Przewodnik po modelach atrybucji Google Ads w 2023 r. – czy atrybucja oparta na danych to przyszłość?

Opublikowany: 2023-04-01

Dlaczego modele atrybucji Google Ads są ważne

Badania pokazują, że konsumenci kontaktują się z produktem co najmniej osiem razy przed zakupem , a konwersja potencjalnego klienta wymaga od 7 do 13+ interakcji z Twoją firmą . Dlatego zastosowanie odpowiedniego modelu atrybucji ma fundamentalne znaczenie dla firm, aby zrozumieć, jak działają kanały i kampanie w odniesieniu do wszystkich tych punktów styku.

Oto dwa główne powody, dla których wybór odpowiedniego modelu atrybucji jest ważny:

1. Zrozumienie: modele atrybucji pomagają firmom zrozumieć skuteczność. Chociaż idealny model atrybucji może nie istnieć (chociaż niektórzy twierdzą, że atrybucja oparta na danych jest najbliższa), wybór właściwego może prowadzić do dokładniejszego zrozumienia skuteczności. To z kolei prowadzi do lepszego podejmowania decyzji w zakresie strategii marketingowej i wydatków na reklamę.

2. Optymalizacja: Stosowanie odpowiedniego modelu atrybucji jest również niezbędne do optymalizacji kampanii reklamowych. Dotyczy to zarówno strategii ustalania stawek – ponieważ Google wykorzystuje dane konwersji do optymalizacji kampanii opartych na automatycznych strategiach ustalania stawek – jak i reklamodawców dokonujących ręcznych optymalizacji kampanii na podstawie swoich danych konwersji. Różne modele atrybucji mogą dostarczać informacji o tym, które słowa kluczowe i reklamy są najskuteczniejsze w generowaniu konwersji.


Przewodnik po modelach atrybucji Google Ads

google_attribution_models

Źródło: Louisaustin.co

Przyjrzyjmy się sześciu dostępnym modelom atrybucji Google Ads i dowiedzmy się, który z nich jest dla Ciebie odpowiedni, poznając zalety i wady każdego modelu atrybucji.

  • Atrybucja ostatniego kliknięcia
  • Atrybucja pierwszego kliknięcia
  • Atrybucja oparta na pozycji
  • Atrybucja liniowa
  • Atrybucja rozpadu czasu
  • Atrybucja oparta na danych

1. Model atrybucji ostatniego kliknięcia

Jak to działa

Atrybucja ostatniego kliknięcia, jak sama nazwa wskazuje, przypisuje całą zasługę ostatniemu punktowi kontaktu przed konwersją. Atrybucja ostatniego kliknięcia jest prosta i powszechnie stosowana, jednak w ostatnich latach nastąpiła zmiana polegająca na konieczności skupienia się na czymś więcej niż tylko ostatnim kliknięciu, biorąc pod uwagę wiele punktów kontaktu na całej ścieżce klienta.

Ścieżka konwersji może na przykład składać się z wielu punktów styku, zaczynając od ogólnych słów kluczowych, poprzez interakcje z reklamami displayowymi i wideo , a kończąc na konwersji za pomocą słów kluczowych związanych z marką. W tym przykładzie słowo kluczowe związane z marką uzyska cały udział. Można jednak argumentować, że ogólne słowo kluczowe, które wprowadziło klienta do firmy, odegrało rolę w konwersji lub jest równie ważne jak słowo kluczowe związane z marką, któremu przypisano konwersję. To samo można powiedzieć o interakcjach wideo i wyświetlania.

Idealny dla firm, które mają niewiele punktów styku z użytkownikami, zanim nastąpi konwersja, takich jak firmy e-commerce z krótkim cyklem sprzedaży.

  • Plusy: Prosty i łatwy do wdrożenia. Ten model zapewnia wgląd w skuteczność kanałów na podstawowym poziomie

  • Wady: Ignoruje wszystkie punkty kontaktu z wyjątkiem ostatniego. Z tego powodu może nie zapewniać kompleksowego przeglądu podróży klienta i wartości tego, jak inne kanały i kampanie przyczyniają się do konwersji.

2. Model atrybucji pierwszego kliknięcia

Jak to działa

Atrybucja pierwszego kliknięcia przypisuje cały udział pierwszemu punktowi kontaktu, z którym klient wchodzi w interakcję przed konwersją. Jest to podobne do atrybucji ostatniego kliknięcia, tylko na odwrót. W powyższym przykładzie ogólne słowo kluczowe, które jako pierwsze wprowadziło użytkownika do firmy, przyciągnęłoby całą zasługę, pomijając interakcje w środkowej i dolnej części ścieżki.

Idealny dla firm, które koncentrują się na rozpoznawaniu i odkrywaniu marki oraz chcą wyróżnić kanały i kampanie, które przedstawiają użytkownikom ich działalność.

  • Plusy: Zapewnia wgląd w początkowy punkt kontaktu klienta z marką. Jest to przydatne dla firm, które koncentrują się na świadomości marki i kampaniach, które najlepiej wprowadzają użytkowników do firmy.

  • Wady: Ignoruje wszystkie punkty styku z wyjątkiem pierwszego, więc podobnie jak w przypadku atrybucji ostatniego kliknięcia, może nie zapewniać pełnego obrazu podróży klienta.

3. Model atrybucji oparty na pozycji

Jak to działa

Atrybucja oparta na pozycji przypisuje większy udział pierwszemu i ostatniemu punktowi kontaktu, z którym użytkownik wchodzi w interakcję przed konwersją. Na przykład ogólna kampania w sieci wyszukiwania może początkowo wzbudzić pewne zainteresowanie, a później użytkownik dokonuje konwersji po kliknięciu reklamy Display Retargeting . Atrybucja oparta na pozycji przypisze zarówno kampaniom w sieci wyszukiwania, jak i reklamowej udział w konwersji.

Idealny dla firm, które mają połączenie kampanii brandingowych i bezpośrednich reakcji i chcą dzielić atrybucję między pierwszym a ostatnim punktem kontaktu.

  • Plusy: Przyznaje punkty kontaktowe na początku i na końcu podróży klienta, co odzwierciedla ideę, że te punkty styku mają największy wpływ.

  • Wady: Ten model nie uwzględnia punktów styku w trakcie podróży klienta. Jeśli użytkownik kliknie 10 z Twoich słów kluczowych w okresie poprzedzającym zakup, nic nie zostanie przypisane do 8 słów kluczowych w środku.

4. Liniowy model atrybucji

Jak to działa

Atrybucja liniowa rozdziela zasługi równomiernie na wszystkie punkty styku na ścieżce klienta. Gdyby były 3 kliknięcia, to każdemu z tych punktów styku zostałaby przypisana jedna trzecia konwersji.

Idealny dla firm, które chcą wziąć pod uwagę wszystkie punkty kontaktu i te, które mają dłuższe cykle sprzedaży i wiele interakcji, zanim ich klienci dokonają konwersji.

  • Zalety: Równo rozdziela punkty na wszystkie punkty kontaktu z klientem, zapewniając pełniejszy wgląd w wyniki.

  • Wady: chociaż ten model jest nieco bardziej wnikliwy niż poprzednie 3 modele i bardziej sprawiedliwy w rozdzielaniu zasług, liniowa atrybucja może nie odzwierciedlać dokładnie wpływu każdego punktu styku. Na przykład pierwszy punkt styku może mieć niską intencję w porównaniu do środkowych i ostatnich punktów styku, które mają wysoki zamiar, co oznacza, że ​​środkowe i ostatnie punkty styku mogą zasługiwać na większe uznanie przy próbie dokładnego określenia skuteczności kampanii reklamowych.

5. Model atrybucji z rozkładem czasowym

Jak to działa

Atrybucja rozkładu czasu przyznaje większy udział punktom styku, które mają miejsce bliżej zdarzenia konwersji. Najwięcej punktów zostanie przyznanych ostatniemu punktowi styku przed konwersją, następnie punktowi styku przed konwersją i tak dalej.

Rozważmy następujący scenariusz: użytkownik najpierw klika ogólne słowo kluczowe i odwiedza stronę produktu. Następnie przez tydzień wyświetlają im reklamy wideo retargetingowe, a na końcu wyszukują produkt, klikają reklamę zakupową i dokonują zakupu. W tym przykładzie atrybucja rozkładu czasu przypisuje większą część udziału reklamie produktowej, następnie kampanii wideo, a najmniej ogólnemu słowu kluczowemu.

Idealny dla firm, które mają krótsze cykle sprzedaży, ale wciąż mają wiele punktów kontaktu z klientem. Może to być również dobre dla firm z punktami styku wrażliwymi na czas.

  • Plusy: Przypisuje większy udział punktom styku, które są bliżej konwersji, co odzwierciedla ideę, że ostatnie punkty styku mają największy wpływ. Ten model atrybucji może zapewnić lepszy wgląd niż atrybucja ostatniego kliknięcia i zapewnia dokładniejsze zrozumienie skuteczności, ponieważ przypisuje się wcześniejsze punkty styku.

  • Wady: ten model może albo ignorować wczesne punkty styku, albo nie uwzględniać dokładnie wpływu wcześniejszych punktów styku, uniemożliwiając prawdziwe odzwierciedlenie wyników.

6. Model atrybucji oparty na danych

Jak to działa

Atrybucja oparta na danych, znana również jako DDA, to najnowszy model atrybucji, który Google zaleca przyjąć, pod warunkiem, że Twoje konto spełnia określone kryteria. Ale być może zastanawiasz się, w jaki sposób model atrybucji oparty na danych Google Ads przypisuje udział w konwersjach.

Atrybucja oparta na danych wykorzystuje zaawansowane uczenie maszynowe do analizowania danych i określania, jak ważny jest każdy punkt styku w ścieżce klienta. Konwersje są rozbijane i przypisywane do każdego punktu styku na podstawie jego wpływu i wpływu na konwersję klienta.

google_data_studio_attribution_model

źródło: windsor.ai

Kliknięcia i interakcje wideo są analizowane w reklamach w wyszukiwarce (w tym Zakupach), YouTube, reklamach displayowych i Discovery w Google Ads, aby zidentyfikować wzorce prowadzące do konwersji. Podczas korzystania z automatycznego określania stawek te wzorce nie tylko wspierają DDA w przypisywaniu konwersji, ale także pomagają strategii ustalania stawek wykorzystać dane i wzorce, które prowadzą do konwersji, by znaleźć klientów, którzy zachowują się w podobny sposób. To właśnie sprawia, że ​​atrybucja oparta na danych jest najbardziej zaawansowanym modelem atrybucji.

Idealny dla firm ze złożonymi ścieżkami konwersji i tych, które mają wiele punktów styku, a także dla każdej kwalifikującej się firmy z dużą ilością danych, która chciałaby skorzystać z uczenia maszynowego. Ponieważ wykorzystuje zaawansowane algorytmy do odszyfrowywania danych i konwersji atrybutów, DDA może zapewnić lepszą przejrzystość kampanii, grupy reklam, słów kluczowych i skuteczności reklam, co czyni ją dobrym wyborem dla większości kont.

Zalety: wykorzystuje uczenie maszynowe do przypisywania punktów kontaktowych na podstawie ich wpływu na konwersje. Oznacza to, że zapewnia dokładniejszy obraz podróży klienta.

Wady: do działania wymaga dużej ilości danych, a podstawą jest to, że śledzenie konwersji jest dokładne. Może to uniemożliwić firmom, które mają niewiele danych o konwersjach i kontom, na których występują problemy ze śledzeniem, przyjęcie tego modelu atrybucji.

Przykład przypadku użycia atrybucji opartej na danych

Oto przykład działania DDA w praktyce:

Głównym celem e-commerce marki kosmetycznej jest sprzedaż szminek online za pomocą Google Ads. Model atrybucji oparty na danych stwierdza, że ​​przed dokonaniem zakupu następuje średnio wiele kliknięć. DDA stwierdza również, że największe prawdopodobieństwo zakupu mieli użytkownicy, którzy najpierw wyszukują odcienie szminki, takie jak „koralowa czerwona szminka”, a następnie klikają słowo kluczowe związane z marką. Z kolei użytkownicy, którzy najpierw wyszukują słowa kluczowe „rabat” i „tanie”, a następnie klikają słowa kluczowe związane z marką, mają najmniejsze szanse na konwersję. Powoduje to, że DDA przypisuje większy udział słowom kluczowym, grupom reklam i kampaniom związanym z kolorem, znajdującym się na dole ścieżki, co znajduje również odzwierciedlenie w raportach.

DDA wykorzystuje uczenie maszynowe i zapewnia większą przejrzystość, które kliknięcia mają największy wpływ, niezależnie od tego, kiedy nastąpiło kliknięcie na ścieżce użytkownika. Oprócz lepszego zrozumienia skuteczności, niedawne badanie z udziałem setek reklamodawców korzystających z DDA wykazało, że skuteczność poprawiła się w porównaniu z atrybucją ostatniego kliknięcia .

Oto 3 studia przypadków prawdziwych firm korzystających z atrybucji opartej na danych:

1. Medpex, największa apteka wysyłkowa w Niemczech, zastosowała atrybucję opartą na danych wraz z inteligentnym określaniem stawek. Zaowocowało to wzrostem liczby konwersji o +29% i spadkiem kosztu pozyskania o -28%.

2. Select Home Warranty jest dostawcą gwarancji dla gospodarstw domowych na projekty naprawcze w Stanach Zjednoczonych. Korzystając z atrybucji opartej na danych, odnotowali wzrost liczby potencjalnych klientów o +36% i spadek CPA o -20%.

3. HIS to globalne biuro podróży, które działa w ponad stu miastach na całym świecie. Korzystając z DDA, inteligentnego określania stawek i dynamicznych reklam w wyszukiwarce, firma HIS była w stanie zwiększyć liczbę konwersji o +62% przy tym samym CPA.

Wymagania dotyczące danych atrybucji opartej na danych

Większość działań powodujących konwersję, takich jak zakupy, rejestracje i instalacje aplikacji, można wykorzystać do atrybucji opartej na danych. W rzeczywistości DDA jest teraz domyślnym modelem atrybucji dla wszystkich tworzonych przez Ciebie nowych działań powodujących konwersję , chociaż możesz ręcznie przełączyć się na inny model atrybucji.

model_atrybucji _konwersje_akcje

Źródło: Pomoc Google Ads



W przypadku wielu działań powodujących konwersję nie ma minimalnego wolumenu potrzebnego do uruchomienia DDA. Jednak w przypadku niektórych potrzeba co najmniej 300 konwersji i 3000 interakcji z reklamą w ciągu 30 dni, aby się kwalifikować . Te konwersje mogą obejmować:

  • Działania o dużej wartości: działania powodujące konwersję, które mają większą wartość dla Twojej firmy, takie jak zakupy, potencjalni klienci lub rejestracje, mogą generować mniej konwersji lub interakcji z reklamą niż działania o niższej wartości, takie jak odsłony stron lub wyświetlenia filmów.

  • Niszowe produkty lub usługi: działania powodujące konwersje związane z niszowymi produktami lub usługami mogą mieć mniejszą liczbę odbiorców, co skutkuje mniejszą liczbą konwersji lub interakcji z reklamami.

Atrybucja oparta na danych może również wykorzystywać zdarzenia konwersji w aplikacji, takie jak zakupy w aplikacji, i przypisywać je do określonych słów kluczowych i reklam. Możesz także importować zdarzenia konwersji offline, takie jak rozmowy telefoniczne, wizyty w sklepach stacjonarnych i zakupy dokonywane osobiście, a działania te można ponownie dopasować do interakcji Google Ads za pomocą identyfikatorów.

W przypadku istniejących zdarzeń konwersji, jeśli Twoje konto się kwalifikuje, Google powiadomi Cię o tym e-mailem i wtedy możesz zastosować atrybucję opartą na danych lub zrezygnować. Możesz też sprawdzić, czy się kwalifikujesz, w sekcji Atrybucja na swoim koncie Google Ads. Czytaj dalej, aby dowiedzieć się, jak przejść na DDA w Google Ads.

Jak wybrać model atrybucji w Google Ads?

Na swoim koncie Google Ads przejdź do Narzędzia i ustawienia, a następnie w sekcji Pomiar kliknij Atrybucja. Tutaj możesz przeglądać różne ścieżki konwersji i metryki ścieżek konwersji, a także przeglądać konwersje wspomagane.

ustawienia_atrybucji

Użyj funkcji Porównanie modeli w menu po lewej stronie, aby porównać, w jaki sposób dane konwersji na koncie zostałyby przypisane do różnych modeli atrybucji. To narzędzie jest świetne, ponieważ możesz zobaczyć, jak konwersje zostałyby przypisane bez zmiany modeli.

google_model_comparison

Powyższy zrzut ekranu przedstawia porównanie atrybucji opartej na ostatnim kliknięciu i atrybucji opartej na danych przy użyciu domyślnego okresu ważności i 4 zdarzeń konwersji śledzonych przez konto. Pokazuje, jak skuteczne byłyby dwa ważne wskaźniki konwersji – konwersje i koszt konw.

Skorzystaj z tej funkcji, aby przed wprowadzeniem zmian przejrzeć modele atrybucji, które chcesz zastosować, aby upewnić się, że dane konwersji są zgodne z Twoimi celami biznesowymi.

Jeśli jesteś gotowy na zmianę modelu atrybucji, odbywa się to na poziomie konwersji, więc przejdź do Narzędzia i ustawienia, a następnie Konwersje. Kliknij zdarzenie konwersji, dla którego chcesz zmienić model atrybucji, a następnie kliknij Edytuj ustawienia.

ustawienia_modelu_atrybucji

W sekcji Model atrybucji kliknij menu rozwijane i wybierz żądany model atrybucji.

Jak przejść na atrybucję opartą na danych

Możesz przełączyć się na atrybucję opartą na danych, korzystając z tej samej metody powyżej. Jednak w sekcji Atrybucja na koncie Google Ads przejdź do opcji „Przełącz na DDA” w menu po lewej stronie.

data_driven_attribution

Stamtąd będziesz mógł zobaczyć wszystkie działania powodujące konwersję na koncie, bieżący model atrybucji, z którego korzystają, oraz to, czy kwalifikują się do przejścia na DDA.

Jak widać na powyższym zrzucie ekranu, jeśli kwalifikujesz się, będziesz mieć możliwość samodzielnego dokonania zmiany lub, jeśli zastosowano automatyczne przełączanie, możesz albo poczekać, aż zmiana nastąpi automatycznie, albo zrezygnować, jeśli wolisz nie używać DDA .

Jak ulepszyć swój model atrybucji opartej na danych

Po przejściu na atrybucję opartą na danych możesz wykonać kilka innych czynności, aby w pełni wykorzystać DDA:

  • Dostosuj stawki zgodnie z konwersjami opartymi na DDA, analizując dane konwersji, które DDA zaczyna przypisywać do Twoich kampanii.

  • Ponieważ DDA dokładniej mierzy interakcje z reklamą i kliknięcia na całej ścieżce do konwersji, cofnij się i sprawdź skuteczność słów kluczowych, aby zobaczyć, jak słowa kluczowe znajdujące się wcześniej na ścieżce wpływają na konwersje.

  • W przypadku korzystania z atrybucji opartej na danych zaleca się przyjęcie strategii inteligentnego określania stawek, takiej jak docelowy CPA lub docelowy ROAS. Przeczytaj praktyczny przewodnik po strategiach ustalania stawek Google Ads tutaj .

  • Daj DDA kilka tygodni na zebranie i przeanalizowanie danych dotyczących interakcji użytkowników i konwersji. Ten okres nauki jest ważny, tym bardziej dla firm o dłuższych ścieżkach konwersji.

Wniosek

Wybierz odpowiedni model atrybucji Google Ads, najpierw porównując mocne i słabe strony każdego z 6 modeli atrybucji, a także korzystając z przydatnego narzędzia do porównywania Google Ads, aby zrozumieć, jak każdy model wpływa na Twoją firmę.

Wybierając model atrybucji, który najlepiej odpowiada Twojej działalności i celom, uzyskasz dokładniejszy obraz skuteczności, będziesz mógł usprawnić działania optymalizacyjne i zwiększyć ogólną skuteczność kampanii.

Nowe wezwanie do działania