Ugrás a tartalomra
searchboar.

Találatok és mérés

Attribúció: jelentés és gyakorlati példa

Az attribúció annak szabálya vagy modellje, hogy egy mért eredményért mely marketingérintések kapnak jóváírást. Egy vásárlás kapcsolódhat például kereséshez, hírlevélhez és visszatérő látogatáshoz. A jóváírás elosztása nem bizonyítja, hogy az adott csatorna nélkül az eredmény nem történt volna meg.

Más elnevezések: attribution · konverziós jóváírás

Röviden

  • Az attribúció a jóváírást osztja el, nem új konverziókat hoz létre.
  • Ugyanaz az ügyfélút különböző modellekkel eltérő csatornateljesítményt mutathat.
  • Az attribúciós riportot különítsd el az ok-okozati hatás vizsgálatától.
Ezen az oldalon
Keresésből, levélből és visszatérésből álló út végén egy üzleti cél látható; a köztes pontokhoz jóváírások kerülnek.
Az attribúció a választott modell szerint osztja el az eredményhez kapcsolt jóváírást; nem önmagában ok-okozati bizonyíték.

Milyen problémát old meg az attribúció?

Egy ügyfél ritkán találkozik a vállalkozással pontosan egyszer. Először elolvas egy keresésből talált útmutatót, később hírlevélből visszatér, majd néhány nap múlva rendel. Ha minden csatorna a teljes rendelést saját eredményként számolja, az összesítés több bevételt sugallhat, mint amennyi ténylegesen beérkezett.

Az attribúció egy meghatározott rendszer keretein belül rendeli az eredményt a megfigyelt érintésekhez. A konverzió a teljesült cél; az attribúció az ehhez kapcsolódó jóváírás. Az egyik az esemény megtörténtéről, a másik annak marketinges értelmezéséről szól.

Mit változtat meg a modell?

Egy utolsó érintésen alapuló modell másként osztja el az eredményt, mint egy több érintést figyelembe vevő, adatvezérelt megoldás. A Google Analytics dokumentációja az elérhető modellek működését és a közvetlen forgalom kezelését is leírja. A konkrét riporthoz az ott beállított szabályt kell ismerni.

Képzelj el egy 60 000 forintos rendelést. Az egyik modell egyetlen forráshoz rendelheti, egy másik megoszthatja a jóváírást több érintés között. A befolyt összeg ettől nem változik. Ha modellváltás után nő egy csatorna kimutatott bevétele, előbb a szabályváltozás hatását vizsgáld, ne azonnal javuló üzleti teljesítményt jelents.

Példa: útmutató, hírlevél, visszatérés

Egy képzeletbeli kávépörkölő vásárlója az őrlési finomságról keres információt. Egy organikus találatból jut az útmutatóra, feliratkozik, majd egy hírlevél ajánlatán keresztül rendel. A keresési cikk és a levél más szerepet tölthetett be az útban.

A hírlevél UTM-paraméterei segíthetnek azonosítani a kattintást, de nem magyarázzák meg a vásárló minden indítékát. Lehet, hogy korábban egy ismerőse ajánlotta a márkát, amit az analitika nem lát. A példa nem valós ügyféladat; azt mutatja meg, miért érdemes a mért útvonalat részleges megfigyelésként kezelni.

Ha a cikk nem kap jóváírást egy adott riportban, abból még nem következik, hogy haszontalan volt. Ugyanakkor a szerepét bizonyíték nélkül sem szabad korlátlanul felértékelni.

Milyen beállítások számítanak még?

A modell mellett fontos az időablak: milyen korábbi érintések kerülhetnek be az értékelésbe. Számít az azonosítás, az eszközváltás, az adatgyűjtés lefedettsége és a konverzió pontos meghatározása is. Két rendszer azonos nevű oszlopa ezért eltérő eredményt mutathat.

A forgalmi forrás és a forgalmi csatorna szintén különböző részletességű adat. Egy konkrét hírlevél forrása és az Email csatorna összesített eredménye nem ugyanaz a bontás. Összehasonlítás előtt írd le a modell, az időablak, a cél és a dimenzió nevét.

Miért nem bizonyít ok-okozati hatást?

Az attribúció megfigyelt érintésekhez rendel eredményt. Az ok-okozati kérdés ezzel szemben az, hogy mi történt volna az adott marketingtevékenység nélkül. Ez egy másik vizsgálat: megfelelően megtervezett kísérlet vagy más, a körülményekhez illő elemzés szükséges hozzá.

Például egy márkanévre kattintó visszatérő vásárló már korábban eldönthette, hogy rendel. A kattintás mérhető és kaphat jóváírást, de ebből nem tudjuk, mennyi új vásárlást hozott maga a kampány. A bizonytalanság kimondása jobb döntéshez vezet, mint a riport számainak teljes oksági magyarázatként kezelése.

Hogyan olvasd üzleti szemmel a jelentést?

Először egyeztesd az összesített eredményt a tényleges rendeléssel vagy érdeklődésekkel, az eltérő lefedettséget figyelembe véve. Ezután vizsgáld meg, mely csatornákhoz kerül a jóváírás, és mennyire érzékeny a kép a választott szabályra. A trend mellé tedd oda a költséget és az eredmények minőségét.

Tartalmi döntésnél az attribúció egy támpont a több közül. Hasznos látni a belépő kérdéseket, a későbbi továbblépést és a visszatérést is. Így nem egyetlen oszloptól várod annak eldöntését, hogy melyik magyarázat segített az ügyfélnek megérteni a terméket.

A SEO megtérülésének vizsgálatában az attribúcióval hozzárendelt bevétel csak egy bemeneti adat. A számításnak meg kell határoznia, milyen üzleti értékkel, mely SEO-költségekkel és milyen időszakkal számol; a bevétel és a nyereség eltérő összeg. Egy kedvezőbb attribúciós modell a rendelések és a költségek változása nélkül is több bevételt rendelhet a csatornához, ezért önmagában nem bizonyít jobb megtérülést.

Források

  1. Google Analytics: az attribúció működése
  2. Google Analytics: konverziók és kulcsesemények
  3. Google Analytics: forgalmiforrás-dimenziók