Asiakkaan matkalla on viisi kosketuspistettä. Hän näkee mainoksen. Hän lukee blogikirjoituksen. Hän saa sähköpostin. Hän katsoo videon. Hän konvertoi. Mikä kosketuspiste saa kunnian konversiosta? Mainos, joka herätti hänen kiinnostuksensa? Sähköposti, joka sinetöi kaupan? Video, joka vakuutti hänet? Vastaus riippuu attribuutiomallistasi. Eri mallit antavat kunnian eri kosketuspisteille. Viimeisen kosketuksen attribuutio antaa kaiken kunnian sähköpostille. Ensimmäinen kosketus antaa kaiken kunnian mainokselle. Lineaarinen antaa yhtä paljon kunniaa kaikille viidelle. Datalähtöinen antaa kunnian todellisten konversiokuvioiden perusteella. Jokainen malli kertoo eri tarinan siitä, mitkä kanavat toimivat. Jokainen voi johtaa eri liiketoimintapäätöksiin. Karsi väärä kanava, ja tuhlaat rahaa. Sijoita väärään kanavaan, ja tuhlaat budjettia. Attribuutiomallit määräävät, miten ymmärrät, mitkä kanavat oikeasti ajavat konversioita. Tämä artikkeli selittää attribuutiomallit ja sen, miten kukin niistä muuttaa päätöksiäsi.
Mitä attribuutio on?
Attribuutio on prosessi, jossa konversion ansio kohdistetaan sen aiheuttaneille kosketuspisteille. Kävijä ei konvertoi ensimmäisellä vierailullaan. Hän on tekemisissä brändisi kanssa useita kertoja useissa kanavissa. Hän näkee mainoksen. Hän vierailee sivustollasi. Hän lähtee. Hän saa sähköpostin. Hän klikkaa linkkiä. Hän konvertoi. Attribuutio vastaa kysymykseen: mikä näistä vuorovaikutuksista ansaitsee kunnian konversiosta? Vastaus määrää, miten jaat budjettia ja mitkä kanavat luulet toimiviksi.
Miksi attribuutio on tärkeää
Ilman attribuutiota et voi tehdä hyviä päätöksiä markkinointikuluista. Saatat luulla kanavan alisuoriutuvan, vaikka se oikeasti ajaa konversioita, joita et näe. Saatat luulla kanavan ylisuoriutuvan, vaikka se saa vain ansiota, jota se ei ansaitse. Väärä attribuutio johtaa hyvien kanavien karsimiseen ja huonojen vahvistamiseen. Oikea attribuutio antaa sinun sijoittaa sinne, missä konversiot oikeasti tapahtuvat.
Viimeisen kosketuksen attribuutio
Viimeisen kosketuksen attribuutio antaa kaiken kunnian konversiota edeltävälle viimeiselle kosketuspisteelle. Asiakas näkee mainoksen, lukee blogikirjoituksen, saa sähköpostin, katsoo videon ja konvertoi sitten. Viimeinen kosketus antaa sata prosenttia kunniasta videolle. Mainos, blogi ja sähköposti saavat nolla. Viimeinen kosketus on yksinkertainen ja helppo ottaa käyttöön. Useimmat analytiikka-alustat käyttävät sitä oletuksena. Mutta se on harhaanjohtava. Se ohittaa kaiken, mikä johti konversioon. Mainos loi tietoisuuden. Blogi rakensi harkinnan. Sähköposti laukaisi päätöksen. Video sinetöi sen. Mutta vain video saa kunnian.
Ensimmäisen kosketuksen attribuutio
Ensimmäisen kosketuksen attribuutio antaa kaiken kunnian ensimmäiselle kosketuspisteelle. Yllä olevassa esimerkissä mainos saa sata prosenttia kunniasta. Blogi, sähköposti ja video saavat nolla. Ensimmäinen kosketus on hyödyllinen sen ymmärtämiseen, mitkä kanavat tuovat uusia asiakkaita. Mutta se ohittaa työn, joka tapahtuu ensimmäisen kosketuksen jälkeen. Useimmat konversiot vaativat useita kosketuksia. Ensimmäinen kosketus ohittaa kaikki paitsi ensimmäisen.
Lineaarinen attribuutio
Lineaarinen attribuutio antaa yhtä paljon kunniaa kaikille kosketuspisteille. Yllä olevassa esimerkissä jokainen kosketuspiste saa kaksikymmentä prosenttia kunniasta. Mainos, blogi, sähköposti ja video vaikuttivat kukin yhtä paljon. Lineaarinen on tasapainoisempi kuin viimeinen tai ensimmäinen kosketus. Mutta se olettaa, että kaikki kosketuspisteet ovat yhtä tärkeitä, mikä on harvoin totta. Sähköposti, joka laukaisi oston, ei pitäisi saada yhtä paljon kunniaa kuin blogikirjoitus, jota joku silmäili viikkoa aiemmin.
Aikaheikentyvä attribuutio
Aikaheikentyvä attribuutio antaa enemmän kunniaa konversiota lähempänä oleville kosketuspisteille. Ensimmäinen kosketuspiste saa vähiten kunniaa. Viimeinen saa eniten. Yllä olevassa esimerkissä video saa eniten kunniaa. Sähköposti saa vähemmän. Blogi vielä vähemmän. Mainos saa vähiten. Tämä on intuitiivisesti järkevää. Päätöstä lähempänä olevien kosketuspisteiden pitäisi merkitä enemmän. Mutta se ei silti ota huomioon kunkin kosketuspisteen todellista vaikutusta.
Positiopohjainen attribuutio
Positiopohjainen attribuutio antaa lisäkunniaa ensimmäiselle ja viimeiselle kosketuspisteelle. Mainos saa neljäkymmentä prosenttia. Video saa neljäkymmentä prosenttia. Blogi ja sähköposti saavat kumpikin kymmenen prosenttia. Tämä tunnustaa, että sekä tietoisuus että päätös ovat tärkeitä. Mutta se aliarvioi välissä olevat harkinta- ja tutkimusvaiheet.
Datalähtöinen attribuutio
Datalähtöinen attribuutio käyttää koneoppimista kunnian kohdentamiseen todellisten konversiokuvioiden perusteella. Sen sijaan että oletettaisiin kaikkien ensimmäisten kosketusten olevan yhtä tärkeitä tai kaikkien viimeisten kosketusten ansaitsevan koko kunnian, datalähtöinen attribuutio tarkastelee tuhansia konversiopolkuja. Se löytää kuvioita. Se selvittää, mitkä kosketuspisteyhdistelmät oikeasti johtavat konversioihin. Se kohdentaa kunnian sen mukaisesti. Datalähtöinen attribuutio on tarkin. Mutta se vaatii mittakaavaa. Tarvitset tuhansia konversioita, jotta malli toimii hyvin.
Attribuutiomallin valinta
Oikea malli riippuu yrityksestäsi. Edullisia tuotteita myyvä yritys voi käyttää viimeistä kosketusta, koska ostokset tapahtuvat nopeasti. Kalliita tuotteita myyvä yritys voi käyttää datalähtöistä tai positiopohjaista mallia, koska matka on pitkä. Brändin tunnettuuteen keskittyvä yritys voi käyttää ensimmäistä kosketusta. Tärkeintä on valita malli ja pysyä siinä, jotta voit tehdä johdonmukaisia päätöksiä ajan mittaan.
Usein kysyttyä
Voinko käyttää eri attribuutiomalleja eri kanaville?
Teknisesti kyllä, mutta se aiheuttaa sekaannusta. Tarvitset yhden johdonmukaisen mallin kanavien oikeudenmukaiseen vertailuun. Jos käytät viimeistä kosketusta maksetuille mainoksille ja ensimmäistä kosketusta orgaaniselle haulle, et vertaa samanlaisia asioita keskenään. Valitse yksi malli ja käytä sitä johdonmukaisesti kaikissa kanavissa. Näin näet, mitkä kanavat todella ajavat konversioita. WEMASY-sivustonrakentajalla voit ottaa tämän käyttöön suoraan omalla sivustollasi.
Entä jos eri attribuutiomallit näyttävät eri voittajakanavat?
Niin käy. Viimeinen kosketus voi näyttää sähköpostin voittajana. Ensimmäinen kosketus voi näyttää haun voittajana. Tämä paljastaa, että eri kanavilla on eri rooli. Haku tuo tietoisuutta. Sähköposti ajaa päätöksiä. Molemmat ovat arvokkaita. Niiden eri roolien ymmärtäminen auttaa sijoittamaan kumpaankin sopivasti.
Käyttääkö Google Analytics oletuksena viimeisen kosketuksen attribuutiota?
Kyllä. Google Analytics käyttää konversioille oletuksena viimeisen kosketuksen attribuutiota. Siksi moni yritys luulee sähköpostinsa tai suoran liikenteensä olevan paras kanavansa. Jos haluat nähdä eri attribuutiomalleja, sinun pitää luoda mukautettuja raportteja tai käyttää Google Analyticsin attribuutiomallinnustyökaluja.
Kuinka monta konversiota tarvitsen, jotta datalähtöinen attribuutio toimii?
Yleensä tarvitset vähintään tuhat konversiota kuukaudessa, jotta datalähtöinen attribuutio on luotettava. Pienemmällä konversiomäärällä kuviot ovat liian kohinaisia. Jos määrä ei riitä, käytä sen sijaan positiopohjaista tai lineaarista attribuutiota. Datalähtöinen attribuutio on tehokas mutta vaatii mittakaavaa.
Pitäisikö minun vaihtaa attribuutiomallia, jos se näyttää huonoja tuloksia kanavalle, josta pidän?
Ei. Älä vaihda mallia saadaksesi parempia tuloksia kanavalle, jota suosit. Valitse mallisi sen perusteella, mikä on yrityksellesi järkevää, ja elä tulosten kanssa. Jos tulokset näyttävät kanavan alisuoriutuvan, selvitä syy mallin vaihtamisen sijaan. Malli voi paljastaa todellisen ongelman.
Voivatko attribuutiomallit auttaa ymmärtämään, mihin kosketuspisteisiin kannattaa sijoittaa?
Kyllä. Attribuutio näyttää, mitkä kosketuspisteet esiintyvät konversiopoluissa. Jos kosketuspiste ei koskaan esiinny ennen konversiota, siihen ei ehkä kannata sijoittaa. Jos kosketuspiste esiintyy useimmissa konversiopoluissa, se todennäköisesti ansaitsee sijoituksen. Käytä attribuutiota ymmärtääksesi, minkä roolin kukin kosketuspiste näyttelee asiakasmatkassasi.