Wiemy już, jak atrybucja w e-commerce ma się do środowiska zarządzania firmą i projektami. Teraz możemy przejść do omówienia wszystkich czynników mających wpływ na dokładność naszego zbioru danych. One rzutują na właściwy przebieg procesu atrybucji. Zapraszamy do lektury drugiej części cyklu „Atrybucja w e-commerce”.
Dla przypomnienia: atrybucja w e-commerce używana jest do sprawdzenia efektywności działań marketingowych i optymalizacji performance’u. Innymi słowy: e‑commerce’y mogą zidentyfikować strategiczne elementy kampanii (te, które przynoszą większą sprzedaż), a także lepiej zarządzać swoimi zasobami. Aby to zrobić, korzystają ze wsparcia technologii.
Jednak nie jest łatwo rozdzielić ładnie wyglądające narzędzia analityczne od tych, które rzeczywiście pokazują prawidłowe dane. A jest to przecież fundament działania. Bo w sytuacji, gdy dane, na których opiera się atrybucja są fałszywe, sama atrybucja staje się czystą teorią. Dokładność danych determinowana jest przez dwa kluczowe procesy: ustalenie prawidłowej struktury danych i aktualnie używany zbiór danych.
Prawidłowe ustalenie struktury danych
Jeśli nie chcesz stracić z oczu obrazu całości, to potrzebujesz odpowiedniego uporządkowania wszystkich danych które zbierasz – każdej interakcji, którą użytkownicy będą mieć z Twoją marką lub produktem. Popularne we wstępnym sortowaniu działań marketingowych jest rozdzielenie ich na kanały płatne, własne i pozyskane, gdzie:
- kanały płatne (paid channels) – odnoszą się do wszystkich płatnych działań zlecanych zewnętrznym podmiotom, w celu zidentyfikowania i dotarcia do potencjalnych klientów, np. poprzez SEM, reklamę w social mediach i poprzez afiliację;
- kanały własne (owned channels) – odnoszą się do Twoich własnych działań marketingowych, np. e-mailing do własnej bazy klientów; w praktyce koszty mediów własnych ponosimy tylko w zakresie technicznej realizacji czynności;
- kanały pozyskane (earned channels) – to wszystkie kontakty wygenerowane „za darmo” i często przy okazji innych działań marketingowych, np. bezpośrednio ze stron internetowych, poprzez linkowanie z innych stron, wyszukania organiczne czy interakcje w social mediach.
To oznacza, że e-commerce, który chce wprowadzić atrybucję, aby widzieć całokształt swojej strategii marketingowej, musi zapewnić sobie “przechwycenie” wszystkich tych interakcji z użytkownikiem. W ostateczności, jeśli celem atrybucji jest optymalna dystrybucja budżetu marketingowego, musi mieć dane dotyczące wszystkich interakcji płatnych.
Zrozumienie różnych metod gromadzenia danych
Większość e‑commerce’ów gromadzi dzisiaj dane przy użyciu narzędzi przeznaczonych do śledzenia ruchu, zarządzania danymi i analizy. Często wiele z tych rozwiązań obsługuje także różne media własne. Mają więc niejako tendencję do faworyzowania swoich kanałów i mediów. A skoro jakość opracowanych zasad atrybucji zależy od dokładności i głębokości danych, które posiadamy, każda tendencyjna informacja będzie wpływała na jej wynik.
Z jakich metod gromadzenia danych korzysta Twoja technologia?
Przekierowania
- dla kanałów płatnych przekierowania są standardem zapewniającym 100% pewności przy przypisywaniu źródeł ruchu;
Parametry adresu URL
- parametry mogą być dodawane, by przekierować odpowiednie dane do innych systemów używanych równocześnie z naszym głównym systemem. Należy jednak pamiętać, że ze względu na techniczne właściwości narzędzi do pozyskiwania third party data, może to sprawić, że część ruchu będzie przez nie źle klasyfikowana, np. jako wejścia direct albo organiczne.
Referrale
- tego typu dane pokazują nam, jakie witryny zostały odwiedzone bezpośrednio przed wejściem na naszą stronę. Są wysoce niewiarygodne, ponieważ mogą zostać zmanipulowane przy użyciu prostej technologii. Zastosowanie metody opartej na referralach często owocuje zbiorem nieprzypisanych do niczego, nietrackowanych danych dotyczących ruchu, zebranych za pomocą innych metod.
Każda metoda gromadzenia danych ma swoje wady i zalety. Dlatego tak ważne jest zapewnienie, by wykorzystywana przez Ciebie technologia była neutralna i wspierała różne rozwiązania. Tylko wtedy jesteś w stanie zapewnić sobie wiarygodny zbiór uporządkowanych danych, który może być punktem wyjścia do analiz.
Czynniki wpływające na dokładność zgromadzonych danych
Podczas gdy metody gromadzenia danych odgrywają dużą rolę w zakresie ich dokładności, tak na drodze do ułożenia dokładnej ścieżki klienta stoi wiele innych przeszkód.
Utrudnienia w trackowaniu
Gdy mowa o trackingu, celem jest zapewnienie tego, by wszystkie możliwe interakcje użytkownika z Twoją marką lub produktem byłyśledzone. Jednak wieleczynników, takich jak używanie ad-blocków czy wyłączenie możliwości śledzenia w ustawieniach przeglądarki i urządzeń, utrudnia ten proces. Często jest to efekt celowego działania użytkowników, którzy nie chcą być bombardowani źle stargetowanymi reklamami. Natomiast po stronie Twojej stronie może chodzić także o źle skonfigurowane skrypty lub nierozwiązane błędy na stronie. Przeszkadzają one w trackingu.
Jednym z najlepszych sposobów na zminimalizowanie liczby takich problemów jest użycie first-party cookies, zaimplementowanych bezpośrednio przez Twoją domenę. Dodatkowo są też inne metody nie bazujące na cookies. Na przykład technologie przypisujące informacje techniczne z przeglądarki użytkownika i jego urządzenia. Służą do połączenia różnych punktów w jedną ścieżkę klienta (tzw. Fingerprint).
Wyzwanie nadążenia za użytkownikiem
W świecie omnichannel klienci ciągle zmieniają kanały i urządzenia. Często powoduje to niekompletność danych, co oznacza ostatecznie utratę lub niewłaściwą interpretację ścieżek klienta. Poniżej znajdziesz najczęściej występujące zakłócenia oraz podstawowe sposoby ich omijania.
- Z offline do online:
e-commerce może ominąć ten problem poprzez użycie oddzielnych domen, dedykowanych landingów czy voucherów, aby połączyć punkty ścieżki od momentu interakcji z marką offline do wyszukiwania informacji online.
- Z TV do online:
można rozwiązać dzięki trackingowi TV lub za pomocą podobnych środków (tak jak w poprzednim przypadku). Z desktopu do mobile: to jeden z najpopularniejszych problemów w budowaniu ścieżki. Najlepszą metodą jest zachęcenie użytkownika do logowania na jego profil zarówno na desktopie, jak również na stronie mobilnej. Są też metody bazujące na analizie danych 3th party data. Są one jednak zdecydowanie mniej dokładne i często łączą ścieżki różnych użytkowników.
- Z desktopu do mobile:
to jeden z najpopularniejszych problemów w budowaniu ścieżki. Najlepszą metodą jest zachęcenie użytkownika do logowania na jego profil zarówno na desktopie, jak również na stronie mobilnej. Są też metody bazujące na analizie danych 3th party data. Te są zdecydowanie mniej dokładne i często łączą ścieżki różnych użytkowników.
- Z mobile do aplikacji:
Narzędzia dla programistów przeznaczone do trackingu mobile (takie jak np. Adjust), mogą pomóc pokonać tę przeszkodę.
- Z e-maila do przeglądarki:
Rozwiązaniem jest tzw. impression tracking, który pozwoli na zliczenie interakcji na ścieżce konwersji na poziomie odsłony kreacji reklamowej.
Zamknięte ekosystemy
Platformy reklamowe są otwarte i hojnie szafują zebranymi danymi dopóty, dopóki nie staną się monopolistami. Zwykle im większy gracz na rynku, tym bardziej zamknięty jest jego ekosystem. Prezentowane dane są uproszczone lub zagregowane w niekompatybilnym standardzie technicznym, co utrudnia połączenie ich z innymi systemami.
Te zamknięte ekosystemy (np. Google) wspierane są przez gigantów reklamowych (np. AdWords). Ich szeroki zasięg sprawia, że są niepomijalnym partnerem reklamowym, więc w sposób naturalny z nimi współpracujesz. Jednocześnie oferują atrybucję i trackowanie konwersji oparte na zasadach, które nie są ani neutralne, ani niezależne od budżetu. To może stanowić problem.
Jak go rozwiązać? Dla e‑commerce’ów rozwiązaniem może być dzielenie się danymi i usługami z dużymi graczami tak często, jak to jest konieczne, ale też tak rzadko, jak tylko można. Poprzez używanie niezależnych rozwiązań śledzenia i atrybucji – AdWords, Criteo i Facebook – są odseparowane od ich własnych zasad. W ten sposób możesz stworzyć odpowiadające Twoim zasadom ratio kosztu-do-sprzedaży.
W następnym artykule cyklu odkryjemy, jak wiele danych, które już zgromadziliśmy, może zostać użytych w wartościowej atrybucji.
