Digitalna atribucija uključuje određivanje koji su online dodirni točke (npr. oglasi, pretrage, e-mailovi, objave na društvenim mrežama, interakcije na web stranici) doprinijele željenoj korisničkoj akciji — kupnji, registraciji ili stjecanju potencijalnog klijenta — i dodjeljivanje ovim točkama odgovarajućeg dijela vrijednosti kako bi se procijenio njihov relativni utjecaj.
Budući da kupci obično prolaze kroz mnoge interakcije prije konverzije, sustavi atribucije prikupljaju signale o tim događajima (klikovi, prikazi, pregledi stranica, sesije) i primjenjuju određeni model za raspodjelu vrijednosti konverzije među tim točkama.
Najnoviji podaci pokazuju da se digitalna atribucija široko koristi u mjerenju učinkovitosti marketinških aktivnosti – 51,5% marketinških stručnjaka koristi je, od čega 64,3% koristi je dosljedno (1).
Koji se modeli koriste u digitalnoj atribuciji?
Najčešće korišteni modeli su: zadnji klik (sva zasluga posljednjoj točki), prvi klik (sva zasluga prvom kontaktu), linearni model (jednaka dodjela vrijednosti svim kontaktima), vremenski pad (veća težina za novije interakcije) i pozicijski model (veća težina za prve i posljednje interakcije).
Naprednije metode uključuju statističke i algoritamske pristupe — npr. multi-touch, probabilističku ili podatkovno vođenu atribuciju — koje donose zaključke o doprinosu pojedinih kanala na temelju obrazaca u podacima.
Međutim, važno je zapamtiti ograničenja: modeli temeljeni na pravilima i podaci koje prijavljuju platforme imaju tendenciju prekomjerne atribucije vrijednosti kanalima nižeg lijevka. Osim toga, prozori atribucije, prijelazi između uređaja i gubitak signala zbog ograničenja privatnosti mogu iskriviti rezultate. Oslanjanje isključivo na ove signale može rezultirati pogrešnom alokacijom proračuna i zanemariti stvarnu uzročnu ulogu aktivnosti brendiranja ili offline dodirnih točaka.
Može li biti atribucija ukradena?
Ispostavilo se da može, i reći ću više – to je uobičajen, stvaran problem. Prvo, takozvana pristranost jednog alata: jedan alat (npr. Google Analytics) konsolidira i favorizira svoje najbolje signale — obično onsite — što pomiče težinu u atribuciji. Onsite alati “vide” sve klikove i događaje u sesiji, dok vanjski izvori (oglasne platforme, org. preporuke) mogu biti nedovoljno zastupljeni zbog praznina u prijenosu podataka (gubitak UTM-a, preusmjeravanja, prijelazi između uređaja).
Osim toga, pogreške u implementaciji, kao što su nedostatak deduplikacije, nedosljedni ID-ovi transakcija, odgođeni ili dvostruki pingovi, čine da onsite izgleda kao jedini konačni uzrok konverzije. Blokatori oglasa i ograničenja trećih strana samo produbljuju onsite/prvostranu prednost.
Ovo je stvarna “krađa atribucije” — ali je upravljiva: ključ je integracija podataka, deduplikacija i ujedinjenje pravila.
Kako spriječiti krađu atribucije?
Mapiranje putanja može djelomično riješiti problem. Kombiniranje clickstreama (UTM, ID-ovi klikova oglasa) s onsite događajima putem zajedničkih identifikatora (transaction_id, session_id, user_id) rješava dio problema. Dobro rješenje je korištenje posredničkog sustava (CDP / praćenje na strani servera) za normalizaciju i deduplikaciju događaja prije nego što ih se pošalje analitičkim i oglasnim platformama.
I još jednostavnije – Google Analytics treba koristiti uglavnom za mjerenje izvora prometa i učinkovitosti vanjskih kampanja. Za mjerenje onsite aktivnosti (pop-upovi, obrasci, CTA-ovi, mikro-konverzije, UX), treba koristiti više posvećen alat (analitika proizvoda, ponovna reprodukcija sesija, praćenje događaja) s drugačijom logikom prikupljanja i detaljiziranja događaja.
Zašto tako? GA je optimiziran za agregiranje izvora prometa i kampanja; onsite alati bolje mjere ponašanja sesija, sekvence i mikro-konverzije. Odvojeni sustavi sprječavaju “pristranost jednog alata,” gdje onsite signali dominiraju cijelim modelom atribucije. Izvješća u GA mogu izgledati povoljno za dobavljače, čak i ako je to učinak mjerenja, a ne stvarna učinkovitost.
Onsite izvješća u GA treba tretirati kao sumnjiv signal koji zahtijeva provjeru — integracija sirovih događaja, deduplikacija i eksperimenti su jedini načini za razlikovanje stvarnog utjecaja alata od “krađe atribucije.”
Treba biti oprezan i s onsite alatima koji prijavljuju svoju učinkovitost u GA. Prije ili kasnije, to će dovesti do kanibalizacije vanjskih kanala i donošenja pogrešnih odluka o njihovoj upotrebi.
Koristi li Quarticon GA za mjerenje učinkovitosti?
Ne, zbog gore opisanih problema, Quarticon ne koristi GA za procjenu učinkovitosti alata (za razliku od nekih pružatelja usluga). U Quarticonu koristimo metrike temeljene na sirovim podacima, pristup sirovim zapisima i jasna pravila mjerenja konverzija.
(1) Temeljeno na: Samo 39% marketinških stručnjaka mjeri poslovne rezultate
