W większości branży użytkownicy odwiedzają stronę kilka razy przed podjęciem decyzji o zakupie, a im droższy produkt, tym dłuższa jest ścieżka prowadząca do zakupu. Jednak w większości systemów, takich jak Google AdWords, Google Analytics, DoubleClick Search, domyślnym modelem atrybucji jest last click. Buduje on jednak niepełny obraz sytuacji, ponieważ przypisuje 100% konwersji do ostatniej interakcji z reklamą, przez co ignorowane są pozostałe kliknięcia prowadzące do konwersji. Efektem korzystania z modelu last click może być nieefektywna alokacja budżetu reklamowego lub „wycinanie” kanałów, które mają istotny wpływ na całość ścieżki we wcześniejszych etapach.

Rozwiązaniem jest wdrożenie modelu atrybucji opartego na danych. Dzięki temu uzyskujemy dostęp do informacji jak dane słowa kluczowe, reklamy, grupy reklam i kampanie wpływają na konwersję.
W ramach Doubleclick Search można ustawić model atrybucji oparty na danych. Taki model atrybucji oparty na danych można ustawić również w ramach Doubleclick Campaign Manager, ale tego modelu nie da się importować i stosować w ramach DS.

Jakie wymagania trzeba spełnić, żeby wdrożyć model oparty na danych w ramach Doubleclick Search:

  1. Do wdrożenia modelu atrybucji data driven w ramach DS potrzebny jest dostęp na poziomie menedżera agencji lub reklamodawcy.
  2. DDA (Data Drive Attribution) oparty jest o konwersje online Floodlight, żadne inne konwersje np. AdWords  nie będą brane pod uwagę przy generowaniu modelu.
  3. Wyjątkiem są konwersje offline przesyłane przy pomocy interfejsu API DCM – są one brane pod uwagę przez model DDA.
  4. Minimalna ilość danych potrzebna do wygenerowania DDM to 15 000 kliknięć i 600 konwersji w ciągu ostatnich 30 dni.

Grupowanie kanałów

Niestandardowe grupowanie kanałów

Kampanie, grupy reklam lub poszczególne słowa kluczowe o podobnej skuteczności można pogrupować przy pomocy etykiet. Etykiety należy zastosować przynajmniej 12 godzin przed utworzeniem modelu atrybucji. UWAGA! Model podczas przeliczania może nie wziąć pod uwagę nowszych grupowań.
Model może uwzględnić maksymalnie 15 grupowań kanałów, jednak zalecana ilość to maksymalnie 5 grupowań.
W przypadku kampanii produktowych, etykiety używane do grupowania kanału muszą znajdować się na poziomie kampanii lub grupy reklam. Model data driven nie obsługuje etykiet bezpośrednio na poziomie grup produktów.
Dobrym rozwiązaniem jest przypisywanie etykiet w oparciu o reguły automatyczne, dostępne w panelu Doubleclick Search, dzięki którym unikniemy sytuacji, gdy zapomnimy dodać etykietę do nowo utworzonego elementu. Dla złożonych kampanii warto jest najpierw zbudować i przetestować grupowanie w Excelu.

Automatyczne grupowanie kanałów

Automatyczne grupowanie kanałów jest zalecane dla osób, które dopiero zaczynają pracę z modelem data driven i chcą  szybko przetestować to rozwiązanie lub nie mają czasu na samodzielne ich grupowanie. Automatyczne grupowanie kanałów dodaje etykiety na poziomie słów kluczowych, dlatego też nie jest polecane dla kont, gdzie kampanie produktowe lub kampanie z dynamicznymi reklamami w wyszukiwarce (DSA) generują znaczną część ruchu i konwersji.

Ustawiania modelu

Samo tworzenie modelu atrybucji, opartego o dane, gdy mamy stworzone już niestandardowe grupowanie kanałów, jest bardzo proste:

  1. W panelu „atrybucja”, dostępnym w menu z lewej strony, wybieramy opcję „Nowe -> Model oparty na danych”.
  2. Następnie wybieramy aktywności Floodlight, które mają być raportowane w ramach modelu DDA.
  3. W sekcji „utwórz grupowania kanałów” wybieramy nasze etykiety, które zostały użyte do stworzenia niestandardowego grupowania kanałów.

Model aktualizuje się w cyklu tygodniowym. Wszystkie nowe kampanie, grupy reklam i słowa kluczowe dodane do grupowania kanałów są uwzględniane w modelu. W przypadku, gdy liczba wymaganych konwersji (minimum 600 konwersji w ciągu ostatnich 30 dni) spadnie poniżej minimalnego poziomu, DS użyje wcześniej wygenerowanego modelu. Jeśli ten stan utrzyma się dłużej i DS nie będzie w stanie wygenerować modelu przez 30 dni,  model oparty na danych użyje prostego modelu liniowego i w kolejnym tygodniu podejmie ponowną próbę aktualizacji.
Model DDA stosowany jest raz dziennie, dlatego też warto analizować dane za okres czasowy, kończący się przedwczoraj. W ten sposób mamy pewność, że analizujemy wszystkie konwersje.

Jak porównać modele?

Gdy model DDA będzie gotowy to wprost z panelu atrybucji w ramach DS możliwe będzie ustawienie niestandardowych kolumn.

Niestandardowe kolumny można dodać w tabeli raportowania i dzięki temu porównać jak zmieniają się wyniki dla poszczególnych kampanii, grup reklam, słów kluczowych w ramach modelu opartego na danych. Może się okazać, że ogólne słowa kluczowe mają przypisane więcej konwersji niż w modelu ostatniego kliknięcia, ponieważ tego typu frazy często rozpoczynają ścieżki konwersji.


Stosowanie modelu DDA w strategii określania stawek

Domyślny model atrybucji w strategii ustalania stawek DS to model atrybucji ostatniego kliknięcia. Po stworzeniu modelu opartego na danych, można zacząć go używać w ramach strategii ustalania stawek.

Warto przetestować model atrybucji oparty na danych we własnej kampanii, da on pełniejszy obraz całości kampanii. Dodatkowo może okazać się, że strategia oparta o niego zacznie całościowo przynosić więcej konwersji, niż strategia oparta o model last click.

Masz pytania? Chcesz pogłębić ten temat?
Napisz! hello@salestube.tech

Podobał ci się artykuł, podziel się nim na: