Wstrząs w modelu atrybucji Google: 3 rozwiązania dla reklamodawców

Prawdopodobnie już wiesz, że Google Ads i Google Analytics 4 całkowicie wycofają we wrześniu modele atrybucji oparte na pierwszym kliknięciu, liniowe, z rozkładem w czasie i oparte na pozycji.

Modele atrybucji oparte na ostatnim kliknięciu i oparte na danych pozostaną dostępne, podobnie jak atrybucja zewnętrzna.

Niektórzy marketerzy PPC nie zdają sobie sprawy, że Google nie tylko zaprzestanie stosowania tych modeli atrybucji z punktu widzenia licytacji. Zostaną one również usunięte z funkcji raportowania i porównywania.

Oznacza to, że nie możesz już analizować podróży klientów w Google Ads i Google Analytics za pomocą modeli atrybucji. Potrzebujesz alternatyw.

Spojrzenie na modele atrybucji

Modele atrybucji ułatwiają powiązanie konwersji (tj. sprzedaży lub potencjalnego klienta) z kliknięciem lub wyświetleniem reklamy. Jest to sposób na określenie, które reklamy, grupy odbiorców lub sieci są najskuteczniejsze.

W przeszłości używaliśmy kilku modeli atrybucji z różnymi regułami, aby to powiązać.

Korzystając z analogii do piłki nożnej, oto, co reprezentuje każdy model:

• Ostatnie kliknięcie : strzelec bramki zasługuje na uznanie.
• Pierwsze kliknięcie : Pierwszy zawodnik, który dotknął piłki podczas akcji prowadzącej do zdobycia bramki, zasługuje na najwyższe uznanie.
• Liniowy : Wszyscy zawodnicy, którzy dotknęli piłki podczas akcji prowadzącej do zdobycia bramki, zasługują na równe uznanie.
• Upływ czasu : Ostatni zawodnicy, którzy dotknęli piłki podczas akcji prowadzącej do zdobycia bramki, zasługują na większe uznanie niż pierwsi gracze.
• Oparte na pozycji : Strzelec bramki i pierwszy zawodnik, który dotknął piłki podczas akcji prowadzącej do zdobycia bramki, zasługują na uznanie po 40%. Pozostali gracze otrzymają pozostałe 20% po równo.

Problem z preferowanym przez Google modelem atrybucji

Ta zmiana pozostawia atrybucję opartą na danych (DDA) jako domyślny model atrybucji w Google Ads.

Google nie udostępnia reguł decydujących o tym, jakie reklamy mają prowadzić do konwersji. Osobiście zakładam, że DDA wykorzystuje kombinację wyżej wymienionych modeli atrybucji.

Jest jednak jeden bardzo fajny element: DDA jest dostosowane do Twojego konta.

• „Atrybucja oparta na danych różni się od innych modeli atrybucji, ponieważ wykorzystuje dane konwersji do obliczenia rzeczywistego udziału każdej interakcji z reklamą na ścieżce konwersji. Każdy model oparty na danych jest specyficzny dla każdego reklamodawcy”, według Google.

Teoretycznie jest to idealne.

Model atrybucji stworzony specjalnie dla Ciebie. I nawet nie musiałeś zawracać sobie głowy myśleniem o tych zasadach!

Jednak brzmi to zbyt dobrze, aby mogło być prawdziwe.

DDA jest dostosowane do Twojego konta. Ale na podstawie jakich kryteriów? nie wiemy.

To nie powinno mieć znaczenia, dopóki działa.

I możemy się upewnić, że tak jest, porównując go z innymi modelami.

Ale co się stanie teraz, gdy Google zrezygnuje z „starych” modeli atrybucji z sekcji raportowania?

Czy mniej modeli atrybucji musi oznaczać gorszą skuteczność?

To jest prawdziwe pytanie.

Chociaż prawdopodobnie wszyscy nie znosimy utraty większej kontroli z każdym mijającym rokiem, nie powinno to stanowić problemu, o ile wydajność stale rośnie.

Jak widzieliśmy wcześniej, wpływ na zarządzanie stawkami jest niewielki (3% wszystkich konwersji).

Prawdziwy problem leży gdzie indziej – na poziomie strategicznym.

Jak podaje Google:

„Na ścieżce do konwersji klienci mogą wchodzić w interakcje z wieloma reklamami tego samego reklamodawcy… Modele atrybucji pozwalają lepiej zrozumieć skuteczność reklam i optymalizować ścieżki konwersji”.

Jak więc zoptymalizować ścieżki konwersji, jeśli brakuje nam widoczności? Przejdźmy najpierw przez przykład:

Analiza podróży klientów w działaniu

Jeden z naszych klientów ma stosunkowo prosty miks mediów, więc posłużę się nim jako przykładem, aby zilustrować mój punkt widzenia.

Podobnie jak w piłce nożnej, ten klient ma inną taktykę: obrońcy, pomocnicy i napastnicy. Do zdobycia gola potrzebny jest cały zespół.

Zauważ, że płatne wyszukiwanie „wynika” całkiem dobrze, gdy korzystasz z modelu atrybucji pierwszego kliknięcia. Jednak nie tak bardzo, gdy używasz ostatniego kliknięcia. Wyszukiwanie organiczne i marketing e-mailowy kradną show, gdy korzysta się z tego modelu atrybucji.

Jest to zgodne z oczekiwaniami, ponieważ:

• Proces konwersji rozpoczyna się od płatnego wyszukiwania niezwiązanego z marką. Generują leady.
• Pielęgnacja leadów jest niezbędna, aby dojrzeć potencjalnych klientów. Odbywa się to głównie za pośrednictwem e-mail marketingu.
• Wykwalifikowani potencjalni klienci ostatecznie kupują poprzez organiczne i płatne wyszukiwanie markowe.

Lub, ujmując to w kategoriach piłkarskich:

• Płatne wyszukiwanie niezwiązane z marką = Obrońcy
• E-mail = Pomocnicy
• Organiczne i płatne wyszukiwanie markowe = Strikers

Czy DDA wystarczy?

Czy zrozumiałbyś tę ścieżkę konwersji bez tych modeli atrybucji?

Prawdopodobnie. Ten przykład jest dość prosty.

Ale co, jeśli zaczniemy pracować nad projektem B2B, w którym sprzedaż trwa miesiącami lub projektem B2C, w którym ważne są powtarzające się zakupy?

Teraz to inna historia. Widziałem wiele przykładów, w których DDA nie działało dobrze.

Myślę, że sprawdzanie wniosków DDA za pomocą starych i sztywnych modeli atrybucji nadal ma wartość. Bez takich wzorców narażasz się na potencjalne szkody.

W końcu uczenie maszynowe jest tak inteligentne, jak dane, którymi je karmimy.

Oto trzy rozwiązania dla reklamodawców, którzy chcą dostosować się do zmian.

Rozwiązanie 1: Plan tagowania następnego poziomu

Opracowanie solidnego programu do obsługi danych to pierwszy krok do identyfikacji interakcji z klientami.

Dzięki pełnemu śledzeniu możesz śmiało korzystać z modeli atrybucji DDA lub ostatniego kliknięcia… ale z tymi wszystkimi etapami podróży klienta, które zastępują pierwsze kliknięcie i tak dalej.

Wiem, że to nie jest idealne, ale to jest pierwszy krok. Jeśli użyjemy powyższego przykładu, przypiszesz potencjalną sprzedaż z ostatniego kliknięcia do wyszukiwania niezwiązanego z marką, a sprzedaż z ostatniego kliknięcia do wyszukiwania związanego z marką. Nie idealne, ale działa.

Oczywiście wymaga to śledzenia całej podróży klienta. Nie możesz polegać na swoim starym uproszczonym planie tagowania. Potrzebujesz mikrokonwersji.

Rozwiązanie 2: Integracja danych CRM

Śledząc konwersje, zatrzymujesz się na sprzedaży?

Teraz musisz śledzić i przesyłać całą ścieżkę klienta (tak, w tym posprzedażową) z powrotem na platformy reklamowe za pomocą zewnętrznej atrybucji.

Następnie możesz użyć tego narzędzia w celu zwiększenia widoczności – na przykład oceny leadów, ale tym razem z punktacją klienta.

Jeśli zauważysz rozbieżności w skuteczności, powinno to umożliwić Ci wpływanie na stawki inaczej niż w przypadku modelu „opartego na danych”.

Krótko mówiąc, CRM musi stać się (jeśli jeszcze nie jest) centralnym narzędziem dla reklamodawców, aby lepiej zrozumieć i informować o podróży klienta – a co za tym idzie, o odpowiednim miksie medialnym.

Rozwiązanie 3: Inne metody atrybucji

Zapuszczam się tutaj w bardziej wyrafinowane podstawy, co nie dotyczy wszystkich projektów.

Zasadniczo stopniowanie oznacza wystawienie odbiorców na reklamę i celowe ukrycie tej samej reklamy przed podobnymi odbiorcami, a następnie porównanie poziomów skuteczności obu odbiorców.

Jak możesz sobie wyobrazić, ta metoda jest bardzo fajna, ale podatna na błędy. (Nie wspominając już o dostępności tylko wtedy, gdy masz duże budżety przede wszystkim ze względu na niezawodność danych).

Następnym najlepszym rozwiązaniem są ankiety dla klientów.

Możesz na przykład użyć wyskakującego okienka intencji wyjścia (pytanie opuszczających odwiedzających, skąd przybyli, co im się nie podobało itp.)

Oczywiście należy zachować ostrożność w przypadku takich danych deklaratywnych, ponieważ często są one w pewnym stopniu wypaczone.

Nie ma idealnego modelu atrybucji

W całym tym artykule szukałem idealnego sposobu mierzenia wydajności.

Ale nie zgub się w króliczej norze. Nie ma czegoś takiego jak doskonała atrybucja.

To, czego potrzebujesz, to wiarygodne, ale kierunkowe dane wejściowe do Twojej strategii.

Przejście przez ten etap jest dla maniaków reklamy, takich jak ja, ale nie jest przydatne przy podejmowaniu decyzji biznesowych. Odpowiednio uszereguj priorytety.