Co v článku najdete
Přestože marketéři sledují konverze už přes dvacet let, dosud jim nikdo nedal do rukou opravdu neprůstřelnou vědeckou metodu, která by přesně ukázala, jaká konkrétní část marketingu měla na výsledné konverzi největší podíl. Tento článek vám detailně představí dva možné postupy rozdělování zásluh v Google Ads a pomůže zvolit ten správný pro váš byznys.
Co je to atribuční model?
Jednoduše řečeno, atribuční model je pravidlo, na jehož základě dělíte úspěch (konverzi) mezi jednotlivé části vaší reklamní kampaně. Když někdo na webu utratí peníze, málokdy k tomu dojde tak, že dostane nápad, hned ho vyťuká do vyhledávače, klikne na první reklamu a okamžitě nakoupí. Kdyby nákupní cesta fungovala takto přímočaře, žádné atribuční modely byste vůbec nepotřebovali.
V praxi to vypadá jinak. Člověk sice má nápad a pustí se do vyhledávání, ale klikne třeba na organický výsledek nebo na úplně jiný odkaz. Přijde na váš web, chvíli si ho prohlíží a odejde. Až se mu o tři týdny později ukáže vaše reklama na YouTube, proklikne se zase zpátky a teprve v tu chvíli nakoupí.
Čemu v takovém případě připíšete zásluhu za výslednou konverzi? Prvnímu kliknutí na reklamu ve výsledcích vyhledávání? Tomu druhému na YouTube? Nebo někde uprostřed? Právě to se snaží vyřešit atribuční modely.
K čemu atribuční modely potřebujete?
Bez pevného pravidla přisuzování konverzí nemáte šanci zjistit, které marketingové aktivity přinášejí skutečné výsledky. Tím pádem se ani nedozvíte, na co se zaměřit a kam investovat svůj čas, energii a prostředky.
Jestliže netušíte, které kampaně vám ve vyhledávání vodí konverze, budete do nich dál s chutí investovat, nebo spíš utáhnete kohouty? Úplně stejná otázka platí i pro jakýkoliv jiný marketingový kanál.
Bez jasných, srozumitelných a v praxi použitelných dat o výkonu kampaní budete jen tápat v temnotách bez jasného nasměrování kudy kam.
Jaké atribuční modely jsou v Google Ads k dispozici?
Ještě před pěti lety by odpověď na tuto otázku byla podstatně delší než dnes. Tehdy kromě atribuce na základě dat existovalo dalších pět různých atribučních modelů:
- První kliknutí (First click)
- Lineární (Linear)
- Podle času (Time decay)
- Podle pozice (Position-based / U-shaped)
- Poslední kliknutí (Last click)
V roce 2023 však Google téměř všechny tyto modely "zařízl", V rozhraní tak jako volitelná možnost zůstala víceméně jen atribuce založená na datech (Data-driven), případně historický model posledního kliknutí.
Atribuce posledního kliknutí
Model posledního kliknutí platil v PPC reklamě po dlouhá léta za neotřesitelný standard. Funguje jednoduše tak, že veškeré zásluhy za konverzi přisoudí té poslední reklamě, přes kterou se člověk na web proklikl.
Příklad: Člověk nejprve uvidí vaše video na YouTube. Pak začne vyhledávat obecný dotaz z oboru, ale ještě nenakupuje. O něco později narazí na druhé YouTube video, potom na vaši bannerovou reklamu a nakonec zadá do vyhledávače přímo název vaší značky. Teprve v tomto momentě nakoupí.
V modelu posledního kliknutí získá 100 % zásluh kampaň ve vyhledávání zaměřená na značku (brand search). Jde samozřejmě o zjednodušený příměr, protože v tomto případě se jedná pouze o účet Google Ads. Jakmile do hry vstoupí další marketingové kanály a média, celé se to zamotá ještě víc.
Výhody atribuce posledního kliknutí:
- Snadné nastavení, pochopení i každodenní použití.
- Může dobře fungovat pro krátké a přímočaré nákupní cykly.
Nevýhody atribuce posledního kliknutí:
- Úplně ignoruje všechny předchozí kontaktní body v nákupním trychtýři a nepomáhá s přísunem poptávky v jeho horních fázích.
- Může vést k tomu, že si veškeré zásluhy přivlastní aktivity na samém dně trychtýře, jako je remarketing nebo značkové vyhledávání.
- Velmi špatně se hodí na delší nákupní cykly, během kterých se zákazník setkává se značkou na více místech.
Atribuce založená na datech
Data-driven atribuce poskytuje odpověď na věčnou otázku: Který atribuční model je pro mě ten pravý?
Zásadní je, že čím vyšší váhu daný krok na zákaznické cestě má, tím větší podíl na konverzi získává. V minulosti vám mohla podle typu byznysu vyhovovat kterákoliv ze starších atribučních metod, ale jejich nedostatkem byla nulová flexibilita. Jakmile jste si vybrali konkrétní model, další kontaktní body dostávaly při všech transakcích pořád stejnou míru zásluh.
Přitom je vysoce nepravděpodobné, že by nákupní proces probíhal u každého zákazníka stejně, i když se počet kroků na cestě shoduje. Řešení problému, tedy atribuce založená na datech, spatřilo světlo světa už v roce 2013, do širšího povědomí se dostalo v roce 2020 a na konci roku 2021 už bylo výchozím atribučním modelem pro všechny nové konverze v Google Ads.
V tomto modelu používá Google umělou inteligenci k analýze všech relevantních interakcí uživatelů (kliknutí na reklamu ve vyhledávání, v Nákupech, na YouTube i v obsahové síti a zapojená zhlédnutí videí). Zásluhy pak rozděluje podle toho, jaké kroky měly na rozhodnutí o nákupu největší vliv. Tento podíl je dynamický a vychází ze všech zastávek, které nakupující v síti Google udělal. Algoritmus jim přiřazuje různou váhu na základě skutečného dopadu každé z nich a také podle historického chování uživatelů. U dvou různých zákazníků, kteří prošli naprosto stejnou cestou, tak můžete dostat dvě úplně odlišná rozdělení zásluh.
Díky datové atribuci dokáže systém přisoudit částečnou konverzi každému kroku na nákupní cestě. V účtu tak běžně uvidíte kampaň, která má na kontě třeba 0,25 konverze. I když to na první pohled nemusí dávat smysl, je důležité pochopit, jak se tyto desetinné podíly napříč kampaněmi sčítají do hmatatelných byznysových výsledků. Díky nim získáte podstatně podrobnější a realističtější pohled na to, jak každý krok v nákupním trychtýři ovlivňuje finální obchod, a lépe porozumíte všemu, co hýbe výkonem.
Výhody atribuce založené na datech:
- Snadné spuštění, protože jde o výchozí nastavení.
- Nabízí podstatně detailnější pohled na to, jak jednotlivé kroky v nákupním trychtýři přispěly ke konverzi.
- Využívá strojové učení od Google pro dynamický přístup ke každému uživateli.
- Poskytuje přehledy o atribuci napříč zařízeními u uživatelů, kteří jsou přihlášeni na více přístrojích.
Nevýhody atribuce založené na datech:
- Na první pohled zvenčí není úplně snadné pochopit její fungování.
- Sleduje výhradně kanály z ekosystému Google (což ale v praxi platilo i pro model posledního kliknutí).
Najděte ten správný atribuční model pro své kampaně v Google Ads
Pokud z tohoto článku mělo vyplynout jedno jasné poselství, pak to, že atribuce založená na datech je pro vás s největší pravděpodobností tím lepším řešením. Většina firem z jejího využití vytěží podstatně více než ze starého modelu posledního kliknutí, protože získá jistotu, že všechny části účtu, které se podílely na konverzi, dostanou svůj spravedlivý díl zásluh.
Často kladené otázky (FAQ)
Jaký je hlavní rozdíl mezi modelem posledního kliknutí a datovou atribucí?
Model posledního kliknutí přiklepne 100 % zásluh za konverzi té úplně poslední reklamě, přes kterou se zákazník proklikl na web. Atribuce založená na datech (Data-driven) naopak pomocí algoritmu hodnotí celou nákupní cestu a rozděluje podíly zásluh dynamicky všem kampaním, které nákup reálně ovlivnily.
Je možné si dnes v Google Ads pořád vybrat ze všech starších atribučních modelů?
To už možné není. Google v roce 2023 pravidlové modely (jako First click, Linear nebo Time decay) z rozhraní vyřadil a plně je zautomatizoval. V účtu tak dnes pracujete primárně s výchozí datovou atribucí, případně máte u dřívějších nastavení možnost využít model posledního kliknutí.
Proč jsou u kampaní v účtu desetinná čísla konverzí, třeba 0,25?
Desetinné podíly jsou přímým výsledkem datové atribuce, která rozděluje jednu celou konverzi mezi více kontaktních bodů na zákaznické cestě. Jestliže kampaň pomohla zákazníka k nákupu přivést, ale nebyla tou poslední v pořadí, získá odpovídající částečnou zásluhu.
Zdroj: searchengineland.com, searchenginejournal.com, marketingland.com, facebook.com, cpcstrategy.com
Autor: Martin Kulhánek
Foto zdroj: AI, pixabay.com
