Model Atribusi Multi-Sentuhan

Atribusi klik terakhir menetapkan 100% nilai atribusi konversi kepada titik kontak pemasaran terakhir sebelum pembelian, sepenuhnya mengabaikan setiap interaksi sebelumnya yang memengaruhi keputusan pelanggan.

Hal ini menciptakan bias sistematis yang menguntungkan saluran corong bawah (penelusuran bermerek, penargetan ulang) dan merugikan saluran corong atas (iklan tampilan, pembangunan kesadaran melalui media sosial, konten)—menyebabkan merek berinvestasi terlalu sedikit dalam kesadaran dan terlalu banyak dalam taktik konversi.

Atribusi klik pertama memberikan seluruh nilai atribusi kepada titik kontak pertama yang berinteraksi dengan pelanggan sebelum berkonversi, dengan fokus sepenuhnya pada hal yang mendorong kesadaran dan penemuan awal.

Model ini paling berguna bagi merek yang berfokus pada akuisisi—untuk memahami saluran mana yang memperkenalkan pelanggan baru—tetapi mengabaikan semua hal antara penemuan dan pembelian, sehingga sama-sama hanya melihat satu sisi seperti model klik terakhir.

Model atribusi linear membagikan nilai konversi secara merata di antara semua titik kontak dalam perjalanan pelanggan—jika terdapat lima titik kontak, masing-masing menerima 20% dari nilai tersebut.

Atribusi linear mengakui bahwa banyak saluran berkontribusi terhadap konversi dan mudah dijelaskan kepada pemangku kepentingan, tetapi pembobotan yang sama mengabaikan peran dan daya pengaruh yang berbeda dari setiap titik kontak.

Model peluruhan waktu memberikan lebih banyak nilai atribusi kepada titik kontak yang terjadi lebih dekat dengan peristiwa konversi, dengan nilai atribusi yang menurun secara eksponensial seiring titik kontak semakin jauh ke masa lalu.

Model ini mencerminkan intuisi bahwa interaksi terbaru lebih terhubung secara kausal dengan keputusan pembelian daripada interaksi awal, sehingga berguna untuk siklus penjualan singkat. Untuk siklus penjualan antarperusahaan yang panjang, model ini tetap dapat meremehkan kesadaran di corong atas.

Model atribusi berbasis posisi berbentuk U memberikan 40% nilai atribusi kepada titik kontak pertama, 40% kepada titik kontak yang menghasilkan konversi prospek (atau titik kontak terakhir), dan membagikan sisa 20% secara merata di antara titik kontak tengah.

Model ini mengakui pentingnya akuisisi (titik kontak pertama) dan penutupan (titik kontak terakhir), sekaligus tetap memberikan sebagian nilai atribusi kepada interaksi pembinaan prospek—sehingga populer di kalangan pemasar antarperusahaan yang memperhatikan saluran akuisisi dan saluran konversi.

Model berbentuk W menambahkan posisi kunci ketiga ke model berbentuk U: titik kontak pembuatan peluang (saat peluang penjualan secara resmi dibuka). Nilai atribusi dibagi 30/30/30 di antara titik kontak pertama, titik kontak pembuatan peluang, dan titik kontak penutupan, dengan 10% dibagikan kepada semua titik kontak lainnya.

Model tiga tonggak ini sangat sesuai untuk organisasi antarperusahaan dengan tahap serah terima pemasaran ke penjualan yang jelas dan akun sasaran tertentu, tempat berbagai interaksi pemasaran terjadi sebelum peluang resmi dibuat.

Atribusi berbasis data (juga disebut atribusi algoritmik) menggunakan pembelajaran mesin untuk menganalisis ribuan perjalanan pelanggan aktual dan menetapkan nilai atribusi pecahan kepada setiap titik kontak berdasarkan kontribusinya yang dihitung terhadap probabilitas konversi.

Berbeda dari model berbasis aturan, atribusi berbasis data diturunkan secara empiris dari data Anda sendiri—model ini mempelajari urutan titik kontak dan kombinasi saluran mana yang berkaitan dengan rasio konversi lebih tinggi—tetapi memerlukan volume konversi yang memadai (setidaknya 3.000 konversi per bulan) agar andal secara statistik.

Gunakan atribusi klik terakhir untuk keputusan pengalokasian anggaran berbasis kinerja pada kampanye konversi. Gunakan atribusi klik pertama untuk mengevaluasi saluran akuisisi. Gunakan atribusi linear atau peluruhan waktu untuk visualisasi corong yang sederhana.

Gunakan atribusi berbentuk U atau berbentuk W untuk corong antarperusahaan bertahap. Gunakan atribusi berbasis data sebagai model utama jika volume konversi Anda memadai—model ini paling akurat dalam mencerminkan kontribusi sebenarnya setiap saluran di seluruh pola perjalanan pelanggan.

GA4 secara bawaan menggunakan atribusi berbasis data untuk konversi jika data yang memadai tersedia, dan beralih ke klik terakhir jika data tidak memadai. Anda dapat mengubah model atribusi di Admin > Setelan Atribusi.

Di Google Ads, setiap tindakan konversi dapat memiliki model atribusinya sendiri—beralih dari klik terakhir ke atribusi berbasis data di Google Ads biasanya meningkatkan nilai yang dilaporkan dari istilah penelusuran corong atas dan mengarahkan Penawaran Cerdas ke audiens yang lebih luas.

Laporan Perbandingan Model Atribusi GA4 memungkinkan Anda melihat bagaimana berbagai model atribusi akan memberikan nilai kepada setiap saluran—secara berdampingan—menggunakan data konversi historis yang sama.

Laporan ini sangat berharga untuk memberikan pemahaman kepada pemangku kepentingan tentang pilihan metodologi atribusi dan untuk mengukur seberapa besar realokasi anggaran yang dapat dibenarkan jika Anda beralih dari atribusi klik terakhir ke atribusi berbasis data.

Jendela tinjauan balik atribusi menentukan seberapa jauh ke masa lalu dari suatu konversi model atribusi akan mencari titik kontak yang berkontribusi—jendela yang umum digunakan adalah klik 7 hari, klik 30 hari, dan tayangan 1 hari untuk atribusi pascatayangan.

Jendela yang lebih singkat menghitung terlalu sedikit kontribusi corong atas dan menguntungkan saluran yang digunakan dekat dengan konversi; jendela yang lebih panjang mungkin memberikan nilai kepada saluran dari masa lalu yang sangat jauh sehingga pengaruh sebenarnya terhadap keputusan konversi menjadi dipertanyakan. Pemilihan jendela yang tepat memerlukan pemahaman tentang durasi siklus pembelian Anda yang sebenarnya.

Uji pemahaman Anda tentang model atribusi dengan banyak titik kontak.

Model atribusi berkisar dari satu titik kontak (klik pertama, klik terakhir) hingga banyak titik kontak (linear, peluruhan waktu, berbentuk U, berbentuk W) hingga algoritmik (berbasis data)—masing-masing memiliki keunggulan dan situasi penggunaan yang sesuai.

Atribusi berbasis data adalah model paling akurat jika volume konversi Anda memadai; laporan perbandingan model GA4 membantu mengukur dampak bisnis dari perubahan metodologi atribusi.