Panduan Untuk Model Atribusi Google Ads di 2023 – Apakah Atribusi Berdasarkan Data Masa Depan?

Diterbitkan: 2023-04-01

Mengapa Model Pengaitan Google Ads Penting

Studi menunjukkan bahwa konsumen terlibat dengan produk setidaknya delapan kali sebelum membeli , dan dibutuhkan 7-13+ keterlibatan dengan bisnis Anda sebelum prospek berkonversi . Oleh karena itu, menggunakan model atribusi yang tepat sangat penting bagi bisnis untuk memahami bagaimana kinerja saluran dan kampanye terkait dengan semua poin kontak tersebut.

Berikut adalah dua alasan utama mengapa memilih model atribusi yang tepat itu penting:

1. Pemahaman: Model atribusi membantu bisnis memahami kinerja. Meskipun model pengaitan yang sempurna mungkin tidak ada (walaupun beberapa mengklaim bahwa pengaitan berdasarkan data adalah yang paling mendekati), memilih model yang tepat dapat menghasilkan pemahaman kinerja yang lebih akurat. Hal ini, pada gilirannya, mengarah pada pengambilan keputusan yang lebih baik dalam hal strategi pemasaran dan pengeluaran iklan.

2. Pengoptimalan: Menggunakan model atribusi yang tepat juga penting untuk mengoptimalkan kampanye iklan. Hal ini berlaku baik dari perspektif strategi penawaran – karena Google akan menggunakan data konversi untuk mengoptimalkan kampanye yang menggunakan strategi penawaran otomatis – serta untuk pengiklan yang membuat pengoptimalan kampanye manual berdasarkan data konversi mereka. Model pengaitan yang berbeda dapat mengungkapkan wawasan tentang kata kunci dan iklan mana yang paling efektif dalam mendorong konversi.


Panduan Model Pengaitan Google Ads

google_attribution_models

Sumber: Louisaustin.co

Mari kita lihat enam model atribusi Google Ads yang tersedia dan cari tahu mana yang tepat untuk Anda, pelajari pro dan kontra dari setiap model atribusi.

  • Atribusi klik terakhir
  • Atribusi klik pertama
  • Atribusi berbasis posisi
  • Atribusi linier
  • Atribusi peluruhan waktu
  • Atribusi berdasarkan data

1. Model Atribusi klik terakhir

Bagaimana itu bekerja

Atribusi klik terakhir, seperti namanya, memberikan semua kredit ke poin kontak terakhir sebelum melakukan konversi. Atribusi klik terakhir bersifat langsung dan umum digunakan, namun, telah terjadi pergeseran dalam beberapa tahun terakhir karena kebutuhan untuk berfokus pada lebih dari sekadar klik terakhir, dengan mempertimbangkan berbagai titik kontak di sepanjang perjalanan pelanggan.

Misalnya, jalur konversi mungkin terdiri dari beberapa poin kontak, dimulai dengan kata kunci umum, diikuti oleh interaksi iklan Display dan Video , dan diakhiri dengan konversi yang terjadi dari kata kunci bermerek. Dalam contoh ini, kata kunci merek akan mendapatkan semua kredit. Namun, Anda dapat memperdebatkan bahwa kata kunci umum yang memperkenalkan pelanggan ke bisnis berperan dalam konversi atau sama pentingnya dengan kata kunci merek tempat konversi dikaitkan. Hal yang sama dapat dikatakan untuk interaksi video dan tampilan.

Sempurna untuk bisnis yang memiliki sedikit poin kontak dengan pengguna sebelum konversi terjadi, seperti bisnis e-niaga dengan siklus penjualan pendek.

  • Kelebihan: Sederhana dan mudah diimplementasikan. Model ini memberikan wawasan tentang kinerja saluran pada tingkat dasar

  • Cons: Abaikan semua titik kontak kecuali yang terakhir. Karena alasan ini, ini mungkin tidak memberikan ikhtisar komprehensif tentang perjalanan pelanggan dan nilai bagaimana saluran dan kampanye lain berkontribusi pada konversi.

2. Model Pengaitan Klik Pertama

Bagaimana itu bekerja

Atribusi klik pertama memberikan semua kredit ke poin kontak pertama yang berinteraksi dengan pelanggan sebelum melakukan konversi. Ini mirip dengan atribusi klik terakhir, hanya sebaliknya. Dalam contoh di atas, kata kunci umum yang pertama kali memperkenalkan pengguna ke bisnis akan mengambil semua kredit, mengabaikan interaksi corong tengah dan bawah.

Sempurna untuk bisnis yang berfokus pada kesadaran dan penemuan merek serta ingin memberikan kredit ke saluran dan kampanye yang memperkenalkan pengguna ke bisnis mereka.

  • Kelebihan: Memberikan wawasan tentang titik kontak awal pelanggan dengan merek. Ini berguna untuk bisnis yang berfokus pada kesadaran merek dan kampanye yang paling baik dalam memperkenalkan bisnis kepada pengguna.

  • Kontra: Mengabaikan semua poin kontak kecuali yang pertama, sehingga dengan atribusi klik terakhir, ini mungkin tidak memberikan gambaran menyeluruh tentang perjalanan pelanggan.

3. Model Atribusi Berbasis Posisi

Bagaimana itu bekerja

Atribusi berbasis posisi memberikan lebih banyak kredit ke poin kontak pertama dan terakhir yang berinteraksi dengan pengguna sebelum melakukan konversi. Misalnya, kampanye penelusuran umum dapat mendorong minat awal dan kemudian, pengguna berkonversi setelah mengeklik iklan Penargetan Ulang Display . Atribusi berbasis posisi akan memberi penghargaan pada kampanye Penelusuran dan Display karena memiliki peran dalam konversi.

Sangat cocok untuk bisnis yang memiliki campuran branding dan kampanye tanggapan langsung dan ingin berbagi atribusi antara poin kontak pertama dan terakhir.

  • Kelebihan: Berikan kredit untuk titik kontak di awal dan akhir perjalanan pelanggan, yang mencerminkan gagasan bahwa titik kontak ini adalah yang paling berpengaruh.

  • Cons: Model ini tidak memperhitungkan titik kontak di tengah perjalanan pelanggan. Jika pengguna mengklik 10 kata kunci Anda selama periode waktu sebelum pembelian, tidak ada yang akan diatribusikan ke 8 kata kunci di tengah.

4. Model Atribusi Linear

Bagaimana itu bekerja

Atribusi linier mendistribusikan kredit secara merata di semua titik kontak dalam perjalanan pelanggan. Jika ada 3 klik, maka setiap poin kontak ini akan dikaitkan dengan sepertiga dari konversi.

Sempurna untuk bisnis yang ingin mempertimbangkan semua poin kontak dan yang memiliki siklus penjualan lebih lama dan banyak interaksi sebelum pelanggan mereka berkonversi.

  • Kelebihan: Mendistribusikan kredit secara merata di semua titik kontak dalam perjalanan pelanggan, memberikan pandangan kinerja yang lebih komprehensif.

  • Kekurangan: Meskipun model ini sedikit lebih berwawasan daripada 3 model sebelumnya, dan lebih adil dalam mendistribusikan kredit, atribusi linier mungkin tidak secara akurat mencerminkan dampak dari setiap poin kontak. Misalnya, poin kontak pertama mungkin memiliki niat rendah dibandingkan dengan poin kontak tengah dan terakhir yang memiliki niat tinggi, yang berarti poin kontak tengah dan terakhir mungkin memerlukan lebih banyak kredit saat mencoba menentukan keefektifan kampanye iklan secara akurat.

5. Model Atribusi Peluruhan Waktu

Bagaimana itu bekerja

Atribusi peluruhan waktu memberikan lebih banyak kredit ke poin kontak yang terjadi lebih dekat dengan peristiwa konversi. Jumlah kredit terbanyak akan diberikan ke poin kontak terakhir sebelum konversi, diikuti oleh poin kontak sebelumnya, dan seterusnya.

Pertimbangkan skenario ini: pengguna pertama-tama mengklik kata kunci umum dan mengunjungi halaman produk. Mereka kemudian disajikan iklan penargetan ulang video selama seminggu dan akhirnya mencari produk, mengklik iklan belanja dan membeli. Dalam contoh ini, atribusi peluruhan waktu akan memberikan porsi kredit yang lebih besar ke iklan belanja, diikuti oleh kampanye video, dan terakhir jumlah kredit paling sedikit ke kata kunci generik.

Sempurna untuk bisnis yang memiliki siklus penjualan lebih pendek, tetapi masih memiliki banyak titik kontak dalam perjalanan pelanggan mereka. Ini juga bagus untuk bisnis dengan titik kontak yang sensitif terhadap waktu.

  • Pro: Berikan lebih banyak kredit untuk titik kontak yang lebih dekat dengan konversi, yang mencerminkan gagasan bahwa titik kontak terbaru adalah yang paling berpengaruh. Model atribusi ini dapat menawarkan lebih banyak wawasan daripada atribusi klik terakhir dan memberikan pemahaman kinerja yang lebih akurat karena kredit diberikan ke poin kontak sebelumnya.

  • Kekurangan: Model ini mungkin mengabaikan poin kontak awal, atau tidak secara akurat menghargai dampak poin kontak sebelumnya, sehingga mencegah refleksi kinerja yang sebenarnya.

6. Model Atribusi Berbasis Data

Bagaimana itu bekerja

Atribusi berdasarkan data, juga dikenal sebagai DDA, adalah model atribusi terbaru dan salah satu yang direkomendasikan Google untuk diadopsi, asalkan akun Anda memenuhi kriteria tertentu. Namun Anda mungkin bertanya-tanya bagaimana model atribusi berbasis data Google Ads memberikan kredit untuk konversi.

Pengaitan berdasarkan data menggunakan pembelajaran mesin canggih untuk menganalisis data dan memutuskan seberapa penting setiap poin kontak dalam perjalanan pelanggan. Konversi dipecah dan diatribusikan ke setiap poin kontak berdasarkan pengaruh dan dampaknya pada konversi pelanggan.

google_data_studio_attribution_model

Sumber: windsor.ai

Klik dan interaksi video dianalisis di seluruh iklan Penelusuran (termasuk Shopping), YouTube, Display, dan Discovery di Google Ads untuk mengidentifikasi pola yang menghasilkan konversi. Saat menggunakan penawaran otomatis, pola ini tidak hanya mendukung DDA untuk menetapkan konversi, tetapi juga akan membantu strategi penawaran memanfaatkan data dan pola yang menghasilkan konversi untuk menemukan pelanggan yang berperilaku serupa. Inilah yang menjadikan atribusi berdasarkan data sebagai model atribusi paling canggih.

Sempurna untuk bisnis dengan jalur konversi kompleks dan bisnis yang memiliki banyak poin kontak serta bisnis apa pun yang memenuhi syarat dengan banyak data yang ingin mendapatkan keuntungan dari pembelajaran mesin. Karena menggunakan algoritme canggih untuk menguraikan data dan mengatribusikan konversi, DDA dapat memberikan kejelasan yang lebih baik atas kampanye, grup iklan, kata kunci, dan kinerja iklan, menjadikannya pilihan yang baik untuk sebagian besar akun.

Kelebihan: Menggunakan pembelajaran mesin untuk menetapkan kredit ke poin kontak berdasarkan dampaknya terhadap konversi. Ini berarti ini memberikan tampilan perjalanan pelanggan yang lebih akurat.

Kontra: Memerlukan banyak data untuk berfungsi dan hal mendasar yang membuat tracking konversi akurat. Hal ini dapat mencegah bisnis dengan sedikit data konversi dan akun dengan masalah pelacakan untuk mengadopsi model atribusi ini.

Contoh Kasus Penggunaan Pengaitan Berdasarkan Data

Berikut ini contoh cara kerja DDA dalam praktiknya:

Merek kecantikan e-commerce memiliki tujuan utama menjual lipstik secara online menggunakan Google Ads. Model pengaitan berdasarkan data menemukan bahwa rata-rata ada beberapa klik sebelum pembelian dilakukan. DDA juga menemukan bahwa pengguna yang pertama kali menelusuri warna lipstik, seperti 'lipstik merah koral', dan kemudian mengeklik kata kunci merek, adalah yang paling mungkin membeli. Sedangkan pengguna yang mencari kata kunci terkait 'diskon' dan 'murah' terlebih dahulu dan mengklik kata kunci merek setelahnya adalah yang paling kecil kemungkinannya untuk berkonversi. Hal ini menyebabkan DDA menetapkan lebih banyak kredit untuk kata kunci terkait warna, grup iklan, dan kampanye di bagian bawah corong, yang juga tercermin dalam pelaporan.

DDA menggunakan pembelajaran mesin dan memberikan kejelasan lebih lanjut tentang klik mana yang paling berdampak, terlepas dari kapan klik terjadi dalam perjalanan pengguna. Selain memiliki pemahaman yang lebih baik tentang kinerja, studi baru-baru ini yang melibatkan ratusan pengiklan yang menggunakan DDA mengungkapkan bahwa kinerja meningkat jika dibandingkan dengan pengaitan klik terakhir .

Berikut adalah 3 studi kasus bisnis nyata yang menggunakan atribusi berdasarkan data:

1. Medpex, apotek pesanan lewat pos terbesar di Jerman, menggunakan atribusi berbasis data bersama dengan smart bidding. Hal ini menghasilkan peningkatan jumlah konversi sebesar +29% dan penurunan biaya per akuisisi sebesar -28%.

2. Select Home Warranty adalah penyedia garansi rumah tangga untuk proyek perbaikan di Amerika Serikat. Dengan menggunakan atribusi berdasarkan data, mereka melihat peningkatan prospek sebesar +36% dan penurunan CPA sebesar -20%.

3. HIS adalah agen perjalanan global yang beroperasi di lebih dari seratus kota di seluruh dunia. Dengan menggunakan DDA, Smart Bidding, dan Iklan Penelusuran Dinamis, HIS mampu mendorong peningkatan jumlah konversi sebesar +62% dengan CPA yang sama.

Persyaratan Data Atribusi Berdasarkan Data

Sebagian besar tindakan konversi, seperti pembelian, pendaftaran, dan penginstalan aplikasi, dapat digunakan untuk atribusi berdasarkan data. Faktanya, DDA kini menjadi model atribusi default untuk semua tindakan konversi baru yang Anda buat , meskipun Anda dapat beralih ke model atribusi lain secara manual.

atribusi_model _conversions_actions

Sumber: Bantuan Iklan Google



Untuk banyak tindakan konversi, tidak diperlukan volume minimum untuk menjalankan DDA. Namun, untuk beberapa, Anda memerlukan setidaknya 300 konversi dan 3.000 interaksi iklan dalam waktu 30 hari agar memenuhi syarat . Konversi ini mungkin termasuk:

  • Tindakan bernilai tinggi: Tindakan konversi yang memiliki nilai lebih tinggi bagi bisnis Anda, seperti pembelian, prospek, atau pendaftaran, dapat menghasilkan lebih sedikit konversi atau interaksi iklan daripada tindakan bernilai lebih rendah seperti tayangan halaman atau tayangan video.

  • Produk atau layanan khusus: Tindakan konversi yang terkait dengan produk atau layanan khusus mungkin memiliki audiens yang lebih kecil, sehingga menghasilkan lebih sedikit konversi atau interaksi iklan.

Atribusi berdasarkan data juga dapat menggunakan peristiwa konversi dalam aplikasi, seperti pembelian dalam aplikasi, dan mengatribusikannya ke kata kunci dan iklan tertentu. Anda juga dapat mengimpor peristiwa konversi offline seperti panggilan telepon, kunjungan di toko, dan pembelian yang dilakukan secara langsung, dan sekali lagi, tindakan ini dapat dicocokkan kembali dengan interaksi Google Ads menggunakan ID.

Untuk peristiwa konversi yang ada, jika akun Anda memenuhi syarat, Google akan memberi tahu Anda melalui email dan pada saat itu, Anda dapat mengadopsi atribusi berdasarkan data atau memilih tidak ikut. Anda juga dapat memeriksa apakah Anda memenuhi syarat di bagian Pengaitan akun Google Ads Anda. Baca terus untuk mengetahui cara beralih ke DDA di Google Ads.

Bagaimana Saya Memilih Model Atribusi di Google Ads?

Di akun Google Ads Anda, buka Alat dan Setelan, lalu di bagian Pengukuran, klik Atribusi. Dari sini, Anda dapat menjelajahi berbagai jalur konversi dan metrik jalur konversi serta melihat konversi terbantu juga.

attribution_settings

Gunakan fitur Perbandingan Model di menu sebelah kiri untuk membandingkan cara pengaitan data konversi di akun untuk berbagai model pengaitan. Alat ini bagus karena Anda dapat melihat bagaimana konversi akan ditetapkan tanpa mengubah model.

google_model_comparison

Tangkapan layar di atas adalah perbandingan antara atribusi klik terakhir dan atribusi berdasarkan data, menggunakan jendela lihat balik default dan 4 peristiwa konversi yang dilacak akun. Ini menunjukkan bagaimana kinerja dua metrik konversi penting – konversi dan biaya/konv.

Gunakan fitur ini untuk meninjau model atribusi yang ingin Anda terapkan sebelum melakukan perubahan, untuk memastikan data konversi selaras dengan sasaran bisnis Anda.

Jika Anda siap mengubah model pengaitan, ini dilakukan pada tingkat konversi, jadi buka Alat dan Setelan, lalu Konversi. Klik peristiwa konversi yang ingin Anda ubah model pengaitannya, lalu klik Edit Pengaturan.

attribution_model_settings

Di bawah Model atribusi, klik menu tarik-turun dan ubah ke model atribusi yang Anda inginkan.

Cara Beralih ke Pengaitan Berdasarkan Data

Anda dapat beralih ke atribusi berdasarkan data menggunakan metode yang sama di atas. Namun, di bagian Pengaitan akun Google Ads Anda, navigasikan ke 'Beralih ke DDA' di menu sebelah kiri.

data_driven_attribution

Dari sana, Anda akan dapat melihat semua tindakan konversi di akun, model atribusi saat ini yang mereka gunakan, dan apakah mereka memenuhi syarat untuk beralih ke DDA atau tidak.

Seperti yang terlihat pada tangkapan layar di atas, jika memenuhi syarat, Anda akan memiliki opsi untuk beralih sendiri, atau jika alih otomatis telah diterapkan, Anda dapat menunggu peralihan terjadi secara otomatis atau menyisih jika Anda memilih untuk tidak menggunakan DDA .

Cara Meningkatkan model Pengaitan Berdasarkan Data Anda

Setelah Anda beralih ke pengaitan berdasarkan data, ada sejumlah langkah lain yang dapat Anda ikuti untuk mendapatkan hasil maksimal dari DDA:

  • Sesuaikan bid menurut konversi berbasis DDA dengan menganalisis data konversi yang mulai diatribusikan DDA ke kampanye Anda.

  • Karena DDA akan mengukur interaksi iklan dan klik secara lebih akurat di seluruh jalur menuju konversi, kembali dan tinjau performa kata kunci untuk melihat bagaimana kata kunci di awal jalur memengaruhi konversi.

  • Saat menggunakan atribusi berdasarkan data, pendekatan yang disarankan adalah mengadopsi strategi smart bidding seperti Target CPA atau Target ROAS. Baca panduan praktis untuk strategi penawaran Google Ads di sini .

  • Berikan waktu beberapa minggu kepada DDA untuk mengumpulkan dan menganalisis interaksi pengguna dan data konversi. Periode pembelajaran ini penting dan terlebih lagi untuk bisnis dengan jalur konversi yang lebih panjang.

Kesimpulan

Pilih model atribusi Google Ads yang tepat dengan terlebih dahulu menimbang kekuatan dan kelemahan masing-masing dari 6 model atribusi, bersama dengan menggunakan alat perbandingan Google Ads yang berguna untuk memahami bagaimana setiap model memengaruhi bisnis Anda.

Dengan memilih model pengaitan yang paling sesuai dengan bisnis dan sasaran Anda, Anda akan memiliki pemahaman kinerja yang lebih akurat, dapat meningkatkan upaya pengoptimalan, dan meningkatkan efisiensi keseluruhan kampanye Anda.

Ajakan bertindak baru