Atribuční modely (4/4) - konverzní cesty a vlastní model

V tomto článku popíši, jak na analýzu konverzních cest a jak si sestavit vlastní atribuční model. V předchozích dílech seriálu o atribučních modelech jsem se věnoval rozhodnutí, zda se atribučními modely vůbec zabývat, typy základních atribučních modelů, a přelévání marketingových peněz.

Než začneme čarovat s váhami

Jak dobře si nastavíte svůj vlastní atribuční model, tak dobře se budete moci rozhodovat o investicích. Čertovo kopýtko je v tom, že můžete švindlovat a nastavit zdroji návštěv nespravedlivě větší podíl na konverzi, čímž raketově vyletí nahoru. Cílem je ale najít „spravedlnost“ a přisoudit každému kanálu odpovídající podíl na konverzi.

Máte za sebou pár dnů se standardními atribučními modely a vybrali jste si model, ze kterého budete vycházet. Jak ho ale ladit? Možná vás zklamu, po velké práci s indentifikací nákladů si budeme muset udělat další domácí úkol. Není vhodné začít hned stavět vlastní atribuční model; začneme seskupením zdrojů návštěvnosti do vlastních skupin.

Vlastní seskupení kanálů

Než začnete cokoliv analyzovat, je výhodnější vytvořit si vlastní pojmenování pro kanály. Direct bude vždy direct, ale třeba máte více typů e-mailingových kampaní, několik dominantních serverů, které na vás odkazují, nebo specifické bannerové kampaně.

Obrázek 1: Vytvoření vlastního seskupení kanálů

Pro vzorový web jsem rozlišil důležité kanály následujícím způsobem. Web má tři dlouhodobé bannerové kampaně – A, B, C, tak jsem je označil.

Dále jsem odlišil brandové dotazy v placeném vyhledávání od nebrandových a pokud to šlo, tak to samé v neplaceném (fulltext Seznamu slova zobrazuje, Google již jen u minima dotazů).

Obrázek 2: Vytvoření vlastní skupiny nebrandových klíčových slov z neplaceného vyhledávání

Poté jsem seskupil katalogy do jedné skupiny. Odlišil jsem vlastní newslettery a Facebookovou reklamu. Nakonec jsem získal takovýto pohled na kanály.

Obrázek 3: Individuální seskupení kanálů

V souladu s frameworkem See-Think-Do lze ještě každý kanál rozdělit, zda otevírá konverzní cesty, je uprostřed či cesty uzavírá. Na to se potřebujeme zaměřit hlavně při hledání vlivů jednotlivých kanálů mezi sebou.

Export konverzních cest

V reportu Atribuce > Nejčastější konverzní cesty stanovíme dostatečně dlouhé období, šest a více měsíců, zvolíme vlastní seskupení kanálů a vyexportujeme si tento pohled do Excelu.

Přes kontingenční tabulky, filtrování a vlastní součty hledáme, jak návštěvníci na váš web přicházejí, jak kanály kombinují, kde začínají a kterým kanálem nejčastěji končí. Která jsou ta místa, která nejvíce fungují? Jak zvýšit u těchto míst jejich zásah? Kde najít podobně úspěšné vzorce?

Sledují se tři základní části cesty: začátek, střed a konec. U atribučních modelů v jiných systémech také nazýváno jako Introducer, Influencer a Closer. S tím, že na začátku a na konci je vždy jen jeden kanál. Ale ve střední části nemusí být žádný kanál (v případě cesty s 1 či 2 interakcemi), ale také klidně 20 interakcí v případě cesty dlouhé 22 interakcí. Sledujete, jak se konkrétní kanál chová, pokud je na začátku cesty, v jejím středu či na konci, a podle toho můžete opět učinit určitá rozhodnutí.

Obrázek 4: Vliv kanálu na začátku, uprostřed a na konci cesty, zdroj Datalicous.com

Google na to má pěknou pomůcku, kterou se můžete inspirovat. Nástroj: Customer journey to online purchase, zdroj ThinkwithGoogle.com

Obrázek 5: Jak se neplacené vyhledávání zapojuje v konverzních cestách u velkých německých webů zaměřených na cestování.

Pokud si v Analytics nastavíte specifické segmenty návštěvníků, můžete třeba hledat, které kanály ovlivňují stávající zákazníky a které ovlivňují ty nové. Stávající zákazníci mohou nejčastěji přicházet přes přímou návštěvu, případně přes brand v SEO či PPC. Ti noví, potenciální zákazníci ale pravděpodobně zvolí jinou cestu. Otázka je jakou. Pokud si na toto odpovíte, můžete začít testovat různé váhy, začít si tvořit vlastní atribuční model.

V reportu Nejčastější konverzní cesty budeme hledat jaký zdroj/médium, jak která kampaň, typ klíčového slova, atd. ovlivňuje pravděpodobnost nákupu. Například e-mailing často otevírá cestu, přidáte mu vyšší „podíl na konverzi“, pokud je na začátku cesty. Na druhou stranu e-mailing tak často cesty neuzavírá, takže je-li na konci konverzí cesty, podíl mu snížíte.

Obrázek 6: Jak mohou být zařazeny kanály v konverzní cestě, zdroj Google Think

Jak si nastavit vlastní atribuční model

Každý web má unikátní návštěvnost a různým způsobem investuje svůj čas a peníze do získávání návštěvnosti. Proto dává smysl tvořit svůj vlastní pohled, vlastní atribuční model.

Návod krok za krokem

Krok 1: Jděte na Nástroj porovnání modelů v sekci Atribuce

Krok 2: Z “vybrat model” rozbalovacího menu zvolte “vytvořit nový vlastní model”.

Obrázek 7: Vytvořit nový vlastní model

Krok 3: Nyní začnete stavět svůj vlastní model. Začít můžete s tímto nastavením.

Název: Vlastní model 1
Základní model: Pro ukázku jsem zvolil „Založeno na pozici“. Více viz dále.
Hloubka pohledu: Zapnout a nastavit počet dnů, který jste odvodili v reportu Prodleva (viz první díl seriálu).
Nastavit kredit v závislosti na zapojení uživatelů: Doporučuje se změnit na Počet stránek na návštěvu, protože u návštěv se v GA nezapočítává čas strávený na poslední stránce dané návštěvy (bounce).

Obrázek 8: Zakládání nového atribučního modelu založeného na pozici

Povolte volbu „Použít pravidla pro vlastní kredit“ a nyní začíná samotná práce.

Úpravy vah

Například můžete dát přímé návštěvě, která uzavírala konverzní cestu, 0 kreditu.

Obrázek 9: Tvorba nových pravidel u vlastního atribučního modelu

Nebo všem návštěvám s bounce rate dát kredit 0. Nebo všem typům interakce – klik přidat kredit, brandovým slovům přidat/ubrat kredit, posílit nebo oslabit kredit u návštěv z Facebooku nebo e-mailingu.

Můžete snížit kredit návštěvnosti, která má vysoký bounce rate, nebo zvýšíte kredit té návštěvnosti, ze které přicházejí lidé, kteří stráví více než 5 minut na webu. Anebo brandovým dotazům snížíte váhu, protože jsou často na konci konverzních cest a vy chcete podpořit získávání nových zákazníků. Nebo zjistíte, že návštěvnost ze sociálních sítí se vám často vrací přes jiné kanály, a tak sociálním sítím dáte větší váhu. Anebo zvýšíte kredit tomu affiliate partnerovi, který přivádí nové návštěvníky, oproti tomu, který oslovuje někoho, kdo vás již zná.

Stále máte zachovánu možnost porovnávat až 3 modely mezi sebou, obvykle porovnáváte jeden standardní typ modelu s tím vaším vlastním.

Bannerové kampaně

Z analýzy Nejčastějších konverzních cest jsem zjistil, že se například bannerové kampaně chovají takto:

Banner C – velmi dobře otevírá cesty, ale vůbec je neumí zavřít. Aby v mém vlastním atribučním modelu nebyl bit na tom, že upřednostňuji kanály blíže ke konverzi, přidal jsem mu kredit za to, že otevírá konverzní cesty.
Banner A – lépe otevírá, ale umí i zavírat. I zde jsem přidal kredit, pokud byl na začátku cesty.
Banner B – skoro neotevírá, jen zavírá. Zde jsem žádnou úpravu kreditu neudělal.

Konkrétní nastavení kreditů u vlastního atribučního modelu vypadá takto:

Obrázek 10: Nastavení vyššího kreditu pro určité kanály, pokud jsou na začátku konverzní cesty

Délka cest a průměrné objednávky

Měřený web má mnoho dlouhých cest – mnoho interakcí v cestě. Průměrná hodnota objednávky podle počtu interakcí není dramaticky jiná u cest s 5 a více interakcemi. Nastavil jsem, že pokud je cesta kratší než 4 interakce, zapojené kanály mají o něco větší kredit.

Tabulka: Délka konverzních cest, počet uskutečněných konverzí a jejich průměrná hodnota

Můžeme se dívat, jak se za sebou řadí klíčová slova z vyhledávačů.

Soutěž o nejhlubší ponor do dat

Je mnoho dalších možností, jak získat informace o vašich návštěvnících. Vedle futuristických možností propojení online a offline dat (já to ještě v GA neviděl), tak lze hledat nespočet dalších pohledů. Záleží jen na vaší vynalézavosti, znalosti systému, znalosti vašich zákazníků a obchodním modelu vašeho webu. Odpovídáte si na otázky typu:

Jak v SEO fungují jednotlivé vstupní stránky a jaký je jejich podíl na konverzích?
Jak seskupit u návštěvnosti z fulltextu Seznamu slova (třeba podle See-Think-Do modelu) a upravit kredit?
Nevyplatí se u display kampaní oddělit brandové kampaně od produktových?
Co odlišit výkonnost a pak i přiřazení kreditu u jednotlivé typů e-mailingů (trigger, kampaňový, běžný měsíční e-mail).?
V PPC search dát každé kampani/sestavě jinou váhu?
Delší cesty vs. kratší mají jiný přínos?
Liší se hodnota objednávky, pokud cesta začíná/končí určitým kanálem?
Který kanál je nejčastěji v cestě s jiným a na jakých pozicích?
Kolik peněz dávat do marketingových rozpočtů?
Pokud snížím výdaje do jednoho kanálu, jak to ovlivní ostatní kanály?
Nákladnému kanálu snížit přínos, aby v reportech byl spíše podhodnocen a investovat peníze do levnějších zdrojů návštěvnosti?

Atribuce jsou jen jeden z dalších reportů, a pokud používáte analytické nástroje pravidelně, jistě vás napadá mnoho dalších dat. Mějte na paměti, že nejde o to, všechny tyto věci zjistit, ale hledat ty, které odpoví na váš hlavní problém, který jste si stanovili.

Čím více dat budete mít, tím se budete moci kvalifikovaně rozhodnout. Souvisí s tím i to, zda používáte pouze omezená data z Google Analytics nebo umíte přidat data z vašich CRM systémů, účetnictví, kamenných poboček, telefonní helplinky, atd.

S atribučními modely úzce souvisí ladění všech marketingových nástrojů, aby byly ještě efektivnější. Tedy bude stále třeba pilovat PPC kampaně, zlepšovat UX webu a hledat vhodná místa pro přivádění nové návštěvnosti. Atribuce vám ale dávají možnost podívat se na všechny zdroje návštěv z nadhledu a porovnávat jejich vliv na získání konverze.

Zajímavé články, ze kterých jsem čerpal

Budu rád, za vaše zkušenosti a připomínky a doufám, že vám byl můj seriál nápomocný.

Zajímá vás online marketing, využijte mé konzultační služby nebo přijďte na dvoudenní workshop o tvorbě marketingových plánů.

Dejte o článku vědět

Zpět na stream

Atribuční modely (4/4) – konverzní cesty a vlastní model