Wkład merytoryczny: Rafał Makula
Opracowanie redakcyjne: Czat GPT
Atrybucja w e-commerce to jeden z kluczowych elementów analizy danych marketingowych, jednak często jest błędnie interpretowana lub celowo manipulowana. W szczególności warto zwrócić uwagę na to, jak afiliacje i inne podmioty mogą wpływać na modelowanie atrybucji, w taki sposób, aby przypisać sobie zasługi za konwersję, nawet jeśli faktycznie nie odegrały decydującej roli.
Rodzaje atrybucji i ich wpływ na analizę danych
Najczęściej stosowane modele atrybucji obejmują:
- Last click – konwersja przypisywana jest ostatniemu kliknięciu przed zakupem.
- First click – cała wartość konwersji przypisywana jest pierwszemu kliknięciu.
- Linear – każdy punkt styku na ścieżce użytkownika otrzymuje równą wartość.
- Time decay – większa waga przypisana jest zdarzeniom bliższym konwersji.
- Position-based (U-shaped) – większa waga przypisywana jest pierwszemu i ostatniemu kliknięciu.
- Data-driven (AI/ML-based) – atrybucja oparta na analizie rzeczywistych zachowań użytkowników.
Każdy z tych modeli ma swoje wady i zalety, jednak problem pojawia się, gdy podmioty afiliacyjne czy inne źródła ruchu próbują manipulować atrybucją na swoją korzyść.
First Click – czy rzeczywiście najlepiej oddaje konwersję?
Coraz więcej marketerów sugeruje się modelem First Click, argumentując, że to pierwsza interakcja użytkownika decyduje o całej ścieżce zakupowej. Jeśli użytkownik pierwszy raz zetknął się z marką poprzez dany kanał, to powinien on otrzymać pełne uznanie za konwersję. Jednak w praktyce First Click ma swoje ograniczenia:
- Nie bierze pod uwagę dalszej ścieżki użytkownika – użytkownik może po pierwszym kontakcie porzucić stronę i wrócić do niej kilka razy poprzez inne kanały.
- Ignoruje wpływ remarketingu i retargetingu – pierwsza interakcja rzadko skutkuje natychmiastową konwersją, a użytkownik może potrzebować kilku przypomnień.
- Sprzyja kanałom budującym świadomość, ale niekoniecznie konwertującym – kanały jak organiczne SEO czy kampanie display mogą dominować w analizie, choć faktyczne decyzje zakupowe zapadają na późniejszych etapach.
Dlatego First Click może być wartościowym modelem w analizie budowania świadomości marki, ale niekoniecznie oddaje faktyczne źródło konwersji.
Atrybucja vs. sposób zbierania danych
Często pojęcia atrybucji i sposobu zbierania danych są mylone lub używane zamiennie, choć odnoszą się do różnych aspektów analizy konwersji:
- Atrybucja (First Click, Last Click, Linear, itp.) odnosi się do sposobu przypisywania wartości konwersji poszczególnym punktom styku użytkownika z marką.
- Sposób zbierania danych (np. Data-Driven, AI/ML-Based) odnosi się do metod analizy ścieżek użytkownika i wykrywania wzorców zachowań, na podstawie których system określa rzeczywisty wpływ poszczególnych kanałów na konwersję.
Możliwe jest więc połączenie np. First Click Atrybucji z Data-Driven Analytics, co oznaczałoby, że model przypisuje pełną wartość konwersji pierwszemu kliknięciu, ale sposób analizy ścieżek użytkownika i wykrywania korelacji jest oparty na danych historycznych i algorytmach.
Podobnie, Last Click Atrybucja może być wspomagana modelem Data-Driven, co pozwala dostosować decyzje o przypisaniu konwersji w zależności od zachowań użytkowników na przestrzeni wielu interakcji.
Pułapki atrybucji w afiliacjach i innych źródłach ruchu
1. Manipulacja Last Click
Niektóre afiliacje próbują przejąć atrybucję poprzez zastosowanie technik takich jak:
- Cookie stuffing – wstrzykiwanie ciasteczek użytkownikowi, nawet jeśli nie kliknął on świadomie w reklamę afiliacyjną.
- Forced redirects – użytkownik jest przekierowywany przez stronę afiliacyjną, nawet jeśli nie miał intencji interakcji.
- Brand bidding – afiliacje wykorzystują nazwę marki w kampaniach PPC, aby użytkownik trafiający na stronę przez wyszukiwarkę „wydawał się” pochodzić z afiliacji.
2. Niedoskonałość Post-Click Atrybucji
Model post-click przypisuje konwersję kliknięciu w reklamę, ale nie zawsze oznacza to, że użytkownik faktycznie dokonał zakupu w wyniku tego kliknięcia. Oto czynniki wpływające na skuteczność post-click:
- Okres ważności ciasteczka – afiliacje często wykorzystują długi czas trwania ciasteczek, aby przypisać sobie konwersję, nawet jeśli użytkownik w międzyczasie miał kontakt z innymi źródłami ruchu.
- Multi-device journey – użytkownik klika w reklamę na telefonie, ale dokonuje zakupu na komputerze, co może powodować błędne przypisanie atrybucji.
- Dark traffic – użytkownicy mogą ponownie odwiedzić stronę bezpośrednio, przez co faktyczne źródło konwersji nie jest poprawnie identyfikowane.
- Przypisanie konwersji innemu źródłu – nawet jeśli dany kanał pozyskał użytkownika, w modelu post-click konwersja może zostać przypisana innemu podmiotowi, np. jeśli użytkownik miał kontakt z wieloma reklamami w krótkim czasie lub jeśli model atrybucji uwzględnia inne priorytety przypisania wartości konwersji.
Podsumowanie
Atrybucja w e-commerce to skomplikowany proces, który wymaga dokładnej analizy i świadomości potencjalnych pułapek. Afiliacje i inne podmioty często próbują wpływać na modele atrybucyjne, aby zwiększyć swój udział w konwersjach. Kluczowe jest stosowanie zaawansowanych metod analizy danych, eliminowanie manipulacji oraz dokładne monitorowanie ścieżek użytkowników. Ważne jest również rozróżnienie samego modelu atrybucji od metod zbierania danych – co pozwala lepiej dostosować strategię analityczną i uniknąć błędów interpretacyjnych.
Dodaj komentarz