Tillskrivningsmodeller

För annonsörer som framförallt är intresserade av att få många konverteringar, och inte bekymrar sig så mycket över skiftande värde för själva konverteringen, är det fullt tillräckligt att bara veta hur många konverteringar en kampanj assisterade via klick eller visningar.

Men för ehandlare och andra företag som har stora variationer i ordervärden eller olika värden för olika konverteringstyper så är det mycket mer relevant att se värdet av de konverteringar klicken eller visningarna assisterade.

Det vet förstås Google och därför finns det också rapportkolumner för detta, som du ser på bilden nedan (den första raden visar siffror för hela kontot, de nedanstående raderna endast för två sökord).

Konverteringar Klickassisterade konverteringar Visningsassisterade konverteringar Summa omv.värde Värde för klickassisterade konverteringar Värde för visningsassisterade konverteringar
7 965,00 6 927 24 162 7 071 133,00 6 331 892,00 22 747 733,00
359,00 450 1 376 501 072,00 515 529,00 1 504 079,00
450,00 314 1 003 237 263,00 216 807,00 776 861,00

Som du ser är värdet som sökord fått genom sista klick (‘Summa omv.värde’) inte lika med värdet för klick- och visningsassisterade. Det beror förstås på att värdet av varje konvertering tillskrivs de sökord som assisterade med en visning eller klick, och ofta kan de vara flera.

Så, låt oss säga att vi fick en konvertering som inbrigande värdet 1 000 kr och att ett sökord bidrog med sista klicket, ett annat sökord assisterade med ett klick och ett tredje sökord assisterade med en visning (vi skulle lika gärna kunna anta att det assisterat med fler klick respektive visningar, det är ändå bara en konvertering som assisterats så värdet är detsamma). Isåfall skulle tabellen se ut så här:

Konv. Klickassist. konv. Visningsassist. konv. Summa omv.värde Värde klickass. konv. Värde visn.ass. konv.
Sista klick-kampanj 1 1,000 kr
Klickassist. kampanj 1 1,000 kr
Visningsassist. kampanj 1 1,000 kr

Det är redan nu uppenbart att vi måste vara försiktiga när vi använder tillskrivna värden för att ange bud. För räknar vi med att alla kampanjer bidragit lika mycket och dessutom tillskriver samma värde (1 000 kr) till dem alla och använder den siffran när vi räknar ut den CPA-kostnad och ROAS som vi baserar våra bud på, så kommer våra bud bli för höga eftersom vi skulle sätta bud som om vi fått in 3 000 kr när vi faktiskt bara fått in 1 000 kr.

Och tillskriver vi endast kampanjen med det sista klicket ett värde så riskerar vi att sätta ett för högt bud för den kampanjen men ett för lågt för de andra, eftersom vi faktiskt räknar med att de inte bidragit alls till att denna konvertering skedde. Det är förstås svårt att spekulera i vad gäller en enskild konvertering, men generellt sett är det inte rimligt att anta att klick och visningar som var del i en proces som ledde fram till ett köp inte haft någon inverkan och inte något värde.

Låt oss göra kalkylen aningen mer komplex, och låta vår sista-klick-kampanj också få en visningsassisterad konvertering, den visningsassissterade också få en sista-klick konvertering och den klickassisterande få ytterligare en klickassisterad konvertering.

Låt oss dessutom sprida ut värdet för vardera konvertering så att kampanjer som bidragit med sista klicket alltid tilldelas 50% av värdet och att assisterande kampanjer får dela lika på resterande värde, alltså 25% eller 250 kr var i exemplet. Vi får då fram ett så kallat viktat värde.

  Konv. Klickassist. konv. Visningsassist. konv. Summa omv.värde Värde klickass. konv. Värde visn.ass. konv. Viktat värde
Sista klick-kampanj 1 1 1,000 kr 1,000 kr 750 kr
Klickassist. kampanj 2 2,000 kr 500 kr
Visningsassist. kampanj 1 1 1,000 kr 1,000 kr 750 kr
Summa 2,000 kr 2,000 kr

Det är det här viktade värdet vi bör använda när vi räknar ut vår ROAS och CPA (vad gäller CPA gör vi bara samma division för konverteringar istället för värden).

Åtminstone om vi tycker att den här modellen för tillskrivning av konverteringar och deras värden är rimlig. Vi kanske inte alls anser att visningar bör tillskrivas något värde; eller att endast visningar av bildannonser i displaynätverket bör det. Vi kanske tycker det är rimligare att klickassisterande kampanjer får ett högre värde, eller att sista klicket får ett lägre.

Vilken modell man använder bör anpassas efter mönster i köpprocesser bland kunder inom särskilda branscher. Har man resurser att göra egna studier av hur sådana ser ut är det fantastiskt, men de flesta företag får nöja sig med att göra rimliga antaganden. Google tillhandahåller också ett verktyg (‘Attributionsmodeller’)i vilket man kan använda en eller flera fördefinierade modeller och jämföra utfallet mellan dem.

På bilden nedan har vi räknat ut vad antalet konverteringar och kostnaden per konvertering blir i två olika modeller, en som bara tar hänsyn till första klicket och en som bara tar hänsyn till sista klicket före konverteringen.

Sista klick Första klick
Kostnad Konverteringar Kostn./konv. Konverteringar Kostn./konv.
231 080,46 kr 4 620,00 50,02 kr 4 253,00 54,33 kr
163 478,64 kr 1 395,00 117,19 kr 1 476,00 110,76 kr
115 040,05 kr 1 297,00 88,70 kr 1 097,00 104,87 kr
259 095,53 kr 1 129,00 229 49 kr 892,00 213,83 kr
190 738,96 905,00 210,76 kr 892,00 213,83 kr
31 549,75 kr 795,00 39,69 kr 704,00 44,81 kr
24 807,51 kr 579,00 42,85 kr 549,00 45,19 kr
189 929,77 kr 544,00 349,14 kr 663,00 286,47 kr
52 779,66 kr 498,00 105,98 kr 505,00 104,54 kr
30 908,77 kr 432,00 71,55 kr 431,00 71,71 kr

Det här verktyget finns att tillgå både i AdWords (under Verktyg => Konverteringar => Attribution=> Attributionsmodeller) och i Google Analytics. Fördelen med att göra sådana här modeller i Analytics är att det verktyget också tar hänsyn till källor andra än AdWords. På nästa bild ser du hur det kan se ut (assisterade konverteringar kallas här ‘indirekta’).

89

Jag hoppas att den här korta framställningen har gjort det tydligt både att tillskrivning är ett mycket komplicerat och ett mycket viktigt område inom marknadsföring, och att det skapar stora tekniska utmaningar för företag att ta fram verktyg att skräddarsy egna lösningar för att samla in data och välja tillskrivningsmodeller som passar dem.