MBIová atribuce: Přiřazování konverzí jednotlivým zdrojům a médiím

---

21. 3. 2023

Úvod

MBIová atribuce je klíčovým prvkem pro měření úspěšnosti marketingových kampaní a optimalizaci rozpočtu. Pomáhá zjistit, které zdroje a média nejvíce přispívají k dosažení konverzí. V tomto článku se zaměříme na atribuční modely používané v Google Analytics 4 (GA4) a porovnáme některé z běžných modelů, jako je last click non-direct a lineární atribuční model. Na závěr se stručně podíváme na data-driven atribuci, jako jsou Shapley model a Markovovy modely prvního a druhého řádu.

Atribuční modely v GA4

Defaultním atribučním modelem v GA4 je model „last click non-direct“, který přiřazuje konverzi poslednímu navštívenému zdroji nebo médiu, pokud to není direct. Tento model umožňuje jednoduché měření úspěšnosti různých marketingových kanálů a kampaní.

Rozdíly mezi last click non-direct a lineárním atribučním modelem

1. Last click non-direct model: Přiřazuje veškerou hodnotu konverze poslednímu navštívenému zdroji nebo médiu, pokud to není direct. Zatímco tento model poskytuje jednoduché měření úspěšnosti kampaní, může být zavádějící, protože přehlíží význam ostatních touch pointům, které přispěly k cestě uživatele ke konverzi.
2. Lineární atribuční model: Na rozdíl od last click non-direct modelu, lineární model rovnoměrně rozděluje hodnotu konverze mezi všechny touch pointy na cestě uživatele ke konverzi. Tento model poskytuje holistický pohled na výkonnost kampaní a zohledňuje všechny zdroje a média, které přispěly k dosažení konverzí.

Data-driven atribuce: Shapley model a Markovovy modely

1. Shapley model: Shapley model je data-driven přístup k atribuci založený na kooperativní teorii her. Rozděluje hodnotu konverze mezi jednotlivé zdroje a média na základě jejich přínosu k celkovému úspěchu. Tento model poskytuje spravedlivé rozdělení hodnoty konverzímezi různé marketingové kanály, a tím pomáhá optimalizovat marketingový rozpočet.
   2. Markovovy modely: Markovovy modely (prvního a druhého řádu) jsou také data-driven přístupy k atribuci, které využívají pravděpodobnostní teorii pro analýzu cest zákazníků a přiřazení hodnoty konverzí.
      • První řád: Markovův model prvního řádu zohledňuje pouze předchozí bod doteku při analýze cesty uživatele. V tomto modelu je hodnota konverze přiřazena na základě pravděpodobnosti přechodu mezi jednotlivými body doteku.
      • Druhý řád: Markovův model druhého řádu zohledňuje poslední dva body doteku, což umožňuje lepší analýzu složitějších cest zákazníků. Tento model poskytuje přesnější a detailnější přiřazení hodnoty konverzí mezi jednotlivými zdroji a médii.

Závěr

MBIová atribuce hraje klíčovou roli při měření úspěšnosti marketingových kampaní a rozpoznání nejúčinnějších zdrojů a médií. GA4 defaultně používá last click non-direct atribuční model, který je sice jednoduchý, ale může být zavádějící, pokud se nezohlední ostatní body doteku. Lineární atribuční model poskytuje holistický pohled na výkonnost kampaní tím, že rovnoměrně rozděluje hodnotu konverze mezi všechny body doteku. Data-driven atribuční modely, jako je Shapley model a Markovovy modely, přinášejí sofistikovanější metody pro přiřazení hodnoty konverzí a umožňují optimalizaci marketingových rozpočtů.