#2 Ocena kanałów ruchu przez pryzmat domyślnego modelu atrybucji w GA

Prezentujemy kolejny artykuł z serii „100 błędów marketingowych, których powinny unikać e-commerce”. Temat brzmi dość skomplikowanie, ale w rzeczywistości nie jest aż tak ciężki. Żeby lepiej zrozumieć o co chodzi, na początek proponuję krótką historyjkę, która wcale nie jest historyjką z gatunku s-f:

Maciek, właściciel sklepu z ubrankami dla dzieci, prowadzi różne działania marketingowe, mające na celu zwiększenie sprzedaży i zysku z kanału online. Jego budżet reklamowy nie jest z gumy, dlatego od początku stawia na kanały, które najlepiej konwertują i dają minimalny, oczekiwany ROI. Część zadań realizuje we własnym zakresie, a część zleca zaprzyjaźnionej agencji interaktywnej.

Maciek analizuje swoje dane z wykorzystaniem Google Analytics, gdzie ma poprawnie zainstalowany moduł e-commerce. Ocenia poszczególne kanały analizując poniesione nakłady finansowe w stosunku do wygenerowanego przychodu. Wyniki spisuje w tabelce, na podstawie której dokonuje decyzji co dalej:

Z tabeli wynika, że reklama na Facebooku nie przynosi odpowiedniego zwrotu z inwestycji – Maciek dokłada do tej formy promocji blisko 5000 zł. Postanawia zrezygnować z usługi, dzięki czemu, według jego dedukcji, zaoszczędzi część środków i w kolejnym miesiącu będzie mógł przeznaczyć je na inne, bardziej dochodowe, działania reklamowe. Jego tabela w kolejnym miesiącu wygląda jednak następująco:

Pierwsze co zauważa Maciek w kolejnym miesiącu to wzrost śr. ROAS – zmiana o ponad 20% cieszy. Maciek zauważa spadek przychodów i marży – można było się tego spodziewać – w końcu zrezygnował z kanału, który wg. GA generował 4500 przychodu i 1350 zł marży. Co jednak zastanawiające, sumaryczny zysk z całości działań reklamowych spadł o ponad 2500 zł. Maciek przygląda się bliżej swoim danym i zauważa spadki ROAS praktycznie we wszystkich kanałach – jedynie Domodi zachowało efektywność na wcześniejszym poziomie. Maciek nie rozumie co się stało – przecież zrezygnował z nieefektywnego kanału, który generował straty.

Niestety Maciek jako średnio doświadczony marketer, nie przyswoił pojęcia atrybucji, swoje wnioski wyciągnął na podstawie niepełnych danych. Z góry założył, że kanały na siebie nie oddziałują, co w świecie ZMOT i omnichannel nie jest prawdą.

Co powinien był zrobić Maciek? Przed podjęciem ostatecznej decyzji, sprawdzić i porównać rozkład konwersji (przychodu) dla różnych modeli atrybucji.

Czym są modele atrybucji?

Posłużymy się tutaj definicją z supportu Google:

„Model atrybucji jest regułą albo zbiorem reguł, które określają sposób przypisywania sprzedaży i konwersji do punktów styczności na ścieżkach konwersji.”

Mówiąc prościej, przy pomocy modelu atrybucji określamy, do którego źródła ruchu na całej ścieżce zakupowej przypiszemy konwersję (sprzedaż).

Domyślny model atrybucji stosowany w GA to model Ostatnie kliknięcie niebezpośrednie, ale oprócz niego wyróżniamy wiele więcej. Poniżej charakterystyka poszczególnych modeli – warto zwrócić uwagę na przypisane do nich obrazki, które świetnie opisują dany model. Nie będziemy tutaj wymyślać koła na nowo, dlatego wrzucam opisy bezpośrednio z supportu Google:

 W modelu atrybucji Ostatnia interakcja ostatni punkt styczności – w tym przypadku kanał bezpośredni – otrzyma 100% udziału w sprzedaży.

 W modelu atrybucji Ostatnie kliknięcie niebezpośrednie wszystkie wizyty bezpośrednie są ignorowanie, a 100% udziału w sprzedaży otrzyma ostatni kanał, w którym klient kliknął przed konwersją – w tym przypadku kanał e-mail. (DOMYŚLNY MODEL GA)

 W modelu atrybucji Ostatnie kliknięcie Google Ads  – w tym przypadku pierwsze i jedyne kliknięcie w kanale płatnego wyszukiwania – otrzyma 100% udziału w sprzedaży.

 W modelu atrybucji Pierwsza interakcja cały udział w wyniku za sprzedaż otrzyma pierwszy punkt styczności (w tym przypadku kanał płatnego wyszukiwania).

 W Liniowym modelu atrybucji każdy punkt styczności na ścieżce konwersji – w tym przypadku płatne wyszukiwanie, sieci społecznościowe, e-mail i kanały bezpośrednie – otrzyma taki sam udział w wyniku sprzedaży (25% każdy).

 W modelu atrybucji Spadek udziału z upływem czasu największy udział w sprzedaży otrzymają punkty styczności najbliżej sprzedaży lub konwersji. W przypadku tej sprzedaży największy udział otrzymają kanały bezpośredni oraz e-mail, bo to właśnie z nich korzystał klient na dzień przed konwersją. Kanał sieci społecznościowych otrzyma mniejszy udział w sprzedaży niż kanał bezpośredni i kanał e-mail. Ze względu na to, że interakcja z kanałem płatnego wyszukiwania miała miejsce tydzień wcześniej, ten kanał otrzyma znacznie mniejszy udział.

 Model Uwzględnienie pozycji pozwala połączyć cechy modeli Ostatnia interakcja i Pierwsza interakcja. Zamiast przypisywać cały udział pierwszej lub ostatniej interakcji, możesz go podzielić między oba te rodzaje interakcji. Jednym z często występujących scenariuszy jest przypisanie po 40% udziału pierwszej i ostatniej interakcji oraz 20% interakcjom pośrednim.

W domyślnym modelu atrybucji Ostatnie kliknięcie niebezpośrednie i w modelu Ostatnia interakcja sporo zyskują kanały remarketingowe (np. retargeting RTB, remarketing Google Ads, remarketing FB Ads) oraz te mocno bazujące na wypracowanej sile marki (SEO ze słów brandowych, kampanie Google Ads w wyszukiwarce na słowa brandowe). To te kanały, pieszczotliwie nazywane kanibalami, są beneficjentami działań zasięgowych, które skupiają się na pozyskiwaniu nowych użytkowników, budowaniu zasięgów i świadomości (np. kampanie FB skierowane na ruch w witrynie, czy kampanie display programmatic w oparciu o profilowanie użytkowników). Spadek intensywności działań zasięgowych, przy stałym nasileniu działań „domykających” sprawia, że te ostatnie nie mają „paliwa” i tracą na intensywności orz efektywności. Wynika to wprost z procesu zakupowego w Internecie, który przy obecnym dostępie do informacji, opinii na temat produktu, jest „kilku-przystankowy” i można w nim wyróżnić następujące etapy:

Różne kanały są odpowiednie dla danego etapu ścieżki zakupowej, jednakże w domyślnym modelu atrybucji GA, żaden z kanałów poprzedzających zakup NIE JEST PREMIOWANY KONWERSJĄ, przez co jego wartość jest zerowa. Tutaj należy jednak zadać sobie pytanie, czy do ZAKUPU doszłoby gdyby na ścieżce zakupowej Klienta zabrakło ekspozycji naszej marki, we wcześniejszych etapach ścieżki zakupowej? Często zdarza się, że niekoniecznie i warto o tym pamiętać.

Jak zabrać się za analizę atrybucji?

Jeśli uważasz, że przy podejmowaniu decyzji na temat skuteczności poszczególnych źródeł ruchu (i ich dalszego stosowania w swojej strategii marketingowej) warto spojrzeć na dane szerzej, przez pryzmat różnych modeli atrybucji, to bardzo mi miło. Z pomocą przyjdą Ci tutaj przede wszystkim 4 raporty, które pomogą odpowiedzieć na pytanie, czy dany kanał, niekoniecznie najbardziej efektywny przez pryzmat domyślnego modelu atrybucji GA, przyczynia się do sprzedaży:

1. Ścieżki wielokanałowe -> Porównanie modeli atrybucji

Porównuj skrajne modele. Zobacz, jak zmienia się „skuteczność” kanałów dla modeli Ostatnie kliknięcie niebezpośrednie i Pierwsza interakcja. Jeśli przy którymś źródle ruchu zaobserwujesz wzrosty – jest to typowy kanał zasięgowy, pracujący na wczesnych etapach Customer Journey. Jego wartość rośnie w modelach premiujących pierwsze etapy ścieżki zakupowej (np. Pierwsza interakcja).

W przykładzie powyżej widać to wyraźnie na przykładzie Reklamy Display, która „rośnie” wraz z modelami promującymi początek ścieżki zakupowej.

2. Ścieżki wielokanałowe -> Najważniejsze ścieżki konwersji

Przyjrzyj się najpopularniejszym ścieżkom wielokanałowym. Skoncentruj się na obserwacji lewej i środkowej części zwizualizowanej ścieżki. Jeśli analizujesz ten raport pod kontem skuteczności konkretnego kanału – odfiltruj tylko te ścieżki, które rzeczywiście zawierają ten kanał.

3. Ścieżki wielokanałowe -> Przegląd

W tym podstawowym widoku sprawdź procentowy udział analizowanego kanału w we wszystkich konwersjach. Im wyższy ten współczynnik, tym jego większa ekspozycja, ale także waga w całej strategii marketingowej, gdyż pojawia się on na różnych etapach ścieżki zakupowej. Jeśli więc Twój analizowany kanał cechuje się niskim ROAS-em dla domyślnego modelu atrybucji, ale wykazuje duży, procentowy udział w ścieżkach konwersji, to na pewno rezygnacja z tego kanału wiązać się będzie ze spadkiem przychodów, a może i ze spadkiem rentowności całości działań reklamowych, tak jak w analizowanym przypadku Maćka.

4. Ścieżki wielokanałowe -> Konwersje wspomagane

Ostatni ciekawy raport na deser. Tutaj znajdziesz informację na temat konwersji wspomaganych, czyli zagregowanych danych na temat udziału poszczególnych kanałów w konwersji. Na przykładzie kanału Sieć społecznościowa: 105 konwersji wspomaganych i 91 konwersji „tradycyjnych”. Co to oznacza? Że poza 91 konwersjami w których ten kanał był tym „zamykającym” sprzedaż, Sieć społecznościowa „maczała palce” w 14 (105 – 91) innych zakupach, nie będąc jednak tym kanałem „zamykającym” sprzedaż. Zwróć uwagę na ostatnią kolumnę – jest to swoista etykieta kanału przy ocenie jego rzeczywistej funkcji (zasięgowa / otwierająca czy sprzedażowa / domykająca):

– wartość wskaźnika znacznie poniżej 1 – oznacza, że dany kanał jest typowym „kanibalem”, domyka sprzedaż i „zgarnia” zasługi

– wartość wskaźnika blisko 1 – oznacza, że kanał ten jest zbilansowany, uczestniczy zarówno w procesie „otwierania” sprzedaży jak i jej „domykania”

– wartość wskaźnika znacznie powyżej 1 – kanał ten jest typowym kanałem zasięgowym, generuje wiele konwersji wspomaganych, pojawia się na wczesnych etapach Customer journey, ale sam nie odpowiada za sprzedaż

PODSUMOWANIE

Przy podejmowaniu decyzji odnośnie nakładów finansowych na poszczególne działania marketingowe w Twoim e-commerce pamiętaj o tym, że dane należy analizować w szerszym kontekście, a domyślny model atrybucji, nie zawsze oddaje rzeczywistą rolę i wagę danego kanału w całej strategii marketingowej. W świecie ZMOT, ścieżek wielokanałowych, rozbudowanego Customer Journey, obecność na różnych etapach podejmowania decyzji przez Klienta jest bardzo istotna, a bagatelizacja wczesnych etapów tej drogi może oznaczać stratę finansową. Zanim zdecydujesz się na usunięcie danego kanału ze swojego planu marketingowego – przeanalizuj jego udział w sprzedaży w kontekście różnych modeli atrybucji. Przy przeglądaniu raportów pamiętaj o kilku ważnych kwestiach:

– dostosuj tzw. okno konwersji (w GA nazywa się to Okresem ważności) do rzeczywistego procesu zakupowego w Twoim e-commerce – domyślne okienko konwersji wynosi 30 dni, ale w rzeczywistości inne okno konwersji będziemy mieć dla zakupu drogiego sprzętu RTV (dłuższe okno), a zakupu skarpet czy bielizny (krótsze okno)

– nie wykluczaj kanałów tylko na podstawie analizy pod kątem poj. modelu atrybucji, staraj się zanalizować ich wartość przynajmniej w kontekście 2 skrajnych modeli

– bądź ostrożny przy podejmowaniu decyzji inwestycyjnych w reklamę

– pamiętaj, że nie ma czegoś takiego jak dobry i zły model atrybucji, każdy model premiuje w mniejszym lub większym stopniu konkretną grupę kanałów (otwierające / domykające sprzedaż), odpowiedzią może być tutaj model data-driven dostępny w GA 360, ale i on odpowiada jedynie za pewien wycinek rzeczywistości (np. nie jest w stanie mierzyć wpływu kampanii offline)

– zwracaj uwagę na parametr konwersje wspomagane / po ostatnim kliknięciu lub bezpośrednie w raporcie Konwersje wspomagane – odpowiednia etykieta dla danego kanału zmienia kąt pod jakim na ten kanał patrzymy

Kamil Sztubecki

CEO Roial, który poza zadaniami operacyjnymi, odpowiada za biznesowy aspekt największych projektów. Jeśli gdzieś niedowozimy - wraz z zespołem siada i szuka rozwiązań, które pozwolą osiągnąć założone KPI. Cały czas skupiony na realizacji celów biznesowych Klienta. Z marketingiem online związany od 2007. Doświadczenie zawodowe zdobywał w agencjach, domach mediowych i po stronie Klienta, dlatego doskonale rozumie perspektywę obu stron każdego przedsięwzięcia marketingowego.