Az attribúciós modellezés – másnéven hozzárendelési modellezés – egy olyan keretrendszer, amely abban segít, hogy megtudjuk állapítani, hogy egy-egy konverzió mely érintkezési pontoknak vagy csatornáknak köszönhető, illetve hogy ezek a pontok és csatornák milyen arányban vettek részt a konverzióban.
Amikor egy vásárló rátalál egy termékre vagy szolgáltatásra, többségében nem történik azonnali konverzió. A vásárlók többsége egy úgynevezett „vásárlói útvonalon” halad, mely során az adott márkával többféle csatornán és platformon érintkezik.
A különböző attribúciós modellek arra keresik a választ, hogy az említett csatornák vagy forgalmi források közül melyiknek köszönhető a konverzió.
A Google Analytics alapértelmezett hozzárendelési modelljei a következők:
A Google 2023. április 6-án hivatalosan is bejelentette, hogy a Google Ads-ben és a Google Analytics-ben (GA4) hamarosan búcsút inthetünk az Első kattintás (First Click), Lineáris (Linear), Idővel csökkenő (Time Decay), és a Pozícióalapú (Position based) attribúciós modelleknek.
Az említett kivezetett modelleket véglegesen 2023 szeptemberében szünteti meg teljesen a Google. Viszont nagyon fontos, hogy újonnan készített konverziós műveletekhez a kivezetett modellek a Google Analytics 4 esetében már 2023 májusától nem rendelhetők hozzá. Google Ads esetében pedig 2023. júniustól szűnik meg az új konverziós művelethez a hozzárendelés.
Ezentúl, ha új konverziós műveleteket szeretnénk létrehozni, vagy a már meglévőkön változtatni, érdemes és célszerű a kivezetett attribúciós modelleket lecserélni. A jövőben használható attribúciós modellek az adatközpontú (Data Driven) és az utolsó interakció (Last Click).
2023 júniusától kezdődően, ha a már megszüntetett attribúciós modelleket szeretnénk beállítani a fiókjainkban, akkor a rendszertől azonnal hibaüzenetet kapunk. Azokat a konverziós műveleteket, amelyeknek a beállított attribúciós modellje a megszüntetett modellek között van, azokat a Google automatikusan át fogja állítani.
2023 szeptemberétől a Google minden egyes olyan konverziós műveletet, amely megszüntetett modelleket használ, át fogja állítani adatközpontú attribúciós modellre. Abban az esetben, ha nem szeretnéd, hogy a konverziós műveleteidhez automatikusan hozzá legyen rendelve az adatközpontú attribúciós modell, akkor lehetőséged van az utolsó kattintás (last click) attribúciós modellt használni, bár ez nem ajánlott. Cikkünkben később kitérünk arra, hogy miért.
Azok az attribúciós modellek, amelyek előre meghatározott szabályok alapján rendelnek hozzá minden értéket a hirdetésnek az elérési útvonalához mára már nem nyújtanak kellő rugalmasságot ebben a gyorsan változó fogyasztói környezetben. Annak érdekében, hogy az úgynevezett „customer journey” gyors változásához alkalmazkodjon a Google az adatközpontú (data driven) attribúciós modell lett az alapértelmezett a Google Ads-ben és a GA4-ben.
Ezek mellett azért is szükségszerű ez a változtatás, mert a Google Ads konverziók mindösszesen 3%-a használja az említett hamarosan megszűnő attribúciós modelleket.
A Google állítsa szerint, adatközpontú (data driven) attribúciós modellre való átállás után általában 6%-kal növelheti a konverziókat a hirdetők számára. Ebből kifolyólag nem is meglepő, hogy manapság az adatközpontú attribúciós modell a leggyakrabban használt konverziós attribúciós modell a Google Ads-ben.
A Google a mesterséges intelligenciát használja arra, hogy megértse azt, hogy minden egyes forgalmi forrásnak mekkora hatása van a konverzióra. Ezen információk megléte alapján lehetőség van arra, hogy automatikus ajánlattételi stratégiával és adatközpontú attribúciós modellel növeljük a teljesítményt.
Mert mára egy olyan attribúciós modell, amely mindösszesen egy interakciós pontot értékel meglehetősen elavultnak számít.
Avinash Kaushik híres webanalitikai szakember, könyv és blogíró szerint: „A last click attribúciós modell használata csak oda vezethet, hogy kirúgjanak. Mindenképp érdemes elkerülni.”
A last click attribúciós modell szerint a konverzió 100%-ban az érdeklődő vagy vásárló a cégeddel kapcsolatos utolsó interakciójának köszönhető. Kaushik véleménye szerint butaság kizárólag egy interakciós ponthoz/csatornához kötni a konverziót. Fontosnak tartja, hogy ezeket a különböző csatornákat azonosítsuk és meghatározzuk azt, hogy milyen mértékben járultak hozzá a konverziós folyamatokhoz.
Összességben elmondható, hogy az utolsó kattintás (last click) attribúciós modell egyik legnagyobb hátránya hogy:
Ezek a hiányosságok vezethetnek ahhoz, hogy a vásárlási folyamatot hiányosan vagy hibásan értelmezzük, illetve nem lesz megfelelően átlátható az, hogy a különböző marketing csatornák hogyan járulnak hozzá a konverziókhoz.
További hiányossága:
Gondoljunk bele: ha kizárólag az utolsó érintkezési pontnak tulajdonítunk jelentőséget (ahol megtörténik a konverzió) akkor a vállalkozásunk hajlamos lehet arra, hogy nagyobb mértékben fektet be az adott csatornába, nem figyelembe véve annak általános hatékonyságát és helyzetét az értékesítési tölcsérben.
Csak hogy egy másik elismert szakember példáját is felhozzam, Himanshu Sharma ugyancsak elismert digitális analitikai és marketing szakember és az optimazeSmart.com alapítója, már jóval elfogadóbban tekint a last click attribúciós modellre.
2021-ben a Google Analytics attribúciós modellezéséről szóló könyvében a következőképpen vélekedett a last click modellről: „Gyakori tévhit, hogy a last click attribúciós alapvetően rossz vagy hibás lenne, és hogy az attribúciós modellezés során el kell hagyni a last clicket minden esetben. Ez nem igaz.”
Példának okáért tegyük fel, hogy van egy napi fogyasztási cikkeket áruló vállalat, mint például a Tesco vagy Lidl. Ezek az üzletláncok többségben olyan termékeket értékesítenek, melyek megvásárlásán az ember általában nem gondolkozik sokat. Ebből kifolyólag a vásárlóknak a konverziós útvonala valószínűleg rövid lesz, tehát nincs arra szükség, hogy a konverziós útvonal során az első és a középső interakcióknak jelentőséget tulajdonítsunk.
Következtetésképpen elmondhatjuk, hogy a last click attribúciós modellnek megvan a saját felhasználási területe és helye: olyan piaci területen, ahol a felhasználói útvonal rendkívül rövid.
