Modelowanie atrybucji konwersji – jak mierzyć efektywność kampanii w wielokanałowym świecie?

Z głową. Przez 17 lat w branży nauczyłem się, że nie ma Świętych Graali ani jednego źródła prawdy. Są natomiast rozwiązania, które – poprawnie wdrożone i dobrze zrozumiane – pomogą Ci rzetelnie rozliczać partnerów z efektów ich działań. Jeśli temat nie jest Ci obcy, zapraszam od razu do końca artykułu, gdzie opisuję rekomendowane podejście. Pozostałym polecam lekturę całości – znajomość niuansów daje większe poczucie kontroli nad całym procesem.

Jakie przeszkody wiążą się z mierzeniem atrybucji?

1. Brak akceptacji zgód na pliki cookie marketingowe

W zależności od implementacji, odrzucane są w 5-25% przypadków. Brak akceptacji ciasteczka odpowiedzialnego za śledzenie źródła sesji uniemożliwia przypisanie konwersji partnerowi – niezależnie od modelu atrybucji. Konwersja może pojawić się w raporcie, ale partner nie zostanie za nią rozliczony. Rozwiązanie? Monitoruj odsetek odrzuceń (np. via Cookiebot), by zrozumieć skalę wpływu na twój biznes. Sposoby na ograniczenie tego i innych problemów opisuję dalej.

2. Blokowanie skryptów przez przeglądarki

Dotyczy to również Google Tag Managera, Google Analytics i podobnych narzędzi. Safari i Firefox już blokują takie skrypty. Bez ich uruchomienia żaden partner (zgodnie z tym co pokaże narzędzie do atrybucji) nie otrzyma wynagrodzenia – konwersja po prostu nie zostanie zarejestrowana.

3. Cross-device tracking

Firmy chwalące się tymi rozwiązaniami pracują na szczątkowych danych. Często nie da się jednoznacznie powiązać użytkownika, który np.:

  • rozpoczął ścieżkę na służbowym telefonie,
  • wieczorem sprawdził promocję na prywatnym laptopie,
  • następnego dnia kupił produkt na prywatnym smartfonie.

W takim scenariuszu konwersja zostanie przypisana źródłom organicznym – mimo istotnego wkładu wielu partnerów.

4. Nadpisywanie ciasteczek

Ten problem tyczy się głównie atrybucji w modelu last click. Partnerzy działający na końcu ścieżki zakupowej (np. serwisy z kuponami) często „przechwytują” prowizję tych, którzy wykonali pracę wcześniej. Użytkownik, zdecydowany na zakup, szuka na ostatnią chwilę kodu rabatowego, klika link i nadpisuje ciasteczko pierwotnego partnera.

Przykład:

  • Partner A (np. bloger) publikuje recenzję produktu. Użytkownik czyta ją, klika w link afiliacyjny – w przeglądarce zapisuje się ciasteczko partnera A.
  • Użytkownik jest już zdecydowany na zakup, ale postanawia poszukać kodu rabatowego.
  • Trafia na stronę partnera B (serwis z kuponami), klika w link z kodem rabatowym – w tym momencie ciasteczko partnera A zostaje nadpisane przez ciasteczko partnera B.
  • Użytkownik finalizuje zakup. Prowizja trafia do partnera B, choć kluczową pracę wykonał partner A, edukując klienta.

5. Deterministyczne podejście do analizy danych niedeterministycznych

I ten wątek warto lepiej zrozumieć. Marketing to nie rocket-science, ale ta branża nadzwyczaj lubi trudne słówka (np. modelowanie ekonometryczne). Niedeterministyczne dane to takie, które nie zawsze są nam w pełni znane, czy nie zawsze zawierają komplet informacji (jest w nich doza chaosu). Mogą być losowe, zmienne, a w naszym przypadku najważniejszym słowem będzie: probabilistyczne (ah to uwielbienie do słówek!). O co chodzi?

Jeśli systemy atrybucyjne zbierają niepełne dane (ze względu na wcześniej wymienione problemy choćby z ciasteczkami, czy przeglądarkami) i wykorzystują modele oparte właśnie o dane(sic!), takie jak data driven attribution w Google Analytics (nazywane również „Atrybucją algorytmiczną”!), to zgodnie z potoczną zasadą, bardzo dobrze znaną w analityce jako shit in = shit out, w wyniku otrzymamy prognozy zamodelowane wyłącznie w oparciu o historyczne dane.

Innymi słowy, źródła które w poprzednich miesiącach przekazywały więcej danych (ilościowo) i lepsze dane (więcej informacji o każdym evencie), będą częściej przypisywane w modelu DDA jako źródło konwersji (nawet o 90% częściej niż inne źródła). W INIS sami również przeprowadziliśmy takie testy i potwierdzają one te tezy:

  • źródła z długą historią i dużą ilością danych są faworyzowane (nawet o 90% częściej!),
  • nowi lub niszowi partnerzy są marginalizowani,
  • korporacje (Facebook, Instagram, TikTok Ads) zyskują nieproporcjonalny udział mimo miernej jakości ruchu,
  • reklamy Google są preferowane w GA dzięki najlepszej integracji systemów.

Potwierdzamy to własnymi testami, ale do tych samych wniosków prowadzą podobne raporty i analizy innych wiodących sieci afiliacyjnych, obecnych na międzynarodowych rynkach.

Jak mierzyć kampanie? Rekomendowane podejście

  1. PIWIK PRO
    Alternatywa dla GA, oparta na ciasteczkach first-party (lepiej radzą sobie z blokadami przeglądarek). Narzędzie przekazuje dobrej jakości dane, jest stabilne (i od lat rozwijane pod aktualne potrzeby), ma wersję darmową. Wymaga więcej pracy przy konfiguracji niż GA ale jego mniejsza popularność może być problematyczna w przypadku współpracy z różnymi partnerami.
  2. Atrybucja w BigQuery
    Możesz zbudować własną logikę atrybucji, odporną na zgody, czy przeglądarki, dostosowaną do Twoich potrzeb i budować użyteczne, odświeżane na bieżąco raporty w Looker Studio. Wymaga to jednak sporo pracy ze strony ekspertów z zakresu tych narzędzi.
  3. Google Analytics w modelu last click
    Mimo wielu wspomnianych ograniczeń i niedociągnięć, rekomenduję GA ze względu na:
    • dominującą pozycję w Polsce,
    • stabilność (nie zniknie z rynku za 2 lata),
    • łatwość użycia bez zatrudniania ekspertów dziedzinowych.

Jak poprawnie wykorzystać Google Analytics w mierzeniu atrybucji konwersji?

W ustawieniach konta zmień domyślny model atrybucji z data driven na last click. Jeśli korzystasz z reklam Google, ta zmiana w koncie GA nie wpłynie w żaden sposób na efektywność Twoich reklam. Modele atrybucji w GA działają w trybie retrospektywnym, czyli zmiana modelu nie wpłynie na surowe dane. Zostaną one jedynie na nowo przetworzone z użyciem nowego modelu. Oznacza to, że w nowym modelu zobaczysz również dane historyczne i w każdym momencie możesz zmienić ten model na inny.

GA (jak każde narzędzie analityczne) skupia się na trendzie. Jak mówi Przemek Modrzewski (polecam jego darmowe szkolenia z GA) „mniej istotna jest bezwzględność, liczą się trendy. Bezwzględność nigdy nie wyjdzie w analityce.” Dlatego tę bezwzględność (rozumianą jako analizę każdej konwersji z osobna) trzeba zbudować w GA licząc się z niektórymi niedoskonałościami. Zbudujesz ją za pomocą niestandardowych raportów w sekcji „Eksplorowanie”.

Opiszę teraz jak możesz to zrobić, ale jeśli chcesz stworzyć taki raport wspólnie ze mną, to zapraszam do kontaktu.

  • Stwórz niestandardowy, pusty raport w sekcji „Eksplorowanie”.
  • Zdefiniuj zakres: np. ostatnie 30 dni.
  • Nie używaj segmentów (pozostaw je puste).
  • W sekcji „wiersze” dodaj konkretnie „Źródło” (nie „Sesja źródło”, ani nic innego) oraz „Identyfikator transakcji”.
  • Nie używaj sekcji „Kolumn”.
  • W sekcji „Wartości” dodaj „Przychody z zakupów”.
  • Tak przygotowany raport pobierz jako plik CSV, żeby mieć wgląd do wszystkich danych, a nie tylko do pierwszych 500.

Kluczowe ograniczenia (i jak je obejść)

Konwersję, którą przypisuje do siebie partner, a która istnieje w GA, ale ma źródło „not set”, „none”, lub „direct” warto z nim rozliczyć (jeśli nie w 100% to w jakimś ustalonym z góry procencie). To przypadek, kiedy partner uczestniczył w procesie zakupowym, ale GA nie był w stanie zinterpretować źródła. Jeśli wielu partnerów przypisuje tę konwersję do siebie, rekomenduję, by przesłali raporty z ich ostatniego kliknięcia i na tej podstawie możesz przypisać wagi udziału (można to zautomatyzować w BigQuery, a w GA trzeba robić to ręcznie). Rozstrzyganie konwersji na rzecz wielu partnerów odnosi się również do poniższego punktu.

Konwersję, którą partner posiada w swoich raportach (był na ścieżce zakupu), ale w GA jej nie ma (jest w Twoim CRM i jest opłacona) warto również rozliczyć analogicznie do powyższego przypadku. To sytuacja, kiedy GA zostało zablokowane przez przeglądarkę, zgody na ciastka lub adblocka.

I to wszystko! Mam nadzieję, że temat atrybucji stał się dla Ciebie bardziej przejrzysty i zrozumiały. Jeśli coś szczególnie zainteresowało Cię w artykule i masz dodatkowe pytania o któreś ze wspomnianych przeze mnie zagadnień, śmiało skontaktuj się ze mną! Życzę Ci powodzenia w świecie atrybucji!