Facebook Attribution vs Google Attribution. Porównanie narzędzi

Atrybucja jest od paru lat tematem równie modnym, co – niestety – przez marketerów często niedocenianym jako narzędzie pracy. Wiemy o różnych modelach atrybucji konwersji w różnych systemach reklamowych, na podstawie których rozliczamy się z dystrybutorami naszych reklam. Wiemy, że Google Analytics raportuje sprzedaż w last non-direct clicku, a Faceboook minimalnie w one day clicku i staramy się jakoś te dane porównać i połączyć (co nie bardzo nam wychodzi). Porównujemy raporty z mniejszych narzędzi do retargetingu z raportami w GA, próbując dociec, czy przypadkiem ktoś nas nie oszukuje pod względem finansowym.

Na pierwszy rzut oka atrybucja jest raczej solą w oku marketera czy właściciela ekomersu niż narzędziem pomagającym w pracy. I tak niestety nauczyliśmy się do niej podchodzić. Nadszedł jednak czas, aby odczarować temat atrybucji i zacząć traktować ją jak najlepszego przyjaciela przy codziennej pracy, a zwłaszcza w podejmowaniu istotnych decyzji dotyczących rozsądnego doboru płatnych źródeł ruchu prowadzących do naszego serwisu.

Dzięki temu artykułowi poznasz specyfikę i działanie 2 najpopularniejszych i najłatwiej dostępnych narzędzi do modelowania atrybucji: Google Attribution i Facebook Attribution. Dowiesz się, jakie najważniejsze różnice występują między nimi, w tym jakiego typu analiz możesz się od nich spodziewać.

Różnice pomiędzy Facebook Attribution a Google Attribution

Na początku skupmy się na różnicach występujących pomiędzy Google i Facebook Attribution. Tą najbardziej oczywistą jest wydawca każdego z nich 😉

Facebook Attribution jest narzędziem nieco starszym (o niespełna rok) i aby z niego skorzystać, należy przede wszystkim mieć założone konto w facebookowym Business Managerze (w tym artykule: https://sempai.pl/blog/facebook-attribution-kompleksowy-przewodnik-po-narzedziu/ znajdziesz pełen opis narzędzia).

Google Attribution z kolei jest dodatkową sekcją zaszytą w Google Analytics, a samo narzędzie funkcjonuje (ciągle w wersji beta) na polskim rynku od października 2019. Pełną instukcję jego uruchomienia znajdziesz tutaj: https://sempai.pl/blog/data-driven-attribution/.

Aby lepiej zobrazować najważniejsze różnice pomiędzy narzędziami, przygotowaliśmy kompleksowe zestawienie w xsl, które możesz wydrukować i mieć zawsze pod ręką:
https://sempai.link/tabelka_ga-fa

Modelowanie atrybucji w praktyce

Jeśli wiemy już, jakie są podstawowe różnice między narzędziami od Facebooka i Google, czas zabrać się do pracy! Aby lepiej zobrazować, jak oba wykorzystywać w praktyce, będziemy pracować na prawdziwych danych i realnym przykładzie. Wybraliśmy klienta, który działa w sektorze dóbr luksusowych i rzecz jasna – jest sklepem internetowym. Dane, które prezentujemy poniżej, pochodzą z płatnych kampanii Facebook i z jednego pełnego miesiąca kalendarzowego (31 dni). Wybranym przez nas modelem jest atrybucja pierwszego kliknięcia lub wizyty. W przypadku Facebook Attribution wybrany przedział czasowy to: Kliknięcia i wizyty z 28 dni, wyświetlenia z 7 dni.

Analiza w Facebook Attribution

Analiza danych na przykładzie klienta z sektora e-commerce (dobra luksusowe).

Pierwszym panelem, w którym możemy odnaleźć interesujące nas dane dotyczące wizyt oraz konwersji, są “Wyniki”. Naszym oczom ukaże się w tym miejscu przejrzysty wykres prezentujący najpopularniejsze źródła ruchu. Według Facebook Attribution działania płatne na Facebooku są trzecim z kolei najważniejszym źródłem ruchu w danym przedziale czasowym.

Kolejnym miejscem, w którym możemy odnaleźć interesujące nas dane, jest panel Raporty niestandardowe. Wybierając interesujące nas źródła ruchu, możemy automatycznie stworzyć wykres prezentujący ilość konwersji w danym przedziale czasowym czy nawet konkretnym dniu.
Prezentacja wykresu powyżej z podziałem na działania płatne w: Facebook, Instagram, Messenger oraz Audience Network).

Ostatnim z najważniejszych miejsc w Facebook Attribution jest zakładka “Pobierz raporty”, w której możemy wygenerować dowolny interesujący nas raport. Dostosujemy tu niemal wszystko – od wybranego modelu atrybucji po źródła danych ruchu czy rodzaje wyświetlanych kolumn.

Tak właśnie wygląda raport niestandardowy, który możemy wygenerować w Facebook Attribution. Działania płatne w tym przypadku podzieliliśmy również wg konkretnych grup umiejscowień, jakie możemy znaleźć w menedżerze reklam. Jak widać, do powyższego raportu wybraliśmy tylko najważniejsze wskaźniki, tj. wyświetlenia, kliknięcia, wizyty, koszt, ilość oraz wartość konwersji, koszt per konwersja oraz ROAS. W przypadku każdego raportu mamy również informacje o wybranym zdarzeniu konwersji, przedziale czasowym oraz wybranym modelu atrybucji. Tak jak wspominaliśmy wcześniej – mamy zupełną dowolność w tworzeniu powyższych raportów, co pozwala dostosować je bezpośrednio do konkretnej działalności.

Analiza w Google Attribution

Pierwszym dostępnym w Google Attribution raportem jest ten dotyczący ścieżek konwersji. Wybieramy interesujący nas typ konwersji (1), zakres dat (2), a także takie parametry, jak: wymiary (3), wyświetlanie udziału punktów styczności (4), model atrybucji (5) oraz długość ścieżki (6). Możemy również skorzystać z uproszczonej wersji wyszukiwarki (7), która działa dokładnie tak samo, jak w przypadku innych raportów dostępnych w Google Analytics.

Wyjaśnimy, co oznaczają poszczególne parametry:

• Typ konwersji – tu określamy, co chcemy rozumieć jako konwersję w naszej analizie – możemy wybrać realizację poszczególnych celów, które ustawiliśmy w Google Analyitcs bądź po prostu dokonanie zakupu.
• Zakres dat – tu określamy z jakiego zakresu dat chcemy analizować dane. Google Attribution nie pozwala na porównanie 2 okresów ze sobą.
• Wymiary – tu decydujemy w jaki sposób zebrane dane mają być prezentowane – czy zgodnie z grupowaniem kanałów w Google Analytics czy też w formie Źródło / Medium.
• Udział w konwersji – włączenie tego ustawienia powoduje, że na wykresach przy każdym ze źródeł pojawia się również % udziału w konwersji – jest to ficzer szczególnie przydatny w przypadku korzystania z modelu atrybucji opartego na danych.

• Model atrybucji – Google Attribution udostępnia nam część podstawowych modeli atrybucji dostępnych w Google Analytics (pierwsze kliknięcie, ostatnie kliknięcie, model liniowy, uwzględnienie pozycji, spadek udziału z upływem czasu) oraz model oparty na danych (wykorzystujący AI oraz Big Datę)
• Długość ścieżki – tu określamy, jaka ilość punktów styku (wejść na stronę z konkretnego źródła) nas interesuje

W kolumnach raportu natomiast widzimy kolejno: ścieżkę konwersji (1), ilość konwersji zrealizowanych za pomocą konkretnej ścieżki oraz przychody wygenerowane przez konkretną ścieżkę (3). W przypadku ostatnich 2 kolumn widzimy również na podstawie jakiego % zebranych danych wygenerowany został raport (4).

Kolejny raport – Opóźnienie w realizacji konwersji – pozwoli nam określić, w ciągu ilu dni od pierwszej interakcji z serwisem użytkownicy najczęściej realizują konwersję. W tym przypadku konfigurowalność raportu jest nieco ograniczona – możemy bowiem określić jedynie interesujący nas typ konwersji (1), zakres dat (2), model atrybucji (3) oraz sposób wyświetlania danych (4). W przypadku sposobu wyświetlania danych mamy do wyboru 2 opcje: wyświetlanie skumulowane bądź nieskumulowane. W kolumnach raportu widzimy zaś kolejno: liczbę dni przed konwersją (5) – czyli liczbę dni, która dzieli pierwszą wizytę w sklepie od konwersji, konwersje (6) – ilość konwersji, które miały miejsce w danym odstępie czasowym rozumianym w dniach, przychody (7) – wartość przychodów dla danej sygnatury czasowej oraz procent całości (8) – czyli udział procentowy w całości przychodów dla danej liczby dni dzielących pierwsza wizytę w serwisie od konwersji.

Raport Długość ścieżki konwersji pokazuje nam podobne dane co raport dotyczący opóźnienia w realizacji konwersji, jednak tutaj podstawową daną będzie ilość wizyt w serwisie. Nie mamy tu jednak możliwości doboru modelu atrybucji. Od nas zależy jednak, czy chcemy uwzględniać wejścia bezpośrednie (1), a także jaki typ konwersji (2) oraz zakres dat (3) nas interesuje.
W kolumnach raportu widzimy kolejno ilość punktów styku z klientem prowadzących do konwersji (4), ilość konwersji w danej ilości punktów styku (5), przychody (6) oraz procent całości dla konwersji i przychodów (7).

W wielkim skrócie: ten raport pozwoli nam określić, ile razy średnio użytkownik musi odwiedzić nasz serwis, aby dokonać konwersji.
Ostatni dostępny raport – Porównanie modeli ścieżki konwersji – pozwala na analizę efektywności poszczególnych wymiarów w różnych modelach atrybucji. Możemy porównać ze sobą maksymalnie 2 na raz (w przypadku zwykłych raportów o porównaniu modeli atrybucji w Google Analytics możemy porównywać ze sobą 3). Ten akurat raport został niestety przetłumaczony na język polski tylko połowicznie, ale daje dość interesujące możliwości jeśli chodzi o analizowane wymiary. Tu nasza analizę możemy oprzeć o: typ wyszukiwarki, kanał, dzień konwersji (w ujęciu dziennym lub tygodniowym), kraj, typ urządzenia, dzień interakcji (znów w ujęciu dziennym lub tygodniowym), system operacyjny, typ kanału (płatny bądź bezpłatny), treść reklamy, kampanię, źródło / medium, defaultowe grupowanie kanałów Google Analytics, samo źródło, samo medium, typ targetowania reklamy, nazwę konta Google Ads, kampanię Google Ads oraz grupę reklam Google Ads. Możemy używać 2 wymiarów jednocześnie.

Elementy konfigurowalne w raporcie to: typ konwersji (1), zakres dat (2), analizowane wymiary (3), typ zmiany procentowej (4) – tu decydujemy, czy chcemy sprawdzić różnicę między analizowanymi modelami atrybucji na podstawie konwersji czy też przychodów. Typ raportowania (5) – to decydujemy, na jakiej podstawie ma zostać określona % zmiana w porównaniu modeli konwersji pod względem czasu konwersji lub interakcji z reklamą (to ustawienie działa tylko w Google Ads) i na koniec – widoczność pustych wierszy (6)

W kolumnach z kolei widzimy kolejno: pierwszy wybrany wymiar (7), drugi wybrany wymiar (8), konwersje przypisane do wymiarów w pierwszym modelu atrybucji (9), przychody przypisane do wymiarów w pierwszym modelu atrybucji (10), konwersje przypisane do wymiarów w drugim modelu atrybucji (11), przychody przypisane do wymiarów w drugim modelu atrybucji (12) i na końcu procentową zmianę pomiędzy analizowanymi modelami atrybucji (13).

Google czy Facebook Attribution – co wybrać?

Zanim zdecydujemy, które z narzędzi wybrać – Google czy Facebook Attribution – odpowiedzmy sobie najpierw na pytanie: czy możemy je w ogóle porównywać? Każde z nich daje nam zupełnie inne możliwości analizy, każde z nich w inny sposób zbiera dane, każde z nich udostępnia różne raporty. Dlatego na pytanie “Facebook czy Google?” odpowiadamy: i to, i to!

Korzystanie z obu narzędzi i poprawna analiza zebranych przez nie danych będzie na pewno (przynajmniej na początku) trudna i czasochłonna, ale połączenie ich w całość da nam fenomenalną i kompletną wiedzę o źródłach ruchu w naszym serwisie i pozwoli na podejmowanie trafnych decyzji – bo opartych na danych. Dlatego na koniec apelujemy: pokochajcie atrybucję i od dziś traktujcie ją jak najlepszego przyjaciela! 🙂