Prowadzenie działań marketingowych zazwyczaj wiąże się z ponoszeniem kosztów za które będziemy musieli zapłacić.

Aby poprawnie ocenić to czy nasze działania marketingowe dają Nam korzyści, czy może jednak przynoszą straty będziemy musieli spełnić już na samym początku kilka istotnych założeń:

 

1. Pierwszym takim założeniem jest poprawne zbieranie danych, niby każdy o tym wie, ale tak naprawdę nie każdy to weryfikuje. Pominięcie tego etapu wiąże się z tym, że wszystkie decyzje, które później zostaną podjęte na podstawie analizy danych są decyzjami w dużej mierze błędnymi, czyli np. z analizy danych wychodzi nam, że dana kampania reklamowa się opłaciła (przyniosła nam zwrot z inwestycji) a tak naprawdę, kampania ta może generować nam duże straty.

Aby tą kampanie ocenić prawidłowo dane muszą być zbierane poprawnie.

Etap ten zaczyna się już od:

  • poprawnego wdrożenia systemu analitycznego
  • poprawnego przekazywania danych do systemu analitycznego
  • poprawnego zdefiniowania i implementacji celów klienta w systemie analitycznym

 

2. Drugim takim założeniem jest poprawne tagowanie działań marketingowych (czyli poprawne ich oznaczanie)

Załóżmy, że prowadzimy kampanie na Onecie, mamy tam kilka banerów, które po kliknięciu przekierowują użytkowników do naszej strony.

Aby te kampanie prawidłowo ocenić należy takie banery poprawnie otagować czyli np.

 

tagowanie linkow

 

Mając te banery oznaczone w taki sposób jesteśmy później wstanie ocenić, który baner okazał się lepszy i czy w ogóle którykolwiek z nich przyniósł nam jakikolwiek zwrot z inwestycji.

Problemy jakie tutaj najczęściej są spotykane to:

  • Brak tagowanie – czyli reklamodawca prowadząc kampanie nie oznacza tego w odpowiedni sposób
  • Zmiana sposobu tagowania przez reklamodawców – chodzi tutaj najczęściej o to, że reklamodawcy mają swój wewnętrzny system do mierzenia statystyk, który nie jest kompatybilny z naszym systemem, prowadzi to do tego, że w naszym systemie nie będziemy wstanie ocenić tych działań dopóki reklamodawca nie zacznie tagować kampanii według naszych zaleceń.
  • Nie poprawnie skonfigurowany serwer na którym jest strona klienta, czasami potrafi kasować nasze oznaczenia kampanii co uniemożliwi później analizę
  • Jednoczesne używanie tagowanie manualnego i automatycznego prowadzi również do takiej sytuacji, że dane są zbierane w sposób nie prawidłowy

 

Po spełnieniu przynajmniej tych dwóch założeń możemy uznać, że wnioski, które będziemy wyciągać na podstawie zebranych danych będą w dużej mierze wiarygodne.

Jak taką analizę wykonać, zależy od tego jakie cele dana strona realizuje i jak dużo czasu użytkownik potrzebuje na podjęcie decyzji odnośnie realizacji tego celu.

 

Jeżeli większość użytkowników dokonuje realizacji celu przy pierwszych odwiedzinach to taką analizę w dużej mierze możemy oprzeć na modelu last click czyli realizację celu przypisywać do źródła z ostatniego kliknięcia.

Jeżeli natomiast duża część użytkowników dokonuje realizacji celu nie w pierwszych a w kolejnych odwiedzinach to wówczas nie możemy opierać się już tylko na podstawie modelu last click, powinniśmy wówczas zadbać o to aby analizować konwersje wspomagane. Konwersje wspomagane są to takie konwersje, które pojawią się na ścieżce konwersji w dowolnym miejscu poza jej ostatnim etapem.

 

Poniżej przykład aby lepiej to zrozumieć

Załóżmy, że użytkownik „Adam” zanim zrealizował cel na naszej stronie, był na niej wcześniej 3 razy.

Załóżmy też że celem na naszej stronie jest zakup telefonu komórkowego.

 

sciezki wielokanalowe

 

Sytuacja wygląda tak, że „Adam” zanim dokonał zakupu był wcześniej na tej stronie trzy razy żeby zapoznać się z ofertą.

 

Pierwsze odwiedziny

Pierwszy raz do naszej strony został przekierowany poprzez naszą kampanie banerową w serwisie onet.pl, przy tych odwiedzinach „Adam” zapoznaje się z ofertą, nie dokonuje zakupu.

Drugie odwiedziny

Za jakiś czas wraca ponownie na naszą stronę, tym razem poprzez kampanie banerową, którą prowadzimy w serwisie wp.pl, tak jak w poprzednich odwiedzinach nie jest jeszcze gotowy aby dokonać zakupu.

Trzecie odwiedziny

Mija jakiś czas, „Adam” widząc nasz baner w serwisie o2.pl ponownie powraca na naszą stronę, tym razem również nie dokonuje zakupu.

Można powiedzieć, że teraz „Adam” jest już takim etapie, że wie już czego chce, przejrzał wcześniej naszą ofertę, zapewne przejrzał też ofertę naszej konkurencji.

Czwarte odwiedziny

Adam wiedząc teraz czego szuka wpisuje nazwę telefonu komórkowego do wyszukiwarki Google i wybiera najbardziej korzystną ofertę, Zakładamy, że nasz sklep ma taką właśnie ofertę.

Adam klika w link w wyszukiwarce i przechodzi do naszego sklepu, następnie dokonuje zakupu realizując cel naszej strony.

 

Jaki z tego wniosek

Analizując tą sytuację w oparciu o model last click całą zasługę tego, że Adam kupił ten telefon przypisalibyśmy do ostatnich odwiedzin, czyli wyszukiwarka Google wygenerowałaby przychód na kwotę 1000 zł a pozostałe kampanie w onet, wp i o2 nie przyczyniły się w ogóle do tego, że Adam kupił ten telefon.

 

model last click

 

Wniosek z tego taki, że inwestujemy kolejne pieniądze w wyszukiwarkę Google a kampanie w pozostałych serwisach wyłączamy ponieważ generują nam koszty nie dając żadnego zysku.

 

Jeżeli natomiast do analizy tej kampanii podejdziemy w inny sposób, to wnioski mogą okazać się zupełnie inne.

Sprawdzimy teraz jakie wnioski otrzymamy przy założeniu, że będziemy uwzględniać również to, jak zachowywał się użytkownik Adam przy wcześniejszych odwiedzinach (zanim dokonał zakupu).

Tworzymy model atrybucji, który:

  • do pierwszej interakcji przypisze 20% wartości zamówienia – w naszym przykładzie będzie to 200zł przypisane do kampanii w onet.pl
  • do ostatniej interakcji przypisze 50% wartości zamówienia – w naszym przykładzie będzie to 500zł przypisane do kampanii w Google
  • do środkowych interakcji przypisze w sumie 30% wartości zamówienia w naszym przypadku mamy dwie interakcje czyli 15% wartości zamówienia (150zł) przypiszemy do kampanii w wp.pl i o2.pl

 

konwersje wspomagane

 

Analizując tą kampanie w ten sposób widzimy, że wszystkie kampanie reklamowe przyniosły nam zyski, jest to sytuacja zupełnie inna niż była w pierwszym przypadku.

 

W pierwszym przypadku z danych wynika, że tylko kampania w Google była opłacalna, w drugim natomiast przypadku widzimy, że wszystkie te kampanie są ważne i, że każda z nich przynosi nam zysk.

Analizując działania marketingowe musimy już na samym początku zaprojektować odpowiedni model atrybucji i w oparciu o niego analizować dane.

 

Bez poprawnego modelu atrybucji nie będziemy wstanie poprawnie ocenić działań marketingowych, jak widzimy wyżej na przykładzie w zależności od modelu jaki wybierzemy do analizy wychodzą zupełnie inne wnioski co do tego, które kampanie generują zyski a które straty.

 

Projekt takiego modelu polega mniej więcej na tym aby przypisać odpowiednią wartość zamówienia do danej interakcji na ścieżce konwersji. Oraz na tym aby zdecydować, czy niektóre kampanie bądź zachowania użytkowników nie powinny być nagradzane większą bądź mniejszą wartością zamówienia.

 

Zaprojektowanie takiego modelu nie jest sprawą prostą, każdy biznes, każda strona a nawet każde działanie marketingowe powinno mieć swój indywidualny model atrybucji w zależności od realizowanego celu. Jeżeli potrzebujesz więcej informacji na ten temat napisz do nas przez poniższy formularz.

 

Your Email (required)

Subject

Your Message (required)