Poprzedni artykuł (cz. 3): Terminologia modelowania atrybucji
Modelowanie atrybucji obejmuje analizę wpływu szeregu interakcji na konwersje w okresie poprzedzającym konwersję.
O tym, jak długi ma być okres podlegający analizie, decyduje ustalone okno konwersji, nazywane w niektórych raportach okresem ważności (conversion window, lookback window).
W terminologii w Google Analytics wprowadzonej w 2024 r. pojęcie konwersji zarezerwowane jest dla konwersji wyeksportowanych i współdzielonych z Google Ads, a pozostałe istotne zdarzenia nazywane są kluczowymi zdarzeniami. W tym kontekście, bardziej uniwersalnym określeniem będzie okres ważności (lookback window).
Niektóre ilustracje w tym artykule pochodzące sprzed 2024 r. mogą wskazywać na kluczowe zdarzenia jako na konwersje.
Okres ważności to okres czasu poprzedzający konwersję (kluczowe zdarzenie), w którym uwzględniane są kliknięcia i wyświetlenia potencjalnie na tę zajście tego zdarzenia wpływające.
Przykładowy klient sklepu internetowego miał następujące interakcje z reklamą:
- 1 lutego kliknął w reklamę Google Ads w wyszukiwarce i zapoznał się z ofertą;
- 20 lutego ponowne kliknął reklamę Google Ads i rozważał zakup;
- 1 marca kliknął reklamę remarketingową na Facebooku, ale nie dokonał transakcji.
10 marca użytkownik ten wszedł na stronę bezpośrednio i dokonał zakupu.
Przy 30-dniowym okresie ważności jedynie drugie kliknięcie Google Ads i reklama remarketingowa na Facebooku będą uwzględniane w analizie. Jeżeli okres ważności wydłużymy do 45 dni, to również to pierwsze kliknięcie reklamy w wyszukiwarce Google będzie mogło otrzymać udział w atrybucji.
Sformułowanie „będzie mogło” otrzymać udział, jest nieprzypadkowe. To, czy dane kliknięcie ostatecznie otrzyma udział w atrybucji zależy od stosowanego modelu atrybucji.
Niemniej, niezależnie od stosowanego modelu, interakcje spoza okresu ważności nie są brane pod uwagę.
Więcej informacji na temat okresów ważności można znaleźć w artykule pomocy Google Ads oraz w artykule o atrybucji w Google Analytics na naszym blogu.
Zmiana okresu ważności
Okres ważności zmienia się w ustawieniach systemu raportującego lub w parametrach danego raportu. Zazwyczaj do dyspozycji będzie kilka konkretnych okresów z przedziału 1 – 90 dni lub możliwość wybrania własnego okresu w takim przedziale. Jeśli nie zastosujemy wybranego okresu ważności w raporcie, zazwyczaj stosowane są domyślne ustawienia systemu.
Zmieniając okres ważności w ustawieniach systemu, warto zwrócić uwagę, czy zmiany będą działać retroaktywnie, tzn. czy będą dotyczyć również wcześniejszych raportów. Takich zmian można dokonywać bez obaw, ponieważ są one odwracalne. Tak się dzieje, kiedy np. w raporcie reklam na Facebooku wybierzemy inną metodę atrybucji (generalnie, parametry raportów nie powinny trwale oddziaływać na system).
W niektórych systemach zmiany okresie ważności będą działały dopiero od momentu ich wprowadzenia (nie będą retroaktywne). Takie zmiany należy przeprowadzać z rozwagą. Ich wprowadzenie oznacza, że raporty przed i po zmianie nie będą do końca porównywalne, a zmiany w danych będą nieodwracalne. Nawet jeśli przywrócimy wcześniejsze ustawienie, to nie będzie ono miało zastosowanie do danych z okresu, w którym okres ważności był inny (zob. też artykuł o atrybucji w Google Analytics na naszym blogu).
Okresy ważności w porównaniach modeli atrybucji
Ta sekcja (zaktualizowana w styczniu 2024 r.) odwołuje się do rozwiązań stosowanych w Universal Analytics (poprzednia wersja Google Analytics). Obecnie w analogiczny sposób wciąż działa atrybucja w Campaign Managerze (narzędzie śledzenia reklam Google Marketing Platform).
W ustawieniach modelu atrybucji istnieje możliwość wybrania innego niż domyślny okresu ważności:
Jeżeli w modelu atrybucji nie jest ustawione jego własny okres ważności (opcja Okres ważności jest wyłączona) to dany model będzie wykorzystywał domyślny okres ważności dla raportu. W raportach porównania modeli atrybucji, indywidualnie zdefiniowany okres ważności zostanie zaznaczony pod nazwą modelu i to on będzie stosowany w tym modelu, nawet jeśli w raporcie zdefiniowane jest inny okres ważności.
W przykładzie poniżej, modele Ostatnia interakcja oraz Ostatnie kliknięcie AdWords (dawna nazwa Google Ads) nie mają własnego okresu ważności. Model Ostatnie kliknięcie AdWords II ma ustalone własny okres ważności na 30 dni. W raporcie ustawiono okres ważności na 90 dni, w związku z czym będzie ono stosowane w modelach Ostatnia interakcja oraz Ostatnie kliknięcie AdWords, a model Ostatnie kliknięcie AdWords II będzie analizował wpływ interakcji na podstawie własnego okresu ważności tj. w okresie 30 dni:
Warto przypomnieć, że dla raportu wybieramy również, które konwersje (kluczowe zdarzenia) mają być przedmiotem analizy. Mogą to być zarówno transakcje e-commerce, jak i realizacje innych celów – warto upewnić się, czy na pewno analizujemy te zdarzenia, o które nam chodzi:
Jakie informacje wiążą się z okresem ważności?
Okres ważności należy dostosować indywidualnie do długości ścieżki atrybucji i zachowań użytkowników. W przypadku produktów kupowanych impulsowo lub takich, w których czas decyzji jest bardzo krótki (np. wezwanie pomocy drogowej), należy stosować raczej krótsze okresy ważności.
Dla produktów o długim procesie decyzyjnym (np. zakup nieruchomości) warto stosować dłuższe okresy ważności, by uwzględnić możliwie jak najwięcej interakcji w przeszłości.
Możliwość zmiany okresu ważności przyda się, jeśli będziemy chcieli uzgodnić raportowanie pomiędzy systemami z różnymi okresami ważności – warto sprowadzić je do wspólnego mianownika przynajmniej w tym wymiarze.
Porównując dane z różnych systemów śledzenia (np. Google Ads i Analytics) reklamodawcy często widzą istotne rozbieżności – jedną z przyczyn może być inny okres ważności. Przykładowo, standardowym okresem ważności w systemie śledzenia konwersji Google Ads może być 30 dni, podczas gdy np. w Analytics czy w systemie raportowania programu afiliacyjnego może być stosowany 90-dniowy okres ważności.
Okres ważności nie będzie miał wpływu na wyniki wskazywane przez model ostatniej interakcji – ta zawsze pozostanie taka sama. Z kolei w przypadku modeli przypisujących wartość pierwszej interakcji, wpływ ten będzie znaczący i tak naprawdę, gdy mówimy o pierwszej interakcji, zawsze warto ustalić, „w jakim okresie ważności”.
Wpływ zmiany okresu ważności będziemy widzieć też w przypadku modeli multi-touch (uwzględniających więcej niż jedną interakcję) oraz w modelach ostatniej interakcji z modyfikacją, np. takim, które przypisują wartość ostatniemu kliknięciu reklamy z danego źródła (np. ostatnie kliknięcie Google Ads).
Porównując atrybucję w tym samym modelu, ale dla różnych okresów ważności, możemy zobaczyć, jak zmienia się wpływ danego źródła na atrybucję w czasie.
Remarketing pierwszą interakcją?
W niektórych raportach wykonanych w modelu pierwszej interakcji część wartości może zostać przypisana do kampanii remarketingowych. Ale jak to możliwe, że kampania remarketingowa jest pierwszą interakcją na ścieżce? Remarketing kierowany jest do użytkowników powracających, a więc pierwsze wejście z remarketingu jest oczywiście niemożliwe. Skąd więc takie dane?
To, że widzimy transakcje, dla których remarketing jest pierwszą interakcją, może wynikać z długości okresu ważności. Jeśli wynosi on 90 dni, a pierwotna wizyta miała miejsce np. 95 dni przed transakcją, po czym np. w 15 dniu przed transakcją miała miejsce wizyta z remarketingu, to ona zostanie uznana za pierwszą interakcję w tym modelu.
Trzeba też pamiętać, że kierowanie w remarketingu może wykorzystywać sygnały na temat zalogowanych użytkowników, których system śledzący nie będzie uwzględniać. Przykładowo, użytkownik Facebooka może pierwszy raz zetknąć się ze stroną na smartfonie, a następnie kliknąć reklamę remarketingową podczas wizyty na Facebooku na komputerze (gdzie Facebook go rozpozna dzięki zalogowaniu), co w Google Analytics lub innym systemie może zostać odczytane jako pierwsza wizyta, jeśli systemy Google nie wiedzą, że z tych dwóch urządzeń korzysta ten sam użytkownik.
Kolejny artykuł (cz. 5): Wizyty bezpośrednie (direct) i modele niebezpośrednie
Warto przeczytać: Przewodnik po atrybucji w Google Analytics
