Attribúciós modell útmutató marketing kampányokhoz

A témában korábbi cikkemben már foglalkoztam a Google Analytics különféle hozzárendelési modelljeivel. Újraolvasva a bejegyzést, azt kicsit száraznak találtam, ezért úgy döntöttem, hogy felelevenítem a témát és kiegészítem pár azóta fontossá vált nézőponttal is, amiről akkor nem beszéltem.

Miért fontos a hozzárendelési modellek használata a kampányaink kiértekelésekor?

Online marketing szakértőként az ember gyakran van döntési helyzetben, amikor egy-egy kampányunk vagy csatorna teljesítményét kell kiértékelnünk.

Ahhoz, hogy reális és objektív véleményt alkothassunk, muszáj több szempont alapján is vizsgálódnunk és nem csupán a jó öreg utolsó vagy legutólsó, nem közvetlen interakciós hozzárendelési modell szerint készült riportok alapján vizsgálni a teljesítményt.

De milyen kérdések merülhetnek fel napi szinten a szakemberben?

• A vizsgált általános kulcsszó bár nem teljesített jól közvetlen konverziószám és ezáltal konverziós költség szempontjából, de hogyan támogatta a vásárlási ciklust
• Melyik csatorna/felület hozta közvetlenül a legtöbb konverziót, vagy éppen ellenkezőleg, melyik csatorna/felület támogatta legjobban az értékesítést új felhasználók, azaz új potenciális leadek generálásával?
• Milyen csatornalépésekből áll egy tipikus vásárlási ciklus? Melyik a legnépszerűbb vásárlási út kombináció?

Ha ezek a részletes válaszok a szakember rendelkezésére állnak, akkor könnyen ki fogjuk tudni választani megtérülés alapon azokat a kampányokat és csatornákat, amelyeknek érdemes kitüntetett szerepet kapniuk a médiamixünkben, és nem fogunk olyan hibákat elkövetni, hogy tévesen kizárunk vagy leállítunk olyan csatornákat, amelyek egyébként oroszlán szerepet játszanak a konverziós folyamatok támogatásában.

Ismerd meg a különböző vásárlói útvonalakat és vásárlási folyamatokat!

A különböző vásárlói útvonalakat egy tartós, leánykérésben végződő kapcsolat kialakulásához tudnám legkönnyebben hasonlítani. A leánykéréskor már senki sem tudja megmondani, hogy pontosan melyik randi vezetett ehhez az eseményhez, de feltételezhetően a randik és az együtt töltött élmények egész sora döntő szerepet játszott a végső döntések meghozatalában.

Ehhez hasonlóan zavaros döntési helyzetben vagyunk, amikor a szokványos utolsó nem direkt interakciós modell szerint hozzárendelt Analytics jelentések alapján próbálunk döntéseket hozni egy-egy kampány vagy csatorna vagy akár eszköz szerepéről a vásárlói döntési folyamatban.

A vásárlói életciklus különböző szakaszai egy potenciális ügyfél példáján keresztül:

1. A potenciális ügyfeled egyáltalán nem ismeri a cégedet.
2. A potenciális ügyfeled valahol hall rólad, de nem igazán van szüksége a szolgáltatásodra abban a pillanatban vagy még nem ismerte ezt fel, ezért nem vésődsz be neki.
3. A potenciális ügyfeled hall rólad, és kezdetleges érdeklődést mutat a szolgáltatásod vagy terméked iránt, alapszinten megismeri a cégedet és a szolgáltatásaidat, de mivel még nem aktuális, így nem rendel semmit.
4. A potenciális ügyfeled konkrétan érdeklődik egyik szolgáltatásod vagy terméked iránt, aminek az ár-érték arányát összehasonlítja a konkurencia hasonló szolgáltatásával, azért mert már tudja, hogy valamelyik aktuális problémáját Te fogod tudni kielégíteni.
5. A potenciális ügyfeled eldönti, hogy ár-érték arányban, ismeretei alapján, valamint érzelmi alapon a Te ajánlatod a legszimpatikusabb a számára, ezért megrendeli a szolgáltatásod vagy a termékedet, és vásárlóddá, ügyfeleddé válik.

A fenti példa ellenére a vásárlói életciklus legtöbbször sajnos nem ennyire egyszerű, előre meghatározott modell szerint játszódik le, minden ember esetében más és más. És ehhez az eltérő viselkedéshez hasonlóan minden forgalmi csatorna esetében is eltérő a viselkedési karakterisztika.

Például egy problémára megoldást, tehát információt kereső felhasználó a döntési folyamat egy teljesen másik szakaszában jár, mint például egy olyan felhasználó, aki konkrétan árakra keresve ajánlatokat hasonlít össze.

Nagyon jó példa az interneten békésen kószáló felhasználó esete, akinek az érdeklődését adott időpillanatban kis valószínűséggel fogja felkelteni a display hirdetésed, azonban mivel jelen vagy és találkozik a cégeddel, így idővel bevésődik neki a céged vagy egy-egy konkrét ajánlatod.

A weboldalt a display hirdetésekből meglátogató nagyszámú, olcsó látogatót közönségek listákra gyűjtve és később például keresési hálózaton kulcsszavas keresés közben kiemelt pozícióban visszacélozva, már egy teljes karhossz előnnyel tudjuk elérni a konkurensekhez képest.

A különböző hozzárendelési modellek használatával és összehasonlításával lehetőségünk van mélyebb betekintést kapni a különböző eszközöket, felületeket és csatornákat célzó kampányaink valódi teljesítményéről.

A modellek elemzésének segítségével pontos képet kaphatunk arról, hogyan válik egy közönséges felhasználó idővel a weboldalunk lelkes vásárlójává. Az alábbi képeken kettő, a mindennapi munkánkban nagyon hasznos Analytics jelentést látunk.

Google Analytics Asszitált konverziók jelentés képe

Google Analytics Legjobb konverziós útvonalak jelentés képe

Melyik kampányom kapja a legtöbb bizalmat?

Napjainkban nem érdemes kizárólag a közvetlen vagy utolsó kattintásos (interakciós) hozzárendelési szabályok alapján döntéseket hozni. Az ügyfeleinknek mindig javaslom, hogy egy-egy csatorna vagy konkrét kampány esetében használják a Hozzárendelési modellező eszközt az Analytics-ben.

A segítségével konkrétabb képet kaphatunk egy kampány vagy forgalmi csatorna szerepéről a vásárlási döntési folyamatban, arról hogy az a csatorna elsősorban segítő vagy éppen ellenkezőleg lezáró szerepet játszik.

Érdemes a különböző forrásainkat utolsó interakció, első interakció és egyenletes eloszlás modellek vizsgálatával összehasonlítani. Nagyon gyorsan képet kaphatunk így a különféle forrásaink konverziós és bevétel szempontú szerepéről.

Google Analytics Hozzárendelési modell összehasonlító eszköz

Helyes és következetes címkézés a lelke mindennek:

Ahhoz, hogy el tudjuk dönteni, hogy melyik csatornánk vagy éppen kampányunk hogyan járul hozzá a vásárlási folyamatokhoz, nagyon fontos hogy helyesen és konzekvensen címkézzünk meg minden egyes kampányunkat.

Minta:

1. Figyelemfelkeltés: Display
2. Véleményformálás: Videóhirdetések
3. Megfontolás: Közösségi Média poszt promóciók
4. Informálódás és összehasonlítás: Keresési hirdetések
5. Sikeres Vásárlás

Ha nagyon jó és hasznos tartalmaink vannak a blogunkon, akkor érdemes azokat a közösségi média felületeken poszt promóciók útján a releváns célközönségünknek eljuttatni, őket olcsó CPC árakon közönség listákra terelni és a vásárlói döntési folyamat egy későbbi fázisában egy másik típusú kampánnyal vagy felületen visszacéloznunk ezeket a korábban már érdeklődő embereket.

Egy ilyen GA remarketing listához szükségünk van arra, hogy konzekvens módon megcímkézzünk minden posztunkhoz tartozó weboldal linket helyesen és szükséges a látogatókat jól szegmentált remarketing listákra gyűjtenünk.

url builder

A Google AdWords kampányainkat, amennyiben a fiókunk helyesen össze van kötve a Google Analytics fiókunkkal, úgy nem szükséges külön manuálisan megcímkéznünk, ugyanis azt a rendszer automatikusan címkézi.

Automata címkézés beállítása

Példa a különböző hozzárendelési szabályokra:

Konverziós útvonalra egy példa:

1. A leendő vásárló egy AdWords hirdetésre kattintva megérkezett az oldalra.
2. A leendő vásárló visszatért az oldalra egy hét után egy közösségi média posztra kattintva.
3. A leendő vásárló ugyanazon a napon visszatért az oldalra egy email hírlevélben található megcímkézett linkre kattintva.
4. A leendő vásárló közvetlenül a domain címet megadva visszatér az oldalra pár órán belül és vásárolt.

A különböző hozzárendelési szabályok különböző forgalmi csatornához társítják a konverziót és annak az értékét.

Első Interakciós modell:

A konverziót és a konverzió értékét a legelső csatornához rendeli teljes egészében, tehát az AdWords kampányhoz.

Utolsó Interakciós modell:

Az konverziót és a teljes értékét az utolsó interakciós ponthoz rendeli, tehát a direkt csatornához.

Lineáris modell:

A konverziót és annak értékét egyenlően elosztja a rendszer az összes konverziós érintési pont között.

Időkésleltetéses modell:

A konverzió bekövetkezéséhez közeledve egyre nagyobb értéket kapnak az utolsó interakciós pontokhoz tartozó csatornák. Ebben az esetben a közvetlen csatorna kapja a legnagyobb konverziós értéket, alig kevesebbet kap az email csatorna és így tovább fokozatosan csökken az egyes csatornákhoz rendelt konverziós érték nagysága.

Legutóbbi, nem közvetlen kattintásos modell:

Ebben az esetben az email csatornához rendeli a rendszer a konverziót és annak a teljes értékét.

Utolsó AdWords-kattintásos modell:

A konverziót és teljes értékét a legelső érintkezési ponthoz, tehát az AdWords csatornához rendeli a rendszer.

Pozícióalapú modell:

A konverzió értékének 40%-át a legelső érintkezési ponthoz rendeli a rendszer, még az utolsó interakciós ponthoz köt további 40%-ot és a maradék 20%-ot a fennmaradó csatornák között osztja el egyenlőféleképpen a rendszer.

Záró gondolatok

A különböző online marketingcsatornák egymásra gyakorolt hatásának a megértésében óriási segítséget nyújtanak a Google Analytics többcsatornás jelentései, de csak a megfelelő szakértelem ellenében. Úgy gondolom, hogy mindenképpen érdemes a témával foglalkozni, benne elmélyedni. Jó elemzést mindenkinek!