Monikosketuspisteattribuution mallit

Lineaarinen attribuutiomalli jakaa konversiohyvityksen tasan kaikkien asiakkaan ostopolun kosketuspisteiden kesken — jos kosketuspisteitä oli viisi, kukin saa 20 % hyvityksestä.

Lineaarinen attribuutio tunnistaa useiden kanavien vaikutuksen konversioon ja on helppo viestiä sidosryhmille, mutta tasainen painotus jättää huomiotta eri kosketuspisteiden erilaiset roolit ja vakuuttavuuden.

Aikavaimenemisen mallissa konversiotapahtumaa lähempänä tapahtuneille kosketuspisteille annetaan enemmän hyvitystä, ja hyvitys pienenee eksponentiaalisesti sitä mukaa, kun kosketuspisteet siirtyvät kauemmas menneisyyteen.

Malli perustuu ajatukseen, että viimeaikaiset vuorovaikutustilanteet liittyvät kausaalisesti läheisemmin ostopäätökseen kuin varhaisemmat. Siksi se soveltuu lyhyisiin myyntisykleihin. Pitkissä B2B-myyntisykleissä se voi silti aliarvioida ostopolun yläosan tunnettuutta lisäävän työn.

U-muotoinen eli sijaintiperusteinen attribuutiomalli antaa 40 % hyvityksestä ensimmäiselle kosketuspisteelle, 40 % liidin konversioon johtaneelle kosketuspisteelle eli viimeiselle kosketuspisteelle ja jakaa jäljelle jäävän 20 %:n tasan keskimmäisten kosketuspisteiden kesken.

Malli tunnistaa sekä hankinnan eli ensimmäisen kosketuspisteen että kaupan päättämisen eli viimeisen kosketuspisteen merkityksen ja antaa samalla jonkin verran hyvitystä liidien hoitamiseen liittyville vuorovaikutustilanteille. Siksi se on suosittu B2B-markkinoijien keskuudessa, kun sekä hankinta- että konversiokanavat ovat tärkeitä.

W-muotoinen malli lisää U-muotoiseen malliin kolmannen keskeisen sijainnin: myyntimahdollisuuden luomiseen liittyvän kosketuspisteen eli hetken, jolloin myyntimahdollisuus avataan virallisesti. Hyvitys jaetaan suhteessa 30/30/30 ensimmäisen kosketuspisteen, mahdollisuuden luomisen kosketuspisteen ja kaupan päättämiseen liittyvän kosketuspisteen kesken, ja 10 % jaetaan kaikkien muiden kosketuspisteiden kesken.

Tämä kolmen virstanpylvään malli soveltuu erityisesti B2B-organisaatioille, joissa markkinoinnin ja myynnin välillä on selkeät siirtymävaiheet ja joissa nimettyihin asiakkuuksiin kohdistuu useita markkinoinnin vuorovaikutustilanteita ennen virallisen myyntimahdollisuuden luomista.

Datavetoinen attribuutio, jota kutsutaan myös algoritmiseksi attribuutioksi, käyttää koneoppimista tuhansien todellisten asiakaspolkujen analysointiin ja antaa kullekin kosketuspisteelle osittaisen hyvityksen sen perusteella, kuinka suureksi sen laskennallinen vaikutus konversiotodennäköisyyteen arvioidaan.

Sääntöpohjaisista malleista poiketen datavetoinen attribuutio perustuu empiirisesti omaan dataasi — se oppii, mitkä kosketuspisteiden järjestykset ja kanavayhdistelmät liittyvät korkeampiin konversioasteisiin. Tilastollisesti luotettava toiminta edellyttää kuitenkin riittävää konversiomäärää, vähintään 3 000 konversiota kuukaudessa.

Käyttäkää viimeisen klikkauksen attribuutiota konversiokampanjoiden suorituskykyyn perustuvissa budjettipäätöksissä. Käyttäkää ensimmäisen klikkauksen attribuutiota hankintakanavien arviointiin. Käyttäkää lineaarista tai aikavaimenemiseen perustuvaa attribuutiota yksinkertaiseen ostoputken visualisointiin.

Käyttäkää U- tai W-muotoista attribuutiota B2B-yritysten monivaiheisissa ostoputkissa. Käyttäkää datavetoista attribuutiota ensisijaisena mallina, kun konversioita on riittävästi — se kuvaa tarkimmin kunkin kanavan todellista vaikutusta erilaisilla asiakaspoluilla.

GA4 käyttää konversioissa oletusarvoisesti datavetoista attribuutiota, kun dataa on riittävästi, ja siirtyy viimeisen klikkauksen attribuutioon, jos dataa ei ole tarpeeksi. Attribuutiomallin voi vaihtaa kohdassa Hallinta > Attribuutioasetukset.

Google Adsissa jokaisella konversiotoiminnolla voi olla oma attribuutiomallinsa. Siirtyminen viimeisen klikkauksen attribuutiosta datavetoiseen attribuutioon Google Adsissa yleensä kasvattaa ostopolun yläosan hakutermien raportoitua arvoa ja ohjaa Smart Biddingin kohdentamaan mainontaa laajemmalle yleisölle.

GA4:n Attribution Model Comparison -raportilla voi tarkastella rinnakkain, miten eri attribuutiomallit hyvittäisivät kutakin kanavaa käyttäen samaa historiallista konversiodataa.

Raportti on erittäin hyödyllinen sidosryhmien perehdyttämisessä attribuutiomenetelmien valintaan sekä sen määrittämisessä, kuinka suuri budjetin uudelleenjako olisi perusteltua, jos viimeisen klikkauksen attribuutiosta siirryttäisiin datavetoiseen attribuutioon.

Attribuution tarkasteluikkuna määrittää, kuinka kauas ajassa taaksepäin konversiosta attribuutiomalli etsii siihen vaikuttaneita kosketuspisteitä. Yleisiä ikkunoita ovat 7 päivän klikkaus, 30 päivän klikkaus ja näyttökontaktin 1 päivän ikkuna.

Lyhyemmät ikkunat aliarvioivat ostopolun yläosan vaikutusta ja suosivat lähellä konversiota käytettyjä kanavia. Pidemmät ikkunat voivat antaa hyvitystä niin kauan sitten käytetyille kanaville, että niiden todellinen vaikutus konversiopäätökseen on kyseenalainen. Oikean ikkunan valinta edellyttää todellisen ostopolun pituuden ymmärtämistä.

Attribuutiomallit vaihtelevat yhden kosketuspisteen malleista, kuten ensimmäisen ja viimeisen klikkauksen attribuutiosta, monikosketusmalleihin, kuten lineaariseen, aikavaimenemiseen perustuvaan, U-muotoiseen ja W-muotoiseen attribuutioon, sekä algoritmiseen eli datavetoiseen attribuutioon. Kaikilla on omat vahvuutensa ja sopivat käyttötapauksensa.

Datavetoinen attribuutio on tarkin malli, kun konversioita on riittävästi. GA4:n attribuutiomallien vertailuraportti auttaa määrittämään attribuutiomenetelmän vaihtamisen liiketoimintavaikutukset.