Useimmat asiakkaat eivät osta yhden kohtaamisen jälkeen. He saattavat nähdä somemainoksen, hakea brändiä viikkoa myöhemmin, avata uutiskirjeen ja vasta sitten tilata. Attribuutio on sääntöjoukko, joka päättää, kuinka suuri osa tilauksesta luetaan kunkin vaiheen ansioksi. Näitä sääntöjä kutsutaan attribuutiomalliksi.
Käyttämäsi malli muuttaa näkemiäsi lukuja. Yhdellä mallilla maksettu somekampanja näyttää kannattamattomalta, toisella välttämättömältä. Siksi attribuutio on lähes jokaisen kanavamittarin taustalla, myös ROAS-luvun ja hankintakohtaisen kustannuksen. Kohtaat sen Google Analyticsissa, Google Adsin ja Metan konversioasetuksissa sekä CRM-työkaluissa, jotka jäljittävät solmitun kaupan siihen ensimmäiseen lomakkeeseen, jonka liidi täytti.
Toimintaperiaate
Miten attribuutiomallit jakavat ansion
Sääntöpohjaiset mallit soveltavat kiinteää kaavaa. Viimeinen klikkaus antaa koko ansion konversiota edeltäneelle viimeiselle kosketuspisteelle. Ensimmäinen klikkaus antaa sen vaiheelle, joka toi asiakkaan ensimmäisen kerran paikalle. Lineaarinen malli jakaa ansion tasan kaikille vaiheille. Aikaan perustuva malli painottaa ostoa lähempänä olevia vaiheita, ja sijaintiin perustuvat mallit suosivat ensimmäistä ja viimeistä vaihetta ja jakavat pienemmän osuuden välivaiheille.
Datavetoinen attribuutio, joka on oletuksena Google Analyticsissa ja Google Adsissa, vertaa konversioon johtaneita polkuja niihin, jotka eivät johtaneet, ja arvioi, kuinka paljon kukin kosketuspiste muutti todennäköisyyttä. Se toimii hyvin vain, kun konversioita on riittävästi. Jokainen malli on seurannan varassa: ilman johdonmukaisia UTM-parametreja, toimivia pikseleitä ja palvelinpuolen signaaleja vaiheita katoaa polulta ja niiden ansio siirtyy sille, mikä tilalle kirjautui. Suomessa analytiikka- ja mainosevästeet vaativat kävijän suostumuksen, joten osa poluista jää aina näkymättä. Lisäksi jokainen mainosalusta raportoi konversiot omasta näkökulmastaan, joten alustojen summat ovat usein yhteensä enemmän kuin todella myit.
Esimerkki
Laskettu esimerkki kolmella kosketuspisteellä
Oletetaan, että huonekalukauppa kirjaa kuukaudessa 100 tilausta, joiden kunkin arvo on 600 euroa, eli liikevaihtoa kertyy yhteensä 60 000 euroa. Oletetaan lisäksi, että jokainen tilaus kulki saman polun: Meta-mainoksen klikkaus, sitten Googlen hakumainoksen klikkaus ja lopuksi sähköpostin klikkaus.
Viimeisen klikkauksen mallissa sähköposti saa laskelmassa koko 60 000 euron ansion, eivätkä mainoskanavat saa mitään. Ensimmäisen klikkauksen mallissa koko 60 000 euroa menee esimerkissä Metalle. Lineaarisessa mallissa kukin kanava saa kolmanneksen, eli laskelmassa 20 000 euroa kukin. Oletetaan nyt, että Metaan käytettiin 8 000 euroa ja Googleen 6 000 euroa. Lineaarisella jaolla Metan ROAS on laskelmassa 20 000 / 8 000 = 2,5 ja Googlen 20 000 / 6 000 = 3,3. Viimeisellä klikkauksella esimerkin molemmat mainoskanavat näyttävät nollaa ja vaikuttavat ensimmäisiltä leikattavilta, vaikka samat asiakkaat eivät luultavasti olisi koskaan päätyneet sähköpostilistalle ilman niitä.
Käyttö
Milloin attribuutio auttaa ja milloin se johtaa harhaan
- Käytä raporteissa yhtä sovittua mallia, jotta kuukausien väliset muutokset kertovat tuloksista eivätkä laskentasääntöjen vaihdoksesta.
- Vertaa kahta mallia rinnakkain ennen kuin siirrät budjettia, sillä viimeisen klikkauksen mallissa heikolta näyttävä kanava voi olla se, joka tuo asiakkaat ensimmäistä kertaa paikalle.
- Alustojen raportoimat konversiot johtavat harhaan, kun lasket ne yhteen, koska Google Ads ja Meta voivat molemmat ottaa saman tilauksen nimiinsä.
- Attribuutio näyttää korrelaation tallennetulla polulla, ei todistetta siitä, että kanava aiheutti myynnin; verrokkiryhmätestit vastaavat siihen kysymykseen suoremmin.
Sudenkuopat
Yleiset virheet attribuutiossa
- Suppilon yläpään kampanjoiden leikkaaminen, koska viimeisen klikkauksen raportit eivät anna niille ansiota, minkä jälkeen brändihaut ja suora myynti hiipuvat hitaasti.
- Sähköpostien ja somejulkaisujen linkkien jättäminen merkitsemättä, jolloin käynnit päätyvät suoriin tai viittaaviin käynteihin ja niiden ansio menee muualle.
- Mallin vaihtaminen kesken vuosineljänneksen ja uusien lukujen vertaaminen vanhoihin ikään kuin mikään ei olisi muuttunut.
- Datavetoiseen malliin luottaminen tileillä, joilla konversioita on hyvin vähän ja arviot heittelevät viikosta toiseen.
- Verkon ulkopuolisten vaiheiden, kuten puheluiden ja myyntitapaamisten, sivuuttaminen, koska ne eivät koskaan näy verkossa tallennetulla polulla.
Kysymykset
Kysymyksiä aiheesta Attribuutio
Mitä attribuutiomallia pienyrityksen kannattaa käyttää?
Valitse malli, jonka osaat selittää, ja pidä se vakaana, jotta kuukausivertailut pysyvät reiluina. Google Analyticsin datavetoinen attribuutio toimii, kun konversioita kertyy kohtuullisesti. Pienillä määrillä moni yrittäjä käyttää arjen päätöksiin viimeistä klikkausta ja vilkaisee ensimmäistä klikkausta nähdäkseen, mitkä kanavat tuovat uusia ostajia.
Miksi Google Ads ja Meta raportoivat enemmän konversioita kuin kaupassani oikeasti oli?
Jokainen mainosalusta laskee ansion itselleen aina, kun sen mainos oli polulla mukana, oman takautuvan ikkunansa sisällä. Ostaja, joka klikkasi ensin Meta-mainosta ja myöhemmin hakumainosta, voi päätyä kummankin lukuihin. Pidä alustojen summia päällekkäisinä näkyminä ja vertaa niitä omaan järjestelmääsi kirjattuihin tilauksiin tai liideihin.
Mitä eroa on attribuutiolla ja inkrementaalisuudella?
Attribuutio jakaa ansion niiden kosketuspisteiden kesken, jotka olivat mukana ennen myyntiä. Inkrementaalisuus kysyy, olisiko myynti syntynyt joka tapauksessa ilman tiettyä kanavaa, ja siihen vastataan yleensä verrokkiryhmä- tai aluekokeilla. Kanava voi kerätä paljon ansiota ja silti tuoda vähän uutta myyntiä.