Perombakan model atribusi Google: 3 solusi untuk pengiklan

Anda mungkin pernah mendengar berita: Google Ads dan Google Analytics 4 akan sepenuhnya menghentikan model atribusi berbasis posisi, linier, dan klik pertama pada bulan September.

Model atribusi klik terakhir dan berdasarkan data akan tetap tersedia, bersama dengan atribusi eksternal.

Apa yang tidak disadari oleh beberapa pemasar PPC adalah bahwa Google tidak akan begitu saja menghentikan model atribusi ini dari sudut pandang penawaran. Mereka juga akan dihapus dari fitur pelaporan dan perbandingan.

Artinya, Anda tidak dapat lagi menganalisis perjalanan pelanggan di Google Ads dan Google Analytics menggunakan model atribusi. Anda membutuhkan alternatif.

Lihat model atribusi

Model atribusi membantu menghubungkan konversi (yaitu, penjualan atau prospek) ke klik atau tayangan iklan. Ini adalah cara untuk menentukan iklan, pemirsa, atau jaringan mana yang berkinerja terbaik.

Secara historis, kami telah menggunakan beberapa model atribusi dengan aturan yang berbeda untuk menghubungkannya.

Menggunakan analogi sepak bola, inilah yang diwakili oleh masing-masing model:

• Klik terakhir : Pencetak gol layak mendapatkan semua pujian.
• Klik pertama : Pemain pertama yang menyentuh bola selama aksi yang menghasilkan gol layak mendapatkan semua pujian.
• Linear : Semua pemain yang menyentuh bola selama aksi yang menghasilkan gol layak mendapat bagian yang sama dari kredit.
• Peluruhan waktu : Pemain terakhir yang menyentuh bola selama aksi yang mengarah ke gol layak mendapat pujian lebih dari pemain pertama.
• Berbasis posisi : Pencetak gol dan pemain pertama yang menyentuh bola selama aksi yang menghasilkan gol masing-masing berhak mendapatkan 40% kredit. Pemain lain akan mendapatkan sisa 20% secara merata.

Masalah dengan model atribusi pilihan Google

Pergeseran ini menjadikan atribusi berdasarkan data (DDA) sebagai model atribusi default di Google Ads.

Google tidak membagikan aturan yang menentukan iklan mana yang akan ditautkan ke konversi. Saya pribadi menganggap DDA menggunakan kombinasi dari model atribusi yang disebutkan di atas.

Namun, ada satu hal yang sangat keren: DDA disesuaikan dengan akun Anda.

• “Atribusi berdasarkan data berbeda dari model atribusi lainnya karena menggunakan data konversi Anda untuk menghitung kontribusi sebenarnya dari setiap interaksi iklan di seluruh jalur konversi. Setiap model berbasis data khusus untuk setiap pengiklan, ”menurut Google.

Secara teoritis, ini sempurna.

Model atribusi yang dibuat khusus hanya untuk Anda. Dan Anda bahkan tidak perlu repot memikirkan aturan itu!

Namun, kedengarannya terlalu bagus untuk menjadi kenyataan.

DDA disesuaikan dengan akun Anda. Tapi berdasarkan kriteria apa? Kami tidak tahu.

Ini seharusnya tidak masalah asalkan berhasil.

Dan kami dapat memastikannya dengan membandingkannya dengan model lain.

Tapi apa yang terjadi sekarang karena Google akan menghentikan model atribusi "lama" dari bagian pelaporan?

Apakah model pengaitan yang lebih sedikit berarti kinerja yang lebih buruk?

Nah, itu pertanyaan sebenarnya.

Meskipun kita semua mungkin tidak suka kehilangan lebih banyak kendali setiap tahun, itu seharusnya tidak menjadi masalah selama kinerja terus meningkat.

Dan seperti yang kita lihat sebelumnya, pengaruhnya kecil dalam hal pengelolaan tawaran (3% dari semua konversi).

Masalah sebenarnya terletak di tempat lain – di tingkat strategis.

Seperti yang dinyatakan Google:

"Di jalur menuju konversi, pelanggan dapat berinteraksi dengan beberapa iklan dari pengiklan yang sama… Model atribusi dapat memberi Anda pemahaman yang lebih baik tentang kinerja iklan Anda dan dapat membantu Anda mengoptimalkan di seluruh proses konversi.”

Jadi, bagaimana cara mengoptimalkan seluruh perjalanan konversi jika visibilitasnya kurang? Mari kita telusuri contoh terlebih dahulu:

Menganalisis perjalanan pelanggan dalam tindakan

Salah satu klien kami memiliki campuran media yang relatif sederhana, jadi saya akan menggunakannya sebagai contoh untuk mengilustrasikan maksud saya.

Seperti di sepak bola, klien itu memiliki taktik yang berbeda: bek, gelandang, dan striker. Dibutuhkan seluruh tim untuk mencetak gol.

Perhatikan bahwa "skor" penelusuran berbayar cukup baik saat menggunakan model atribusi klik pertama. Namun, tidak begitu banyak saat menggunakan klik terakhir. Penelusuran organik dan pemasaran email mencuri perhatian saat menggunakan model atribusi tersebut.

Ini seperti yang diharapkan, karena:

• Perjalanan konversi dimulai dengan penelusuran berbayar tanpa merek. Mereka menghasilkan prospek.
• Pembinaan timbal diperlukan untuk mematangkan prospek. Itu terutama dilakukan melalui pemasaran email.
• Prospek yang memenuhi syarat akhirnya membeli melalui pencarian bermerek organik dan berbayar.

Atau, untuk memasukkannya ke dalam istilah sepak bola:

• Pencarian berbayar tanpa merek = Pembela
• Email = Gelandang
• Pencarian bermerek organik dan berbayar = Striker

Apakah DDA cukup?

Apakah Anda akan memahami funnel konversi ini tanpa model atribusi tersebut?

Mungkin. Contoh ini cukup mudah.

Tetapi bagaimana jika kita mulai mengerjakan proyek B2B yang penjualannya memakan waktu berbulan-bulan atau proyek B2C yang mengutamakan pembelian berulang?

Nah, itu cerita lain. Saya telah melihat banyak contoh di mana DDA tidak bekerja dengan baik.

Saya pikir memvalidasi kesimpulan DDA dengan model atribusi lama dan kaku masih memiliki nilai. Tanpa tolok ukur seperti itu, Anda mengekspos diri Anda pada potensi bahaya.

Lagi pula, pembelajaran mesin hanya secerdas data yang kami berikan padanya.

Berikut adalah tiga solusi bagi pengiklan yang ingin beradaptasi dengan perubahan.

Solusi 1: Rencana pemberian tag tingkat selanjutnya

Mengembangkan program data yang solid adalah langkah pertama Anda untuk mengidentifikasi interaksi perjalanan pelanggan.

Melalui pelacakan lengkap, Anda dapat menggunakan model atribusi DDA atau klik terakhir dengan percaya diri… tetapi dengan semua langkah perjalanan pelanggan untuk mengganti klik pertama dan seterusnya.

Saya tahu ini tidak ideal tetapi ini adalah langkah pertama. Jika kita menggunakan contoh saya di atas, Anda akan mengatribusikan klik terakhir mengarah ke penelusuran tidak bermerek dan penjualan klik terakhir ke penelusuran bermerek. Tidak ideal, tetapi berhasil.

Secara alami, ini membutuhkan pelacakan seluruh perjalanan pelanggan. Anda tidak dapat mengandalkan paket pemberian tag lama yang sederhana. Anda memerlukan konversi mikro.

Solusi 2: Mengintegrasikan data CRM

Saat melacak konversi, apakah Anda berhenti pada penjualan?

Sekarang Anda perlu melacak dan memberi makan seluruh perjalanan pelanggan (ya, termasuk pasca-penjualan) kembali ke platform iklan melalui atribusi eksternal.

Anda kemudian dapat menggunakan alat itu untuk meningkatkan visibilitas – seperti penskoran prospek tetapi kali ini dengan penskoran klien.

Jika Anda menemukan perbedaan kinerja, hal ini akan memungkinkan Anda memengaruhi tawaran secara berbeda dari model "berdasarkan data".

Singkatnya, CRM harus menjadi (jika belum) alat utama bagi pengiklan untuk lebih memahami dan menginformasikan perjalanan pelanggan – dan, akibatnya, campuran media yang sesuai.

Solusi 3: Metode atribusi lainnya

Saya menjelajah ke lahan yang lebih canggih di sini, yang tidak berlaku untuk semua proyek.

Pada dasarnya, inkrementalitas berarti mengekspos pemirsa ke iklan Anda dan dengan sengaja menyembunyikan iklan yang sama dari pemirsa serupa, lalu membandingkan tingkat kinerja kedua pemirsa.

Seperti yang bisa Anda bayangkan, metode ini sangat keren tapi rawan kesalahan. (Belum lagi hanya tersedia jika Anda memiliki anggaran besar untuk tujuan keandalan data.)

Taruhan terbaik Anda berikutnya adalah dengan survei pelanggan.

Misalnya, Anda dapat menggunakan munculan niat keluar (menanyakan pengunjung yang keluar dari mana asalnya, apa yang tidak mereka sukai, dll.) atau bidang tambahan dalam perjalanan pembelian/prospek Anda untuk menangkap informasi tambahan.

Secara alami, berhati-hatilah dengan data deklaratif seperti itu karena sering kali miring.

Tidak ada model atribusi yang sempurna

Sepanjang artikel ini, saya telah mengejar cara sempurna untuk mengukur kinerja.

Tapi jangan tersesat di lubang kelinci. Tidak ada yang namanya atribusi sempurna.

Yang Anda inginkan adalah input yang andal namun terarah untuk strategi Anda.

Melewati tahap itu adalah untuk pecandu iklan seperti saya, tetapi tidak berguna untuk pengambilan keputusan bisnis. Prioritaskan sesuai.