Reestructuración del modelo de atribución de Google: 3 soluciones para anunciantes

Probablemente haya escuchado las noticias: Google Ads y Google Analytics 4 retirarán por completo los modelos de atribución de primer clic, lineal, de disminución de tiempo y basada en la posición en septiembre.

Los modelos de atribución basada en datos y de último clic seguirán estando disponibles, junto con la atribución externa.

Lo que algunos especialistas en marketing de PPC no se dan cuenta es que Google no solo descontinuará estos modelos de atribución desde el punto de vista de las ofertas. También se eliminarán de las funciones de informes y comparación.

Esto significa que ya no puede analizar los recorridos de sus clientes en Google Ads y Google Analytics mediante modelos de atribución. Necesitas alternativas.

Una mirada a los modelos de atribución

Los modelos de atribución ayudan a conectar una conversión (es decir, una venta o un cliente potencial) con un clic en un anuncio o una impresión. Es una forma de determinar qué anuncios, audiencias o redes funcionan mejor.

Históricamente, hemos usado varios modelos de atribución con diferentes reglas para hacer esa conexión.

Usando la analogía del fútbol, ​​esto es lo que representa cada modelo:

• Último clic : El goleador merece todo el crédito.
• Primer clic : El primer jugador que tocó el balón durante la acción que conduce a un gol merece todo el crédito.
• Lineal : Todos los jugadores que tocaron el balón durante la acción que condujo a un gol merecen una parte igual del crédito.
• Decaimiento del tiempo : Los últimos jugadores que tocaron el balón durante la acción que condujo a un gol merecen más crédito que los primeros jugadores.
• Basado en la posición : el autor del gol y el primer jugador que tocó el balón durante la acción que conduce a un gol merecen el 40% del crédito cada uno. Otros jugadores obtendrán el 20% restante de manera uniforme.

El problema con el modelo de atribución preferido de Google

Este cambio deja la atribución basada en datos (DDA) como el modelo de atribución predeterminado en Google Ads.

Google no comparte las reglas que deciden qué anuncios vincular a una conversión. Personalmente, asumo que DDA utiliza una combinación de los modelos de atribución antes mencionados.

Sin embargo, hay algo muy bueno: DDA se adapta a su cuenta.

• “La atribución basada en datos es diferente de los otros modelos de atribución porque utiliza sus datos de conversión para calcular la contribución real de cada interacción con el anuncio a lo largo de la ruta de conversión. Cada modelo basado en datos es específico para cada anunciante”, según Google.

Teóricamente, esto es perfecto.

Un modelo de atribución hecho a medida solo para ti. ¡Y ni siquiera tuviste que molestarte en pensar en esas reglas!

Sin embargo, suena demasiado bueno para ser verdad.

DDA se adapta a su cuenta. Pero ¿en base a qué criterios? no lo sabemos

Esto no debería importar mientras funcione.

Y podríamos asegurarnos de que lo hace comparándolo con otros modelos.

Pero, ¿qué sucede ahora que Google descontinuará los modelos de atribución "antiguos" de la sección de informes?

¿Menos modelos de atribución significan necesariamente un rendimiento más bajo?

Ahora esa es la verdadera pregunta.

Si bien probablemente todos odiemos perder más control con cada año que pasa, eso no debería ser un problema siempre que el rendimiento siga aumentando.

Y como vimos anteriormente, el impacto es menor en términos de gestión de ofertas (3% de todas las conversiones).

El problema real está en otra parte, en el nivel estratégico.

Como dice Google:

"En el camino hacia la conversión, los clientes pueden interactuar con varios anuncios del mismo anunciante... Los modelos de atribución pueden brindarle una mejor comprensión del rendimiento de sus anuncios y pueden ayudarlo a optimizar los procesos de conversión".

Entonces, ¿cómo optimizamos los viajes de conversión si no tenemos visibilidad? Veamos primero un ejemplo:

Análisis de los recorridos de los clientes en acción

Uno de nuestros clientes tiene una combinación de medios relativamente simple, así que lo usaré como ejemplo para ilustrar mi punto.

Como en el fútbol, ​​ese cliente tiene diferentes tácticas: defensas, centrocampistas y delanteros. Se necesita todo el equipo para marcar un gol.

Tenga en cuenta que la búsqueda de pago "puntúa" bastante bien cuando se utiliza el modelo de atribución del primer clic. Sin embargo, no tanto cuando se usa el último clic. La búsqueda orgánica y el marketing por correo electrónico roban el protagonismo cuando se utiliza ese modelo de atribución.

Esto es como se esperaba, sin embargo, porque:

• El viaje de conversión comienza con la búsqueda paga sin marca. Generan leads.
• La nutrición de prospectos es necesaria para madurar prospectos. Eso se hace principalmente a través del marketing por correo electrónico.
• Los prospectos calificados eventualmente compran a través de la búsqueda de marca orgánica y paga.

O, para decirlo en términos futbolísticos:

• Búsqueda pagada sin marca = Defensores
• Correo electrónico = Centrocampistas
• Búsqueda de marca orgánica y de pago = Strikers

¿Es suficiente DDA?

¿Habría entendido este embudo de conversión sin esos modelos de atribución?

Probablemente. Este ejemplo es bastante sencillo.

Pero, ¿qué sucede si comenzamos a trabajar en un proyecto B2B donde las ventas toman meses o un proyecto B2C donde las compras repetidas son importantes?

Ahora esa es otra historia. He visto muchos ejemplos en los que DDA no funcionó bien.

Creo que validar las conclusiones de la DDA con modelos de atribución antiguos y rígidos todavía tiene valor. Sin tales puntos de referencia, se expone a un daño potencial.

Después de todo, el aprendizaje automático es tan inteligente como los datos que le proporcionamos.

Aquí hay tres soluciones para los anunciantes que buscan adaptarse a los cambios.

Solución 1: plan de etiquetado de siguiente nivel

Desarrollar un programa de datos sólido es el primer paso para identificar las interacciones del recorrido del cliente.

A través del seguimiento completo, puede usar DDA o modelos de atribución de último clic con confianza... pero con todos esos pasos del recorrido del cliente para reemplazar el primer clic, etc.

Sé que no es lo ideal, pero este es un primer paso. Si usamos mi ejemplo anterior, atribuiría los clientes potenciales del último clic a la búsqueda sin marca y las ventas del último clic a la búsqueda de marca. no es ideal, pero funciona.

Naturalmente, esto requiere un seguimiento de todo el viaje del cliente. No puede confiar en su antiguo plan de etiquetado simplista. Necesitas microconversiones.

Solución 2: Integración de datos de CRM

Al realizar un seguimiento de las conversiones, ¿se detiene en las ventas?

Ahora necesita rastrear y alimentar todo el recorrido del cliente (sí, incluida la posventa) nuevamente en las plataformas publicitarias a través de la atribución externa.

Luego puede usar esa herramienta para aumentar la visibilidad, como la puntuación de clientes potenciales, pero esta vez con la puntuación de clientes.

Si detecta discrepancias en el rendimiento, esto debería permitirle influir en sus ofertas de manera diferente al modelo "basado en datos".

En resumen, el CRM debe convertirse (si aún no lo es) en una herramienta central para que los anunciantes comprendan e informen mejor el viaje del cliente y, en consecuencia, la combinación de medios adecuada.

Solución 3: otros métodos de atribución

Me estoy aventurando en terrenos más sofisticados aquí, lo que no se aplica a todos los proyectos.

Básicamente, la incrementalidad significa exponer a una audiencia a su anuncio y ocultar deliberadamente ese mismo anuncio de una audiencia similar, y luego comparar los niveles de rendimiento de ambas audiencias.

Como puedes imaginar, este método es genial pero propenso a errores. (Sin mencionar que solo está disponible si tiene grandes presupuestos en primer lugar para fines de confiabilidad de datos).

Su próxima mejor apuesta es con las encuestas a los clientes.

Por ejemplo, puede usar una ventana emergente de intención de salida (preguntando a los visitantes de dónde vienen, qué no les gustó, etc.) o campos adicionales en su viaje de compra/cliente potencial para capturar información adicional.

Naturalmente, tenga cuidado con estos datos declarativos, ya que a menudo están sesgados hasta cierto punto.

No existe un modelo de atribución perfecto

A lo largo de este artículo, he estado buscando la forma perfecta de medir el rendimiento.

Pero no te pierdas en la madriguera del conejo. No existe tal cosa como la atribución perfecta.

Lo que desea es una entrada confiable pero direccional para su estrategia.

Superar esa etapa es para fanáticos de la publicidad como yo, pero no es útil para la toma de decisiones comerciales. Priorice en consecuencia.