Atrybucja konwersji i modele atrybucji – kompletny poradnik

Atrybucja konwersji i modelowanie atrybucji to jeden z tych tematów, o którym niby każdy słyszał, ale tak do końca to nie wiadomo, o co w tym chodzi.

Wyświechtany już cytat Johna Wanamakera pasuje tutaj jak ulał:

Half the money I spend on advertising is wasted; the trouble is I don’t know which half.

John Wanamaker

Mogłoby się wydawać, że z dzisiejszą technologią znalezienie tej zmarnowanej połowy budżetu to pestka.

Rozczaruję Cię: jest równie trudno, jak przed erą Internetu. Dlaczego? Szczegółowo wyjaśnię to w tym artykule o atrybucji konwersji i jej modelowaniu.

Co to jest atrybucja konwersji?

Atrybucja to przypisanie konwersji (np. sprzedaż, pozyskanie leada, zapis na newsletter) do konkretnego źródła ruchu. 

Może się to odbywać na poziomie ogólnym dla danego kanału (organiczne wyniki wyszukiwania, wejście bezpośrednie, reklama na Facebooku), lub na poziomie szczegółowym, gdzie atrybucja dotyczy konkretnej kampanii czy nawet kreacji reklamowej.

Atrybucja konwersji pozwala określić, które działania marketingowe przynoszą efekty.

W przypadku mniejszych firm takie rozróżnienie zwykle ma sens na poziomie poszczególnych kanałów pozyskania ruchu, natomiast przy dużych biznesach istotne jest zwrócenie uwagi na skuteczność poszczególnych słów kluczowych, kampanii, a nawet wyglądu i treści komunikatów reklamowych.

Różne narzędzia i platformy (jak Google Analytics, Google Ads, Facebook Ads) mają swój własny sposób atrybucji konwersji. Omówię je w dalszej części artykułu.

Co to jest modelowanie atrybucji?

Rzadko zdarza się, żeby klient kupił produkt lub usługę po pierwszym kontakcie z marką.

Zwykle potrzeba kilku punktów styku, aby przekonać klienta do wydania pieniędzy na Twojej stronie. Generalnie im droższy i bardziej skomplikowany jest produkt, tym więcej czasu i informacji potrzebuje klient, aby podjąć decyzję.

Niesprawiedliwie byłoby więc przypisywać zasługi związane z pozyskaniem klienta tylko do jednego z kanałów, który przyciągnął go na stronę internetową, prawda?

Modelowanie atrybucji pozwala Ci podzielić wkład w wygenerowanie konwersji, tak aby odzwierciedlić rolę wybranych lub wszystkich interakcji na ścieżce zakupowej.

Przykładowo jeśli klient odwiedził Twoją stronę dwukrotnie z reklam na Facebooku, trzykrotnie z bezpłatnych wyników wyszukiwania w Google, a na koniec wszedł z kampanii brandowej w Google Ads i wtedy dokonał zakupu, to modelowanie atrybucji daje Ci możliwość “podzielenia” tej jednej konwersji na kilka kanałów i przypisanie im odpowiedniej części zasług.

Brzmi skomplikowanie?

To wyobraź sobie drużynę piłkarską, która wygrywa Ligę Mistrzów. Zarząd klubu przewidział premię drużynową na taką ewentualność. Czy cała premia wędruje do napastnika, który strzelił bramkę na wagę zwycięstwa w finale rozgrywek?

Nie, ponieważ wzbudziłoby to co najmniej niezadowolenie wśród reszty zespołu i sztabu.

Wszyscy pracowali na sukces zespołu, i chociaż wzrok mediów i kibiców skupiony jest na bohaterze zdobywającym najważniejszego gola, to nie byłoby to możliwe, gdyby nie praca na boisku włożona przez obrońców, pomocników, bramkarza, a także przez fizjoterapeutów czy trenerów w zaciszu ośrodka treningowego.

Premię drużynową można podzielić po równo. Można też przydzielić większą część zawodnikom, którzy spędzili więcej minut na murawie, a także wyróżnić dodatkowo tych, którzy “zrobili różnicę” w najtrudniejszych momentach.

Podobnie możesz zrobić z podzieleniem zasług za wygenerowanie konwersji dla różnych kanałów. Również tutaj znajdziesz różne modele podziału. Możesz też opracować własny, unikalny model.

Po co Ci atrybucja konwersji i modelowanie atrybucji?

Jeśli pracujesz w “Internecie”, czyli zajmujesz się kampaniami reklamowymi online, social media, content marketingiem, prowadzisz sklep internetowy lub inny biznes oparty o obecność w sieci, to znajomość tego jak działa atrybucja konwersji jest Ci zdecydowanie potrzebna. 

Bez niej możesz się grubo pomylić w decydowaniu o tym, jakie działania marketingowe podjąć i gdzie zainwestować budżet reklamowy.

Generalnie to, co każdy marketer czy właściciel biznesu chce wiedzieć, to:

• Jakie działania sprawiły, że pozyskaliśmy klienta? 
• Czy klientów przynosi Facebook, Google Ads, content marketing, działania sprzedażowe “w terenie”, czy może wszystko po trochu?
• Inwestować więcej w SEO, reklamę display, czy obecność w porównywarkach cen?
• Które kampanie można wyłączyć, aby zaoszczędzić budżet reklamowy i nie obniżyć przychodów?
• Skąd bierze się aż tyle konwersji z fraz brandowych i wejść bezpośrednich? Co spowodowało, że klienci szukali naszej marki lub zapamiętali adres strony?

Ta wiedza jest kluczowa, bo jeśli wiesz, co przynosi firmie klientów, to możesz mocniej postawić na te działania i wykręcać jeszcze lepsze wyniki. To cel, w jakim stosuje się atrybucję konwersji.

O to chodzi w optymalizowaniu działań marketingowych: wycinamy kanały i kampanie, które nie działają, a zaoszczędzone w ten sposób środki dosypujemy w miejsce, gdzie są efekty (albo je odkładamy i zwiększamy zysk).

Proste jak drut. W teorii. Bo rozwiązanie zagadki pod tytułem “kto wypracował klienta” jest trudne ze względu na ograniczenia technologiczne.

I – niestety – staje się coraz trudniejsze, nad czym ubolewają marketerzy, analitycy i przedsiębiorcy. A przynajmniej Ci, którzy są tego świadomi. Spokojnie, dołączysz do tej grupy po lekturze tego poradnika.

Korzyści z modelowania atrybucji

Niestandardowe modelowanie atrybucji jest w teorii dużo bardziej sprawiedliwe, niż przypisywanie konwersji do ostatniego źródła ruchu.

Uwzględnienie wszystkich interakcji na ścieżce konwersji sprawia, że jesteś bliżej prawdy w kontekście tego, które kanały i kampanie są skuteczne i generują dla firmy przychody.

Jeśli skupisz się tylko na ostatnim, domykającym transakcje źródle ruchu, to możesz przestrzelić z inwestycjami.

Może się okazać, że jeśli nie prowadzisz działań marketingowych u góry lejka sprzedażowego (budowanie świadomości marki, docieranie do nowych grup odbiorców, słowa kluczowe typowe dla fazy researchu danego produktu lub usługi), to liczba wyedukowanych i gotowych do zakupu klientów będzie się stopniowo zmniejszać.

Zmniejszy się więc liczba osób, do których możesz dotrzeć z kampanią domykającą sprzedaż (np. poprzez remarketing), która według standardowej atrybucji Last-Click zdaje się być najbardziej opłacalną aktywnością marketingową.

W skrócie: korzystanie z modelowania atrybucji pozwala skuteczniej alokować budżet marketingowy, co finalnie powinno się przełożyć na więcej pieniędzy koncie firmy (obcinasz zbędne kampanie i inwestujesz w te, które generują obroty).

Atrybucja konwersji w Facebook, Google Ads i Google Analytics

Każda z popularnych platform reklamowych stara się przypisać jak najwięcej zasług w pozyskaniu konwersji właśnie sobie. Nie ma co się temu dziwić – im więcej przychodu generuje dana platforma, tym chętniej klienci będą tam inwestować.

Jeśli sprawdzisz liczbę konwersji w Facebook Ads i Google Ads, a następnie zsumujesz te wartości, to okaże się, że jest ich więcej, niż w rzeczywistości (i więcej, niż w Google Analytics). Czy zatem systemy reklamowe oszukują?

Nie. Różne narzędzia wykorzystują odmienne metody atrybucji konwersji.

Przykładowo Facebook czy Google Ads przypisze konwersję do danej reklamy zawsze gdy wystąpi ona gdziekolwiek na ścieżce konwersji. Nie jest istotne, ile razy ten sam użytkownik odwiedził stronę wchodząc bezpośrednio, z Google Ads czy organicznych wyników wyszukiwania.

Systemy reklamowe nie posiadają informacji o innych kanałach pozyskiwania ruchu. Sprawdzisz w nich ścieżkę jedynie dla wizyt z tego jednego systemu. To oznacza, że widzisz tylko część wszystkich interakcji ze stroną.

Jest to spora różnica względem Google Analytics, który rejestruje każdą wizytę na stronie, niezależnie od źródła ruchu. Następnie te wizyty układane są w ścieżkę konwersji. W Google Analytics zobaczysz jak przeplatają się ze sobą wizyty z różnych systemów (ale tylko dla wizyt z tej samej przeglądarki i urządzenia).

Zalety i wady atrybucji konwersji w różnych narzędziach

Czy zatem Google Analytics jest idealnym miejscem do analizowania? Niestety nie.

Chociaż możesz analizować ścieżki konwersji w szerszym kontekście, to brakuje niektórych danych, które są dostępne w systemach reklamowych.

#1: Wyświetlenia reklam
Klient nie musi kliknąć w reklamę i przejść na stronę, aby dokonać wejść w interakcję z Twoją marką i poznać ofertę. Jeśli klient obejrzy wideo w Twojej reklamie na Facebooku (ale nie przejdzie na stronę), to jest to nadal istotna interakcja pod kątem konwersji. Google Analytics jej nie zarejestruje, ale Facebook już tak.

Pamiętaj, że Google Analytics ogranicza się do śledzenia interakcji jedynie na stronie internetowej. Podobnie wygląda to w przypadku reklam display w Google Ads. W ramach tego systemu możesz sprawdzić konwersje następujące po wyświetleniach reklamy.

Google Analytics 360 posiada opcję pozyskiwania danych o wyświetleniach reklam, natomiast jest to płatna wersja narzędzia, której cena jest poza granicą opłacalności dla zdecydowanej większości firm w Polsce. Nadal jest to jednak uzupełnienie GA jedynie o dane z systemu Google – dane z Facebooka o wyświetleniach reklam nie zostaną przekazane.

#2: Interakcje na różnych urządzeniach
Użytkownik w Google Analytics nie oznacza fizycznej osoby. Ponieważ narzędzie jest oparte o ciasteczka, to jeden użytkownik = jedna przeglądarka.

Jeśli klient odwiedza Twoją stronę z jednego laptopa, ale używa wymiennie Chrome, Firefox i Safari, to GA zarejestruje go jako trzech oddzielnych użytkowników. Finalnie konwersja będzie przypisana tylko do jednego z nich, więc część interakcji zostanie pominięta. 

Jedynie platformy, gdzie użytkownik jest przez cały czas zalogowany, są w stanie mierzyć interakcje między urządzeniami. Jak się domyślasz, Facebook jest taką platformą – niezależnie od tego, czy przeglądasz go w aplikacji mobilnej czy w przeglądarce na komputerze, jesteś zalogowany. Dlatego do mierzenia konwersji cross-device Facebook nadaje się świetnie. Niestety, jest jeden haczyk – widzisz tylko część zachowania użytkownika, ponieważ brakuje danych o ruchu z innych źródeł.

Jeden kanał lub jedna przeglądarka / urządzenie = prawidłowa atrybucja konwersji

Jak widać stosunkowo łatwo jest o mierzenie atrybucji w ramach jednego kanału, bądź w ramach jednego urządzenia (a dokładniej przeglądarki).

Problemy z modelowaniem atrybucji zaczynają się w momencie, gdy użytkownik odwiedza stronę z różnych źródeł i korzysta z wielu urządzeń. 

Niestety, w dzisiejszych czasach jest normą, że korzystamy z komputera i smartfona, a czasem też z tabletu, czy trybu incognito (który tworzy nowe ciasteczka).

Ten problem (i potencjalne rozwiązania pomagające nieco poprawić jakość danych) opisałem w dalszej części artykułu.

Źródła ruchu w Google Analytics, czyli gdzie może być przypisana konwersja?

Dwie główne metody określania źródła ruchu w Google Analytics to:

• Kanały
• Źródło / medium

Kanały

Grupowanie kanałów jest ustawione domyślnie. Google Analytics automatycznie przypisuje wizyty z każdego źródła do odpowiedniego kanału. Są to:

• Wejścia bezpośrednie
• Płatne wyniki wyszukiwania
• Bezpłatne wyniki wyszukiwania
• Sieci społecznościowe
• Email
• Odesłania
• Display

Takie grupowanie nie jest idealne. Wśród płatnych i bezpłatnych wyników wyszukiwania pojawiają się też słowa kluczowe związane ze marką, które charakteryzują się wysokim CTR, niskim CPC i dużą liczbą konwersji po ostatnim kliknięciu.

Tego typu wizyty są odpowiednikiem wejść bezpośrednich i wynikają z faktu, że użytkownik może nie pamiętać w 100% nazwy domeny lub jest zbyt leniwy, by ją wpisać (i wyszukuje w Google nazwy firmy). W skuteczny sposób przeszkadzają one w prawidłowej atrybucji konwersji oraz w prawidłowym wyliczeniu ROI z konkretnych kampanii reklamowych.

Na szczęście możesz dopasować grupowanie kanałów do własnych potrzeb. Jedną z funkcjonalności w Google Analytics jest możliwość dodania słów kluczowych związanych z marką. Następnie możesz utworzyć dwa nowe kanały i rozdzielić ruch z Google Ads na ten pochodzący z fraz brandowych i z reszty fraz. Szczegółowe instrukcje znajdziesz w centrum pomocy Google Analytics.

Źródło / medium

Rolą kanałów jest zgrupowanie źródeł ruchu. W raporcie źródło / medium znajdziesz natomiast dane przypisane do konkretnych witryn, które odesłały ruch na Twoją stronę.

Co do zasady ruch pochodzący z wyników wyszukiwania w Google czy z reklam Google Ads to też ruch z konkretnej witryny, a mianowicie z google.pl (czy google.com).

Niektóre z odesłań są więc automatycznie rozpoznawane przez Google Analytics i mają nadane konkretne wartości w źródło i medium.

Na przykład ruch z Google Ads jest przypisany do google / cpc, ruch z Facebooka do facebook.com / referral, a ruch z wyszukiwarki do google / organic. Wejścia bezpośrednie są przypisywane do (direct) / (none), i tak dalej.

Wartości źródło i medium możesz nadpisać tagami UTM. O tagowaniu linków napisałem oddzielny, obszerny poradnik – jeśli temat jest Ci obcy, to koniecznie go przeczytaj.

Wejścia bezpośrednie – kilka ważnych szczegółów

Wejścia bezpośrednie, czyli (direct) / (none), wymagają głębszego zrozumienia.

Nazwa może sugerować, że w tej grupie znajdują się tylko i wyłącznie wizyty wynikające z wpisania adresu URL w pasku przeglądarki.

W rzeczywistości pod (direct) / (none) trafiają wszystkie wizyty nie posiadające informacji o odesłaniu (referrer). Jest to więc ruch ze wszystkich nieznanych źródeł (w tym oczywiście po wpisaniu adresu w pasku przeglądarki).

Inne przypadki, kiedy wizyta jest zaliczana jako wejście bezpośrednie:

• Kliknięcie w zakładkę w przeglądarce
• Przekierowanie z http na https (powoduje nadpisanie rzeczywistej witryny odsyłającej)
• Link zamieszczony w SMS
• Link z aplikacji / programu desktopowego
• Link w pliku PDF
• Nieotagowany link w aplikacji mobilnej (w większości przypadków)
• Skrócony link, który nie był otagowany UTMami
• Link w mailu otworzonym w programie pocztowym poza przeglądarką (np. Thunderbird, Apple Mail etc.)

Ważny przypadek to sytuacja, w której użytkownik wchodzi na stronę bezpośrednio, ale wcześniej odwiedzał też witrynę z innego źródła ruchu. Wtedy Google Analytics zaliczy tę teoretycznie bezpośrednią wizytę na poczet ostatniego niebezpośredniego kanału (to model (to domyślny model atrybucji w Google Analytics – więcej o nim za chwilę).

Sesja bezpośrednia

Aby sprawdzić, czy wizyta na stronie rzeczywiście pochodziła na przykład Google Ads, dodaj wymiar dodatkowy Sesja bezpośrednia.

22,79% wizyt z google / organic na moim blogu to tak naprawdę wejścia bezpośrednie.

Taki sposób atrybucji źródła wizyty może się wydawać niezrozumiały, ale ma tak naprawdę wiele sensu. Rzadko zdarza się, żeby ktoś nie znający Twojej strony wszedł na nią bezpośrednio, wpisując adres w pasku przeglądarki. Zasługa za przyciągnięcie klienta na stronę wędruje więc do źródła, które pozwoliło znaleźć i zapamiętać Twoją witrynę.

Jest to bardziej sprawiedliwe, niż przypisywanie sesji bezpośrednich zawsze do tego źródła.

Domyślny model atrybucji konwersji w Google Analytics

Kontynuując temat wejść bezpośrednich, płynnie przechodzimy do domyślnego modelu atrybucji w Google Analytics.

Jest to model Last Non-Direct Click, czyli ostatnie wejście niebezpośrednie.

Idąc tropem dotyczącym przypisywania sesji do ostatniego niebezpośredniego źródła, to samo dzieje się z konwersjami.

Kilka przykładów poniżej.

Konwersja przypisana do: Bezpłatne wyniki wyszukiwania

Konwersja przypisana do: Wejście bezpośrednie

Konwersja przypisana do: Sieć społecznościowa

Konwersja przypisana do: Odesłania

Jak łatwo się domyślić, ten model nie jest zbyt sprawiedliwy w rozdzielaniu zasług za wygenerowanie konwersji. Kanał będący przed wejściem bezpośrednim zgarnia wszystko. Pozostałe interakcje są raportowane jako bezwartościowe.

Zapamiętaj, że model Last Non-Direct Click jest wykorzystywany we wszystkich raportach Google Analytics do przypisywania konwersji (standardowych i niestandardowych). Co istotne, nie da się tego zmienić.

Jest to jedna z większych bolączek Google Analytics. Jesteśmy więc skazani na model Last Non-Direct Click podczas korzystania z 95% funkcjonalności Google Analytics.

Jedynym miejscem, gdzie możesz wykorzystać inne modele atrybucji, jest sekcja Model Comparison Tool, czyli Porównanie modeli atrybucji.

Jakie są modele atrybucji w Google Analytics?

Odwiedź raport Porównanie modeli atrybucji na Twoim koncie GA. Narzędzie oferuje kilka predefiniowanych modeli atrybucji, a także opcję stworzenia własnego modelu od podstaw.

Modele atrybucji różnią się sposobem, w jaki określają, jak istotna była rola poszczególnych interakcji w wygenerowaniu konwersji.

Przyjrzyjmy się standardowym modelom.

• Ostatnia interakcja
  Ostatnie kliknięcie dostaje 100% zasług. Uwzględnione są także wejścia bezpośrednie.
• Ostatnie kliknięcie niebezpośrednie
  Domyślny model w Google Analytics. Bliźniaczo podobny do Ostatniej interakcji, z tą różnicą, że wejścia bezpośrednie są pomijane. 100% zasług zostaje przypisanych do źródła ruchu, które poprzedziło ostatnie z wejść bezpośrednich.
• Ostatnie kliknięcie Google Ads
  Model podobny do Ostatniej interakcji, ale uwzględniający wyłącznie ruch z platformy Google Ads.
• Pierwsza interakcja
  Źródło ruchu odpowiedzialne za pierwszą wizytę użytkownika w serwisie otrzymuje 100% zasług za doprowadzenie do konwersji. Uwzględnia też wejścia bezpośrednie.
• Liniowy
  Każde ze źródeł ruchu na ścieżce konwersji otrzymuje równą część zasług.
• Spadek udziału z upływem czasu
  Źródło ruchu będące najbliżej konwersji otrzymuje stosunkowo największą część zasług. Stopniowo ten udział się zmniejsza i źródło powodujące pierwszą interakcję otrzymuje najmniejszą część.
• Uwzględnienie pozycji
  Pierwsza i ostatnia interakcja otrzymują największe zasługi, wszystkie interakcje pomiędzy nimi otrzymują stosunkowo niższą wartość.

Który model atrybucji jest najlepszy?

W skrócie: żaden. Co istotne, w wielu przypadkach porównanie modeli atrybucji niewiele zmienia w podziale zasług za wywołanie konwersji. Dlaczego tak się dzieje? Dowiesz się z końcowej części poradnika.

Wracając do różnych modeli, każdy z nich może być użyteczny w Twojej firmie. Nie musisz też się decydować na jeden konkretny model. Możesz na bieżąco porównywać skuteczność różnych kanałów przez pryzmat różnych modeli atrybucji. To podejście, które rekomenduję. Dlaczego?

Każdy z domyślnych modeli atrybucji może Ci dostarczyć ciekawych informacji w konkretnym kontekście.

Ważne! Zanim zaczniesz porównywać modele atrybucji, sprawdź, czy raport bierze pod uwagę odpowiednie typy konwersji. Domyślnie wszystkie cele + transakcje E-commerce są zaznaczone. Zaznacz tylko te konwersje, których potrzebujesz do analizy (np. tylko Transakcje, lub cel będący istotną mikro-konwersją).

Przykład #1

Zastanawiasz się, gdzie inwestować, aby pozyskać więcej nowych użytkowników. Skorzystaj wtedy z modelu Pierwsza interakcja, a zobaczysz, które kanały i kampanie są najskuteczniejsze w dotarciu do osób, które jeszcze nie słyszały o Twoich produktach.

Przykład #2

Myślisz co zrobić, aby “domykać” więcej transakcji w sklepie internetowym. Sprawdź model Ostatnia interakcja i zobacz, które działania decydują o tym, że klient finalnie podejmuje decyzję.

Może się okazać, że są to w dużej mierze wejścia bezpośrednie (spowodowane na przykład wysyłką SMSa z kodem rabatowym). Warto oznaczać takie akcje notyfikacjami w Google Analytics, aby zweryfikować, jak wpływają one na decyzje zakupowe.

Przykład #3

Chciałbyś zweryfikować, czy na pewno wszystkie działania marketingowe są uzasadnione. Warto wtedy spojrzeć na model Liniowy i zobaczyć, czy któryś z kanałów zdecydowanie odstają od normy. Jeśli tak, to prawdopodobnie możesz je wyeliminować i nie odczuć spadku konwersji.

Wybór docelowego modelu atrybucji zależy od celu, jaki stawiasz przed analizą. Bezmyślne patrzenie się w tabelki i porównywanie różnic w modelach wiele Ci nie powie. Istotne jest, aby przed analizą danych określić, na jakie pytanie szukasz odpowiedzi. To definiuje z jakiego modelu powinieneś skorzystać i w jaki sposób interpretować dane.

Czego potrzebujesz, aby widzieć poprawne dane w porównaniu modeli atrybucji?

Żaden model atrybucji nie udzieli Ci wartościowych wskazówek, jeśli będzie brakować w nim poprawnych i kompletnych danych.

Samo dodanie kodu śledzącego Google Analytics na stronę nie wystarczy.

Aby móc analizować dane o konwersjach i działaniach, które do nich prowadzą, musisz zadbać o poprawną konfigurację Google Analytics.

#1: Konfiguracja celów i modułu E-commerce

Chociaż Analytics domyślnie mierzy wiele interakcji ze stroną, to nie wie, jaki jest Twój cel, czyli konwersja. Skonfigurowanie śledzenia konwersji to pierwsza rzecz, jaką powinieneś zrobić w Google Analytics.

Możesz to osiągnąć na dwa sposoby: poprzez Cele oraz moduł E-commerce (który ma dwie opcje: standardową i ulepszoną).

Moduł E-commerce jest stosowany w sklepach internetowych. Można go wprawdzie dopasować także do serwisów contentowych czy stron lead generation, ale to już wyższa szkoła jazdy. Co do zasady: jeśli nie sprzedajesz na stronie produktów, to nie instaluj modułu E-commerce.

Cele są elastyczne i pozwalają śledzić jako konwersję w zasadzie dowolną interakcję z Twoją stroną (wypełnienie formularza, kliknięcie w przycisk, zapis na newsletter, pobranie PDF i tak dalej). Sprawdź mój poradnik o konfigurowaniu celów w Google Analytics.

#2: Wykluczenie witryn odsyłających

Jeśli prowadzisz sklep internetowy, to korzystasz z operatorów płatności. Bezpośrednio przed zobaczeniem strony podziękowania za zakup (gdzie śledzona jest konwersja), użytkownik zazwyczaj przechodzi na stronę operatora (dotpay, PayU, przelewy24 etc.) lub banku i dokonuje tam płatności.

Taka interakcja nadpisuje właściwe źródło ruchu, przez co w raportach zobaczysz konwersje przypisane do stron banków czy operatorów płatności.

Jeśli w trakcie procesu zakupowego użytkownik zakłada konto i aktywuje je poprzez link umieszczony w mailu, to wejścia ze stron programów pocztowych również nadpiszą źródło ruchu.

Zobacz jak wykluczyć bramki płatności, banki i programy pocztowe z odesłań w Google Analytics

#3: Struktura tagowania UTM

Jeśli chcesz dokładnie analizować poszczególne kanały, kampanie i kreacje reklamowe, to koniecznie zadbaj o spójne tagowanie linków UTMami. Sprawdź przewodnik po tagowaniu UTM i stosuj zawarte w nim techniki. W przeciwnym wypadku szybko zrobi Ci się bałagan w danych.

#4: Filtry

Filtry pozwalają dopasować sposób wyświetlania danych w Google Analytics lub wyeliminować niepotrzebne dane (pochodzące od spambotów czy generowane przez pracowników firmy). W kontekście modeli atrybucji istotne są filtry dotyczące ruchu z Facebooka.

#5: Dopasowanie grupowania kanałów

Jak wcześniej wspomniałem, wartościowe jest wykluczenie fraz brandowych z kanałów takich jak bezpłatne i płatne wyniki wyszukiwania. Jeśli korzystasz z niestandardowych źródeł ruchu i chciałbyś je widzieć jako oddzielne grupy (na przykład serwisy afiliacyjne, własne zaplecza contentowe, porównywarki cen, agregatory etc.), to zdefiniuj te kanały w sekcji Administracja.

#6: Połączenie Google Ads z Google Analytics

Nie zapomnij o zintegrowaniu tych narzędzi! Inaczej nie zobaczysz danych o kampaniach Google Ads w GA, przez co wyliczenie CPA będzie niemożliwe.

#7: Import danych kosztowych z innych platform

Jedynie Google Ads posiada natywną integrację z Google Analytics, dzięki której zobaczysz dane o wyświetleniach reklam, kliknięciach i co najważniejsze o kosztach.

W przypadku Facebooka, Instagrama czy innych płatnych źródeł ruchu nie jest tak różowo. Musisz samodzielnie skonfigurować import danych kosztowych.

Na szczęście Google Analytics to umożliwia, istnieją też na rynku narzędzia takie jak OWOX BI czy Supermetrics Uploader, dzięki którym możesz zautomatyzować ten proces. Warto to zrobić, ponieważ porównasz wtedy nie tylko liczbę konwersji dla różnych kanałów, ale też koszt jej pozyskania (bez konieczności “klejenia” Exceli z danymi z różnych źródeł).

Przeczytaj więcej o imporcie danych kosztowych do Google Analytics.

Audyt i konfiguracja Google Analytics brzmi strasznie? Chętnie zrobię to za Ciebie! Sprawdź moją ofertę konfiguracji Google Analytics.

Dlaczego atrybucja konwersji zazwyczaj kiepsko działa?

W teorii wszystko wygląda prosto.

Ale problem zaczyna się w momencie, gdy chcesz przeanalizować ścieżkę konwersji użytkownika z uwzględnieniem wszystkich jego interakcji, niezależnie od urządzenia (cross-device), przeglądarki i kanału pozyskania ruchu (cross-channel).

Jak cross-device + cross-channel wygląda w praktyce?

Spójrzmy jak poszczególne narzędzia radzą sobie z analizą użytkowników pomiędzy różnymi urządzeniami i kanałami.

Google Analytics

Jak wcześniej pisałem, w Google Analytics jeden użytkownik to jedno ciasteczko (= przeglądarka). Połączenie wizyt z różnych przeglądarek w jedną całość jest niemożliwe, o ile nie prowadzisz serwisu wymagającego zalogowania (gdzie rzeczywiście większość użytkowników się loguje).

Gdy użytkownik pozostaje w obrębie jednej przeglądarki, możesz za to przeanalizować ścieżkę konwersji z uwzględnieniem różnych kanałów.

Facebook Ads

W przypadku Facebooka możliwe jest śledzenie interakcji na różnych urządzeniach, natomiast jedynie w obrębie tego konkretnego kanału. Facebook posiada dokładne dane, ponieważ reklamy, a co za tym idzie pochodzące z nich wizyty, są generowane przez zalogowanych na Facebooku użytkowników.

Dzięki temu możesz analizować ścieżki konwersji dla wizyt na różnych urządzeniach (ale bez uwzględnienia ruchu organicznego, z Google Ads czy mailingów).

Google Ads

W Google Ads znajdziesz więcej danych o ruchu między urządzeniami (czy konwersjach po wyświetleniu reklamy) niż w Google Analytics. Ale ponownie, będą to tylko dane dla Google Ads, bez uwzględnienia ruchu organicznego, mailingów, social media, innych płatnych kanałów etc.

Dodatkowo dane są mniej dokładne niż na Facebooku, ponieważ odsetek użytkowników zalogowanych na to samo konto Google zarówno na komputerze, jak i na smartfonie, jest niższy niż dla kont Facebook.

Cross-device na urządzeniach mobilnych

Interakcje z Facebookiem czy Instagramem na urządzeniach mobilnych w większości odbywają się wewnątrz aplikacji mobilnej.

Jak pewnie zauważyłeś, od dłuższego czasu kliknięcie w link wewnątrz aplikacji nie przenosi Cię do przeglądarki mobilnej, ale otwiera link w tzw. “in-app browser” (więcej o nich w tym artykule), czyli przeglądarce bez dodatkowego interfejsu. Jedyną opcją jest w niej powrót do głównej aplikacji (np. Facebooka). Nie możesz swobodnie wpisać innego adresu URL.

Rozwiązanie to pomaga utrzymać użytkownika w aplikacji nawet gdy kliknie on w reklamę czy link. Stąd ograniczona funkcjonalność przeglądarki in-app.

I teraz kluczowa informacja: każda przeglądarka in-app posiada oddzielny zestaw ciasteczek (!!!).

W praktyce oznacza to, że jeśli odwiedziłeś stronę damianrams.pl trzykrotnie z tego samego smartfona, ale korzystając z trzech różnych kanałów: aplikacja Facebook, aplikacja Instagram i mobilne wyniki wyszukiwania Google, to w Google Analytics zostałeś zarejestrowany jako 3 różnych użytkowników (!).

Zakładając, że wielu użytkowników smartfonów korzysta z tych trzech funkcjonalności / aplikacji, a do tego wykorzystuje laptopa, to mamy tutaj minimum 4 użytkowników w GA.

Jest to sytuacja dużo bardziej skomplikowana, niż jeszcze 5-6 lat temu, kiedy linki z aplikacji otwierały się zawsze w tej samej przeglądarce mobilnej. W takim wypadku mielibyśmy 2 użytkowników w GA.

Kiedy modelowanie atrybucji w Google Analytics ma mało sensu?

W związku z powyższym ścieżki konwersji w Google Analytics potrafią być zaskakująco krótkie, ponieważ są niekompletne.

Modelowanie atrybucji na ich podstawie zwykle prowadzi do błędnych decyzji, na przykład do zatrzymania kampanii nie generujących bezpośrednio konwersji (które w rzeczywistości odpowiadają za sprowadzanie nowych użytkowników mobilnych będących w fazie researchu).

Jak określić, czy powinieneś w ogóle zaprzątać sobie głowę modelowaniem atrybucji? 

Spójrz na poniższą matrycę i sprawdź, gdzie się na niej znajdujesz. Im bliżej prawego górnego rogu, tym mniejszy sens korzystania z modelowania atrybucji w Google Analytics.

Zapamiętaj:

• Im większa liczba sesji mobilnych, tym mniej wiarygodny model atrybucji.
• Im większa liczba mobilnych kanałów pozyskania ruchu, tym mniej wiarygodny model atrybucji.

Co do zasady, najbardziej wiarygodny model atrybucji uzyskasz przy ruchu wyłącznie z komputerów. Ryzyko, że jedna osoba używa regularnie różnych przeglądarek jest dużo mniejsze, niż ryzyko wykorzystywania przez jedną osobę kilku aplikacji mobilnych (Facebook, Instagram, wyszukiwarka Google).

Jak sobie poradzić z mało wiarygodnymi modelami atrybucji

Niestety problemu z atrybucją cross-device + cross-channel praktycznie nie da się rozwiązać.

Istnieje kilka sposobów, które są niezłą alternatywą dla analizy danych w przypadku, gdy Twój model atrybucji – ze względu na kombinację takich czynników, jak skomplikowany produkt z długą ścieżką konwersji + dużo ruchu mobilnego z różnych kanałów – jest po prostu bezużyteczny.

#1: Zachęta do zalogowania

W idealnych warunkach każdy użytkownik logowałby się od razu po wejściu na stronę. Wtedy niezależnie od urządzenia i przeglądarki jesteś w stanie go rozpoznać po unikalnym ID konta.

Zmuszanie użytkownika do logowania się w sklepie internetowym czy na blogu to byłby niestety strzał w stopę pod kątem UX i zdecydowanie to odradzam.

Ciekawym przykładem jest Goodreads, który na desktopie podejmuje próbę automatycznego zalogowania przez konto Facebook:

Osobiście uznaję takie rozwiązanie za nieetyczne, ale najwidoczniej użytkownicy nie protestują, bo ta funkcjonalność działa już od wielu lat.

Jeśli strona jest typowym, zamkniętym systemem (jak e-commerce dla klientów B2B, gdzie konto jest wymagane do zobaczenia produktów i cen), to warto zainteresować się funkcjonalnością User ID w Google Analytics.

Dzięki niej będziesz mógł analizować zachowanie użytkowników na różnych urządzeniach. Niestety, jest to funkcjonalność, z której realnie może skorzystać tylko garstka biznesów.

#2: Wykorzystanie mikrokonwersji i metryk na poziomie sesji

Skoro trudno o całościową analizę ścieżki konwersji złożonej z wielu wizyt, to można pokusić się o analizę konkretnych wizyt w izolacji.

Zakładając, że prowadzisz różne typy kampanii, dla każdej z nich można określić konkretne zachowania użytkownika (zakup, zapis na newsletter, obejrzenie video, dodanie do koszyka etc.), jakich oczekujesz.

Następnie na ich podstawie możesz określić, czy wizyta bez makrokonwersji (zakup czy wypełnienie formularza kontaktowego) była wartościowa lub nie.

Kluczowym elementem jest określenie mikrokonwersji i skonfigurowanie ich w sekcji Cele. Wiele z nich będzie wymagać wcześniejszego skonfigurowania zdarzeń (najlepiej przez Google Tag Manager), o których oparte będą cele.

Mikrokonwersje przydatne do oceny jakości wizyty to na przykład:

• Zapis na newsletter
• Dodanie produktu do listy życzeń
• Skorzystanie z filtrów na stronie kategorii
• Obejrzenie wideo
• Przewinięcie artykułu do samego dołu
• Wypełnienie formularza kontaktowego
• Udostępnienie wpisu blogowego w social media
• Przejście na istotną podstronę (cennik, koszyk etc.)
• Pobranie ebooka
• Dodanie komentarza
• Dodanie oceny produktu
• Odwiedzenie X podstron podczas wizyty
• Zapis na prezentację demo produktu
• Założenie konta

Przydatne okażą się metryki oceniające jakość wizyty, takie jak:

• Współczynnik odrzuceń
• Strony / sesja

Średni czas na stronie i Średni czas trwania sesji polecam traktować z dystansem, ponieważ sposób mierzenia tych metryk pozostawia wiele do życzenia.

#3: Korzystanie z analityki dla poszczególnych kanałów

Zdecydowanie polecam korzystanie z danych dostępnych w konkretnych systemach reklamowych, jak Facebook czy Google Ads.

Wiedzę o skuteczności płatnych i bezpłatnych źródeł ruchu z Google Analytics warto uzupełnić ciekawymi danymi o:

• Konwersjach po wyświetleniu reklamy
• Interakcjach z kreacjami reklamowymi (bez przejścia na stronę)
• Konwersjach następujących po wizytach z różnych urządzeń

W ten sposób możesz ocenić skuteczność poszczególnych działań z większą dokładnością. Ocena wyłącznie przez pryzmat makrokonwersji to zbyt mało.

Podsumowanie

Atrybucja konwersji to trudny temat, ponieważ pole manewru w analizach jest ograniczone przez technologię i sposób działania narzędzi (ciasteczka, ciasteczka).

Modelowanie atrybucji nie jest magiczną różdżką, dzięki której każdą złotówkę z budżetu reklamowego wydasz w idealny sposób. Tylko niektóre biznesy online (wymagające logowania) są w stanie bardzo dokładnie przeanalizować zachowanie klientów korzystających z różnych urządzeń i przeglądarek.

Im większy odsetek wizyt mobilnych, tym mniejsza wiarygodność atrybucji konwersji. 

Zdecydowana większość marketerów jest zatem skazana na “szycie” i eksperymentowanie. To nadal lepsze, niż poddanie się i zawieszenie działań optymalizacyjnych.

Dlatego jak najbardziej zachęcam do porównywania różnych modeli atrybucji, testowanie wyłączania / włączania różnych kanałów i kampanii, a przede wszystkim do korzystania z metryk na poziomie sesji (koniecznie skonfiguruj mikrokonwersje!).

Pamiętaj tylko, aby mieć świadomość jakości Twoich danych i tego, jak wpływają na rekomendacje wypływające z analiz. Ślepe zaufanie atrybucji konwersji przy niskiej jakości danych może się skończyć kiepskimi wynikami.