Google Analytics – Model dodeljivanja (Attribution Model) – drugi deo

U prvom delu smo odgovorili na neka jako važna pitanja, prvenstveno na pitanje šta je to model dodeljivanja. Napravili smo razliku između običnih konverzija i konverzija u Multi Channel Funnel izveštajima. Analizirali smo putanje konverzija i definisali vrste interakcija.

U drugom delu ćemo se baviti pitanjima poput vrsta attribution modela i odgovorićemo na pitanje kako izabrati odgovarajući Attribution model. Videćemo kakve zaključke možemo izvesti iz različitih odnosa vrsta konverzija.

Vrste Attribution modela

Attribution modeli se generalno mogu svrstati u dve kategorije :

  • Osnovni
  • Prilagođeni

Osnovni Attribution model

Osnovni Attribution model definiše distrubuciju interakcija (ili dodirnih tačaka ) na putu do konverzije. Postoji nekoliko osnovnih tipova Attribution modela:

  • Last interaction attribution model – Ovaj model dodeljuje 100% kredita poslednjoj interakciji. Google Analytics koristi ovaj model po defaultu.
  • First interaction attribution model – Ovaj model dodeljuje 100% kredita prvoj interakciji.
  • Linear attribution model – Ovaj model dodeljuje jednak kredit svakoj interakciji na putu do konverzije.
  • Time Decay attribution model – Ovaj model dodeljuje više kredita interakcijama koje su vremenski najbliže trenutku ostvarivanja konverzije.
  • Position based attribution model – Ovaj model dodeljuje 40% kredita za prvu interakciju, 20% kredita za srednju interakciju i  40% kredita do poslednje interakcije .
  • Last non direct click model  – Ovaj model dodeljuje sve zasluge za konverzije svim interakcijama do poslednje koja nije direktni klik na putu konverzije.
  • Last Adwords Click – Ovaj model dodeljuje sve zasluge za konverzije poslednjem Google AdWords kliku.

Napomena : izbor attribution modela uglavnom zavisi od poslovnog modela klijenta i ciljeva oglašavanja.

Prilagođeni Attribution model

Kao što samo ime kaže ovi modeli su razvijeni od strane ljudi poput nas. Kada izgradite sopstveni attribution model, možete da kreirate sopstvena pravila za dodeljivanje kredita različitim interakcijama na putu do konverzije. Ova pravila su poznata pod imenom “custom credit rules” u Google analitici.

Kako da napravite svoj Attribution model u Google Analitici

Ako imate pristup Google Analitici, pratite sledeće korake kako biste kreirali sopstveni Attribution model.

1. Idite na Model Comparison Tool (ispod Conversions > Attribution na vašem Google Analytics nalogu)

2. Iz padajućeg menija ‘select model’ izaberite ‘create new custom model’.

create new custom attribution model

3. Imenujte svoj model i izaberite osnovni model (linear, time decay, position based). Podesite kredite za konverzije, odredite lookback window. Ova pravila definišu kako treba da se kredit svake interakcije distribuira na putu do konverzije. Svako pravilo se zasniva na jednom ili više uslova.

create or edit attribution model

Napomena: Model Comparison tool vam omogućava da kreirate i primenite prilagođene attribution modele. Takođe vam omogućava da uporedite do tri modela istovremeno.

Kako da izaberete Attribution model

Attribution model birate na osnovu poslovnog modela i reklamnih ciljeva vaših klijenata. Attribution model koji izaberete ima veliki uticaj na obim i vrednosti konverzije. Tako oni u velikoj meri utiču na vrednost vaših marketinških kanala. I obim konverzija i vrednost konverzija mogu varirati od jednog do drugog Attribution modela.

Na primer, ako izaberete ‘First interaction attribution model’ onda se svim kanalima marketinga koji iniciraju konverzije pripisuje visoka vrednost konverzije. Ako izaberete ‘Last interaction attribution model’ onda će svim kanalima marketinga na kojima su završene konverzije biti pripisane konverzije sa visokom vrednošću.

Slede neka opšta pravila koja možete primeniti dok odlučujete koji Attribution model treba da izaberete:

  • Ako ste novi igrač u vašoj niši onda vam treba veća svest o brendu nego vašim direktnim konkurentima. Posledično, vaši ciljevi oglašavanja će biti više orijentisani na građenje brenda. Dakle, potrebno je da dodelite veći prioritet interakcijama koje iniciraju proces do konverzije. Iz tog razloga, First interaction attribution model je pogodniji za vas.
  • Ako imate poslovni model gde je podjednako važna svaka interakcija na putu do konverzije onda je Linear attribution model je prikladan za vas. Na primer, ako pokrenete uslugu podrške klijentima onda je svaka interakcija sa klijentima jednako važna za vas. U tom slučaju možete da koristite linearni model interakcije.
  • Ako prodajete proizvode kao što su FMCG (Fast Moving Consumer Goods) koji podrazumevaju najmanji nivo razmatranja od strane kupca, onda je Last interaction attribution model  prikladan za vas, jer ne morate da dodelite više značaja prvim i srednjim interakcijama u vašem putu do konverzije.
  • Ako imate poslovni model ili ciljeve oglašavanja koji vrednuju prve i poslednje interakcije više od srednjih onda je Position based attribution model pogodan za vas.
  • Ako želite da razumete motive kupovine vaših klijenata tokom promotivne kampanje onda biste želeli da dodelite više značaja interakcijama koje se javljaju u najkraćem vremenu konverzije, jer su više relevantne nego interakcije koje su se dogodile pre nekoliko dana. Posledično, Time Decay attribution model  je više prikladan za vas.
  • Direktan saobraćaj ne predstavlja izvor saobraćaja niti marketinški kanal. Tako da, direktnom saobracaju ne bi trebalo dodeliti značaj na putu do konverzija. Posledično, treba da koristite Last non direct click model koji daje sav značaj konverzijama do poslednjeg indirektnog klika na putu do konverzije.
  • Koristite poslednji AdWords click model, ako želite da date Google AdWords-u veći prioritet za konverziju.

Vrednosti konverzije

U multi channel funnel izveštajima postoje 3 vrste konverzija:

  1. Assisted Conversion Value
  2. Last Interaction Conversion Value
  3. First Click conversion value

Assisted Conversion Value je ukupna vrednost ostvarena pomoću asistiranih konverzija . Što je veća vrednost ovih konverzija to je važniji marketinški kanal u asistiranju na putu ostvarivanja konverzije.

Last Interaction Conversion Value je ukupna vrednost povezana sa poslednjom interakcijom pre samog ostvarivanja konverzije. Što je veća vrednost ovih konverzija to je važniji marketinški kanal pri samom završetku proseca ostvarivanja konverzije.

First Click conversion value je ukupna vrednost povezana sa prvim klikom u prosecu ostvarivanja konverzije.  Što je veća vrednost ovih konverzija to je važniji marketinški kanal u pokretanju procesa konverzija.

Kako se Assisted / Last Interaction Conversion izračunava i kakve zaključke možete iz toga izvesti?

Ovaj odnos se izračunava kao :

= Broj asistiranih konverzija / Broj Last Interaction konverzija

  • Ako je vrednost ovog pokazatelja blizu nule onda to znači da marketiniški kanal najviše doprinosi na samom kraju puta do konverzije, pre svega u završetku konverzije.
  • Ako je vrednost ovog pokazatelja blizu 1 onda to znači da marketiniški kanal jednako doprinosi u oba slučaja –  pri asistiranja i pri završetku konverzija.
  • Ako je vrednost ovog pokazatelja više od 1 onda to znači da marketiniški kanal pre svega doprinosi pri asistiranju konverzija.

Kako se First / Last Interaction Conversion izračunava i kakve zaključke možete iz toga izvesti?

Ovaj odnos se izračunava kao :

= Broj asistiranih konverzija / Broj Last Interaction konverzija

  • Ako je vrednost ovog pokazatelja blizu nule onda to znači da marketinški kanal najviše doprinosi na samom kraju puta do konverzije, pre svega u završetku konverzije.
  • Ako je vrednost ovog pokazatelja blizu 1 onda to znači da marketiniški kanal jednako doprinosi u oba slučaja –  pri pokretanju i pri završetaku konverzija.
  • Ako je vrednost ovog pokazatelja više od 1 onda to znači da marketiniški kanal pre svega doprinosi pri pokretanju konverzija.

Ovim dolazimo do kraja priče o Attribution modelu. U nekim od narednih postova bavićemo se temama kao što su Campaing Source Attribution, Cost Data import i šta oni predstavljaju. Videćemo na konkretnom primeru kako upotreba različitih marketinških kanala doprinosi većoj vrednosti konverzija i kako pravilna analiza konverzija pomoću Multi Chanel Funnel izveštaja daje pravu sliku o povraćaju uloženih sredstava kroz različite marketinške kanale.

 

 

Problemi u merenju srpskih medijskih sajtova

Dragi medijski sajtovi u Srbiji… imate problem (u većini slučajeva).

Napomena: Huge Medija nije ni u kakvim ugovornim obavezama sa bilo kojim od spomenutih sajtova.

Pre nekoliko meseci (tačnije kraj novembra 2013-te) na Blogomaniji 2013 želeo sam na radionici posvećenoj analitici – predstavim probleme koje mogu zadesiti sajtove svake namene, strategije koje mogu da se preduzmu onda kada pogledamo analitiku (podsećalo je na šahovsku simultanku),  podsetim prisutne kako da izađu iz problema koji se zove srpski sajtovi unutar Chrome-a koje Google detektuje kao hrvatske, kako domaći medijski sajtovi ne prate analitiku kako bi trebali i zašto su u problemu… Ovaj članak se vraća na poslednju stavku – problem u kome se nalaze medijski sajtovi.

Šta se promenilo za 3 meseca? Blic je promenio način merenja tj unapredio je postojeću analitiku. Bravo. Ali to je to. Niko ništa.

U nastavku je pregled nekoliko najvećih sajtova kao i implementaciji Google Analitike na istim (zaključno sa 1.3.2014.).

Dodatak: lista je povećana sa još 8 sajtova koji imaju bitniju posetu (hvala na komentarima)

Implementacija koda za praćenje poseta sa Google Analitikom - najposećeniji informativni portali

Implementacija koda za praćenje poseta sa Google Analitikom – najposećeniji informativni portali

Šta možemo zaključiti iz ove slike ili tabele sa pregledom načina implementacije?

Medijske sajtove (uglavnom) ne zanima publika koja ih posećuje. Svetli primeri su NaDlanu, Novosti (uz čudnu implementaciju zajedno sa Gemius kodom za praćenje) i Blic. Zašto? Implementacijom naprednog Google Analytics koda obezbedili su svojim marketing menadžerima ili predstavnicima prodaje uvid u demografiju svojih posetilaca.

Šta se dešava sa ostalima? Kod za praćenje je jednostavno stavljen kako bi davao osnovne podatke o posetama. Pitanje je i kako se podaci i koriste. RTS čak ima prastati JavaScript kod za praćenje koji uskoro više neće biti validan.

Zašto postavljam pitanje o tome kako se koriste podaci koji itekako mogu pomoći vlasnicima sajtova da bolje shvate svoju publiku i načine monetizacije svog sadržaja

? Zato što su ovi podaci na raspolaganju svakome, besplatni, zavise od profilisanja posetilaca i njihovog prethodnog ponašanja a ne upitnika koji treba da popune. Zato što dobijanje ovih informacija zahteva tako malo truda. Zato što su pored demografije dobijamo i interesovanja i teme. Moćno zar ne? Ali, kao što vidimo, niko ne koristi.

Poslednjih 8 meseci interfejs Google Analitike vrišti o tome da je moguće videti demografiju i interesovanja posetilaca web sajta jednostavnom promenom koda na web sajtu. U pitanju je sledeća promena.

Neophodna promena Google Analytics koda za pobedu

Neophodna promena Google Analytics koda za pobedu

Da li su sajtovi spremni za prelazak na Univerzalnu Analitiku? Prema svemu gorenavedenom – teško, sem nekoliko svetlih primera.

A šta je Univerzalna Analitika – poslednja verzija Google Analitike, sa novim (boljim) načinom merenja, koja će postati jedina moguća – nakon migracije starih podataka. Pitanje je da li su podaci koji sada postoje dobri. Kakva je svrha migracije podataka u novu formu ako stari sadržaj nije kvalitetan.

Naravno – ono što ne vidimo je kako su nalozi za analitiku namešteni i kako primaju podatke sa gorenavedenih sajtova. Prateći iskustvo i situacije na terenu – videli smo previše stvari. Zaključke i probleme kao i rešenja smo opisali u prethodnom članku (engleski).

Promenite ili adaptirajte svoje kodove – iznenadićete se novim kvalitetom informacije koje možete dobiti i kako vaš marketing može bolje razumeti šta redakcije rade i to bolje prodavati.

Vidimo se uskoro na netu. Uskoro.

Superweek 2014

We’ve been to SuperWeek 2014 in Hungary, with support from Google, and it was a blast. In case you did not know, it is one of a kind conference dedicated to Web Analytics. Created by Bánóczy Zoltán and his company AALL, SuperWeek is a place to be if you deal with web analytics in any professional way, and in case you are living in Europe.

Tagline of conference is:

SUPERWEEK conference is a unique, anual European gathering of data evangelists, analysts and thought leaders of the Modern Web Industry.

I would say:

Place to learn and to share, place where you can see where to aim for, place to find and educate clients.

Being there is great investment and of great value. Not all things are publicly available (certain presentations and talks) and are limited to ones who were there.

My credentials

My credentials

The Speakers

All the people you know from their blogs, companies… the ones that matter. And certanly Avinash. Being The Star of this community, he was mentioned non stop, day before his arrival. There was almost worship moments with mentioning of his name. Certanly, Mr Kaushik is the person who is, based on his history and effort and results, the one who moves industry forward with his exposure and evangelizm of actionable measurement and involvement with clients. About his speach – little later.

Boys and gals gave us their overview of the market, tools, insights, strategies and overall – where do we move as industry and how to deal with clients (both internal and external).

By personal opinion, first day was packed with great sessions, and the last 2 days were just like cherry on the top. Great talks and exhange with speakers beside Avinash.

Content

Good people gathered all available presentations and data on Dropbox so feel free to use them (beside official one download link above). Some of them are usable only to people who were there as there is a big context behind presentations. This is one of the reasons to be next year in Hungary. Hear the people, ask the questions, interact.

The conference

It would be shame to take out certain speakers and their themes as it would be long list of lectures and presentations I attended, and I am afraid to miss someone. However, I can pinpoint themes and takeaways suitable for companies, like the one I represent.

Speakers at SuperWeek by  Søren Mortensen

Speakers at SuperWeek by Søren Mortensen

This region of Europe still does not have the agency of size like the one we’ve seen on SuperWeek, which is a problem. We can not relate to problems these kind of companies cope with. Most of questions going to speakers were oriented toward practical problems agencies and professionals have. Big companies have big problems, big headcount and clients that have big problems. We have less bodies in office, many clients and wrong ratio between quality and profit. To be more descriptive – we have problem puting price of our services.

As there is no mature market for this kind of services (in region), and the clients have just entered this land of web analytics – everything is very fragile and full of child-disease-like situations. To us – anything that produces value and not-so-obvious consulting or business measurement (read : how to put a price on new visitor) is new and strange, and never before seen. SuperWeek was and will be a place to educate ourself and clients, place to learn how to move forward.

The tools and services that make life easier – is important thing that I can take away from SuperWeek. Open discussion and panels with sharing of best practices – the best.

The venue

At first, mentioned mountain in Hungary (Galyatető) sounded like a bad idea. But being there – it is a great spot. Like a retreat, with no interuptions, distractions – total devotion to things that matter.

SuperWeek 2015 – see you there next year.

Google Analytics – Model dodeljivanja (Attribution Model) – prvi deo

Attribution Model je jedna od najznačajnijih tema kada je u pitanju merenje rezultata web oglašavanja. Ujedno je to jedna od najzanimljivijih tema web analitike :), jer je toliko komplikovan i izazovan.

Attribution Model je nešto što zahteva duboko razumevanje poslovnog modela Vašeg klijenta i razumevanje kako različiti marketinški kanali zajedno dovode do stvaranja prodaje i konverzija.

Dakle, pre nego što počnete da koristite Attribution Model, potrebno je da proverite da li zaista razumete način poslovanja klijenta, njegove industrije, ciljnog tržišta i ciljeva koje je klijent postavio pred Vas. Jer, ako je odgovor ne, onda možete primeniti pogrešan model i izgubiti novac.

Attribution Model prevazilazi granice Google Analytics-a i veoma je široka i ozbiljna tema. Ovaj blog članak govori samo o razumevanju i korišćenju Google Analytics Attribution modela.

Pre nego što počnemo da se bavimo Attribution modelom postoji nekoliko tema koje bih želeo da objasnim unapred, kako bih olakšao razumevanje naprednih tema kasnije u radu:

Konverzije

Definicija konverzija se razlikuje u Multi channel funnel izveštajima. To može biti konverzija (Goal conversion) ili e-commerce transakcija.

Vrste konverzija

Nadalje u tekstu, kada god budem govorio o konverzijama, govoriću o konverzijama u odnosu na Multi Channel Funnel kanale. Ako je potrebno spomenuti neki drugi tip konverzije, to ću posebno naglasiti.Ukupna konverzija u Multi Channel Funnel izveštajima je zbir ukupnog broja konverzija (Goal conversion) i e-commerce transakcija.

Kanali (Acquisition channels)

Acquisition channels ili drugačije rečeno “marketing kanali”, “digitalni kanali’ ili jednostavno ‘kanali’ su izvori saobraćaja na vašem sajtu . Na primer: Paid search, Organic Search, Direct, Social Media, Email, Affiliate, Referral, itd su svi primeri kanala. U Multi Channel Funnel izveštajima se svi ovi kanali obično nazivaju marketing kanalima ili kanalima.

Očistite podatke iz Analitike

Budite veoma oprezni šta postavljate kao cilj konverzije. Ponekad ljudi koji se bave marketingom postavljaju konverzije kao što su: poseta početnoj stranici sajta ili poseta određenoj kategoriji na sajtu. Nemojte ovo nikako raditi! Pratite samo one ciljeve koji su korisni za vaše klijente. Irelevantni ciljevi mogu drastično iskriviti vašu stopu konverzije i podatke u Multi Channel Funnel izveštajima. Zaključci iz pogrešnih podataka će rezultirati pogrešnim marketinškim odlukama i vaš klijent neće ceniti to.

Multi Channel Funnel Izveštaji

Kroz Multi Channel Funnel Izveštaje možete odrediti :

  1. Kako marketinški kanali omogućavaju zajedno stvaranje konverzija.
  2. Koliko je vremena prošlo od početnog interesovanja posetioca (“prvog klika”) i njegove kupovine/konverzije
  3. Kakvu su ulogu imali referali, google pretraga (organic search) i plaćeni oglasi imali u stvaranju konverzije.
  4. Kako pripisati konverziju određenom marketinškom kanalu.

Postoji 5 tipova Multi Channel Funnel Izveštaja  u Google Analitici :

  1. Overview report – Ovaj izveštaj sadrži Multi Channel Funnel Visualizer (Vizualizator konverzija za više kanala) pomoću koga možete da zamislite kako različiti marketinški kanali rade zajedno do stvaranja konverzije.
  2. Assisted Conversions Report – Ovaj izveštaj pokazuje koliko je interakcija svaki marketinški kanal pokrenuo, pomagao i završio. On takođe pokazuje vrednost i pomoćne i poslednje interakcije koja je dovela do konverzije.
  3. Top Conversion Path Report – Ovaj izveštaj pokazuje sve jedinstvene putanje konverzija koje vode do stvaranje konverzija. On takođe pokazuje broj konverzija iz svake putanje i vrednost tih konverzija.
  4. Time Lag Report – Ovaj izveštaj pokazuje koliko je vremena (u danima) potrebno za posetioca da napravi konverziju. Kroz ovaj izveštaj možete da dobijete uvid u dužinu vašeg ciklusa online prodaje.
  5. Path Length Report – Ovaj izveštaj pokazuje koliko je bilo potrebno interakcije za posetioca da napravi konverziju. .

Razlike između podataka u Multi Channel Funnel izveštajima i drugih izveštaja u Google Analitici

U Multi Channel Funnel izveštajima, konverzija može biti obična konverzija (Goal Conversion) ili e-commerce transakcija. U svim standardnim izveštajima se pod konverzijom misli na običnu konverziju (Goal Conversion), dok je e-commerce transakcija posebno napomenuta. Dakle, ukupan broj konverzija u Multi Channel Funnel izveštajima se razlikuje od ukupnog broja konverzija u standardnim izveštajim .

Podaci u Multi Channel Funnel izveštajima imaju zakašnjenje do 2 dana.

Putanja konverzije (Conversion Paths)

To je niz interakcija (klikovi , posete, prikazi) sa digitalnim marketing kanalima tokom perioda od 30 dana koje dovode do konverzije . Na primer:

  1. korisnik vidi reklamu na GDN mreži
  2. čita omiljeni blog
  3. klikne na Google Search oglas
  4. ponovo vidi reklamu na GDN mreži
  5. poseti sajt direktno
  6. napravi konverziju.

Ovde se posetilac susreće sa 6 kanala marketinga pre nego što napravi konverziju. Google Analitika će pokazati put konverzije u top conversion path izveštaju.

Multi channel Funnel podaci

Multi channel Funnel podaci su kombinacija podataka konverzija i putanje konverzije. Pošto se podaci u Multi channel Funnel izveštajima pojavljuju sa zakašnjenjem od 2 dana, ne možete videti podatke za danas ili juče. Takođe, nećete videti ove podatke ukoliko se nije dogodila ni jedna konverzija na sajtu u poslednjih 30 dana.

Interakcija

Interakcija je izloženost marketing kanalima. Na primer, u gornjoj šemi, posetilac je pod uticajem 6 različitih kanala marketinga pre nego što obavi kupovinu. Svaka izloženost se vodi pod imenom “interakcija” u Multi Channel Funnel izveštajima.

Napomena: Google Analitics može da beleži do 5000 interakcija po jednom putu do konverzije.

Tipovi interakcija

Postoji nekoliko vrsta interakcija . Na primer :

  • Interakcije na osnovu položaja – Prva interakcija (first interaction), srednja interakcija (middle interaction), pomoćna interakcija (assisted interaction) i poslednja interakcija (last interaction).
  • Interakcije na osnovu tipa – klik, impresija, direktna poseta
  • Interakcije na osnovu kampanje ili izvora saobraćaja  – ključne reči, kampanja itd.

Svaka interakcija izuzev poslednje interakcije može se nazvati pomoćna interakcija. Svaka interakcija osim prve i poslednje interakcije može se nazvati srednja interakcija.

Vrste analize interakcija

U Google Analitici postoje dve vrste analize interakcija :

  1. Assist Interaction Analysis – je analiza svih interakcija osim poslednje interakcije
  2. First Interaction Analysis – je analiza svih prvih interakcija

Vrste oznake kanala

 Postoje dve vrste oznake kanala u Google analitici:Assisted Conversions

  • Standardne oznake kanala
  • Prilagođene oznake kanala (Custom segments)

Standardne oznake kanala su unapred određene oznake kanala . Na primer: ‘ ‘paid search’, ‘organic search’, ‘referral’, ‘display’, ‘email’, ‘social’, ‘direct’ i ‘drugi izvori ” su podrazumevane, standardne oznake kanala. Prilagođene oznake kanala  su oznake definisane od strane korisnika. Na primer , “brendirane ključne reči”, “zakup prostora na portalima”, itd.

Analiza putanje konverzija

Možete analizirati putanju konverzije promenom primarne dimenzije u Top Conversion Path izveštaju:

Analiza putanje konverzije

Analiza putanje konverzije

Možete skakati na 17 osnovnih dimenzija za analizu putanje konverzije:

  1. Basic Channel Grouping Path
  2. Source/Medium Path
  3. Source Path
  4. Medium Path
  5. Campaign Path itd.

Sve ove dimenzije su prilično razumljive i ako se poigrate  sa njima u svojim izveštajima, možete dobiti prilično dobru ideju o tome kako svaki od njih doprinosi stvaranju konverzije.

Segmentiranje putanje konverzije

Možete segmentirati putanju konverzije pomoću opcije “conversion segment” (segmenti konverzije) . Oni su napredni segmenti u običnim Google Analitics izveštajima ali su namenjeni posebno za Multi channel Funnel izveštaje.

Segmentiranje putanje konverzije

Segmentiranje putanje konverzije

Kroz segmente konverzija možete izolovati i analizirati specifične podgrupe putanja konverzija. Postoje dve vrste segmenata konverzija: Standardni segmenti konverzija i segmenti konverzija definisani od strane korisnika.

Napomena: Trebalo bi da pogledate svoje Multi channel Funnel izveštaje u profilima koji nisu filtrirani. Filtrirani profili mogu dati iskrivljenu sliku o putanjama konverzija.

Šta je to Attribution Model?

Nakon što smo se upoznali sa nekim osnovnim pojmovima, vreme je da odgovorimo na pitanje: Šta je to Attribution Model?.

To je proces razumevanja i dodeljivanja određenog značaja marketing kanalima koji na kraju mogu dovesti do konverzije. Attribution Model je skup pravila koja određuju koji je marketinški kanal najefektivniji po pitanju stvaranja konverzija. Ili jednostavno, skup pravila koji određuju u koji marketinški kanal treba investirati najviše.

Zašto treba da koristiti Attribution Model?

Trebalo bi da koristite Attribution Model kako bi razumeli ponašanje pre kupovine posetilaca. Zašto ti ljudi kupuju na sajtu? Šta se dešava pre nego što kupe? Šta  ih je navelo da obave kupovinu ili završe neki prethodno definisani cilj? Najbitniji zaključak koji možete dobiti iz Attribution Model je da možete odrediti najefikasniji marketinški kanala za investiranje.

Mnogi marketaši / analitičari i dalje ocenjuju učinak marketinške kampanje po broju konverzija koju su ostvarili. Ovo je polu-optimalan način vrednovanja rada kanala digitalnog marketinga. Ako marketinški kanal ne izvrši direktno konverziju, možda može biti da pomaže u stvaranju konverzije. Može se desiti da marketinški kanal inicira proces same konverzije. Dakle, pre nego što odbacite ili označite kanal marketinga kao neefikasan, tj odlučite da više ne ulažete u određeni  kanal,  morate utvrditi sledeće stvari :

  • Broj konverzija koje je inicirao  kanal.
  • Broj ostvarenih konverzija po kanalu.

Oba ” Display(GDN) ” i “e-mail” kanala su siromašni rođaci Search marketing kanala. To je uglavnom zato što oni uglavnom ne dobijaju veliki značaj za stvaranje konverzija. Ali oni mogu da pomognu u pokretanju procesa stvaranja konverzija. Dakle, pre nego što ih označimo kao neefikasne ili pre nego što odlučimo da prestanemo sa ulaganjem u njih, veoma je važno analizirati broj indirektnih konverzija pomoću Assist Interaction analize.

Digitalni marketing je kao fudbalska igra. Uspeh igre zavisi od celog tima. Ne možete izdvojiti jednu osobu i dati mu ceo kredit za pobedu samo zato što se desilo da je to osoba koja je direktno dala najveći broj golova. Cela ekipa, oni koji su mu dodali loptu, odbrana, golman, svi igraju važnu ulogu u ostvarivanju pobede.

Ovim dolazimo do kraja prvog dela o priči o Attribution Modelu. U drugom delu ćemo se više pozabaviti vrstama Attribution modela, osnovnim modelima Attribution modela. Videćemo kako je moguće napraviti sopstvene Attribution modele i proći kroz ceo postupak pravljenja. Odgovorićemo na pitanja kako izabrati odgovarajući Attribution model, zašto su značajne prva i poslednja interakcija u samom putu konverzije i na samom kraju proći kroz praktičan primer primene Attribution modela.

IAB baneri u Srbiji

Primer Frikom IAB Display Rising Stars banera na portalu b92.net/superzena (300x1050)

Primer Frikom IAB Display Rising Stars banera na portalu b92.net/superzena (300×1050)

Nakon prve kampanje (Frikom) na ovim prostorima sa IAB banerima (Display Rising stars – 300x1050px) možemo reći da stvari idu sjajno. Ako ste se ikada pitali da li baner slepilo može da se prevaziđe i da se posetioci web sajtova zadrže na vašoj reklami i da se bave istom – odgovor je – DA! MOGU! (da biste videli baner u akciji kliknite ovde).

Razni, do sada primenjivani formati u Display oglašavanju (takover, expandable, …) su imali određene rezultate i na neki način su se ustalili na srpskom tržištu. Sada, već nakon godinu dana eksperimentisanja na drugim tržištima došli smo do rešenja banera koje prevazilazi tzv baner slepilo, koji angažuje korisnika, ne narušava mu kretanje kroz web sajt a sa druge strane omogućava kompletnu analitiku ponašanja korisnika, banera, elemenata unutar banera.

Uvek je pitanje da li klijent želi informacije o otvorenoj stranici i gledanjima banera ili želi nešto više.

Da bismo pokazali punu snagu Display oglašavanja uveli smo dinamičke elemente u baner kao i analitiku. Pored informacije o odlascima na web sajt klijenta, unutar banera smo uveli i elemente sa Twittera, bloga ili Facebooka kako bi se posetioci informisali o najnovijim aktivnostima.

Video blok omogućava praćenje interesovanja posetioca kao i koliko puta je video pokrenut, zaustavljen i odgledan do kraja. Uz ove osnovne stvari dostavljamo i strukturu posetilaca (lokacija, vreme, statistike poseta).

Cilj nam je da aktiviramo posetioca web sajta na kome imamo kretivno rešenje interakcijom i neometanim korišćenjem sadržaja na stranici.