Dołącz do czytelników
Brak wyników

Temat numeru

2 listopada 2020

NR 54 (Październik 2020)

Od zera do mistrza atrybucji. Wszystko, co powinieneś wiedzieć, żeby stworzyć własny, optymalny model

40

Sprawiedliwość to wartość, która powinna kojarzyć nam się z atrybucją. W atrybucji konwersji naszym celem jest uczciwe przypisanie poszczególnym kanałom mediowym zasług w sprowadzaniu konwersji. Modele atrybucji dostępne w Google Analytics, na Facebooku i w innych narzędziach nie zawsze adaptują się odpowiednio do każdego przypadku – ogólnodostępne rozwiązania nie były tworzone z myślą o konkretnie Twoim biznesie. To Ty masz o nim najlepszą wiedzę i możesz wykorzystać ją do stworzenia szytego na miarę modelu, który oceni działania marketingowe zgodnie z rzeczywistością i stawianymi przed nimi celami.

1. Poziom wiedzy: nowicjusz

Zanim stworzysz własny model atrybucji, musisz zrozumieć, jaki jest jej cel i jak do jego realizacji podchodzą proste modele heurystyczne. Na pewno masz świadomość tego, że sesja sesji nierówna i nie każdy sprowadzony na stronę użytkownik dokona konwersji. Ocena kampanii poprzez liczbę wyświetleń, kliknięć lub CTR nigdy nie odzwierciedla precyzyjnie jej wkładu w realizację celów związanych z generowaniem konwersji lub przychodu na stronie. Natomiast wyniki przedstawione w postaci podziału liczby konwersji lub przychodu pozwalają na obiektywną ocenę tego, które kanały działają skutecznie, a co za tym idzie – czy nasz budżet jest wydawany optymalnie.
Najłatwiejszym podejściem do atrybucji są modele heurystyczne oparte na prostych zasadach rozdzielania konwersji między kanały. Na rys. 1 znajdziesz porównanie najistotniejszych cech tych modeli oraz modelu data-driven.
Wspólną zaletą modeli heurystycznych jest łatwość ich zrozumienia i jasne zasady podziału konwersji między występujące na ścieżce kanały. Każdy model ma jednak swoją wadę wynikającą ze zbyt pobieżnego traktowania ścieżek klientów. Wyobraźmy sobie dość popularny scenariusz: użytkownik rozpoczyna ścieżkę od kanałów budujących świadomość, potem wraca na stronę dzięki kampaniom remarketingowym, a kiedy w końcu jest zdecydowany na konwersję – dokonuje jej po wejściu na stronę z kanału brandowego (na przykład po wpisaniu nazwy firmy w wyszukiwarkę). Model liniowy jako jedyna heurystyka w zestawieniu nie stawia założeń o większej wadze konkretnych elementów ścieżki – każdy krok otrzymuje taki sam udział konwersji. 
 

POLECAMY

Rys. 1. Porównanie najistotniejszych cech modeli oraz modelu data-driven


Nie każda sesja musi być jednak tak samo ważna; niektóre kanały są skuteczniejsze, a model liniowy nie podejmuje w ogóle wyzwania wskazania tych kanałów. Pozostałe modele heurystyczne z góry zakładają większą wagę kroków znajdujących się na ustalonych miejscach na ścieżce, przez co wyniki kanałów mogą być przecenione lub niedoszacowane. 
Problemem jest więc wskazanie w sprawiedliwy sposób, które kanały na ścieżce są tymi najbardziej przekonującymi klienta do dokonania konwersji. To wyzwanie podejmują modele data-driven, które biorą pod uwagę ścieżki niezakończone konwersją i relacje zachodzące między kanałami – jak uzupełniają się wzajemnie albo sobie przeszkadzają. Popularnymi modelami wykorzystywanymi w biznesie są model łańcuchów Markowa oraz model wartości Shapleya.

2. Poziom wiedzy: adept

Jak dotąd nasze poszukiwania optymalnego modelu ograniczyliśmy do wyboru sprawiedliwego algorytmu, ale równie ważny jest odpowiedni wybór danych. W Data Science utarło się powiedzenie „garbage in, garbage out” – nawet najlepszy algorytm nie zwróci w 100% satysfakcjonujących wyników, jeśli wprowadzone do niego dane nie będą odpowiednie.
 

Piętą achillesową modeli data-driven dostępnych w popularnych narzędziach, mimo wykorzystania dobrego algorytmu, jest brak elastyczności na etapie dostosowania danych. Ich celem nie jest stworzenie modelu dopasowanego do indywidualnej sytuacji, a obsłużenie jak największej liczby przypadków. 


Pierwszym elementem, na który powinniśmy zwrócić uwagę przy wyborze danych do modelu, jest okno konwersji – okres, z którego analizujemy dane o sesjach. Należy sprawdzić, czy odpowiada rzeczywistej długości ścieżek użytkowników. Powiedzmy, że naszym celem jest podsumowanie, w jakim stopniu do uzyskania przychodu przyczyniły się poszczególne kanały w zeszłym miesiącu. Okres danych dla konwersji ustalamy na zeszły miesiąc, ale wybór takiego samego okresu dla sesji w przypadku biznesu z długimi ścieżkami klienta sprawi, że stracimy istotne informacje o sposobie, w jaki go pozyskaliśmy. Z drugiej strony nie powinniśmy przesadzić, bo jeśli weźmiemy zbyt szerokie okno, to analizie poddane będą stare sesje, które mogą nie mieć już dużego związku z niedawną konwersją. Powinniśmy sprawdzić, jaka jest zazwyczaj długość ścieżki prowadzącej do konwersji i w oparciu o nią ustalić szerokość okna.
Jeśli mamy do czynienia z e-commercem, kolejnym elementem, na który warto zwrócić uwagę, jest przychód. Wyniki atrybucji konwersji możemy uzupełnić informacją o przychodzie, który wygenerowały poszczególne transakcje. Porównanie dwóch modeli skupiających się osobno na liczbie i wartości konwersji może dać świetny insight o tym, które kanały sprowadzają użytkowników skłonnych wydać więcej podczas pojedynczych zakupów (rys. 2).
 

 Rys. 2. Porównując wyniki, widzimy, że Paid Search przynosi nam więcej przychodu niż Organic Search pomimo mniejszej liczby przypisanych konwersji. Oznacza to, że przeciętny użytkownik sprowadzony przez PS dokonuje bardziej wartościowych transakcji


3. Poziom wiedzy: specjalista

Co by było, gdybyśmy spróbowali zastosować modele atrybucji do oceny gry poszczególnych graczy w drużynie piłki nożnej? Model firstclick całą zasługę przypisuje zawodnikom rozpoczynającym akcje bramkowe, lastclick – strzelcom bramek. Modele data-driven starają się ocenić wkład każdego piłkarza na boisku, wykorzystując wiedzę o wszystkich meczach, w których brali udział. Dorzucimy teraz bardziej zaawansowany element, czyli ocenę tego, jak piłkarze stosują się do strategii trenera. 
W odpowiedzi na strategię marketingową Twojego biznesu możesz wykorzystać trzy różne rozwiązania opisujące podejście do ścieżek użytkowników dokonujących wielu konwersji.

Najprostszym rozwiązaniem jest analiza ścieżek do pierwszej konwersji użytkownika i odrzuceni...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 drukowanych wydań magazynu Online Marketing
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ... i wiele więcej!
Sprawdź szczegóły

Przypisy