Atrybucja w Google Analytics – co musisz wiedzieć?
Modele atrybucji to kluczowe narzędzia w arsenale każdego marketera, pozwalające zrozumieć, które interakcje użytkownika z marką na ścieżce do konwersji mają największe znaczenie. Zrozumienie działania modeli atrybucji, takich jak popularny last non-direct click czy zaawansowany data-driven, jest niezbędne do optymalizacji działań marketingowych i efektywnego alokowania budżetu.
Czym są modele atrybucji?
Modele atrybucji to reguły lub algorytmy, które odpowiadają za przypisywanie wartości poszczególnym interakcjom użytkownika z marką na drodze do konwersji. Pozwalają zrozumieć, które kanały marketingowe mają największy wpływ na dokonanie konwersji, ale także, które z nich są skuteczniejsze na poszczególnych etapach lejka zakupowego (np. przy pierwszym kontakcie użytkownika z marką lub przy domykaniu konwersji).
Jak działają modele atrybucji?
Na drodze do konwersji użytkownicy zazwyczaj podejmują wiele interakcji z marką – są to tzw. punkty styku, które mogą obejmować m.in.: wejścia na stronę z płatnych reklam, organicznych wyników wyszukiwania, social mediów, newslettera, czy np. bezpośrednie odwiedziny strony poprzez wpisanie jej adresu w przeglądarce.
Żeby lepiej zobrazować tę koncepcję przejdźmy przez dwa przykłady:
- Wyobraźmy sobie, że użytkownik najpierw przeszedł na stronę z posta na facebooku, po jakimś czasie odwiedził ją ponownie przechodząc z reklamy Google Ads, a kilka dni później przeszedł na stronę z organicznych wyników wyszukiwania Google i dokonał zakupu. Jego ścieżka do konwersji w GA4 wyglądałaby w taki sposób:
facebook / referral → google / cpc → google / organic
- W drugim przykładzie załóżmy dokładnie taką samą ścieżkę użytkownika do konwersji, dokładając jeszcze jeden krok – bezpośrednie przejście na stronę. W tym wypadku otrzymujemy następujące punkty styku na drodze do konwersji:
facebook / referral → google / cpc → google / organic → direct / none
Teraz przejdźmy przez kilka popularnych modeli atrybucji, przypisując konwersję do odpowiednich źródeł, zgodnie z ich założeniami:
- last non-direct click – przypisuje 100% udziału w konwersji do ostatniego źródła, które nie jest bezpośrednim przejściem na stronę. W obu naszych przykładach 100% wartości konwersji zostałoby przypisane do źródła / medium: google / organic (nie uwzględniamy bezpośredniego przejścia na stronę w przykładzie 2).
- first-click – przypisuje 100% udziału w konwersji do pierwszego źródła, z którego użytkownik przeszedł na stronę. W tym wypadku w obu przykładach 100% wartości konwersji zostałoby przypisane do źródła / medium: facebook / referral.
- data-driven – przypisuje wartość konwersji różnym źródłom ruchu na podstawie ich rzeczywistego wpływu. Analizuje, jak każde kliknięcie lub interakcja przyczyniły się do konwersji – im większy wpływ, tym większa część konwersji zostaje przypisana danemu kanałowi. W raportach GA4 każda konwersja zostaje więc „podzielona” pomiędzy kilka źródeł. W naszym przykładzie mogłoby to wyglądać następująco:
- facebook / referral – 0,23 konwersji
- google / cpc – 0,34 konwersji
- google / organic – 0,43 konwersji
Oprócz wymienionych, istnieją też inne modele atrybucji (chociaż nie mamy ich do dyspozycji bezpośrednio w GA4) np. linearny, który przydziela równą wartość każdemu punktowi styku, czy też model time decay, który największy udział przypisuje punktom styku, które występowały w najkrótszym czasie przed konwersją.
Modele atrybucji w Google Analytics
W Google Analytics 4 możemy zmienić ustawienia atrybucji (Administracja → Wyświetlanie danych → Ustawienia atrybucji) wybierając jeden z dwóch modeli: Data-driven lub Last click.
W przypadku modelu Last click kanały płatne (Google paid channels), konwersja będzie przypisana do ostatniego punktu styku z reklamą Google Ads, chyba że nie wystąpi ona na ścieżce konwersji.
Wybór modelu atrybucji nie ma zastosowania do wszystkich raportów GA4. Jest to związane z trzema zakresami (scopes), czyli użytkownik, sesja i zdarzenie, które są fundamentem funkcjonowania Google Analytics. Model atrybucji zależy, więc przede wszystkim od zakresu, który został wykorzystany w raporcie.
- Zakres użytkownika (user scope) – dane są przypisane do konkretnego użytkownika, obejmując wszystkie jego wizyty i interakcje w czasie. Przykładowo, „Pierwszy użytkownik – źródło medium” pokazuje, skąd użytkownik trafił na stronę po raz pierwszy. Nawet jeżeli odwiedzał stronę wielokrotnie, wymiar ten pokaże źródło / medium pierwszej wizyty.
- Przykład raportu: Pozyskiwanie użytkowników (User acquisition)
- Przykładowe wymiary: Pierwszy użytkownik – domyślna grupa kanałów (First user default channel group); Pierwszy użytkownik – źródło medium (First user source / medium).
- W uproszczeniu można powiedzieć, że obowiązuje tu model atrybucji first-click – 100% konwersji w takich raportach przypisywane jest do pierwszego źródła, które pozyskało użytkownika na stronę.
- Zakres sesji (session scope) – dane są przypisywane do każdej sesji. Przykładowo, „Sesja – źródło medium” dotyczy źródła i medium, które doprowadziło do rozpoczęcia konkretnej sesji. Jeden użytkownik może generować wiele sesji na stronie, a każda sesja może mieć inne źródło.
- Przykład raportu: Pozyskiwanie ruchu (Traffic acquisition)
- Przykładowe wymiary: Sesja – domyślna grupa kanałów (Session default channel group); Sesja – źródło / medium (Session source / medium).
- W uproszczeniu można powiedzieć, że obowiązuje tu model atrybucji last non-direct click – 100% konwersji w takich raportach przypisywane jest do źródła sesji, podczas której użytkownik dokonał konwersji.
- Zakres zdarzenia (event scope) – każda zdarzenie, takie jak kliknięcie, wyświetlenie produktu czy zakup czy jest traktowane oddzielnie.
- Przykład raportu: Raporty w sekcji Reklama (np. raport modele atrybucji), raporty tworzone samodzielnie w Eksploracji.
- Przykładowe wymiary: Domyślna grupa kanałów (Default channel group); Źródło / medium (Source / medium)
- Przypisuje konwersje lub zdarzenia do konkretnych źródeł w oparciu o atrybucję data-driven lub last non-direct click w zależności od wybranego w ustawieniach modelu atrybucji.
Ważne, by dobrze zrozumieć tę koncepcję i w raportach unikać łączenia metryk i wymiarów opartych na różnych zakresach (scopes). Każdy zakres odnosi się do innego poziomu szczegółowości – użytkownika, sesji lub zdarzenia. Łączenie ich w jednym raporcie może prowadzić do błędnych interpretacji, chyba że rozumiemy, jak działają zakresy i kontrolujemy ich użycie w naszych raportach.
Ścieżki atrybucji i porównanie modeli atrybucji w Google Analyics
Google Analytics umożliwia porównanie modeli atrybucji w sekcji Reklama → Atrybucja → Modele atrybucji. Do wyboru mamy te same modele atrybucji, co w ustawieniach usługi, czyli model last-click i model data-driven. Możemy porównywać, jak do konkretnych kanałów przypisywana jest liczba i wartość konwersji w zależności od wybranego modelu atrybucji.
W sekcji Reklama → Atrybucja → Ścieżki atrybucji możemy też sprawdzić, jak wyglądają ścieżki użytkowników do konwersji.
Wyzwania związane z modelowaniem atrybucji w GA
W przypadku użytkowników o bardziej zaawansowanych potrzebach analitycznych, możliwości GA w kontekście modelowania atrybucji mogą okazać się niewystarczające. W takich przypadkach warto rozważyć alternatywne rozwiązania, które umożliwiają bardziej zaawansowaną analizę:
BigQuery – umożliwia eksport danych z GA do chmurowej bazy danych, co pozwala na tworzenie własnych, niestandardowych modeli atrybucji i analizowanie ścieżek konwersji na bardzo szczegółowym poziomie.
pozwala na eksport surowych danych z GA
umożliwia tworzenie własnych modeli atrybucji i porównywanie ich
pozwala na łączenie danych z różnych źródeł
umożliwia łatwą wizualizację danych, dzięki integracji z narzędziami BI (np. Looker Studio)
Roivenue – jest platformą do zaawansowanego modelowania atrybucji, która integruje dane z różnych kanałów marketingowych, w tym kampanii płatnych i organicznych. Wykorzystuje sztuczną inteligencję i dane behawioralne, umożliwiając precyzyjne przypisywanie zasług do działań marketingowych, uwzględniając koszty i przychody.
obsługuje integracje z popularnymi platformami reklamowymi i CRM
integruje dane z różnych kanałów, tworząc spójne ścieżki konwersji
wskazuje najbardziej wpływowe punkty styku oraz te, które nie przynoszą efektów
modeluje prawdopodobieństwo konwersji na podstawie rzeczywistego zaangażowania użytkownika
Meridian (Google Marketing Mix Model) – to narzędzie, które pozwala na ocenę wpływu różnych działań marketingowych (zarówno online, jak i offline) na wyniki biznesowe. Używa zaawansowanego modelowania statystycznego, aby lepiej zrozumieć, jak poszczególne kanały wpływają na sprzedaż, co jest szczególnie przydatne dla firm złożonych i działających na wielu rynkach.
pomaga dokładnie ocenić wpływ różnych kanałów marketingowych na konwersje
łączy dane z różnych platform, umożliwiając precyzyjniejsze modelowanie ścieżek konwersji
pozwala na prognozowanie wyników działań marketingowych
wspiera bardziej efektywne alokowanie zasobów w zależności od skuteczności poszczególnych kanałów
Podsumowanie
Atrybucja w GA to temat, który wykracza poza ustawienia techniczne — to sposób, w jaki interpretujemy dane. Wybór modelu atrybucji wpływa bezpośrednio na to, któremu kanałowi przypiszemy „zasługi” za konwersję, a co za tym idzie — jak będziemy alokować budżet marketingowy. Nie ma uniwersalnego modelu, który sprawdzi się w każdym biznesie, sytuacji czy kontekście, dlatego tak ważne jest, aby nie traktować modelu atrybucji jako jednorazowego wyboru, ale jako element strategii analitycznej.
GA4 oferuje solidne podstawy w analizie atrybucji, jednak jego możliwości modelowania są ograniczone — zarówno pod względem liczby modeli, jak i elastyczności raportów. W przypadku bardziej wymagających użytkowników warto sięgnąć po zaawansowane narzędzia, takie jak, które umożliwią tworzenie własnych modeli i łączenie danych z różnych źródeł.
Chcesz wiedzieć więcej na temat analityki w Full Stack Experts? Odwiedź stronę.