Google Analytics Attribution Modeling ובקיצור GAAM זוהי שיטת מידול המאפשרת לקבוע באיזה אופן למדוד את ערוצי שיווק המובילים להמרה, לבחון דרכי המרה שונות ולנתח את אפקטיביות הפעילות השיווקית עבור העסק שלכם.

GAAM סוללת את הדרך לתשובות לשאלות כמו: האם ערוצי השיווק הפעילים כרגע באתר העסק עושים עבודה ראויה? האם ערוץ החיפוש בתשלום משתלם עבור העסק, על אף ערכי המרה נמוכים? בניגוד לעבר, בו הייתה אפשרות השימוש ב-GAAM זמינה למנויי Google Analytics Premium בלבד, הרי שהיום היא זמינה לכלל המשתמשים.

מהם מודלים של ייחוס בגוגל אנליטיקס וכיצד הם עוזרים לנו

מודל שיוך כמערכת להקצאת "ניקוד" בשבילי המרה

"שביל המרה" – רצף של אינטראקציות (כדוגמת קליקים או הפניות מערוצי שיווק) שהובילו בסופו של דבר להמרה וביצוע עסקה.

מודל שיוך מהווה כלל, או סט של כללים, לפיהם נקבע ניקוד עבור כל מכירה והמרה, על-פני "נקודות מגע" (Touchpoints) בשבילי המרה. נוכל להציג כדוגמא את "מודל האינטראקציה האחרונה", המקצה 100% ניקוד עבור נקודות מגע, למשל – קליקים, המובילות למכירה או המרה. לעומת זאת, מודל האינטראקציה הראשונה מקצה את אותם 100% עבור נקודות מגע המתחילות שבילי המרה.

ניתן לעשות שימוש בכלי השוואת מודלים (Model Comparison Tool) על מנת לבחון כיצד מתפרשת הערכת שווי של ערוצי השיווק, על-ידי מודלי שיוך שונים. ערך ההמרה המחושב באמצעות כלי זה, כמו גם מספר ההמרות, עבור כל אחד מערוצי השיווק, עשוי להשתנות בהתאם למודל הייחוס בו נעשה שימוש. יצוין לדוגמא, כי ערוץ שיווק האחראי בעיקר להתחלת שבילי המרה, יזכה לניקוד גבוה יותר על-פי מודל האינטראקציה הראשונה, ביחס לניקוד שיקבל על-פי מודל האינטראקציה האחרונה.

GAAM מאפשר למדוד את ביצועי הפעילות השיווקית לפי כמה מודלים:

מודל אינטראקציה אחרונה:
בשונה ממודלים אחרים של אנליטיקס, המודל מתמקד באינטראקציה האחרונה של הערוץ בשביל ההמרה. זוהי גם ברירת המחדל של הצגת נתוני ההמרות בגוגל אנליטיקס, כלומר כברירת מחדל ההמרה משויכת לאינטראקציה האחרונה שדרכה הגיע המשתמש לאתר.

קליק בלתי-ישיר אחרון:
משמש להשוואה עם מודלים אחרים. מייחס ההמרות לערך האחרון בשביל המרה שאינו ישיר. כלומר הגיע מערוץ כגון אדוורדס / פייסבוק וכדומה.

קליק אחרון מ-Adwords:
הקליק האחרון שמיוחס לאדוורדס. משמש לבחינת היעילות של אדוורדס ללא קשר לנקודת הזמן של הקליק.

אינטראקציה ראשונה:
מתייחס לאינטראקציות הראשונות בשבילי ההמרה. משמש לקבוע מיהו הערוץ הראשון שהחל להביא תנועה לאתר, אולם יחס ההמרה שלו נמוך, משמע – חלק ניכר מהגולשים שהגיעו דרכו, לא יחזרו.

מודל ליניארי:
המודל הליניארי מתייחס לכל הערוצים שלקחו חלק בשביל ההמרה באופן שווה. במידה שישנם חמישה כאלה, הרי שלכל אחד יהיה חלק בגודל 20% מסך ההמרה. המודל משמש למדידת ביצועים כוללת.

זמן דעיכה:
מתייחס לערוצים שהתנועה בהם קרובה יחסית להמרה (בסוף שביל ההמרה), מבוססת על אלגוריתמים של זמן. ככל שהפעילות שהתבצעה מערוץ שיווקי ספציפי הייתה קרובה יותר למימוש ההמרה כך הערוץ יקבל ערך גבוה יותר וככל שהפעילות מהערוץ רחוקה יותר ממימוש ההמרה הערוץ יקבל ערך נמוך יותר.

מודל מבוסס מיקום:
מתייחס בעיקר לערוץ הראשון והערוץ האחרון של ההמרה (40% לכל אחד מהם), ופחות לשאר הערוצים, המקבלים כולם התייחסות שווה (20% סה"כ המתחלקים בין כל ערוצי הביניים).

לסיכום

סקרנו כאן אלמנטים בסיסיים להבנה טובה יותר של ערוצי התנועה וביצועי ההמרה שלהם. השלב הבא יהיה להבין כיצד GAAM מאפשר לכם לנתח סטים של נתונים (מנועי חיפוש ייחודיים, רשתות Affiliate, פלטפורמות חברתיות ספציפיות, שיווק באימייל ועוד).

שי שאואט שי שאואט

מהנדס תוכנה, מנכ"ל

מה אני אוהב? אז ככה: ללמוד על התפתחות אישית והתפתחות עסקית, לשלב שיווק עם טכנולוגיה וחזון, אוהב ליזום, אוהב לעבוד עם Drivers (שגר ושכח) בזמני הפנוי המהנה תמצאו אותי מטייל (עדיפות חזקה לחו"ל), מתאמן (משתדל מאוד) ושותה קפה בים (ההנאות הקטנות של החיים).

Comments

comments