Co model atrybucji rozstrzyga, a czego nie

Zacznę od najczęstszego nieporozumienia. Model atrybucji nie odpowiada na pytanie, czy reklama była potrzebna. Odpowiada na pytanie, jak podzielić zasługę między kliknięcia, które już się wydarzyły.

Wyobraź sobie typową ścieżkę: użytkownik klika reklamę na ogólną frazę kategorii, dwa dni później wraca z reklamy na nazwę produktu, a po tygodniu wpisuje w wyszukiwarkę nazwę firmy, klika kampanię brandową i kupuje. Sprzedaż jest jedna, kliknięć jest trzy. Model rozstrzyga, ile z tej jednej sprzedaży zapisujemy każdemu z nich.

Z tego wynikają dwie rzeczy, o których warto pamiętać przy każdej rozmowie o liczbach. Po pierwsze, suma konwersji w koncie nie zmienia się wraz z modelem — zmienia się ich rozkład między kampanie i słowa kluczowe. Po drugie, zmiana modelu w Google Ads przelicza również dane historyczne, więc raport po zmianie nie jest porównywalny z tym, co widziałeś tydzień wcześniej. Jeśli tego nie zapowiesz klientowi, pierwsza rozmowa po zmianie będzie nieprzyjemna.

Trzecia rzecz jest ograniczeniem, o którym mówi się za mało: modele w Google Ads widzą wyłącznie interakcje w Google Ads. Newsletter, wejście z porównywarki, ruch z mediów społecznościowych i wynik organiczny są dla nich niewidzialne. Pełną ścieżkę wielokanałową trzeba szukać w Analytics, nie w panelu reklamowym.

Ostatnie kliknięcie — punkt odniesienia

Model ostatniego kliknięcia przypisuje całą konwersję ostatniemu kliknięciu w reklamę przed konwersją. Przez lata był domyślnym ustawieniem i wciąż jest najczęstszym punktem odniesienia w rozmowach z klientami.

Jego zaleta to przewidywalność. Liczby są łatwe do wytłumaczenia, nie ma ułamków konwersji, każdy rozumie zasadę po jednym zdaniu. Przy krótkich ścieżkach zakupowych — tanim produkcie kupowanym od razu — daje obraz, który zwykle nie kłamie.

Jego wada jest strukturalna: systematycznie przeszacowuje to, co stoi na końcu ścieżki, i nie widzi tego, co ją rozpoczęło. Najbardziej korzysta na tym kampania brandowa i frazy z nazwą produktu, bo one najczęściej domykają. Kampanie na ogólne frazy kategorii wyglądają w tym modelu na nierentowne i pierwsze idą pod nóż przy cięciu budżetu.

Widzę to na większości kont, które przejmuję. Ktoś zobaczył, że kampania na szerokie frazy nie ma konwersji, wyłączył ją, a po dwóch miesiącach kampania brandowa zaczęła się osypywać, bo nikt już nie dostarczał nowych użytkowników na górze ścieżki.

Pierwsze kliknięcie — i po co je oglądać

Model pierwszego kliknięcia jest dokładnym przeciwieństwem: całą konwersję przypisuje pierwszemu kliknięciu w reklamę na ścieżce. Wszystko, co było później, nie dostaje nic.

Jako model roboczy dla całego konta nie ma sensu i nie znam nikogo, kto by go tak używał. Nagradza kampanie, które sprowadzają nowych użytkowników, i sprowadza do zera wartość tych, które faktycznie domykają sprzedaż. Ustawiony na stałe potrafi wywrócić strategię stawek na drugą stronę.

Jest natomiast bardzo użyteczny jako narzędzie diagnostyczne. Porównanie tego samego okresu w modelu pierwszego i ostatniego kliknięcia pokazuje coś, czego nie zobaczysz inaczej: które kampanie i słowa kluczowe rozpoczynają ścieżki, a które je kończą. To jedno porównanie zmienia zwykle rozmowę o cięciu budżetu na kampaniach ogólnych, bo pokazuje ich rolę czarno na białym.

Używam go więc do wglądu, nie do sterowania kontem. Włączam porównanie, notuję wnioski, wracam do modelu roboczego.

Modele pośrednie: liniowy, zaniku czasowego, pozycyjny

Między dwiema skrajnościami Google Ads ma trzy modele, które dzielą konwersję na części.

• Liniowy — każde kliknięcie na ścieżce dostaje równy udział. Uczciwy w założeniu i naiwny w skutkach, bo traktuje przypadkowe kliknięcie w reklamę graficzną tak samo jak kliknięcie w reklamę na frazę z konkretnym modelem produktu.

• Zaniku czasowego — im bliżej konwersji, tym większy udział kliknięcia. Sensowny w branżach z krótkim, ale nie natychmiastowym procesem decyzyjnym.

• Pozycyjny — największe udziały dostają pierwsze i ostatnie kliknięcie, resztę dzielą kliknięcia w środku. Kompromis dla firm, które chcą docenić i początek, i koniec ścieżki.

Wszystkie trzy mają jedną wspólną cechę: opierają się na regule ustalonej z góry, a nie na danych z Twojego konta. Wybór między nimi to wybór światopoglądu, nie wniosek analityczny. Traktuję je dziś jako opcje przejściowe — przydatne, gdy z jakiegoś powodu nie chcę albo nie mogę korzystać z modelu liczonego na danych.

Model oparty na danych — co naprawdę robi

Model oparty na danych, znany jako data-driven attribution, nie ma z góry ustalonej reguły podziału. Google liczy udziały na podstawie tego, jak w danym koncie wyglądają ścieżki kończące się konwersją i ścieżki, które konwersją się nie kończą. Jeśli obecność określonego kliknięcia w ścieżce podnosi prawdopodobieństwo konwersji, to kliknięcie dostaje większy udział.

W praktyce oznacza to, że dostajesz ułamkowe konwersje — kampania może mieć w raporcie wartość, która nie jest liczbą całkowitą. Dla wielu osób to pierwsza rzecz, która budzi nieufność, a jest po prostu konsekwencją dzielenia jednej konwersji między kilka kliknięć.

Rzecz, która zmieniła sytuację przez ostatni rok: Google zniósł progi wejścia. Wcześniej ten model wymagał określonej liczby konwersji i interakcji z reklamą w oknie trzydziestu dni — było to trzysta konwersji i trzy tysiące interakcji — co skutecznie wykluczało mniejsze konta. Od października zeszłego roku wymagań danych nie ma, a przy tworzeniu nowej akcji konwersji w Google Ads to właśnie model oparty na danych jest wybierany domyślnie.

Nie jest to jednak rozwiązanie bez wad. Konto z bardzo małą liczbą konwersji dostanie model liczony na cienkich danych i wynik będzie mniej stabilny. A ponieważ Google nie ujawnia sposobu liczenia udziałów, nie sprawdzisz go samodzielnie — trzeba przyjąć tę nieprzejrzystość jako część umowy.

Model atrybucji a Smart Bidding

To najważniejszy powód, żeby nie traktować atrybucji jako tematu raportowego.

Strategie automatyczne optymalizują pod konwersje policzone zgodnie z wybranym modelem atrybucji. Jeśli konto działa na ostatnim kliknięciu, algorytm licytuje agresywniej tam, gdzie zapadają domknięcia, i ostrożniej tam, gdzie zaczynają się ścieżki. Po przejściu na model oparty na danych ten sam algorytm zaczyna widzieć wartość we wcześniejszych etapach i zmienia zachowanie.

Dlatego zmiany modelu nie traktuję jako korekty raportu, tylko jako ingerencję w sposób licytowania. Konsekwencje są takie same jak przy zmianie strategii stawek: pierwszy tydzień lub dwa wyglądają rozchwiane, koszt konwersji potrafi się przestawić, a wnioski wyciągnięte po trzech dniach są bez wartości.

Jest też odwrotna zależność, o której łatwo zapomnieć. Modele inne niż ostatnie kliknięcie mają sens tylko wtedy, gdy w koncie faktycznie występują ścieżki wielokrotne. W koncie z jedną kampanią i krótkim procesem decyzyjnym wszystkie modele dadzą prawie identyczny wynik, a cała dyskusja będzie stratą czasu.

Jak podejść do zmiany modelu

Kolejność, którą stosuję, jest zawsze taka sama.

Najpierw sprawdzam, czy w koncie jest o czym mówić. Zaglądam do danych o ścieżkach konwersji i patrzę, jak często konwersję poprzedza więcej niż jedno kliknięcie. Jeśli prawie zawsze jest jedno, zostaję przy ostatnim kliknięciu i zajmuję się czymś pożyteczniejszym.

Potem porządkuję pomiar. Zmiana modelu na koncie, które liczy konwersje podwójnie albo traktuje kliknięcie w numer telefonu jako konwersję główną, tylko rozprowadzi ten błąd równiej po kampaniach. Model nie naprawia danych.

Następnie robię porównanie modeli na danych historycznych, zanim cokolwiek przełączę. Interesuje mnie, które kampanie zyskają, a które stracą w raporcie — nie dlatego, że wynik będzie inny w rzeczywistości, ale dlatego, że muszę móc to wytłumaczyć klientowi, zanim zobaczy to sam.

Na koniec przełączam i zapisuję datę. Zostawiam kampanie w spokoju przez dwa tygodnie, nie ruszam celów strategii stawek w tym samym czasie i nie porównuję okresu po zmianie z okresem przed zmianą tak, jakby nic się nie stało.

I jedna uwaga o Analytics, bo pytanie wraca regularnie: modele w Google Ads i raportowanie w Analytics to dwa osobne światy. W Analytics domyślne raportowanie opiera się na ostatnim kliknięciu — w Universal Analytics na ostatnim kliknięciu innym niż wejście bezpośrednie, w GA4 na ostatnim kliknięciu w ujęciu wielokanałowym. W Google Ads obowiązuje model ustawiony na konkretnej akcji konwersji. Liczby nigdy nie będą identyczne i nie ma sensu ich zestawiać, dopóki nie wiesz, że mówią o tym samym zdarzeniu w tym samym oknie czasowym. A skoro Google ogłosił w marcu termin wyłączenia Universal Analytics, warto od razu układać ten pomiar tak, żeby dało się go odtworzyć w GA4.