Mi az a marketingattribúció és hogyan válaszd ki a legjobb modellt?

A marketingattribúció a gyakorlatban egyszerűnek tűnhet, de minél mélyebbre ásol a témában, annál komplexebbé válik: vajon egy Instagram-poszt vagy egy felkapott TikTok-videó keltette fel a vásárlód érdeklődését? Esetleg célzottan kerestek rá a termékedre a Google-ben, vagy egy hírlevélben található linkre kattintva adták le a rendelést?

Ahogy növekszik a webáruházad, úgy válik egyre összetettebbé a marketingattribúció folyamata is. A weboldalad, a különböző közösségimédia-felületek, az influenszer-együttműködések és az offline interakciók mind egy-egy érintkezési pontot jelentenek a lehetséges vásárlókkal. Bár a mérés nem tökéletes természettudomány, minél tisztább adatokat látsz az ügyfélút mentén, annál okosabb és nyereségesebb döntéseket hozhatsz a vállalkozásod érdekében.

Mi az a marketingattribúció?

A marketingattribúció a különböző marketingcsatornák teljesítményének értékelési és nyomon követési folyamata. A célja az, hogy tűpontos képet kapj mindazokról az interakciókról, amelyeken keresztül az ügyfeleid a konverzióig eljutnak. Lehetővé teszi, hogy számszerűsítsd azoknak a kampányoknak a sikerét, amelyek hozzájárultak az eladáshoz, így pontosan tudni fogod, hová érdemes fektetned a marketingbütéd. 

Miért vált nehezebben mérhetővé az utóbbi időben?

• Többeszközös világ: A hazai vásárlók többsége is váltogatja az eszközeit: napközben a telefonján böngészik a tömegközlekedésen, majd este a laptopjáról fejezi be a vásárlást. Az analitikai rendszerek ezt alapértelmezés szerint két külön látogatónak érzékelik.

• Szigorú adatvédelmi szabályok: A GDPR és a böngészők beépített követésgátlói miatt a felhasználóknak kifejezetten hozzá kell járulniuk a sütik (cookie-k) használatához, ami torzíthatja a statisztikákat.

• A kattintásalapú modellek korlátai: A legtöbb rendszer csak azt méri, amire rákattintottak. Ha valaki meglát egy kreatív Facebook-hirdetést, nem kattint rá, de másnap közvetlenül beírja a webshopod nevét a böngészőbe, a hagyományos mérések alapján a közösségi média nem fog számítani.

A megbízható marketingattribúció alapjai

Mielőtt részletesen bemutatnánk a különböző modelleket, érdemes tisztázni egy fontos tényt: tökéletes, 100%-os mérési pontosság nem létezik. Még a legfejlettebb analitikai szoftverek sem képesek teljes egészében feltérképezni, hogyan hatott külön-külön minden egyes érintkezési pont a vásárlók döntéseire. A modellek és eszközök csupán a valóság minél pontosabb közelítését szolgálják.

A maximális pontosság eléréséhez a következő lépésekre kell építened:

• A követőkódok és pixelek hibátlan beállítása (Meta-pixel, Google Ads konverziókövetés, Google Analytics 4 események).

• Egy következetes UTM-címkézési rendszer kialakítása, amely tiszta és átlátható adatokat biztosít az ügyfélutakról.

• A különböző attribúciós modellek logikájának megértésével az adatok ismeretében a legjobb marketingdöntéseket hozhatod meg.

Mindent az UTM-paraméterekről

Az UTM-paraméterek olyan rövid kiegészítő címkék az URL végén (egy „?" vagy „&" jel után), amelyek segítenek az analitikai eszközöknek beazonosítani, pontosan honnan érkeznek a látogatók a Shopify webáruházadba.

Például: www.a-te-webshopod.hu?utm_source=facebook&utm_medium=cpc

Bár elsőre bonyolultnak tűnhet, ez a digitális marketing egységesített nyomkövetési rendszere. Ezeket a hivatkozásokat könnyedén létrehozhatod a Google Campaign URL Builder eszközével vagy olyan böngészőbővítményekkel, mint az UTM.io. A Google eszköze automatikusan kódolja a speciális karaktereket (például a szóközöket), így nem sérül meg a link szerkezete.

Az analitikai programok öt szabványos paraméter alapján csoportosítják és elemzik a bejövő forgalmat:

• Kampányforrás (utm_source): A konkrét platformot vagy weboldalt jelöli, ahol a link elhelyezkedik. Ha például az Instagram-profilod biojába teszel ki egy hivatkozást, az utm_source=instagram értéket érdemes használnod.

• Kampányközeg (utm_medium): A marketingtevékenység vagy a csatorna jellegét írja le. Ha egy fizetett Google Ads-hirdetés forgalmát követed, az utm_medium=cpc (kattintásonkénti fizetés) a megfelelő választás.

• Kampánynév (utm_campaign): Segít beazonosítani egy-egy konkrét promóciót. Egy márkás keresési hirdetés esetén használhatod az utm_campaign=brand_kereses elnevezést.

• Kampánykifejezés (utm_term): Elsősorban a fizetett keresőhirdetéseknél alkalmazzák a megcélzott kulcsszavak nyomon követésére.

• Kampánytartalom (utm_content): Kifejezetten hasznos hirdetések vagy kreatívok A/B-tesztelésénél, így láthatod, melyik verzió teljesít jobban.

Egyedi paraméterek alkalmazása

Saját, egyedi címkéket is bevezetheted a részletesebb szűrés érdekében. Szezonális akcióknál használhatod például az utm_season=osz paramétert, vagy alkalmazhatsz dinamikus értékeket (ValueTrack) is, ahol az &utm_device={device} kód automatikusan behelyettesíti, hogy a látogató mobilról vagy asztali számítógépről érkezett-e.

Nézzünk egy gyakorlati példát. Ha egy téli kabátokat népszerűsítő, általános Google keresési kampány teljesítményét szeretnéd mérni a „téli kabátok” kulcsszóra licitálva, az URL így fog kinézni:

www.mystore.com?utm_source=google&utm_medium=cpc&utm_campaign=nem_markas_kereses_teli_kabatok&utm_term=teli_kabatok

A paraméterek pontosan leírják a látogatás hátterét:

• Forrás: Google
• Közeg: CPC (fizetett hirdetés)
• Kampány: Nem márkás, téli kabátokra fókuszáló keresési hirdetés
• Kifejezés: Licitálás a „téli kabátok” kulcsszóra

Legjobb gyakorlatok az UTM-rendszer kezeléséhez

Az UTM-paraméterek segítségével pontosan látni fogod, honnan származnak a bevételeid, de a rendszer csak akkor működik hatékonyan, ha figyelembe veszed a következő szabályokat:

• Az elnevezések szubjektívek, de legyenek egyértelműek: Használj olyan kifejezéseket, amelyeket te és a csapatod is könnyen átláttok, és maradjatok következetesek.

• A kis- és nagybetűk számítanak: Az utm_source=Facebook és az utm_source=facebook két teljesen külön forrásként fog megjelenni a Google Analyticsben, ami feleslegesen darabolja fel a riportokat. Törekedj a kisbetűk használatára.

• Vezess nyilvántartást: Alakíts ki egy közös táblázatot az éppen futó és a múltbeli UTM-paraméterekről, hogy mindenki pontosan tudja, mit jelentenek a kódok.

• Mindig teszteld a kész hivatkozásokat: Előfordulhat, hogy a túl hosszú URL-szerkezete megsérül. Mielőtt költségkeretet rendelnél a hirdetésekhez, kattints rá a kész linkre és ellenőrizd a céloldalt. A speciális karakterek kódolásához bátran használj online URL Encoder eszközöket.

• Alkalmazz linkrövidítőt: A hosszú, paraméterezett linkek nem mutatnak jól a közösségi média felületeken vagy a hírlevelekben. Ha a látogatók számára is látható helyre teszed ki a hivatkozást, használj olyan szolgáltatást, mint a bit.ly, hogy rövidebb és vonzóbb formát kapj.

Felhasználói utak csoportosítása az eszközök között a felhasználói azonosítók segítségével

A megfelelő UTM-követés remek lépés a helyes irányba, de önmagában még nem old meg mindent. Alapértelmezés szerint ugyanis, ha ugyanaz a látogató több különböző eszközön is felkeresi a webáruházadat, a rendszer minden egyes látogatást külön személyként és eltérő útként fog kezelni.

Képzeljük el a következő klasszikus esetet: egy potenciális vásárló meglát egy Instagram Storyt az egyik termékedről, rákattint, körülnéz, de nem vásárol azonnal. Később a hazafelé úton a telefonján újra rákeres a márkádra, majd végül lefekvés előtt a laptopján ülve egy Google Shopping-hirdetésen keresztül leadja a rendelést.

Hogy ezt a folyamatot ne három külön vásárlónak lásd, és az ugyanattól a személytől érkező lépéseket össze tudd kapcsolni, engedélyezned kell a felhasználói azonosítókat (User ID) a Google Analytics felületén, és össze kell kötnöd azt a CRM-rendszereddel vagy a Shopify-al.

A Google Analytics felhasználói azonosítói minden látogatóhoz egy egyedi, nem személyazonosításra alkalmas (úgynevezett nem PII) kódot rendelnek, amely beépül minden küldött adatba. Ezzel az azonosítóval egyszerűen egységesítheted az egyes ügyfelek interakcióit az eszközök között, sőt, akár az online és offline érintkezési pontokat is összevezetheted.

Az a képesség, hogy a különböző eszközökön zajló, látszólag független látogatásokat egyetlen összefüggő folyamattá gyúrd össze, elengedhetetlen ahhoz, hogy tiszta képet kapj arról, hogyan teljesítenek a kampányaid a valóságban.

7 marketingattribúciós modell

1. Utolsó kattintás
2. Első kattintás
3. Utolsó nem közvetlen kattintás
4. Lineáris
5. Időbeli csökkenés
6. Pozícióalapú modell
7. Algoritmikus vagy adatvezérelt modell

Általában hétféle alapvető marketingattribúció-modell közül választhatsz a vállalkozásod egyedi céljai szerint, illetve attól függően, hogy az értékesítési tölcsér melyik szakaszára szeretnéd helyezni a legnagyobb hangsúlyt.

Az alábbiakban mindegyik modellt részletesen bemutatjuk, hogy pontosan lásd, miként oszlanak meg az értékek az érintkezési pontok között. Figyeld meg jól, hogy ugyanaz az ügyfélút mennyire eltérő eredményt mutat a statisztikákban pusztán azáltal, hogy melyik modellt alkalmazod.

1. Utolsó kattintás

Az utolsó kattintás attribúció a leggyakrabban használt megoldás és a legtöbb hirdetési platform vagy mérőeszköz alapértelmezett beállítása. Ez az egyérintéses modell akkor ideális, ha kifejezetten a forgalom közvetlen vásárlássá alakítására fókuszálsz.

A konverzióhoz való hozzájárulást teljes egészében, azaz 100%-ban az utoljára lekattintott hirdetés és a hozzá kapcsolódó kulcsszó kapják. Emiatt az értékesítési tölcsér legalsó részén elhelyezkedő kampányok – mint a márkaneves keresések vagy a remarketing-hirdetések – felértékelődnek a riportokban, míg a hideg célközönséget megszólító, márkaismertséget építő kampányok egyáltalán nem fognak hozzájárulni.

2. Első kattintás

Ez az egyérintéses megközelítés a legelső érintkezési pontot tekinti a döntő lépésnek, így azé a csatornáé lesz a teljes hozzájárulás is, ami bevezette az ügyfelet az értékesítési folyamatba. Akkor érdemes használnod, ha a legfőbb célod az új látogatók megszerzése, illetve a márkaismertséget növelő kampányok költségkeretének optimalizálása.

A modell a konverzió sikerét kizárólag annak a hirdetésnek vagy kulcsszónak tulajdonítja, amely az első kattintást kiváltotta. Ebből adódóan a tölcsér alján zajló nagyértékű tevékenységek (például a célzott remarketing) teljesen kimaradnak a képletből. Ez könnyen ahhoz a téves következtetéshez vezethet, hogy csökkentened kellene a konverziót lezáró hirdetések büdzséjét, ami végül a teljes bevételt visszavetheti.

3. Utolsó nem közvetlen kattintás

Ez a modell annak a kattintásnak adja a teljes sikert, amely közvetlenül azelőtt történt, hogy a vásárló beírta volna a webáruházad pontos címét a böngészőbe. A hozzájárulás 100%-ban ezt az utolsó, nem közvetlen csatornát illeti – a fenti példát alapul véve, ez egy promóciós e-mail vagy hírlevél lenne.

A közvetlen forgalom leggyakrabban olyan visszatérő ügyfelektől származik, akik egy korábbi marketingkampány hatására már meghozták a vásárlási döntést. Az utolsó nem közvetlen kattintás-modell segít kiszűrni ezt a közvetlen forgalmat és rávilágít a vásárlást megelőző utolsó aktív marketingtevékenységre. Így pontosan láthatod, hogy valóban az e-mail adott-e végső lökést a konverziónak. A közvetlen csatorna ebben a modellben csak akkor ér hozzájárulást, ha az ügyfél egyetlen mérhető interakciója az volt, hogy közvetlenül felkereste a boltot.

4. Lineáris attribúció

A lineáris modell teljesen egyenlő arányban osztja el a konverziós hozzájárulást a vásárlói út során történt összes kattintás között. Ez a többérintéses marketingattribúció legegyszerűbb formája. Segítségével egyetlen releváns interakcióról sem maradsz le, viszont hátránya, hogy nem mutatja meg, pontosan melyik csatornának volt a legnagyobb meggyőző ereje a folyamat során. 

5. Időbeli csökkenés

Az időbeli csökkenésen alapuló modell logikája hasonlít az utolsó kattintáséhoz, azonban nem hagyja teljesen figyelmen kívül a korábbi lépéseket sem. Elosztja a hozzájárulásokat a konverzióhoz vezető interakciók között, de lényegesen nagyobb súlyt ad azoknak a kattintásoknak, amelyek időben a legközelebb történtek a tényleges vásárláshoz. 

6. Pozícióalapú modell

A pozícióalapú, vagy más néven U-alakú modell kiemelt fontosságot tulajdonít a legelső és a legutolsó kattintásnak: mindkét interakció egységesen 40–40%-ot kap a sikerből. A fennmaradó 20%-ot a rendszer egyenlő arányban osztja szét a két pont között elhelyezkedő köztes kattintások között.

Ez a megközelítés azt feltételezi, hogy az út eleje és a lezárás a legértékesebb lépések, ugyanakkor előfordulhat, hogy a tölcsér közepén is futnak olyan kampányok vagy meggyőző tartalmak, amelyek valójában komolyabb szerepet játszottak a döntésben.

7. Algoritmikus vagy adatvezérelt modell

Ezt a modellt gyakran egyedi attribúciónak nevezik. Ha elegendő adat áll rendelkezésre, hagyhatod, hogy a gépi tanulás döntse el, mely érintkezési pontok kapják a legtöbb hozzájárulást egy vásárlói útvonalon. Elméletileg ez a legjobb modell, de azon múlik, hogy van-e elegendő múltbeli adat ahhoz, hogy a gépi tanulás súlyozza a különböző érintkezési pontokat.

Attribúciós különbségek a platformok között

Amikor megvizsgálod a marketingattribúció adatait a Google Ads, a Facebook Ads, a Google Analytics vagy éppen a Shopify-jelentések felületén, komoly eltéréseket tapasztalhatsz. Melyik szám mutatja a valóságot? Technikailag mindegyik helyes – csupán teljesen más szemszögből vizsgálják a folyamatokat. Íme egy áttekinthető útmutató arról, hogyan működnek az egyes rendszerek a gyakorlatban. 

Shopify

A Shopify Csatornateljesítmény-jelentése átfogó, tiszta képet ad a vásárlók konverziós útjáról. A felületen ráadásul egyetlen kattintással átválthatsz az általad preferált szemléletmódra:

• Konverzió utolsó kattintás alapján
• Konverzió utolsó nem közvetlen kattintás alapján
• Konverzió első kattintás alapján

A Shopify beépített marketingelemzési eszközei segítenek jobban átlátni a vállalkozásodat. Pillanatok alatt ellenőrizheted az egyes csatornák hozzájárulását az eladásokhoz, így könnyedén kiválaszthatod a számodra legmegfelelőbb modellt.

Google Ads

A Google Ads kizárólag a saját hálózatán belüli forgalmat figyeli. Nem képes kiszűrni a más platformokon futó hirdetési kampányok duplikációit, mivel egyszerűen nem lát rá a külső érintkezési pontokra.

Ebből kifolyólag hozzájárulásnak számít minden olyan vásárló, aki a megadott időn belül kapcsolatba lépett egy Google-kampánnyal – még akkor is, ha a felhasználó később a Facebookon, egy hírlevélen vagy közvetlen keresésen keresztül jutott el a konverzióig. Alapértelmezés szerint a Google Ads a hirdetésre való kattintástól számított 30 napos időtartamot (attribúciós ablakot) vizsgálja és az utolsó kattintásos modellt alkalmazza.

Facebook Ads (Meta)

A Meta hirdetési rendszere szintén zárt láncként működik: csak a Facebook és az Instagram felületein történő interakciókat regisztrálja. Nem hangolja össze az adatokat más hirdetési platformokkal, így magának tulajdonítja a sikert, ha a vevő egy bizonyos időintervallumon belül megtekintett vagy lekattintott egy Facebook-hirdetést – még akkor is, ha a tényleges vásárlást később egy Google Ads-kampány vagy egy e-mail hozta meg.

A Facebook alapértelmezés szerint az utolsó kattintás elvét követi, méghozzá a hirdetés megtekintésétől számított 24 órás, valamint a kattintástól számított 28 napos attribúciós ablakban.

A Meta az egyetlen olyan nagy hirdetési felület, ahol az alapértelmezés szerint a tisztán megjelenésalapú (kattintás nélküli) megtekintések is hozzájárulásnak számítanak. Ha szeretnél pontosabb és tisztább összehasonlítási alapot kapni a többi csatornáddal, javasolt a beállításokat kizárólag kattintásalapú mérésre módosítani.

Google Analytics

A Google Analytics és a hasonló mérőplatformok a különböző fizetett és organikus csatornák kattintásait követik nyomon. Nagy előnyük, hogy összekapcsolhatók külső offline adatforrásokkal vagy egyedi felhasználói azonosítókkal (User ID) is.

Az adatimportálás funkció segítségével külső rendszerek adatait is feltöltheted, így a platformokon átívelő ügyfélinterakciók túlnyomó részét egyetlen központi helyen elemezheted. A Google Analytics ráadásul automatikusan kiszűri a duplikációkat a csatornák között: a sikert a konverziós út legutolsó érintkezési pontjának adja, kivéve, ha az közvetlen látogatás volt. Közvetlen látogatás esetén a hozzájárulást az azt megelőző utolsó nem közvetlen csatorna kapja meg.

A hirdetésszerverek és a megjelenésalapú attribúció

Bár az online kereskedelemben a legtöbb marketingattribúció kattintásalapú, a megjelenésalapú (impression-based) riportálás is komoly értékkel bír. Gondolj a saját szokásaidra: rákattintasz minden egyes hirdetésre, ami felkelti az érdeklődésedet? Valószínűleg nem, de a látvány ettől függetlenül hatással van a későbbi döntéseidre.

Egy professzionális hirdetésszerver lehetővé teszi, hogy egyetlen központi felületen egyesítsd és tisztítsd meg az összes marketingadatodat, miközben hozzáférést biztosít a megjelenésszintű statisztikákhoz is.

Előfordulhat például, hogy a Google keresési hirdetéseid kiváló eredményeket produkálnak kattintási szinten. Amikor azonban megvizsgálod a megjelenési adatokat, kiderülhet, hogy a konvertáló vásárlók többsége korábban már látott egy YouTube-videóhirdetést, és csak ennek hatására keresett rá később a termékedre a Google-ben. A Google Marketing Platform kiváló példa erre a technológiára, ahol a keresések, videók, display-hirdetések és bizonyos közösségimédia-felületek megjelenési adatai is egyben láthatók.

Hatékonyabb marketingköltés az attribúció segítségével

A marketingattribúció működésének, az egyes modellek logikájának és a mérések korlátainak megértése a legfontosabb lépés a pontosabb nyomon követés, a tiszta adatbázisok és a profitot termelő üzleti döntések felé. Bár a digitális környezet változása miatt a mérés egyre összetettebb feladattá válik, a pontos adatok nyújtotta előnyök megkérdőjelezhetetlenek.

A strukturált attribúciós adatok felbecsülhetetlen értékű elemzésekkel szolgálnak arról, hogy a vásárlóid hol és hogyan lépnek kapcsolatba a márkáddal. Ezen információk birtokában úgy optimalizálhatod a kampányaidat és a teljes marketingstratégiádat, hogy a lehető legmagasabb megtérülést (ROI) érd el a hazai piacon.