Význam souborů cookies třetích stran slábne a měření marketingového výkonu je stále složitější. Při sledování spotřebitelského chování tak nezbývá, než se spolehnout na různé metody atribuce. Každá z nich má přitom své silné i slabé stránky a vy díky pochopení těchto rozdílů zvládnete vybrat správný atribuční typ pro váš byznys.
Přehled běžných atribučních modelů s argumenty pro a proti
Google Analytics (atribuce na základě návštěvy)
Služba Google Analytics je více zaměřená na cesty návštěv a k přiřazení kreditu v rámci návštěvy používá různé atribuční metody (první kliknutí, poslední kliknutí, datové).
Pro:
- Přizpůsobení atribuce: Umožňuje třídění nebo úpravu atribučních postupů v souladu s vašimi obchodními cíli.
- Podrobná data: Poskytne vám detailní informace o chování uživatelů během relace.
- Sledování v reálném čase: Neustále průběžně vyhodnocuje uživatelské interakce a vy tak dostáváte vždy aktuální údaje o výkonu.
- Vícekanálové statistiky: Sbírá data z více marketingových kanálů (placené i organické vyhledávání, doporučení apod.) pro kvalitnější celkovou analýzu.
Proti:
- Pouze vlastní data: Pracuje pouze s daty první strany, kvůli čemuž má menší efektivitu v případech s omezeným sledováním (odmítnutí cookies, blokace JavaScript…).
- Jedině měřitelné interakce: Nezohledňuje dění offline ani vlivy, které se nedají přesně sledovat, jako třeba ústní doporučení.
- Jen konkrétní relace: Nehledí na širší cestu zákazníka k nákupu, a to především u delších nákupních cyklů.
Reklamní platformy (atribuce na základě kliknutí a zobrazení)
Platformy pro placenou PPC reklamu jako Google Ads nebo Facebook Ads počítají konverze po kliknutí nebo zobrazení souvisejícím s konkrétní reklamou.
Pro:
- Statistiky jednotlivých kanálů: Získáte podrobné metriky výkonu na konkrétních platformách.
- Přehled o návratnosti investic: Kdykoliv máte okamžité údaje o efektivitě vynaložených nákladů, což využijete zejména při sledování výkonnostních reklam a kampaní s přímou odezvou.
- Informace o zobrazení: Díky sledování viditelnosti i bez kliknutí uživatele dostanete cenná data pro analýzu povědomí o značce.
Proti:
- Vlastní ”píseček”: Každá platforma funguje pouze v rámci svého prostředí a nezřídka přeceňuje svoji roli pro generování konverzí.
- Zdvojené atribuce: Různé platformy si mohou přičítat kredit za stejné konverze a dochází tak k dvojímu započítání.
- Krátkodobé zaměření: Soustředí se na zobrazení, přímá kliknutí a konverze a neřeší vícebodové cesty ani dlouhodobý efekt značky.
Vícedotyková atribuce
Multi-touch atribuce (MTA) uděluje zásluhy několika kontaktním místům vedoucím ke konverzi, tedy ne jenom první nebo poslední interakci. Většinou je založená na kliknutí a jen občas na zobrazení a nezohledňuje budování značky.
Pro:
- Celkový přehled: Zachycuje přínos všech kontaktních bodů na zákaznické cestě.
- Optimalizace kampaní: Díky zvýraznění účinných kanálů můžete efektivněji dělit reklamní rozpočet.
- Pestré využití: Podporuje různé atribuční metody jako jsou lineární, časové nebo algoritmické modely.
Proti:
- Složité používání: Vyžaduje pokročilé sledování a propojení napříč kanály.
- Omezené sledování: Kvůli zamítnutým cookies a datovým silům mohou být údaje méně přesné.
- Velká spousta dat: Menší marketingové týmy mohou mít problémy se zpracováním množství generovaných dat.
- Netečnost k šíření značky: Jak už bylo zmíněno, průzkum nezahrnuje kampaně zaměřené na rozšiřování pojmu o značce postrádající měřitelná zobrazení nebo kliknutí.
Salesforce (atribuce na základě CRM)
Salesforce využívá data ze CRM a sleduje kompletní cestu zákazníka od oslovení přes návštěvu a nákup až po udržování jeho přízně. Navíc poskytuje atribuci pro interakce online i offline.
Pro:
- Zobrazení kompletního trychtýře: Vidíte uživatelské interakce v rámci marketingu, prodeje i zákaznických služeb.
- Na síti i mimo ni: Sbírá data z online i offline prodejů.
- Výkazy podle přání: Poskytuje vysoce přizpůsobitelné přehledy dat odpovídající vašim obchodním cílům.
- Údaje o udržení zákazníka: Interakce uživatelů hodnotí i po konverzi, díky čemuž můžete sledovat takzvanou celoživotní hodnotu zákazníka (LTV).
Proti:
- Závislost na datech: Vyžaduje komplexní přesné zadávání dat a jejich segmentaci podle jednotlivých oddělení.
- Komplikovanost: Nastavení je poměrně složité a potřebuje také spojení s dalšími systémy.
- Opožděné výsledky: Nemusí vykazovat data v reálném čase.
Shopify (atribuce online prodeje)
Shopify v rámci své platformy sleduje interakce zákazníků na cestě ke koupi produktů a předkládá statistiky o jejich chování při nákupu a také o výkonu kampaní.
Pro:
- Vyvinuto pro internetové obchody a e-shopy: Sledování je připravené pro online nákupy, opuštěné košíky a příjmy z prodeje.
- Snadné použití: Atribuce zvládnete nastavit velmi jednoduše a využívat je může každá online prodejna na Shopify.
- Měření v reálném čase: Dodává okamžité přehledy o prodejích a výkonu kampaní.
- Spolupráce s jinými platformami: Dokáže se propojit s dalšími platformami a kanály, jako jsou Google, Facebook nebo e-mailové služby.
Proti:
- Žádná data odjinud: Omezuje se převážně na interakce provedené v rámci Shopify.
- Podřízení principům Shopify: Nehodí se pro firmy prodávající spíše tradičním způsobem ani pro e-shopy s málo prodejným zbožím.
- Spoléhání na cookies: Fungování platformy ovlivňuje omezení kvůli ochraně osobních údajů a sledování v prohlížečích.
Modelování mediálního mixu (atribuce na základě útraty)
Tato metoda pracuje se statistickými modely pro analýzu vztahů mezi výdaji na marketing a dosažení stanovených obchodní výsledků. Což může být prodej, ale i jiné výkonnostní ukazatele.
Pro:
- Komplexní záběr: Zabírá dopad veškerých marketingových aktivit včetně offline kanálů jako televize, rádio nebo tisk.
- Dlouhodobá analýza: Bere v úvahu budování povědomí o značce i pozdější konverzní efekty.
- Nepotřebuje cookies: Nedochází k omezení kvůli sledování zákaznických dat, protože využívá agregovaná data.
Proti:
- Historické souvislosti: Retrospektivní výsledky se nehodí pro rychlé rozhodování v reálném čase, protože zohledňují data hluboko do minulosti.
- Složitost: Neobejdete se bez odborníka na data a na pokročilé techniky modelování atribuce.
- Ztráta souvislostí: Soustředí se více na trendy než na samotné chování uživatelů.
Jaký atribuční model si vybrat a použít?
Jak jste viděli, ani jeden model atribuce není úplně dokonalý. Snažte se porozumět tomu, co každý z nich umí, a zkuste je strategicky a efektivně kombinovat.
Rychlé připomenutí nejlepšího využití jednotlivých atribučních typů:
- Google Analytics: Podrobné statistiky návštěv,
- Reklamní platformy: Optimalizace kampaní v rámci vlastního prostředí až po úroveň reklamy,
- MTA: Detailní pohled na postup zákazníka k nákupu, omezení zdvojených atribucí napříč kanály,
- Salesforce: Sledování cesty zákazníka včetně interakcí offline, posouzení kvality potenciálních zákazníků,
- Shopify: Statistiky online prodejů e-shopů, rozlišení nákupů v rámci platformy.
- Modelování mediálního mixu: Strategické vícekanálové řízení s kompletním přehledem o zákazníkovi od poznání značky až po nákup a další věrnost.
Nejvýhodnější strategie pro atribuce: Vyvážený postoj
Z výše uvedeného je zřejmé, že žádný z atribučních modelů sám o sobě pro dosažení dlouhodobého úspěchu marketingových strategií nestačí. Nejlépe uděláte, když budete využívat několik relevantních atribučních nástrojů, díky čemuž získáte mnohem lepší přehled o výkonu napříč platformami v různých kontaktních bodech.
Atribuce je nejistá disciplína vyžadující neustálé testování a přizpůsobování.
Ještě než s ní začnete, slaďte svá očekávání s hlavními KPI vašich marketingových aktivit a poté se rozhodněte pro modely, které nejlépe posoudí úspěšnost vaší reklamní kampaně.
Zdroj: marketingland.com, facebook.com, cpcstrategy.com
Autor: Martin Kulhánek
Foto zdroj: pixabay.com
