Blog o marketingu i technologii

Znaczącym zagadnieniem w interpretacji danych przy użyciu Facebook Attribution jest wybranie odpowiedniego modelu przypisania wartości i przedziału czasowego, w którym konwersje są uwzględniane. Jak tego dokonać i dlaczego to jest ważne?

  1. Co to jest modelowanie atrybucji?
  2. Jak działa Facebook Attribution?
  3. Dostępne modele atrybucji w Facebook Attribution

Co to jest modelowanie atrybucji?

Modelowanie atrybucji to czynność polegająca na ocenianiu wpływu poszczególnych formatów reklamowych i idących za nimi interakcji na końcowe wskaźniki efektywności (zwane często konwersjami): np. zakup określonego produktu w sklepie internetowym.

Jest to o tyle ważne zagadnienie, ponieważ umożliwia ono zrozumienie przynajmniej części procesów i zachowań końcowych konsumentów i pozwala na ocenę prowadzonych działań reklamowych. Wśród najważniejszych informacji można wyczytać m.in.:

  • czy reklamy wspomagają faktycznie proces sprzedaży
  • które źródła ruchu i elementy ścieżek klienta są najbardziej efektywne, a które nie
  • czy poszczególne formaty nie nakładają się na siebie (kanibalizacja)
  • które segmenty mają wspólne źródła styku

Mnogość rozwiązań reklamowych i techniczne możliwości dotarcia do docelowej audiencji (bardzo często kontakt z usługą jest rozłożony w czasie i dotyczy więcej niż jednego urządzenia), wymagają odpowiedniego uporządkowania analityki: modelowanie atrybucji jest w tym wysoce pomocne.

Jak działa Facebook Attribution?

Ważnymi cechami systemu reklamowego firmy Facebook są:

  • łączenie danych ze świata online (dzięki m.in. Facebook Pixel i Facebook Conversions API) i offline (patrz: Offline Conversions API)
  • uwzględnianie wewnętrznych informacji z aplikacji technologicznego giganta, opierając na nich swoje przewidywania i rezultaty (tzw. data-driven attribution)
  • częściowe wsparcie dla zewnętrznych platform (np. śledzenie kliknięć w reklamach Google) i API do konfiguracji własnych rozwiązań (przydatne przy systematyzacji źródeł ruchu)

Kluczowe jest tutaj zadbanie o jakościowe mierzenie danych, m.in. używając zdarzeń standardowych, czy poprzez wyżej wspomniane integracje platformowe.

Jak zrozumieć Facebook Attribution?
Siłą digital marketingu to mierzalność, dlatego warto zapoznać się z rozwiązaniami do efektywnego mierzenia działań: jednym z nim jest Facebook Attribution.

Ważną adnotacją jest to, iż dane agregowane przez Facebook Attribution nie są możliwe do przeniesienia: warto to mieć na względzie przy planowaniu wdrożeń technicznych i prowadzeniu działań marketingowych.

Czym są przedziały czasowe?

Przedziały czasowe w Facebook Attribution są niczym innym, jak okresem czasu, do którego zawężamy mierzenie ścieżki konsumenta od początku, do końca. Wybór odpowiedniego przedziału czasowego jest zależny od charakteru usługi: dla e-commerce oferującego zakup prostych produktów można ograniczyć go do minimum, z kolei np. technologia wymaga dłuższego czasu na namysł i końcową intencję zakupową.

Pod wyjątkową opieką należy objąć mierzenie przedziału czasowego dłuższego niż 7 dni: wynika to m.in. z blokad ciasteczek w przeglądarkach, które zaburzają segmentowanie odbiorców. Kontrola szerszego zakresu wymaga odpowiedniego obudowania ścieżek klientów (wymagane jest ujawnienie tożsamości użytkownika) i wysyłki danych, m.in. poprzez Facebook Conversions API).

O co chodzi z modelem atrybucji?

Model atrybucji to sposób liczenia sposób wpływu poszczególnego kanału na docelową konwersję odbiorcy. Jego wybór też jest zależny od charakteru usługi i nie jest możliwe wybranie najbardziej uniwersalnego sposobu liczenia wartości wpływu formatów reklamowych: każdy ma swoje zalety i wady. Właściwym zadaniem marketera jest przetestowanie możliwych kombinacji i wytypowanie optymalnej.

Dostępne modele atrybucji w Facebook Attribution

W ramach Facebook Attribution istnieją następujące modele atrybucji:

Model atrybucji na podstawie danych (data-driven attribution)

Ten rodzaj modelowania atrybucji jest modelem statystycznym i działa w pełni na podstawie wewnętrznych danych dostarczonych przez firmę Facebook. Dotyczy on mierzenia kampanii m.in. w obrębie Facebooka, Instagrama i Audience Network. Jest on cyklicznie aktualizowany.

Model atrybucji równomiernego przypisania uznania

Metoda przypisuje każdemu punktowi stycznemu (od zainteresowania po działanie) równomiernie uznanie konwersji (dzięki czemu podczas analiz będzie widoczny jednakowy wpływ na końcową interakcję).

Model atrybucji pierwszego kliknięcia lub wizyty

Model przypisuje w pełni uznanie dla pierwszego kliknięcia: ignorowany jest wpływ późniejszych działań reklamowych.

Model atrybucji pierwszego punktu stycznego

Ten rodzaj modelowania atrybucji działa podobnie jak Model atrybucji pierwszego kliknięcia lub wizyty, tylko w ramach przypisania konwersji do pierwszego źródła bierze pod uwagę jakikolwiek styk z usługą (łącznie z wyświetleniami w ramach integracji platformowych).

Model atrybucji ostatniego kliknięcia lub wizyty

Model przypisuje w pełni uznanie dla ostatniego kliknięcia: ignorowany jest wpływ wcześniejszych działań reklamowych.

Model atrybucji ostatniego punktu stycznego

Ten rodzaj modelowania atrybucji działa podobnie jak Model atrybucji ostatniego kliknięcia lub wizyty, tylko w ramach przypisania konwersji do ostatniego źródła bierze pod uwagę jakikolwiek styk z usługą (łącznie z wyświetleniami w ramach integracji platformowych).

Model atrybucji pozycyjnej

Metoda dostępna w wariantach 30% i 40%: kładzie nacisk przypisywania uznania konwersji na pierwszy i ostatni punkt styku, z kolei określoną wartość procentową rozkłada pomiędzy pośrednie pozostałe, pośrednie interakcje.

Model atrybucji rozkładu czasowego

Metoda obejmuje całą ścieżkę konwersji, lecz uznaje za najbardziej wartościowe punkty, które przybliżają się wraz z upływem czasu do docelowej interakcji. Obecnie dostępne dla 7-dniowego wariantu przedziału.

Punkt widzenia często zależy od sposobu siedzenia: w modelowaniu atrybucji jest to szczególnie ważne i widoczne.