A kattintás fetisizmustól az attribúciós modellezésig

2014. március 25. 11:08 - Bay Áron

Múlt héten hétfőn az Online Marketing Meetup keretében az attribúciós modellezésről adtam elő a résztvevőknek, majd csütörtökön a Google Think Again rendezvényének központi témája is ez volt. A két esemény több gondolatot is elindított bennem. Korábban már írtam egy rövid bejegyzést az Analyticsben elérhető Modell-összehasonlító eszközről is, most viszont egy kicsit távolabbról fogom áttekintetni az elmúlt éveket és azt hogy mi várhat még ránk.

2009 környékén még bevett üzleti modell volt a PPC kampányokat kattintási csomagokban értékesíteni pl. "1000 kattintás 58.000 Ft-ért!" Annak ellenére, hogy a konverziók mérése már akkor is megoldott volt, sok ügynökség ilyen csomagot (is) árult. A legfőbb szépséghiba az volt, hogy az ügyfelek általában nem is tudták, hogy lehetne valós üzleti eredményeket is mérni, illetve az ügynökség sem elsősorban arra fókuszált, hogy a kampány minden értelemben hatékony legyen. Az elsődleges cél az volt, hogy kihozzák az 1000 kattintást 58 Ft-os átlagos kattintási költségnél kevesebből. Amennyire le tudta vinni a kampánymenedzser ezt az összeget, az volt az ügynökség nyeresége az üzleten.

1000_latogatas.PNG

Aztán ahogy a ügyfelek is egyre jobban beleásták magukat - de legalábbis felületesen megismerték a rendszer képességeit - eljött az aranykor, amikor mindenki elkezdett konverziót mérni és számszerűsíthetővé vált a kampányok hatékonysága. Igaz, hogy a méréssel akkor is bőven akadtak problémák, elég ha csak a fejlesztések élesítésekor kámfor szerűen elpárolgó köszönő oldali mérőkódokra gondolunk, a rengeteg további szcenárió mellett. Értelemszerűen a mérés akkor sem volt 100%-os, de nagyságrendileg láthattuk, hogy melyik kampány viszi csak a pénzt és melyik hozza a vásárlásokat, ajánlatkéréseket vagy más fontos konverziókat.

Nagyjából ebben az időszakban jött ki béta funkcióként AdWordsben a Konverziók menüben a Keresési csatornák funkció, ami segített ezt a némileg torz képet átértékelni. Ha jobban belegondolunk, teljesen logikus, hogy a felhasználó egy általánosabb kulcsszóra rákeresve megtalálja a weboldalunkat, de nem feltétlenül fog ebben a lépésben azonnal vásárolni is. Történhet 2-3 további kattintás is, mire megszületik a döntés és megvásárolja az adott terméket vagy szolgáltatást. A vásárlási folyamatban előre haladva ez értelemszerűen egyre pontosabb kulcsszavakat fog jelenteni:

Vasarlasi_ciklus.png

Az eszköz jól működött, egy hibája volt, csak az AdWords kattintásokat tudtuk benne elemezni. Akkor is sejtettük, hogy a teljes képhez ez kevés. Közben egyre többen használni kezdték az Analytics-et is, viszont sajnos a legtöbb esetben ott megállt a folyamat, hogy bekerült az alap mérőkód. Ott már láttunk információkat arra, hogy milyen más csatornákból jöttek sokan a weboldalra, így találgatni lehetett hogy melyik csatorna hozhatja a konvertáló látogatókat.

Aztán bő 2,5 évvel ezelőtt a Google Analytics blogon hivatalosan is bejelentették az előtte természetesen bétában elérhető Többútvonalas csatornák riportot:

TopPathsV5.png

Ez jelentés részben feloldotta ezt a kérdéskört, itt láthattuk a legjobb konverziós útvonalakat, amiken a felhasználóink végigmentek a vásárlás előtt. Az eszköz igazán jól akkor működik, ha e-kereskedelmi mérést is használunk, így nem volt kérdés, hogy minden weboldalnak, ahol online értékesítés folyik - legyen az egy klasszikus webáruház vagy valamilyen szolgáltatást nyújtó weboldal - elkerülhetetlen ennek a funkciónak a beállítása. Ez egy olyan plusz információt adott és ad a mai napig, ami miatt ma már súlyos hiányosság, ha valaki nem állítja be a célokat és az e-kereskedelmet párhuzamosan.

Érdemes az eladások mérésére az e-kereskedelmet, minden más mikro konverzióhoz pedig a célmérést használni. Így tudjuk ezeket egymástól teljesen függetlenül is elemezni és láthatjuk, hogy mondjuk a facebook a direkt vásárlások generálásában csak segítő interakció, viszont a hírlevél feliratkozásban vagy egy ingyenes tanulmány letöltésében közvetlenül is jól konvertál.

A folyamat következő lépése már kettős, a korábban említett Modell-összehasonlító eszközzel különböző attribúciós modelleket tudunk összehasonlítani, aminek a nagyon leegyszerűsített célja az, hogy lássuk mik azok a látogatói forrásaink, amik sok vásárlást hoznak és melyek azok, amik segítik vagy éppen semmilyen szerepet nem játszanak a konverziók megvalósulásában.

Hogy egy Illéstől [Vadász Illés a hazai Google csapat egyik oszlopos tagja] lopott példával szemléltessem a modellezés lényegét: Tételezzük fel, hogy egy este elmegyünk italozni a barátainkkal. Az biztos, hogy az alábbi képen látható italokat elfogyasztjuk, a kérdés, hogy meg tudjuk határozni melyiktől rúgtunk be?

New-Orleans-coctails.jpg

Ha valamelyik ital kimaradt volna, akkor csak szalonspiccesek lettünk volna? :-) Ezt nyilvánvalóan (még) nem az Analyticsből fogjuk megtudni.

Egy másik egyszerű példával élve tételezzük fel, hogy van egy webáruházunk. 3 különböző árösszehasonlító rendszerbe is feltöltöttük a termékeinket, ezek közül A ingyenes, B-ért fizettünk havonta 30.000 Ft-ot, C-ért pedig 100.000 Ft-ot. Az e-kereskedelmi mérés alapján 3 hónap után ezt látjuk:

A: 150 utolsó kattintásos tranzakció, 5000 Ft-os átlagos kosárérték, 750.000 Ft bevétel

B: 50 utolsó kattintásos tranzakció, 250 segített tranzakció, 3500 Ft-os átlagos kosárérték, 175.000 Ft bevétel, 1,5 mFt bevételnél pedig mint konverziót segítő interakció is szerepet játszott

C: 100 tranzakció, 1500 Ft-os átl. kosárérték, 150.000 Ft bevétel, a segített konverziókban nem játszott szerepet

A esetében nincs kérdés, hiszen ingyenes eszközről van szó. B már nehezebb kérdés, hiszen 90.000 Ft-ot költöttünk rá bevétel szempontjából viszont mindössze 175.000 Ft-ot hozott. Ugyanakkor feltételezhető, hogy az általa segített konverziókkal - amiknek egy része nem valósult volna meg, ha ott nem szerepel a termékünk - együtt már megérte a befektetett összeget. C esetében gyakorlatilag fele annyi bevételt hozott, mint amennyit költöttünk rá, a segített konverziókban pedig nem vett részt, így egyértelmű, itt tovább nincs értelme jelen lennünk az adott rendszerben.

A vázolt képet igazán teljessé a Költségelemzés funkció teszi, hiszen ezen keresztül a keresőoptimalizálás, a facebook kampányok, a hírlevelezés vagy az árösszehasonlítók fizetett hirdetéseire költött összegeket is vissza tudjuk tölteni a rendszerbe. Ha ezt meglépjük, akkor jöhet a valódi attribúciós modellezés, a különböző modellek tesztelése és a számunkra megfelelő modell(ek) megtalálása.

Miután mindezzel elkészültünk, még mindig nem dőlhetünk hátra, hiszen ez csak az első (de talán a legnagyobb) lépcső. A következő szint az online kezdődő de offline végződő vásárlások lekövetése, amit az AdWords és az Analytics szintén lehetővé tesz, az utolsó (?) dimenzió pedig ami a Universal Analytics-re való átállás után elérhetővé válik, az eszközök közötti navigáció és természetesen ezzel együtt az attribúció mérése illetve elemzése ebből az aspektusból.

Te már tudod, hogy melyik csatornád generálja a legtöbb segített konverziódat?

Szólj hozzá!

A bejegyzés trackback címe:

https://webanalitika.blog.hu/api/trackback/id/tr335876729

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Nincsenek hozzászólások.