ייחוס או אטריביושן הוא אחד הבאזזוורדים הכי מדוברים ומאתגרים בפרסום ממומן, אבל לא כל הנוצץ זהב ולא כל טאצ' נחשב. כל איש שיווק שתשאלו אותו כמה המרות היו לו אתמול, ישר ישאל אתכם בחזרה "תלוי את מי שואלים?" ההלצה הזאת באה להמחיש את אחד האתגרים שקיימים היום בשוק הפרסום הממומן, בו כל אד נטוורק מנסה לייחס לעצמה את ההמרה.
כלפי חוץ - מערכות הפרסום רוצות ליידע את איש השיווק שבוצעה המרה דרך הצ'אנל (למשל גוגל) ובכך להפוך את הקמפיין לכמה שיותר רווחי כי הוצאנו x בגוגל והכנסנו, בשאיפה, x+1, מה שאמור לגרור עוד השקעה באותו ערוץ שנראה שהוא ריווחי לנו.
כלפי פנים - אנחנו רוצים להוסיף כמה שיותר חיוויים למערכת כך שיהיו לה סיגנלים לבנות מהם טארגט פרסונה מבוססת הצלחה, ובכך לעזור לאלגוריתמים של אותן מערכות לכוון את הגשת המודעות לעוד פרסונות דומות כמו זאת שהרגע ביצעה המרה ולהגדיל את סיכויי ההצלחה של אותו קמפיין, שכן ככל שיהיו יותר המרות ככה למערכת הפרסום יהיה יותר קל יותר להגיש את המודעות שלנו לאנשים רלוונטים.
אתגר הייחוס הופך מאתגר יותר מיום ליום ועושה לא מעט כאבי ראש למשווקים, שמבינים שיש לקחת כל פיסת מידע בעירבון מוגבל ולא לשים את כל הביצים באותו הסל.
מודלים קיימים של אטריביושן (Attribution)
מודלים של אטריביושן, כלומר מודלי ייחוס המרות, הם השיטות המשמשות כדי לקבוע כיצד ולמי יש להקצות קרדיט על המרה לנקודות מגע שונות במסע הלקוח. במילים אחרות, מודלים של ייחוס עוזרים למשווקים להבין אילו מאמצי שיווק הם היעילים ביותר בהגדלת המכירות וההכנסות.
ישנם מספר מודלים נפוצים של ייחוס, כל אחד עם החוזקות והמגבלות שלו:
- ייחוס קליק אחרון מייחס את כל הקרדיט על ההמרה לנקודת המגע האחרונה של הלקוח עם המותג לפני המכירה
- ייחוס קליק ראשון הוא ההפך מייחוס קליק אחרון, ונותן את כל הקרדיט על ההמרה לנקודת המגע הראשונה של הלקוח עם המותג.
- ייחוס לינארי נותן קרדיט שווה לכל נקודת מגע במסע הלקוח.
- ייחוס דעיכה בזמן נותן יותר קרדיט ככל שנקודת המגע מתרחשת קרוב יותר לזמן ההמרה. לדוגמה, אם לקוח רואה מודעה, מבקר באתר, ומבצע רכישה שבוע לאחר מכן, המכירה תיוחס בעיקר לביקור באתר, והמודעה תקבל אחוז קטן מהייחוס.
- ייחוס מותאם אישית מאפשר למשווקים להקצות משקלים מותאמים אישית לנקודות מגע שונות, בהתאם לחשיבותן ועל פי הגדרת משקל המבוצעת מבעוד מועד.
האתגרים העומדים בפני אנשי השיווק בשנת 2023
אמנם מודלים של ייחוס יכולים להיות שימושיים מאוד בסיוע למשווקים להבין אילו מאמצים מניבים המרות, אבל הם גם כרוכים בכמה אתגרים.
אחד האתגרים הגדולים ביותר הוא המורכבות של מסע הלקוח. בעולם הדיגיטלי של היום, לקוחות מקיימים אינטראקציה עם מותג דרך מספר ערוצים ומכשירים ואף נקודות מגע שונות, בין אם זה אונליין או אפילו אופליין, לפני ביצוע רכישה, מה שעשוי להקשות על ייחוס מדויק של המרות למאמצי שיווק ספציפיים.
אתגר נוסף הוא המגבלה של זמינות הנתונים. מודלים של ייחוס מסתמכים על נתונים ממקורות שונים כמו ה-CRM של החברה, מערכות הפרסום השונות, ומערכות אנליטיקס למיניהן הקיימות בכל ארגון.
ישנו כמובן האתגר בבחירת מודל הייחוס הנכון. לכל מודל חוזקות ומגבלות משלו, והמודל הטוב ביותר למצב נתון יהיה תלוי במגוון גורמים, כמו סוג העסק, מסע הלקוח ומטרות מאמצי השיווק. זה יכול להקשות על המשווקים לבחור את המודל המתאים ולקבל תוצאות מדויקות.
מעבר לכך, קיים קושי במדידת איכות הטאצ' והיכולת לתת לו את המשקל. למשל, אם אני מפרסם סרטון של המותג שלי בפיד של פייסבוק וגולש נעצר עליו, צופה בכל הסרטון וממשיך לגלול, ולעומתו גולש אחר שנתקל בבאנר שלי לא עוצר וממשיך לגלול, תיאורטית שניהם מוגדרים כחשיפה. זו בעיה. עכשיו ברור לכולנו שיש הבדל של שמיים וארץ בין שתי הסיטואציות. למערכת יותר קשה לסווג את האירוע על קשת האיכות והיא מחשיבה אותן באופן די זהה.
אירועים נוספים שהרבה פעמים מקשים על מדידה נכונה או שיוך נכון הם כל מיני אירועים שקורים מחוץ לטווח המדידה, כמו איזכור המותג במדיה אחרת, כנס אוף ליין של החברה, או אפילו איזכור המותג על ידי גורם צד שלישי כמו פודקאסט. לאחרונה גם נוסף אתגר הios 14 המדובר. כל הגורמים הללו מקשים עלינו להבין מהיכן הגיע הלקוח. למשל, כשעבדתי באאוטבריין, הלוגו שלנו הופיע באתרים גדולים בארץ ובעולם. מעל מיליארד אנשים "נחשפו" אליו, ביודעין או שלא, כל חודש, אבל היה מאוד קשה למדוד מה ההשפעה של זה, אם בכלל.
בנוסף לכל זה, מרבית המערכות, במיוחד אלו עם ה"גן הסגור", כלומר המערכות שדורשות התחברות לאתר כמו פייסבוק ואינסטגרם, יודעות לזהות מעבר בין מכשירים רק כאשר אנחנו מחוברים, אבל את ה"קרוס צ'אנל", כלומר מעבר בין ערוצים כבר מאוד קשה לרובן לזהות ולשייך את ההמרה שבוצעה לפעילות כזאת או אחרת.
אם הגעתם עד לכאן, הספקתם כנראה להבין שיש המון גורמים העלולים לשבש את קבלת ההחלטות שלנו בדרך או חלילה לגרום לנו לקחת החלטה שגוייה על בסיס מודל כזה או אחר. כאמור, בחלק מהמודלים הטאצ'ים שלנו יהיו מוצגים בצורה מוטעית, כמו נטייה לתת אטריביושן לאורגני או לקמפייני ברנד או אי היכולת לתת כשצריך. חלק לא קטן מהפאזל פשוט יהיה מורכב בצורה "כפוייה" או טכנית אבל יהיה רחוק מלצייר את התמונה האמיתית.
זה הזמן לנשום ולהבין שלא את הכל נוכל לדעת, בטח ובטח היום, כשעולם הפרטיות מקבל עוד ועוד במה, הן ברמת התקנות באירופה ובארה"ב, והן ברמת המלחמות בין מערכות הפרסום (למשל ה-SKAN של אפל). לכל החגיגה הזאת אמור להצטרף בשנים הקרובות נושא ה-Cookieless שרק יגרום לפחות מידע לזרום למפרסמים ומשם למערכות ולכן עלינו להיערך לכך שהאופטימיזציה שלנו תצטרך להתבצע ברמה יותר טקטית בכל מערכת וקמפיין לגופו.
אז איך צולחים את אתגר האטריביושן?
נצטרך לסמוך ולהסתמך יותר על המידע שמסופק ומסונתז לנו על ידי הפלטפורמות, לרוב על ידי מודלי חיזוי דאטה, אבל גם נצטרך לנקוט בפעולות אקטיביות במהלך מסע הפרסום במידה ונרגיש שהמידע שיש לנו לא מספיק בהיר. למשל, שאלה פתוחה כמו "כיצד שמעת עלינו" או קופון ייעודי פר קמפיין כדי להבטיח שאכן הלקוח הגיע מהקמפיין הספציפי הזה.
כל זה מחזק את תחושתי שבשנים הבאות מודלים מורכבים יהיו זמינים לפחות לקוחות, ומירב המאמצים יתרכזו באזורים האחרונים של הפעילות טרם ההמרה, ששם כנראה יהיו לנו מידע זמין יותר, ויכולת מושכלת יותר לקבל החלטות טקטיות להתנהלות ריווחית יותר.
אם תרצו להעמיק יותר בנושא האטריביושן ואיך הוא עובד בכל מערכת פרסום לגופה כולל באינטגרטור הדאטה המוביל, גוגל אנליטיקס, תוכלו להעמיק ולהחליט מה נכון יותר לעסק שלכם, בהתאם לסיטואציה ולמשאבים העומדים לרשותכם.
אהוד בסיס הוא איש שיווק דיגיטלי ומוביל את מחלקת השיווק ב-Piggy