Atribuce založená na kvalitě návštěv

Dnes každý on-line marketingový specialista musí řešit atribuci a atribuční modely. Atribučních modelů je celá řada od jednoduchých až po data-driven. Nejčastěji se ale setkáváme s modelem last non-direct click, který je používán ve standardních reportech Google Analytics.

Nevýhodou tohoto modelu je, že používá heuristické přiřazení hodnoty konverzí právě jedné návštěvě, respektive jejímu zdroji. Nevýhoda tohoto jednoduchého atribučního modelu je ale u Google Analytics vyvážená velmi snadným používáním nástroje a relativně jednoduchým nastavením sběru základních dat.

Druhou hlavní nevýhodou jednoduchých atribučních modelů je, že rozpočítávají hodnoty konverzí pouze na základě jednoho typu uživatelské akce, kterou je nejčastěji právě prokliknutí na web, v pokročilejších případech imprese reklamy. Atribuci tedy řeší ve vztahu makrokonverze (typicky transakce) a prokliknutí na web. 

Atribuční model založený na nákupním trychtýři

V rámci návštěvy webu mohou uživatelé, především u složitějších webů, provést mnohem více klíčových akcí (než jen makrokonverzi). Tyto klíčové akce mohou ukazovat na určitou hodnotu návštěvy. Například teoretická hodnota návštěvy, která je tzv. bounce (tedy uživatel si zobrazí pouze vstupní stránku), oproti návštěvě, kdy si uživatel přidá nějaký produkt do košíku, je značně rozdílná. Běžné atribuční modely však tuto vnitřní hodnotu návštěvy nijak nereflektují. Obě uvedené návštěvy by např. v lineárním atribučním modelu dostaly stejnou hodnotu. Z tohoto důvodu může být pro složitější weby, jakými jsou například e-shopy, mnohem přesnější použití atribučních modelů, které tuto vnitřní hodnotu jednotlivých návštěv reflektují. 

Jedním z takových modelů může být atribuční model založený na nákupním trychtýři. Nákupní trychtýř je virtuální posloupnost akcí, které uživatel na webu provede před tím, než učiní samotnou makrokonverzi. U e-commerce řešení mohou být těmito kroky např. zobrazení detailu produktu, přidání produktu do košíku, vložení kontaktních údajů, výběr dopravy a platby. Na základě těchto klíčových událostí pak systém přiděluje hodnotu jednotlivým návštěvám, respektive jejich zdrojům návštěvnosti. 

Atribuční model v Owox BI

Nástroj, který využívá takový typ atribuce, je Owox BI. Lze ho dobře použít jako doplněk ke Google Analytics. Jeho velkou výhodou je, že dokáže pracovat s daty z nástroje Google Analytics. Zákaznický trychtýř atribučního modelu, v tomto nástroji, se může skládat z klíčových akcí, které se vyskytují na cestě uživatele ke konverzi. 

V Owox BI si můžete jednotlivé klíčové kroky trychtýře definovat velmi libovolně na základě dat z Google Analytics. Kroky daného zákaznického trychtýře mohou být zobrazené stránky, běžné události nebo jakékoliv Enhanced Ecommerce akce. Navíc pro definici jednoho kroku můžete podmínky kombinovat pomocí logických spojek AND a OR. Díky tomu nástroj umožňuje definovat jako krok trychtýře prakticky jakoukoliv měřitelnou aktivitu uživatele. 

Podle množství uživatelů, kteří jsou schopni trychtýřem procházet do konkrétních kroků, přiděluje nástroj těmto krokům virtuální hodnotu. Tato hodnota vychází z metriky, která určuje obtížnost průchodu daného kroku. Čím je pro uživatele těžší krok provést, tím vyšší je vnitřní hodnota daného kroku trychtýře. Dle virtuální hodnoty kroků pak dostávají svou hodnotu i jednotlivé návštěvy, a to podle toho, do kterého kroku pomyslného trychtýře uživatele dovedou. Tato virtuální hodnota je ve skutečnosti vlastně pouze váha, která následně určí rozpočítání finální částky uživatelem provedené konverze nebo transakce.

Jak je výše naznačeno, tak Owox BI u každého kroku definovaného trychtýře vypočítává hned několik hodnot.

• Jednou z těchto hodnot je „step conversion rate“ (v grafech označena modrou barvou), určující procento návštěvníků z celkové návštěvnosti, kteří přes daný krok projdou do kroku následujícího. 
• Druhou důležitou hodnotou každého kroku je „probability“ (v grafech označena šedou barvou), vyjadřující procento návštěvníků, kteří projdou do dalšího kroku, počítané z počtu návštěvníků předchozího kroku. Tato hodnota určuje náročnost průchodu každého kroku.
• Třetí důležitou hodnotou je „value“ (v grafech označena zelenou barvou), tedy samotná hodnota kroku, která se vypočítává ze „skóre“ kroku. Skóre kroku je hodnota, kterou lze vypočítat jako (100 – „probability“ kroku). Samotná hodnota se pak vypočítá jako (skóre / součet skóre všech kroků).
• Poslední hodnotou, kterou Owox BI počítá, je „step abandonment rate“ (v grafech označena červenou barvou), tedy míru opuštění neboli poměr uživatelů, kteří nepokračují do dalšího kroku.

Atribuční model v Owox BI lze navíc přizpůsobit tím, že můžete určité kanály z atribuce vyloučit. Můžete vyloučit nejen jeden celý kanál na základě např. kombinace hodnot dimenzí zdroj a médium, ale můžete vyloučit i konkrétní kampaň z určitého zdroje. Nasimulujete si tak funnel non-direct atribuční model nebo vyloučíte některé zdroje návštěvnosti, které nejsou skutečnými zdroji, jako jsou např. transakční e-maily. Volba je už jen na vás.

Tento způsob atribuce ukazuje mnohem přesněji hodnotu jednotlivých návštěv, respektive jejich zdrojů návštěvnosti. Díky tomu můžete lépe vyhodnocovat vaše kampaňové zdroje a efektivněji tak mezi ně distribuovat investice. 

Kromě výše popsaného umí Owox BI také importovat data do Google Analytics, z Google Analytics, do BigQuery, do Google Sheets a řady dalších nástrojů. Pokud byste chtěli vyzkoušet pokročilou atribuci nebo další pokročilejší způsoby optimalizace nákladů na reklamu, ozvěte se nám. Rádi vám pomůžeme s úvodní implementací a vyhodnocením.