypisuje 40% udziału pierwszemu, 40% ostatniemu i dodatkowe 20% we wszystkich punktach kontaktu pomiędzy.

Oparte na danych: wymaga co najmniej 15 000 kliknięć i 600 konwersji w ciągu 30 dni. Ten model wykorzystuje algorytm do przeglądania danych konwersji i przypisywania udziału.

Niestandardowe: Dostosuj powyższe modele (nie oparte na danych) do swoich celów. Nie będą one jednak dostępne w interfejsie AdWords.

Jaki model atrybucji wybrać w Google Adwords?

Czy masz na swoim koncie ponad 15 000 kliknięć i 600 konwersji miesięcznie? Jeśli tak, zalecamy korzystanie z modelu opartego na danych.

W przypadku wszystkich innych kont zalecamy korzystanie z modelu opartego na pozycji jako punktu wyjścia. Jako agencja używamy ostatniego lub pierwszego kliknięcia tylko w rzadkich przypadkach, więc wybierz opcję Opartą na pozycji, a Twoja atrybucja będzie miała dobry start.

Jeśli potrzebujesz pomocy z płatnym wyszukiwaniem, nie wahaj się z nami skontaktować.