Dołącz do czytelników
Brak wyników

Analityka internetowa

18 czerwca 2020

NR 52 (Czerwiec 2020)

O co chodzi z atrybucją?

43

Atrybucja to buzzword odmieniany przez wszystkie przypadki. Przez niedawny wzrostu popularności podejścia data-driven powstało wiele modeli, wiele podejść i jeszcze więcej opinii na ten temat. 

W tym artykule postaram się uporządkować rozrzucone po różnych zakamarkach internetu informacje, prowadzące nierzadko do pozornie sprzecznych ze sobą wniosków. Wszystko po to, abyś po lekturze tego tekstu był pewien, czym jest atrybucja, do czego służy, jak przeprowadzić ją skutecznie i w jaki sposób zastosowanie jej wyników może spowodować falę wzrostu w Twoim e-commerce. 

Wiele zakrętów w customer journey


Użytkownik, wchodząc w internetową interakcję z Twoim biznesem, musiał od czegoś zacząć. Przez „rozpoczęcie” rozumiemy otwarcie sesji wywołane odpowiednią akcją – przeczytaniem newslettera i kliknięciem w link, wyszukaniem organicznym czy interakcją z banerem reklamowym na stronie. Takie wejście i jego parametry są następnie zapisywane w Google Analytics z adekwatnym znacznikiem czasowym oraz z unikalnym identyfikatorem użytkownika, którego nazywamy cookie ID. Przypuśćmy, że użytkownik dokonuje następnie akcji (która swoją drogą też może być rejestrowana) i wychodzi. Następnie wraca, ściągnięty remarketingiem lub inną reklamą. Dokonuje jakichś akcji i wychodzi. Później znowu wraca, ale jeszcze nie kupuje. I tak dalej aż do momentu dokonania konwersji. Układając wejścia użytkownika w czasie, otrzymujemy jego ścieżkę (rys. 1).
Oczywiście klient może do nas wrócić po tej konwersji (i oby to zrobił), przedłużając tym samym swoją ścieżkę (rys. 2). Teraz interesuje nas to, które wejście było tym, które skłoniło użytkownika do zakupu. Ostatnie? Przecież to wejście directowe i w naszym przykładzie klient był już mocno zapoznany z brandem. Pierwsze? Przecież to jedynie inicjacja samego procesu zakupowego. No to może wszystkie? Okej – a jak wtedy podzielić uzyskane zyski? Równo nie zawsze oznacza sprawiedliwie (rys. 3). 

Rys. 1. Podstawowa ścieżka użytkownika
Rys. 2. Wydłużona ścieżka użytkownika

 

Rys. 3. Równość vs sprawiedliwość  (Źrodło:https://culturalorganizing.org/the-problem-with-that-equity-vs-equality-graphic/)

Na powyższej grafice widać, że zwykłe dzielenie po równo nie jest dobrym rozwiązaniem. Korzystając z tego podejścia, wartości części kanałów możemy wówczas niedoszacować, a inne niesłusznie przecenić. I tak dalej, i tak dalej… Każdy zaproponowany „z głowy” sposób jesteśmy w stanie zakwestionować. Tak samo jak podważamy model last click, czyli najprostszą i najpopularniejszą metodę atrybuowania konwersji.

Last click   Data-driven

odrzuca większośc danych analizuje wszystkie dane

tylko ścieżki konwertującewszystkie ścieżki

tylko ostatnia interakcjawszystkie interakcje

oparty na przekonaniu i intuicji opraty na matematycznych podstawach

 

Potrzebujemy rozwiązania, które uwzględni wszystkie wejścia, a najlepiej także odwiedziny takich użytkowników, które nie doprowadziły do konwersji. Nie można o tym zapominać, ponieważ jeśli jakieś źródło wejść przyczynia się do konwersji w lekkim stopniu, może być tylko pozornie skuteczne. Jeśli bardzo często pojawia się ono wśród źródeł, które nie prowadzą do konwersji, oznacza to, że nie jest aż tak skuteczne, jak myśleliśmy, patrząc tylko na ruch kończący się konwersją (rys. 4).

Rys. 4. Wielu użytkowników = wiele różnych ścieżek 

Kolejne pytania, które automatycznie się nasuwają, mogą dotyczyć uwzględniania kolejności występowania poszczególnych kampanii na ścieżce, a także akcji, jakich użytkownik dokonał, będąc już na stronie. Część rzeczy jest dla nas osiągalna, część nie, a jeszcze inne zależą od wybranego podejścia.


Jak to zrobić?


Pisząc o odpowiednim podejściu, mamy na myśl model, czyli algorytm, który zasilony danymi o ścieżkach użytkowników dostarczy nam dokładniejszych wyników niż te pochodzące z prostych i łatwych do podważenia modeli. Modeli jest wiele (wartości Shapleya, lasy losowe, łańcuchy Markowa etc.), a wybór odpowiedniego będzie determinowany przez to, co uważamy za istotne w procesie tworzenia ścieżki klienta, przez dane, jakie są dla nas osiągalne, oraz ogólne informacje wynikające z danych. Na przykład jeżeli wśród naszych klientów znajduje się wielu powracających, z pewnością wolelibyśmy wybrać ten model, który umożliwi nam uwzględnianie kilku konwersji na długiej ścieżce. Wcześniej wspominaliśmy o ścieżkach niekonwertujących – te też chcielibyśmy wziąć pod uwagę. I tak dalej, i tak dalej. 

Jeżeli chcesz dowiedzieć się, z jakiego modelu korzystamy my i jak podchodzimy do tematu atrybucji konwersji, kliknij https://tiny.pl/79m2b

Rys. 5. Atrybucja data-driven na podstawie customer journe


Co dalej?


Posiadając już odpowiedni, zwalidowany i dostosowany do naszego biznesu model, otrzymamy wreszcie odpowiedzi...

Dalsza część jest dostępna dla użytkowników z wykupionym planem

Przypisy