בעולמנו הדיגיטלי הרב מסכי והרב ערוצי, סביר מאוד שקהל היעד הממוצע ייתקל במסרים השיווקיים שלנו מספר פעמים, במקורות שונים. זה יכול להיות בסמארטפון ובמחשב השולחני; בפייסבוק, בגוגל, בכתבה באתר כזה או אחר וכן הלאה.
הזיגזוג הזה נקרא “מסע הלקוח”, וכדי להבין מה היו השלבים השונים במסע – צריך לחבר את כל נקודות ההשקה יחד. ראוי לציין שגוגל פחות מתקדמת בנושא זה בהשוואה לפייסבוק, שכבר קפצה כמה שלבים קדימה בנושא הייחוס בפרט, ואפשרויות המעקב בכלל. בתחילת 2019 הודיעה פייסבוק על כלי חדש בשם Attribution, שמסוגל לעקוב הן אחרי ריבוי אפיקי התנועה והן אחרי ריבוי המסכים והפלטפורמות (Cross Device).
אומנם גם גוגל מיהרה להכריז על Google Attribution זמן קצר לאחר מכן, אבל כרגע מדובר בעיקר ביכולות של גוגל אדס – ופחות בגוגל אנליטיקס. מנהלי קמפיינים בגוגל אדס מסוגלים כיום לבחור מודל ייחוס שונה, בהתאם לצרכים שלהם, ולראות כיצד הקמפיינים שלהם מושפעים מכך.
מה זה מודל ייחוס (Attribution Model)
כפי שציינתי בהתחלה, מסע הלקוח הוא זיגזג של אפשרויות שדרכן עובר המשתמש. זה יכול להתחיל במודעה ממומנת בפייסבוק, לאחר מכן חיפוש אורגני בגוגל ולבסוף כניסה מבאנר באתר תוכן או מניוזלטר – שבועיים לאחר תחילת התהליך.
מודל ייחוס קובע אילו אפיקים יקבלו את הקרדיט, עבור הטראפיק וההמרה שבוצעה בעקבותיו. במערכת של גוגל יש מספר מודלים של ייחוס, כל אחד מבצע מעקב בצורה שונה אחר נקודות ההשקה השונות:
- Last Interaction – מאה אחוז קרדיט לאפיק האחרון שבזכותו בוצעה ההמרה, תוך התעלמות משאר האפיקים שקדמו לו.
- Last Non-Direct Click – מאה אחוז קרדיט לאפיק האחרון שבזכותו בוצעה המרה, תוך התעלמות מכל מקור ישיר.
- Last Google Ads Click – מאה אחוז קרדיט לקליק האחרון שהגיע מגוגל אדס, תוך התעלמות משאר האפיקים שקדמו לו.
- First Interaction – מאה אחוז קרדיט לקליק הראשון שהתחיל את מסע הלקוח, תוך התעלמות משאר האפיקים שבאו אחריו.
- Linear – חלוקת קרדיט שווה בין כל האפיקים, ללא קשר לסוג האפיק ומידת תרומתו.
- Time Decay – אפיקי התנועה הכי קרובים בזמן לביצוע ההמרה, יקבלו יותר קרדיט מאפיקי התנועה הרחוקים יותר בזמן.
- Position Based – ארבעים אחוז מהקרדיט יינתנו לקליק הראשון ו-40% לקליק השני, ויתרת 20 האחוזים תינתן לשאר האפיקים ביניהם בחלוקה שווה.
שלושת המודלים האחרונים הם המתקדמים יותר, מכיוון שהם מאפשרים התחשבות גם באפיקים האחרים; זאת לעומת ארבעת המודלים הראשונים שלוקחים בחשבון רק מקור אחד בכל פעם.
ברירת המחדל בגוגל כוללת שני מודלים של ייחוס – הראשונה מתבצעת בגוגל אדס והשנייה בגוגל אנליטיקס. מכיוון שכל מערכת כזו היא שונה במהותה ובאופן המדידה שלה, גם הייחוס שכל אפיק תנועה מקבל הוא שונה.
עד לאחרונה, שתי הפלטפורמות של גוגל פעלו בצורה הבאה:
- כל המרה בגוגל אדס מיוחסת לקליק האחרון שבוצע באדוורדס, בלי לספור מקורות אחרים (Last Google Ads Click).
- כל המרה בגוגל אנליטיקס מיוחסת לקליק האחרון ממקור שאינו ישיר (Last Non-Direct Click).
כפי שציינתי, עם כניסת Google Attribution לתמונה – גוגל אדס מאפשר לשנות את מודל הייחוס בין שאר המודלים שהוצגו קודם לכן. גוגל אנליטיקס, לעומת זאת, נשאר קצת מאחור, מכיוון שהוא מאפשר רק להציג אפשרויות ולא לשנות אותן בפועל.
השפעת מודל הייחוס על נתוני הקמפיין
מכיוון שקצרה יריעתו של המאמר מלתאר גם את מודל הייחוס בגוגל אדס (ממילא מדובר באותם מודלים), נתייחס רק לאפשרויות הקיימות בגוגל אנליטיקס.
מודלים של ייחוס ניתן לראות בתפריט Conversions תחת Multi Channel Funnels. דוח MCF עצמו הוא כלי מצוין לפילוח יעילותם האמיתית של אפיקי התנועה השונים, וכתבנו עליו במאמר קודם שממש שווה לקרוא.
תחת MCF נוכל למצוא כלי נוסף, שייתן לנו את אפשרויות הייחוס השונות באנליטיקס – Model Comparison Tool. כלי זה מאפשר לנו להשוות עד 3 מודלים של ייחוס בו זמנית, ולראות כיצד ביצועי הקמפיין היו יכולים להשתנות בהתאם (שוב צריך לזכור – זהו רק כלי השוואתי, ולא באמת ניתן לשנות דרכו את מודל הייחוס באנליטיקס. בגוגל אדס, לעומת זאת, ניתן לעשות זאת).
ראשית יש לבחור את ההמרות הדרושות ואת המקור – האם כל אפיקי התנועה או רק גוגל אדס. לאחר מכן נבחר את טווח הזמן טרם ביצוע ההמרה (עד 90 יום).
כעת נוכל לבחור אילו מודלים של ייחוס נרצה להשוות. אפשר לבחור רק אחד, אבל מומלץ לבצע השוואה עם אחד נוסף לפחות. בדוגמה הנ”ל בחרנו קליק אחרון לעומת דעיכה בזמן לעומת מבוסס מיקום.
הטבלה מציגה לנו את אפיקי התנועה העיקריים, שאותם ניתן לשנות כמו בשאר הדוחות באנליטיקס – צ’אנל גרופינג, source/medium וכן הלאה. הנקודה החשובה ביותר היא עמודות הייחוס עצמן (מסומנות באדום בצילום המסך).
בהשוואה שבחרנו לצורך הדוגמה, ניתן לראות כי אם נעדיף את מודל הדעיכה – ההמרות מהאפיק הישיר יצטמצמו ב-18 אחוזים (עמודה אחרונה מצד ימין). מדוע? מכיוון שהן כנראה יוחסו לאפיק הדירקט בצורה שגויה. זו בדיוק מטרת הכלי – להראות לנו איזה אפיק “גונב קרדיט” שלא בצדק, וגוזל את התהילה מאפיקים אחרים.
כמו כן ניתן לראות שמודל הדעיכה מייחס לאפיק הממומן 14% יותר המרות, ולאפיק האורגני 17% יותר המרות. זה אומר שהם יעילים יותר מאשר מה שמוצג בדוחות האנליטיקס הרגילים, וחשוב מאוד לדעת זאת.
אם נביט במודל מבוסס המיקום, נקבל נתונים רדיקליים יותר – המרות מהאפיק הישיר צונחות ברבע לעומת ההמרות המיוחסות לו באופן רגיל, בעוד שהמרות הממומן עולות ב-15% ואלו של האורגני עולות ב-26% לעומת המודל הרגיל.
אם נחזור לראש הטבלה ונבחר רק ב-Google Ads (ולא בכל מקורות התנועה), נקבל דוח אך ורק של ביצועי הקמפיינים הממומנים. ניתן לבחור האם להציג ברמת הקמפיין, קבוצת המודעות, מילות המפתח וכן הלאה. אבל כפי שציינתי, בגוגל אדס עצמו הדוח הזה מאפשר לא רק לבחור מודל ייחוס שונה, אלא גם להפעיל את הקמפיין תחת אותו מודל ייחוס. לפיכך בכל הנוגע למודל ייחוס של הממומן, עדיף להיכנס לדוח הנמצא במערכת גוגל אדס.
בצורה כזו ניתן להשוות בין מספר מודלים בו זמנית, ולהבין אילו אפיקים פועלים טוב יותר תחת מודל מסוים. לחלק מהאפיקים תהיה תרומה ישירה להמרה, בעוד שהאחרים ישמשו עזרים להמרה (Assisted Conversions שאותן ניתן לראות בדוח MCF המוזכר למעלה).
עדיין לא ברור האם ומתי גוגל אטריביושן ייושם במלואו גם בגוגל אנליטיקס, ונגיע ליום בו נוכל לבחור בעצמנו את מודל הייחוס הרצוי (כמו בגוגל אדס).
בלי נתונים אנחנו פשוט עוד מישהו עם דעה. בואו לכנס נקסט קייס 2019 לשמוע איך דוח אחד עזר לחברת Freightos ליצור מעורבות אצל 50% מקהל היעד.
כנס Next Case הוא היחיד והגדול מסוגו בישראל, המציג אך ורק מקרי בוחן אמיתיים. 11 בדצמבר 2019 – רק פרקטיקה, רק מה שבאמת עובד. לפרטים והרשמה >>>
