Jak ocenić efektywność kampanii Facebook ADS? Porównanie modeli atrybucji

Każdy, kto pracował w branży e-commerce wie, jak trudno jest rozeznać się w analizie swoich przychodów. Problem narasta, kiedy równolegle prowadzimy różne działania marketingowe w sieci, np. SEO, AdWords, kampanie w mediach społecznościowych lub innych serwisach prezentujących produkty, takich jak Domodi czy Ceneo. Istotnym jest, aby efekt w postaci wzrostu ruchu w sklepie internetowym przypisać odpowiednim kanałom. Z pomocą przychodzi tutaj atrybucja i jej modele, które na podstawie danych z analizy ruchu na naszej stronie przyporządkują transakcje odpowiednim źródłom.

Atrybucja w Google Analytics

Najpopularniejszym narzędziem, które daje nam ogromną dawkę wiedzy na temat działań użytkowników na naszej witrynie, jest Google Analytics. Posiada on wiele modeli atrybucji, na podstawie których przypisuje konwersje odpowiednim źródłom. Jednak podstawowym jest “Ostatnie kliknięcie niebezpośrednie”:

Wszystkie modele atrybucji dostępne w Google Analytics

Atrybucja last click

Przypisuje on zasługę za dokonanie zakupu reklamie, w którą użytkownik kliknął po raz ostatni, z wyłączeniem wejść bezpośrednich (np. wpisanie adresu strony w przeglądarkę). Brzmi skomplikowanie? Zobrazujemy to na poniższej infografice:

Jak widać, na naszej drodze zakupowej znajduje się wiele reklam i Google Analytics przyjmuje założenie, że najważniejszą jest ostatnia, w którą użytkownik kliknął. Dlaczego zatem narzędzie wyklucza ostatnie wejścia bezpośrednie? Zastanów się, ile razy zdarzyła się sytuacja, że atakowały Cię reklamy na telefonie, a Ty chciałeś kupić coś później przed ekranem komputera? Nigdy? No dobra. A zdarzyło Ci się dodać zakładkę, żeby kupić coś po pracy, bo “w pracy nie wypada”? A no właśnie!

Google bardzo słusznie założyło, że te tzw. directy są skutkiem wcześniejszej styczności użytkownika z reklamą, dlatego należy je pominąć. Czyli wszystko jasne i teraz nie ma już problemu ze zliczaniem konwersji?
Otóż nie 🙂
Dane w Analytics opierają się o ciasteczka, które są przechowywane w przeglądarce. Skąd zatem wiadomo, że ta sama osoba kliknęła w reklamę na mobile’u, a następnie na desktopie, skoro ciasteczka w zależności od urządzenia mogą być różne?

No właśnie. Nie zawsze wiadomo. Zwykle Google dobrze radzi sobie z dopasowaniem tych danych. Głównie dzięki temu, że większość z nas korzysta z telefonów z systemem Android i jest na nich zalogowana na swoim koncie Google (tym samym co na desktopie ;)), gigant potrafi powiązać ze sobą te dane. Niestety błędy w tym obszarze zdarzają się dość często. dlatego te dane zawsze będą miały charakter jedynie poglądowy.

Atrybucja na Facebooku

W ciekawy sposób z tym problemem poradził sobie Facebook. Rozszerzył zbieranie danych o użytkownikach o adresy e-mail, numery telefonów itd. za pomocą ulepszonego dopasowania w kodzie Pixela Facebookowego. Oprócz tego, kiedy użytkownik w swojej przeglądarce jest zalogowany na Facebooku, to każdy jego ruch w internecie jest rejestrowany w bazach platformy społecznościowej. Jeżeli przenosi się na inne urządzenie, to zwykle tam również ma konto, na którym jest zalogowany. Jeżeli nie, to można go powiązać chociażby po adresie e-mail. Jak widać, pokrycie w tym przypadku jest dużo lepsze. Niestety danych z Facebooka i Google Analytics nie da się dobrze porównać. Po pierwsze, wersja Facebooka jest jeszcze mocno niedopracowana, mało intuicyjna i ograniczona. Na domiar złego dwa konkurujące koncerny wprowadziły różne modele atrybucji…

Na swojej platformie Mark Zuckerberg udostępnił reklamodawcom nieco inną metodę atrybucji, polegającą na podziale czasowym 1,7 i 28 dni i dwóch różnych wariantach interakcji z reklamą – kliknięcie i wyświetlenie.

Wyświetlenie możemy pominąć od razu – przedstawia bardzo zakłamane dane. Mierzone są bowiem na podstawie pojawienia się reklamy w danym umiejscowieniu. A jak wiemy, każdy z nas przewija news feeda, przeglądając treści bardzo pobieżnie. Jest zatem spora szansa, że nie zauważymy wyświetlonej reklamy – a skoro jej nie widzieliśmy, to logicznym jest, że jej wpływ na naszą decyzję zakupową jest… zerowy.
Z kolei atrybucja kliknięć działa tak samo jak w Google Analytics.

Atrybucja 1 dzień od kliknięcia

Przeanalizujmy teraz atrybucję w modelu “1 dzień od kliknięcia”:

W jednodniowym modelu atrybucji nie musimy się przejmować wejściami bezpośrednimi – tak jak inne źródła (również reklamowe), zostaną pominięte. Z drugiej strony, co się stanie, kiedy miną 24 godziny od kliknięcia i użytkownik dokona zakupu? Niestety nie zostanie to zarejestrowane w tym modelu, ale jeżeli rozszerzymy to do przedziału czasowego 7 dni, wtedy konwersja zaistnieje.

Last click vs 1 dzień od kliknięcia

Porównajmy zatem, jak przedstawia się atrybucja reklam na Facebooku i Google Analytics:

Widzimy, że zarówno jedno jak i drugie narzędzie posiada i zalety, i wady. Póki co najlepszą alternatywą dla mierzenia działań na Facebooku jest wyciąganie średniej z obu.

#PROTIP

Analizując kampanie prowadzone na Facebooku, warto zwrócić w Google Analytics na ruch z l.facebook.com / referral oraz lm.facebook / referral.

Spora część naszych działań trafia właśnie tam za sprawą narzędzia Facebooka – LinkShim. Jego głównym zadaniem jest ochrona użytkowników przed fałszywymi stronami. Podczas sprawdzania i przekierowywania ruchu, nasze kampanie zostaja pozbawione UTM-ów, zaś ich historia zostaje wyczyszczona. Dlatego Analytics przypisuje wszystko do w/w źródła. Niestety nie da się z tym walczyć. Nawet na drodze oficjalnej Facebook niewiele może zrobić… Może doczekamy się kiedyś lepszej integracji narzędzi Facebooka i Google – jest wielka szansa, że problem ten wtedy zniknie 🙂

Okładka wpisu zaprojektowana przez Freepik