Asiakas näkee mainoksesi maanantaina. Hän ei napsauta. Hän saa sähköpostisi keskiviikkona. Hän napsauttaa sitä. Hän saapuu sivustollesi, lukee hinnoittelusivusi ja konvertoi perjantaina. Mikä kontaktipiste saa ansion myynnistä? Mainos, sähköposti vai hinnoittelusivu? Attribuutiomallinnuksella vastaat tähän kysymykseen.
Useimmat yritykset arvaavat väärin. Ne antavat ansion viimeiselle kontaktipisteelle (viimeisen napsautuksen attribuutio) ja ohittavat kaiken muun. Todellinen matka on kuitenkin pidempi ja monimutkaisempi. Tässä artikkelissa käsitellään attribuutiomalleja, miksi ne ovat tärkeitä, miten ne eroavat ja mitä mallia kannattaa käyttää liiketoiminnassasi.
Attribuutiomallinnus tarkoittaa ansion jakamista jokaiselle markkinoinnin kontaktipisteelle asiakkaan matkalla. Asiakas on yleensä vuorovaikutuksessa brändisi kanssa monta kertaa ennen konvertoimista. Attribuutio vastaa kysymykseen: mikä vuorovaikutus ansaitsee ansion myynnistä?
Eri attribuutiomallit antavat eri vastauksia. Valitsemasi malli määrää, mihin markkinointibudjettisi sijoitetaan. Jos valitset väärin, leikkaat kanavaa, joka aloitti matkan, ja kulutat liikaa kanavaan, joka sulki kaupan.
Attribuutio-ongelma
Asiakas konvertoi sivustollasi. Attribuutio kysyy: mikä kontaktipiste ansaitsee ansion? Vastaus määrää, mihin markkinointibudjetti sijoitetaan.
Jos käytät viimeisen napsautuksen attribuutiota, viimeinen kontaktipiste (viimeinen katsottu sivu, viimeinen saatu sähköposti) saa kaiken ansion. Viikkoja sitten nähty mainos ei saa mitään. Niinpä leikkaat mainontaa ja kaksinkertaistat sähköpostiin käytettävän. Mutta mainos esitteli heille brändisi. Ilman mainosta he eivät olisi koskaan saaneet sähköpostia.
Tämä on attribuutio-ongelma. Annat ansion väärälle kontaktipisteelle ja priorisoit budjettisi väärin.
Viimeisen napsautuksen attribuutio: helppo väärä vastaus
Viimeisen napsautuksen attribuutio antaa ansion konversiota edeltävälle viimeiselle kontaktipisteelle. Se on yksinkertaisin ja suosituin malli. Se on myös yleensä väärä.
Esimerkki: Asiakas näkee mainoksesi ja jättää sen huomiotta. Viikkoa myöhemmin hän saa sähköpostisi, napsauttaa sitä ja ostaa. Viimeinen napsautus antaa myynnin ansion sähköpostille. Mainos saa nolla ansiota. Budjettianalyysi: sähköposti tuotti myynnin, mainokset eivät tuottaneet myyntiä. Todellisuus: mainos esitteli heille tuotteesi, sähköposti konvertoi heidät. Molemmilla on merkitystä.
Viimeinen napsautus on suosittu, koska se on yksinkertainen. Helppo ottaa käyttöön. Helppo raportoida. Mutta se hämärtää todellisen ostopolun.
Ensimmäisen napsautuksen attribuutio: päinvastainen väärä vastaus
Ensimmäisen napsautuksen attribuutio antaa ansion ensimmäiselle kontaktipisteelle. Se kääntää ongelman toisin päin.
Esimerkki: Sama asiakas, sama matka. Ensimmäinen napsautus antaa myynnin ansion mainokselle. Sähköposti saa nolla ansiota. Budjettianalyysi: mainokset tuovat myyntiä, sähköposti ei. Todellisuus: jälleen molemmilla on merkitystä.
Ensimmäinen napsautus yliarvioi suppilon yläpään markkinointia (mainokset, sosiaalinen media, haku) ja aliarvioi alapäätä (sähköposti, uudelleenkohdennus, laskeutumissivut).
Lineaarinen attribuutio: ansio jaetaan tasan
Lineaarinen attribuutio jakaa ansion tasan kaikkien kontaktipisteiden kesken. Jos asiakkaalla oli viisi kontaktipistettä, kukin saa 20 prosenttia myynnin ansiosta.
Tämä on reilumpaa kuin viimeinen tai ensimmäinen napsautus, mutta se olettaa kaikkien kontaktipisteiden olevan yhtä tärkeitä. Joskus ne eivät ole. Mainos, joka esitteli asiakkaan, ei ole sama kuin sähköposti, joka konvertoi hänet.
Aikapainotteinen attribuutio: lähempänä tapahtuneet saavat enemmän ansiota
Aikapainotteinen malli antaa enemmän ansiota konversiota lähempänä oleville kontaktipisteille. Viimeinen kontaktipiste saa eniten ansiota. Ensimmäinen vähiten.
Esimerkki: Mainos (10 prosenttia ansiosta), laskeutumissivun katselu (15 prosenttia), sähköposti (25 prosenttia), kassasivu (50 prosenttia). Viimeiset vaiheet, jotka johtivat suoraan konversioon, saavat enemmän ansiota.
Tämä kuvaa todellisuutta paremmin: viimeiset kontaktipisteet tekivät raskaan työn. Silti se aliarvioi suppilon yläpään markkinointia, joka aloitti matkan.
Dataan perustuva attribuutio: anna datan päättää
Tarkin malli käyttää koneoppimista. Dataan perustuva attribuutio tarkastelee tuhansia asiakasmatkoja ja kysyy: mitkä kontaktipisteet esiintyvät kaikkien konvertoivien asiakkaiden matkoilla? Mitkä kontaktipisteet esiintyvät konvertoimattomilla matkoilla?
Jos kontaktipiste esiintyy 90 prosentilla konvertoivista matkoista ja vain 10 prosentilla konvertoimattomista, se saa korkean attribuutioansion. Jos se esiintyy yhtä paljon molemmissa, se saa vähemmän.
Tämä malli on tarkin, mutta vaatii paljon dataa ja kehittyneitä työkaluja.
Miksi attribuutio on tärkeää budjettipäätöksissä
Sinulla on 10 000 dollaria kuukaudessa käytettävänä mainoksiin, sähköpostiin ja sisältöön. Miten jaat sen?
Viimeisellä napsautuksella voisit käyttää 9 000 dollaria sähköpostiin (koska sähköposti konvertoi viimeisenä) ja 1 000 dollaria mainoksiin (koska mainokset saavat harvoin ansiota). Budjettisi on epätasapainossa.
Dataan perustuvalla attribuutiolla huomaat: mainokset tuovat tunnettuutta (40 prosenttia ansiosta), sisältö rakentaa kiinnostusta (35 prosenttia ansiosta), sähköposti konvertoi (25 prosenttia ansiosta). Siirrät 4 000 dollaria mainoksiin, 3 500 dollaria sisältöön ja 2 500 dollaria sähköpostiin. Nyt budjettisi vastaa todellista ostopolkua.
Yleisiä attribuutiovirheitä
Oletus, että yksi malli on oikea: Mikään yksittäinen malli ei ole täydellinen. Jokainen malli palvelee eri tarkoitusta. Viimeinen napsautus kertoo, mikä konvertoi ihmiset. Ensimmäinen napsautus kertoo, mikä esitteli heidät. Dataan perustuva kertoo painotetun totuuden.
Offline-kontaktien huomiotta jättäminen: Asiakas näkee mainoksesi, muistaa brändisi ja hakee sinua viikkoja myöhemmin. Viimeinen napsautus antaa ansion haulle. Mutta mainos oli sytyke. Attribuutiotyökalut eivät huomaa offline-kontaktipisteitä.
Yhden kanavan syyttäminen epäoikeudenmukaisesti: Jos sähköpostilla on korkein konversioaste mutta matalin attribuoitu ansio, voit leikata sen. Mutta sähköposti tekee viimeisen konversiotyön. Leikkaa se, ja koko suppilosi hajoaa.
Kannibalisaation sivuuttaminen: Sähköpostikampanjat konvertoivat joskus ihmisiä, jotka olisivat konvertoineet joka tapauksessa (mainosten tai haun kautta). Attribuutio ei erota aitoa lisäarvoa kannibalisaatiosta.
Näin valitset attribuutiomallin
Aloita viimeisellä napsautuksella yksinkertaisuuden vuoksi. Siirry lineaariseen, jos haluat huomioida kaikki kontaktit. Päivitä aikapainotteiseen tai dataan perustuvaan, jos sinulla on data ja työkalut.
Testaa mallia todellisuutta vasten. Jos dataan perustuva attribuutio sanoo sähköpostin tuovan eniten arvoa, mutta sähköpostin sitoutuminen on kehno, jokin on pielessä. Säädä.
Useimmat kypsät yritykset käyttävät useita malleja: viimeistä napsautusta kampanjaraportointiin, dataan perustuvaa budjetin kohdentamiseen ja ensimmäistä napsautusta suppilon yläpään investointien suojaamiseen.
Usein kysytyt kysymykset
Onko Google Analyticsissa attribuutiomallinnus?
Google Analyticsin perusversio käyttää oletuksena viimeistä napsautusta. Maksullinen versio (GA360) tarjoaa muita malleja. Kehittyneeseen dataan perustuvaan attribuutioon tarvitset erillisen attribuutiotyökalun, kuten Google Ads, Facebook Ads tai kolmannen osapuolen attribuutioalustat. Voit ottaa tämän käyttöön suoraan omalla sivustollasi WEMASY-sivustonrakentajalla.
Voinko käyttää attribuutiota markkinointibudjettini pienentämiseen?
Käytä sitä uudelleenkohdentamiseen, älä leikkaamiseen. Attribuutio voi näyttää, että sähköposti tuo enemmän arvoa kuin mainokset, jolloin siirrät budjettia mainoksista sähköpostiin. Mutta älä leikkaa kokonaisia kanavia, koska yksi attribuutiomalli aliarvioi ne. Testaa ja mittaa vaikutus.
Entä jos eri kanavilla on eri attribuutiomallit?
Se on normaalia. Sähköpostialustasi voi käyttää viimeistä napsautusta. Mainosalustasi dataan perustuvaa. Analytiikkatyökalusi lineaarista. Yhtenäistä käyttämällä yhtä mallia kaikilla kanavilla sisäisissä päätöksissä, vaikka palveluntarjoajat käyttäisivät eri malleja.
Miten käsittelen offline-konversioita?
Seuraa niitä käsin. Kun asiakas soittaa, kysy, miten hän kuuli sinusta. Kun hän täyttää lomakkeen, lisää piilokenttä sille, miten hän löysi sinut. Käytä tätä dataa attribuutiomallisi säätämiseen offline-kontakteille.
Mitä on inkrementaalisuustestaus ja miten se eroaa attribuutiosta?
Attribuutio yrittää antaa olemassa olevien konversioiden ansion kanaville. Inkrementaalisuustestauksessa jätetään satunnaisesti asiakkaita testin ulkopuolelle ja mitataan, laskevatko konversiot ilman kanavaa. Inkrementaalisuus on tarkempaa, mutta vaatii enemmän työtä ja rahaa.
Pitäisikö minun aina käyttää monimutkaisinta attribuutiomallia?
Ei. Dataan perustuva attribuutio on tarkin, mutta vaatii paljon dataa, hyvän seurannan ja kehittyneitä työkaluja. Viimeinen napsautus on väärä mutta yksinkertainen. Aloita yksinkertaisesti ja päivitä kasvun myötä.