Du kanske har läst om introduktionen av attributionsmodellen i AdWords. Detta är ett stort problem.
Jag ska berätta för dig varför du borde vara upphetsad och varför du inte ska ryckas med och försöka använda den för tidigt.
Vad är tillskrivningsmodellen?
Attribution är vilken metod som helst för att förstå kundkontaktpunkter innan du gör ett köp och bestämma vilka kontaktpunkter som var inflytelserika. Vi har haft attributionsverktyg i AdWords länge i form av sökkanaler, men den nya introduktionen ger oss attributionsmodeller.
Attributionsmodellering har blivit ett inslag på senare år. Företagen som erbjuder det har inte kunnat formulera exakt vad de ska göra med det, och många företag har tänkt på det utan att ta steget.
För närvarande är det hälften av en lösning. Det ger dig mer information och mer kunskap, men kan ge lite eller ingen vägledning om vad du ska göra med det.
Attributionsmodellering är mycket värdefullt och de olika verktygen som erbjuder det räcker långt. Men som allt annat måste du först ha en plan.
Vad är nytt i AdWords?
Modelleringsverktyg har funnits i Google Analytics ett tag, så förhoppningsvis har alla haft en chans att se dem lite. AdWords-data inkluderar bara AdWords-kontaktpunkter, så det är lite mer begränsat. Men låt oss titta på dessa data i sammanhanget av en användares konverteringsväg.
Många användare kommer att interagera med dina annonser (och webbplats) mer än en gång på vägen till konvertering. Inte alla dessa kontaktpunkter hade någon inverkan på sannolikheten för att de skulle göra ett köp hos dig.
Målet med attributionsmodellen är att välja olika viktningsalternativ som kan spegla hur en person interagerar med ditt varumärke. Genom att välja en som bäst passar dina användares beteende kan du se vilka av dina kontaktpunkter som kostade dig mycket pengar och användes bättre någon annanstans.
1. Senaste klick
Last click-attribution är standarden. Denna modell har redan funnits länge och kommer att fortsätta att finnas. Ger det totala värdet av konverteringen vid det sista klicket. Enkel.
Detta är lämpligt i många fall. Du kanske befinner dig på en marknad där folk bestämmer mycket snabbt och enkelt, eller gör impulsköp. Du kan hamna i ett scenario där människor undersöker och sedan letar efter leverantörer separat. Om det inte var viktigt att vara närvarande i det första skedet, då vill du veta vilka sökord (och annonser) som var närvarande som påverkare i det sista skedet.
Nackdelen är att du tappar all kredit för de sökord som genererade personens intresse för ditt varumärke i första hand.
2. Klicka först
Om du tillskriver hela värdet till det sista klicket kan din totala konverteringsvolym minska när du börjar avvisa (eller inaktivera) sökord som inte verkar ha konverterat.
Genom att använda första-klick-attribution istället kan du se det tvärtom. Vilka sökord hjälpte användarna att lära sig om mitt varumärke i första hand? Hur hittade de mig ursprungligen och lät mig se till att jag gav dessa sökord den kredit de förtjänar?
Det är attraktivt för vissa marknader, särskilt de där köpen kan bli försenade. Om jag säljer en icke-nödvändig produkt som folk kan vänta med att köpa till lönedagen (en ny jacka kanske?), då kan jag förvänta mig att de besöker min sida igen flera gånger mellan att hitta jackan (och fatta beslutet) och slutligen köpa .
Eftersom det första klicket var beslutsfattaren skulle jag vilja ge honom äran.
Men tänk om det första klicket var viktigt, men inte för beslutsfattaren? Tänk om användaren kanske ville jämföra priser?
3. Baserat på position
Detta är förvirrande, eftersom positionsbaserad tillskrivning faktiskt är samlingsbegreppet för alla dessa typer av tillskrivning där position i tratten är den avgörande faktorn. Men jag ska hoppa över det lite och prata om den positionsbaserade modellen i AdWords.
I denna modell kommer du i princip att kreditera både den första och sista interaktionen, och vikta ner alla interaktioner däremellan. Resultatet är att du kan se vilka sökord som skapade medvetenhet om ditt varumärke och vilka sökord de använde för att fatta det slutgiltiga beslutet. Om du hade missat någon av dessa interaktioner (till exempel om du inte var närvarande i dessa sökningar), skulle du ha förlorat försäljningen.
Detta är vettigt när man talar om att användare jämför priser. Detta är en ganska tydlig och uppenbar forskningscykel:
“Skidsemester”> “skidsemester i Frankrike”> “Fransk skidresa i mars”> “10 mars åka skidor i Frankrike”
Om det första klicket hjälpte användaren att bestämma sig för att åka till Frankrike för sin semester, då måste jag ge dem lite kredit. Men om den slutliga sökningen var en prisjämförelse, om jag hade missat det, så kanske jag har missat din bokning.
Men vill vi verkligen nedgradera alla inblandade interaktioner så mycket?
4. Tidsförfall
Om en forskningscykel är särskilt lång, kan företagen som användaren såg i början bli ur minnet.
Att ha haft en närvaro från början kunde fortfarande generera viss trovärdighet, men de efterföljande sökningarna var det som verkligen avgjorde dem.
Tidsförfallsmodeller ger mer vikt åt nyare interaktioner och minskar krediten som ges till tidigare interaktioner.
Det är vettigt om användaren tar lång tid på sig att efterforska och vi vill vara med på kortlistorna, men inte överprioritera sökningar som egentligen inte är särskilt fokuserade, men vi vet fortfarande inte vilken av våra kontaktpunkter som var den. vem som fattade beslutet. Vi kunde ha eliminerat det!
5. Linjär
Den mest uppenbara av attributionsmodeller, linjär attribution ger lika stor vikt åt varje kontaktpunkt.
Det låter bra att vi aldrig förlorar effekten av något av våra sökord. Vi vet inte vilka vi säkert kunde ha tagit bort och ändå gjort försäljningen, så ge alla något.
Men hur användbart är det? I det här fallet vet vi definitivt att vi ger kredit där det inte förfaller. Våra mest inflytelserika sökord kommer att se sämre ut och våra sämsta inflytelserika sökord kommer att se bättre ut. Så kan vi fatta bra beslut utifrån detta?
Vad är det för fel på tillskrivningsmodeller?
Jag gillar inte
Att välja modell utan en bra anledning
Att välja modell är ett fall av tur. Varje användare är olika. Varje användares konverteringsväg är annorlunda. Varje användares inflytelserika kontaktpunkt är olika.
Närhelst vi agerar utifrån information från en tillskrivningsmodell, är vi alltid antingen: höjer vissa beröringspunkter som vi tror påverkade människor eller förringar sådana som vi tror inte gjorde det.
Så om inte alla användare har påverkats av samma kontaktpunkter, gör vi vårt varumärke mindre synligt för vissa användare vid viktiga ögonblick. Det som kommer att locka fler användare som användare A kommer definitivt att locka färre användare som användare B.
Det är dåligt. Det kanske fungerar bra totalt sett och det kan finnas fler A än B. Men det vet vi inte i förväg och vi kan inte testa det separat. Tidsserietester är dåliga. Utan ett delat test vet du verkligen inte.
Innan du kan välja en modell och agera efter den måste du vara helt säker på att den återspeglar de vanligaste vägarna dina användare tar.
Positionsbaserade modeller i allmänhet
I storbildsterminologi avser positionsbaserade modeller tillskrivningsmodeller som tillskriver interaktioner baserat på deras position på vägen. Alla AdWords-modeller passar in i denna kategori.
Men i verkligheten är tillskrivning en miljon gånger mer komplicerad än så.
Hur mycket kredit bör dina varumärkessökord få? Varumärkessökord är vanligtvis navigerande (t.ex. “Ta mig till sidan” istället för “visa mig folk som kan sälja X till mig”). Med det i åtanke, har varumärket någonsin påverkat dig?
Så du vill verkligen välja en modell som minskar märkets vikt var du än är på vägen!
Vad händer om samma beröringspunkt används två gånger i rad? Om de interagerade med ditt varumärke, upprepade de sedan samma sökning för att komma till din webbplats, vilket verkar som om de bara försöker nå dig genom metoden de hittade dig tidigare. Så bör du minska vikten av upprepade sökningar? Om du gör det och inte är där andra gången, kommer du att förlora den personen? Kanske. Ibland.
Vilka är dina unika försäljningsargument jämfört med dina konkurrenter? Om du vet att du är den billigaste på marknaden, då vill du verkligen vara närvarande för alla sökningar som uppenbarligen är priskänsliga, eller hur? Det är där du kommer att vara mer övertygande än dem. Om du erbjuder den bästa kvaliteten skulle det vara värt att öka viktningen av alla sökningar som innehåller termen “bäst” i din modell, eftersom de sannolikt kommer att spegla de mest inflytelserika kontaktpunkterna.
Vad ska du göra?
Det här är den komplicerade delen.
Eftersom AdWords-attributionsmodeller bara inkluderar kontaktpunkter för betald sökning, finns det en del av mig som säger: ingenting. Leta istället efter data i Google Analytics.
Men även om du gör det är det oklart om de åtgärder du vidtar som ett resultat faktiskt är säkra.
Titta på dina attributionsmodeller i samband med dina flerkanalstrattar, dina konverteringsvägar osv. Använd det som ett verktyg för att se vilka sökord som presterade riktigt bra om du tar bort varumärkesbyggande från ekvationen. Eller bara kreditera X sökord om de är det första klicket.
Det viktigaste är att tänka efter innan man agerar.
Se till att du logiskt kan förklara orsaken bakom allt du kan se innan du agerar på det, så att du kan förstå varför det skulle eller inte skulle bete sig på det förväntade sättet. Och kom ihåg att om du applicerar modell A på data och sedan agerar, kommer det att se bättre ut i modell A. Inte modell B.
Förvänta dig inte att optimera första klick-data för att förbättra statistiken över senaste klick. De gör inte.
