Marketing attribúciós modellek érthetően

A marketing attribúció azt válaszolja meg, melyik csatorna, hirdetés vagy tartalom hozta valójában a vevőt. E nélkül vaktában osztod a büdzsét. Ebben a cikkben érthetően végigvesszük a modelleket, magyar példákkal.

Miért félrevezet, ha nem érted a marketing attribúciót

Képzeld el, hogy a vevő először egy Facebook-hirdetést lát, pár nap múlva rákeres a Google-ben a cégedre, aztán egy hírlevélből kattint be és vásárol. Melyik csatorna érdeme az eladás? A marketing attribúció erre ad szabályt: eldönti, hogyan osztod szét az érdemet a vevő útján szereplő érintkezési pontok között. Ha rosszul csinálod, azt a csatornát díjazod, amelyik csak learatta a kész vevőt, és lekapcsolod azt, amelyik valójában elindította.

A leggyakoribb hiba, hogy mindenki a last click logikát nézi, vagyis az utolsó kattintást jutalmazza. Ez a Google-nek és a márkakeresésnek kedvez, miközben a felső tölcsér, ami a keresletet gerjeszti, láthatatlan marad. Az attribúció lényege, hogy a teljes utat lásd, ne csak az utolsó lépést, mert különben a rossz csatornát fogod skálázni.

A leggyakoribb attribúciós modellek érthetően

Egy attribúciós modell csak egy szabály arról, hogyan osztod szét az érdemet. Nincs tökéletes modell, csak a céljaidhoz jobban vagy kevésbé illő. Nézzük a legfontosabbakat egyszerű, hétköznapi nyelven, hogy tudd, melyiket mikor érdemes elővenned.

Utolsó kattintás (last click)

Az egész érdemet az utolsó kattintás kapja. Egyszerű, de félrevezető: a márkakeresést és a retargetinget tünteti fel hősként, a keresletgerjesztő csatornákat pedig alulértékeli. Kezdésnek gyors, önmagában viszont veszélyes döntési alap, mert azt a csatornát mutatja legjobbnak, amelyik csak lezárta a már kész vevőt.

Első kattintás (first click)

Az egész érdem az első érintkezésé. Megmutatja, mi indítja a keresletet, de figyelmen kívül hagyja, mi zárta a vásárlást. A last click ellentéte, és önmagában szintén féloldalas képet ad, ezért inkább a kettő együttes olvasata a hasznos.

Lineáris és időbeli lecsengés

A lineáris modell minden érintkezési pontnak egyenlő érdemet ad. Az időbeli lecsengés (time decay) a vásárláshoz közelebbi lépéseket súlyozza jobban. Ezek már a teljes utat nézik, ezért reálisabb képet adnak, ha több csatornád dolgozik együtt a vevő meggyőzésén.

Adatvezérelt (data-driven)

Ez a modell a saját adataidból tanulja meg, melyik lépés mennyit számít. Elméletben a legpontosabb, de sok konverzió kell hozzá, hogy megbízható legyen. Kis forgalomnál instabil, nagyobb fiókban viszont a legjobb választás, mert nem egy általános szabályt, hanem a te vevőid tényleges viselkedését tükrözi.

Egy magyar példa: hogyan torzít a last click

Vegyünk egy egyszerű, illusztratív esetet. Egy szolgáltató havonta költ Facebook-hirdetésre és Google keresési hirdetésre is. A last click szerint a Google hozza a vevők nagy részét, ezért a tulajdonos majdnem lekapcsolja a Facebookot. A baj csak az, hogy a legtöbb vevő először a Facebook-hirdetést látta, és csak utána keresett rá a cégre a Google-ben.

Vagyis a Facebook indította a keresletet, a Google pedig learatta. Ha a Facebookot lekapcsolja, néhány hét múlva a Google keresések száma is visszaesik, mert nincs, ami elindítsa az érdeklődést. Ez a klasszikus csapda: a last click nem hazudik, csak féloldalasan mutat, és aki csak azt nézi, a keresletgerjesztő csatornát fizeti ki magának a lábából.

Hogyan válaszd ki a saját attribúciós modelledet

1. 1Írd fel a tipikus vevőutadat: hol hall rólad először, mi a köztes lépés, mi zárja a döntést.
2. 2Nézd meg, mennyi a havi konverziód. Kevés adatnál maradj egyszerű modellnél, sok adatnál mehet az adatvezérelt.
3. 3Döntsd el a célt: keresletgerjesztést mérsz vagy zárást. A cél határozza meg, melyik modell ad hasznos képet.
4. 4Ne csak egyetlen modellt nézz. Hasonlítsd össze a last click és egy teljes utat néző modell eredményét, mert a különbség maga az információ.
5. 5Vezess be egyértelmű mérést: UTM-címkék, egységes konverziókövetés, hogy minden csatorna azonos módon látszódjon.

Gyakori kérdések

Melyik a legjobb attribúciós modell egy KKV-nak?

Kis és közepes cégnél ritkán van elég adat a stabil adatvezérelt modellhez, ezért jó kiindulás egy időbeli lecsengésű vagy lineáris modell, összevetve a last click nézettel. A cél nem a tökéletes modell, hanem hogy lásd, a felső tölcséred is termel, ne csak az utolsó kattintást díjazd. Egy nézet önmagában mindig félrevezet.

Mi a különbség a last click és a first click között?

A last click az utolsó kattintásnak, a first click az első érintkezésnek adja az egész érdemet. A last click a zárást, a first click a keresletgerjesztést nagyítja. Egyik sem hazudik, csak mást emel ki, ezért érdemes mindkettőt nézni, és a kettő közötti eltérésből következtetni a valóságra.

Az iOS és a sütik vége után mérhető még egyáltalán az attribúció?

Nehezebb lett, de nem lehetetlen. A böngészőben mérhető út egyre töredezettebb, ezért egyre fontosabb a szerveroldali mérés, a first-party adat és a következetes UTM-címkézés. Reális elvárás nem a tökéletes, hanem az elég jó és következetes mérés, amiből dönteni tudsz. Erről szól a méréssel foglalkozó munkánk.

Melyik csatorna hozta a vevőt, ha több is közrejátszott?

Ez épp az attribúció fő kérdése: nem egy csatorna hozta, hanem a láncolat. A helyes válasz nem az, hogy kiválasztasz egy győztest, hanem hogy megérted, ki indított, ki tartott életben és ki zárt, és mindháromra jut büdzsé. Ha csak a zárócsatornát fizeted, előbb-utóbb elapad, amit egyáltalán zárni tudsz. Több példát az esettanulmányaink között találsz.