Dziś chcemy się z wami podzielić najważniejszymi wnioskami z webinaru Attribution Modeling with Google Analytics, zrealizowanego przez SEMPO. Poprowadziła go Jen Cykman.
Prowadząca wykazała, że jest wiele podejść do kwestii mierzenia jakości ruchu. Każdy system analityczny (np. Google Analytics) używa attribution model do przypisywania metryk, takich jak wizyty czy konwersje, różnym źródłom ruchu.
Dwa najczęściej spotykane modele to…
First-click attribution – w tym modelu pod uwagę brane jest pierwsze źródło wizyty użytkownika. Dobrym przykładem będzie tu wejście przez Google na witrynę sklepu internetowego i brak dokonania zakupu. Następnie wejście w to samo miejsce z wyników wyszukiwarki Bing i zakupienie produktu. W takim modelu to Google’owi przypisywana jest konwersja.
Last-click attribution – w tym modelu to ostatnie źródło wizyty użytkownika jest brane pod uwagę.
Odnosząc się do przedstawionego powyżej przykładu, w obrębie tego modelu konwersja zostanie przypisana Bingowi.
Oczywiście można spotkać modele atrybucji przypisujące wartość w mniej jednoznaczny sposób
np. equal/linear, gdzie wartości rozkładane są równomiernie pomiędzy różne źródła. Odnosząc się do powyższego przykładu, zostałyby przypisane w 50% do Google i 50% do Binga.
Jest również model U-Curve, w którym pierwsze i ostatnie źródło wejść ma przypisaną wartość w granicach 40%, a pośrednie źródła są oznaczane za pomocą mniejszych wartości.
Kolejny model to Time-decay, gdzie każde kolejne źródło ma coraz więcej udziału w konwersji.
Co istotne, Google Analytics w wersji darmowej korzysta tylko z Last-click atribution.
Co ciekawego możemy znaleźć w Multi-Channel Funnels?
MCF – overview pozwala na dokonanie analizy ścieżki konwersji. Określenie źródła, medium, kampanii i innych wskaźników, na które natrafił użytkownik zanim dokonał konwersji.
MCF – assisted visits – dzięki tej funkcji możemy poznać wszystkie źródła ruchu, za sprawą których naszą stronę odwiedzili użytkownicy, a następnie dokonali konwersji. W kolumnie assisted conversions mamy na przykład liczbę konwersji, które wystąpiły również w późniejszym czasie.
Interesującym zagadnieniem jest współczynnik Assisted / Last interaction Coversions. Najlepiej będzie go opisać za pomocą przykładu. Przyjmijmy, że ruch direct ma współczynnik wynoszący 0,66, więc jest źródłem „blisko” konwertującym. Ruch z serwisu Facebook ma współczynnik 1,45, więc duża ilość konwersji miała miejsce przy pośrednim wpływie Facebooka, ale ilość konwersji bezpośrednich jest mniejsza, przez co możemy nie doceniać tego źródła.
W sekcji Conversion paths możemy sprawdzić, jak wyglądały ścieżki, którymi użytkownicy trafiali do serwisu. Oczywiście chodzi o internautów, którzy ostatecznie dokonali konwersji.
Funkcja Time lag informuje o całkowitym czasie konwersji. Path lenght pokazuje natomiast długość ścieżki.
Prowadząca zakończyła prezentację informacjami o płatnej wersji Google Analytics. Mamy w niej dostęp do pięciu różnych modeli: Last, First, Linear, U-curve, Time-Decay. Można je edytować lub tworzyć nowe. Istnieje również możliwość porównywania danych równocześnie z wybranych trzech modeli.
Więcej szczegółowych informacji na temat Attribution Modeling w Google Analytics znajdziecie w poprzednich postach na naszym blogu. Jeśli chcecie poszerzyć swoja wiedzę, szczególnie polecamy trzy teksty:
– Analiza ścieżek konwersji – nowe możliwości Google Analytics
– Analiza ścieżek konwersji – Conversion Attribution
– Analiza ścieżek konwersji – praktyczne przykłady analiz
Mamy nadzieję, że przedstawione w postach informacje, pomogą w praktyce mierzyć skuteczność działań e-marketingowych.
—
Redakcja
