Blog
Sledování chování uživatelů na internetu nebylo nikdy snadné, zejména pokud se spoléháte pouze na službu Google Analytics. Ačkoli to byla v minulosti účinná metoda, nyní čelíme stále větším výzvám. Sledování uživatelů online je čím dál složitější.
Soubory cookie navíc postupně ztrácejí svůj význam a poskytují méně užitečných údajů. V důsledku toho získáváme méně signálů a údajů, které bychom mohli použít ke sledování uživatelů na internetu. Všechny tyto faktory pak omezují naše možnosti digitální analýzy.
Sledování uživatelů na individuální úrovni je základem digitální atribuce – souboru vzorců, které vidíte v Google Analytics a všech ostatních reklamních platformách, na které si vzpomenete. Digitální atribuce má stále velmi důležité místo a účelem tohoto článku není jen poukázat na její nedostatky. Naopak, naším cílem je, aby si tyto nedostatky všichni uvědomili a zamysleli se nad tím, kdy je tato metoda rozumnou variantou pro vyhodnocování kampaní a kdy ne.
Last-Click model v Google Analytics:
Společnost Google používá takzvaný Last non-direct click model. Ten přiřazuje 100% podíl na konverzi poslednímu zdroji návštěvy, který nebyl přímý.
Digitální atribuce má stále velmi široké uplatnění. Hlavním důvodem tohoto využití je, že je z velké části bezplatná a poskytuje velmi podrobný pohled na výkonnost marketingových aktivit. Díky službě Google Analytics můžeme zjistit, jaké jsou nejčastější cesty zákazníků ke konverzi. Kombinací různých modelů si pak můžeme sami ověřit, které kanály a v jaké fázi nákupního procesu měly podíl na příjmech a konverzích. Získáme tak skvělý nástroj pro každodenní přehled o tom, kde a jak efektivně využíváme své investice. Předpokládá to však, že se o analýzu dat skutečně zajímáme a nespokojíme se jen s tím, co vidíme v přehledech „zdroj/médium", kde se běžně používá pouze model Last-Click.
Problém nastává, pokud máte komplexní mediální mix, který zahrnuje nejen online reklamu, ale také spoustu offline aktivit. Ty samozřejmě v přehledu neuvidíte. Stejně tak pokud vás zajímá inkrementalita, budete ji pomocí atribuce vyhodnocovat jen velmi obtížně.
Přestože využíváte všechny dostupné signály, nemusí být dostatečné, protože se třeba překrývají, nebo jsou data neúplná. Důvody, proč tomu tak je, uvedeme níže.
V posledních letech jsou údaje v nástroji Google Analytics stále nepřesnější. Adblockery a problémy se sledováním uživatelů na různých zařízeních vedou k neúplným údajům o konverzních cestách.
Společnost Apple se svým systémem ITP (Intelligent Tracking Prevention) zkracuje životnost souborů cookie, což zkresluje cestu uživatele na delší dobu. Další komplikace přináší nové nařízení o souborech cookie z roku 2022, které vyžaduje souhlas uživatele se sledováním jeho aktivity.
Předpokládáme, že vzhledem k rostoucím opatřením na ochranu soukromí uživatelů na internetu budou údaje v budoucnu ještě omezenější.
Reklamní platformy často upřednostňují modely „last-click", které nadhodnocují kanály jako vyhledávání Google a podhodnocují kanály jako Facebook nebo YouTube, které často generují poptávku.
Příkladem může být, že jste začali intenzivně propagovat své produkty a svou značku. Používáte několik kanálů, jako je televize, OOH, YouTube atd. a některé z nich již v minulosti mohly uživatele přimět, aby díky nim na stránky přišel.
Několik lidí se po zhlédnutí vaší reklamy rozhodne navštívit vaše stránky a udělá to, co dělá spousta lidí – „vygooglí" si vás. Protože je váš trh poměrně vysoce konkurenční, používáte placené brandové reklamy, abyste se při vyhledávání vaší značky zobrazovali na prvním místě. Uživatel tedy na reklamu klikne a vy vidíte jeho návštěvu po vyhledání značky. A pokud provede konverzi, je připsána právě tomuto vyhledávání. Televizní reklama, OOH nebo jakýkoli jiný kanál, který prakticky vyvolal poptávku po vašem produktu, nedostane ani korunu.
Místo toho vám budou Google Analytics tvrdit, že brandové vyhledávání přineslo 300 tisíc korun měsíčně. Ve skutečnosti ale díky tomu, že si platíte reklamu v brandovém vyhledávání, mohlo do vašeho rozpočtu přijít jen 30 tisíc korun (zbytek by skončil u konkurence). Jde o problém s inkrementalitou, který je tím horší, čím známější je váš brand. Efekt zobrazení placené reklamy je pak nízký.
Digitální atribuce často přiřazuje konverze okamžitě a na základě krátkodobého vnímání. To může být problematické, pokud propagujete svou značku a své produkty na kanálech s dlouhodobým dosahem, jejichž efekt se může projevit až po delší době. Je docela možné, že televizní reklama, kterou jste před měsícem vypnuli, generuje příjmy ještě dnes – ale vy o tom nevíte. Digitální atribuce tak nezohledňuje dlouhodobý účinek reklamy.
Nezohlednění opožděného účinku reklamy přidává další nedostatek, a to, že digitální atribuce nezohledňuje nasycení kanálů. Efekt nasycení vysvětlíme na příkladu.
Pokud jste například začali inzerovat na Facebooku s nižšími investicemi, pravděpodobně jste oslovili nejvíce potenciálních uživatelů. Ale jak jste postupně zvyšovali investice, začali jste oslovovat i uživatele, u kterých byla pravděpodobnost nákupu nižší. To znamenalo, že postupem času byla jedna investovaná koruna stále méně účinná. Tento efekt se nazývá efekt saturace investice.
Digitální atribuce ho jednoduše nepostřehne a z dat jej lze jen stěží extrahovat. Zohlednění tohoto efektu je důležité při optimalizaci rozpočtu, protože má větší smysl investovat do efektivnějších kanálů.
Digitální atribuce často opomíjí vnější faktory a sezónní vlivy, které mohou významně ovlivnit efektivitu marketingu. Mezi tyto faktory mohou patřit změny chování spotřebitelů, dostupnost produktů nebo služeb, média a komunikace a konkurence. Je důležité je při vyhodnocování svého úsilí zohlednit.
Naštěstí existují alternativy, které můžeme využít. Je však důležité si uvědomit, že žádná z těchto metod nemá nahradit digitální atribuci. Tyto metody se vzájemně doplňují – efektivita vyhodnocování kampaní se zvyšuje tím, že všechny tyto dostupné nástroje používáte ke správným účelům, protože jste si vědomi jejich nedostatků. Jinými slovy, blíže k pravdě se dostanete, pokud budete všechny metody používat v kombinaci.
Dotazníky „Jak jste se o nás dozvěděli": Povinné dotazníky před dokončením nákupu nebo jiného typu konverze.
Náhodné experimenty (A/B testy): Uživatelé jsou rozděleni do náhodných skupin, přičemž jedna skupina provede změnu a druhá ne. Experimenty lze provádět také přímo v platformách, jako jsou Google Ads a Facebook. Můžete testovat různé parametry kampaní.
GEO experimenty: Tato metoda se používá hlavně v případech, kdy nemůžeme využít náhodné experimenty. Princip spočívá v zavedení změn pro různé geografické oblasti, kdy se náhodně rozhodujeme, zda v nich kampaň spustíme, nebo ne. Poté porovnáme výsledky a vyhodnotíme účinnost kampaně. K dispozici jsou metody jako Causal Impact společnosti Google nebo GeoLift společnosti Meta. Je důležité si uvědomit, že rozdělení nemusí být nutně podle geografické jednotky – může být také podle klíčového slova nebo produktu.
MMM je atribuční model, který nepotřebuje individuální vstupní údaje uživatelů (a tudíž nepřesnost měření nesnižuje jeho účinek) a může zohlednit všechny výše uvedené nedostatky. Modely lze navíc spolehlivě kombinovat s experimentálními výsledky. MMM bohužel nenabízí tak podrobný pohled jako digitální atribuce. Výsledky jsou obvykle na úrovni kanálu. Pro vhled do efektivity kampaní je nutné jej kombinovat s experimenty nebo atribucí.
Nedávné události zaměřené na ochranu soukromí uživatelů na internetu zintenzivnily debatu mezi marketéry o předsudcích a nedostatcích používání služby Google Analytics k analýze marketingového mixu a investic. Postupem času stále nepřesnější sledování chování na webu, a tedy neúplné pochopení cesty zákazníka, vede k nižší přesnosti přiřazování konverzí a méně efektivnímu vyhodnocování marketingových aktivit.
Mezi hlavní problémy patří neúplnost údajů, preference „klikacích kanálů", krátkodobé vnímání, nezohlednění změn v účinnosti kanálů, vnějších faktorů a sezónnosti. Tyto problémy mohou vést k nesprávné interpretaci údajů a špatným marketingovým rozhodnutím.
Na druhou stranu existují alternativy k digitální atribuci, které v kombinaci s ní mohou poskytnout mnohem realističtější a hodnotnější pohled na efektivitu marketingových investic. Patří mezi ně dotazníky „Jak jste se o nás dozvěděli", náhodné experimenty (A/B testy), GEO experimenty a modelování marketingového mixu (MMM). Tyto metody mohou poskytnout přesnější a užitečnější údaje pro hodnocení a optimalizaci marketingových investic.
Tento článek nechce diskreditovat Google Analytics, které mají v marketingu a webové analytice nepochybně stále své místo a mohou být velmi užitečné. Je však důležité, aby marketéři kriticky přemýšleli o zkresleních a nedokonalých signálech digitální atribuce. A také abychom všichni zaujali důslednější přístup k atribuci a vyhodnocování marketingových aktivit. Jen díky tomu získáme přesnější obraz o tom, co je skutečně inkrementální a co ne.
Máte i nějakou otázku?
Můžete se nám ozvat napřímo
