Co je atribuční modelování a proč ho potřebujete?

Zákazníci a jejich objednávky k vám přicházejí z různých reklamních kampaní a dalších zdrojů návštěvnosti. Při vyhodnocování a řízení marketingu vás zajímá, které kanály se na objednávkách reálně podílely a jakou měrou. Podle toho pak hodnotíte jejich efektivitu. Rozhodujete se například, do kterého kanálu dát kolik peněz. Které kampaně je potřeba utlumit a které naopak nechat běžet nebo ještě posílit.

Je obvyklé, že než u vás zákazník nakoupí, přijde k vám v čase opakovaně z různých kanálů. Klasické analytické nástroje ale přiřadí celou objednávku nejčastěji tomu úplně poslednímu zdroji. Pokud například nějaký uživatel přijde postupně ze čtyř výše uvedených zdrojů a na konci si objedná řekněme za 1.000 Kč, bude report zdrojů návštěvnosti vypadat nějak takto:

Všechny předchozí kanály po cestě se ignorují a vypadá to, jako by neměly vůbec žádný vliv na rozhodnutí uživatele objednat si u vás. To samozřejmě zásadně pokřivuje výsledná čísla a doporučení. V důsledku pak budete dokonce i často posilovat ztrátové kampaně a vypínat ty vydělávající. Navíc v dobré víře, že svá rozhodnutí stavíte na datech. Bohužel na špatných datech.

Vše dále zhoršuje skutečnost, že do takového rozhodování často zahrnujete jen přímo měřitelné zdroje návštěvnosti vašeho webu. Ale už v něm vůbec nezohledňujete imprese bannerů, otevření e-mailů, zmínky o vás venku na internetu, offline kampaně, objednávky přes telefon či v kamenném obchodě.

Na základě špatných a pokřivených čísel tak děláte špatná a pokřivená marketingová rozhodnutí.

Najděte si lepší atribuční model

Atribuční model je obecný název pro způsob, jak přiřazujete jednotlivým kanálům na cestě uživatele zásluhu za výslednou konverzi a její hodnotu. Dobrá zpráva je, že atribučních modelů existuje spousta, takže se nemusíte omezovat zdaleka jen na výše uvedenou a v mnoha ohledech vadnou atribuci na poslední zdroj.

Volbou lepšího atrubučního modelu můžete lépe a spravedlivěji rozpočítat každou konverzi a její hodnotu mezi všechny k ní vedoucí kanály. Zohlednit tak nejen úplně poslední proklik před objednávkou, ale i všechny předchozí kanály, které celou dobu přispívaly ke konečnému rozhodnutí uživatele utratit u vás peníze.

Oč věrnější, smysluplnější a využitelnější výsledky dostanete už třeba jenom použitím triviálního lineárního atribučního modelu. V něm se vezme hodnota každé objednávky a spravedlivě se rozpočítá rovným dílem mezi všechny kanály po cestě:

Atribučních modelů existuje celá řada a ke každému z nich se dá snést spousta scénářů využití, důvodů pro i proti. Pro více informací si projděte seriál od Michala Krutiše nebo velice hutný a výživný článek od Avinashe Kaushika.

Spouštíme atribuce pro Keboolu

Praktickým problémem atribučního modelování je dostupnost a podpora v jednotlivých nástrojích.

Některé analytické systémy nenabízejí atribuční modelování vůbec nebo jen velice omezeně. Další, jako jsou třeba Google Analytics, ho sice nabízejí, ale naráží na zásadní omezení, jakmile dojde třeba na data mimo web – imprese bannerů, offline kampaně, otevření e-mailů, telefonické hovory na helpdesku, objednávky v kamenném obchodě. Nebo na rozpočítávání skutečné maržovosti. Na storna a vratky již zapsaných objednávek. Vůbec na rozpoznání uživatelů a spojování úplně všech dat patřících jednomu uživateli do jedné řady.

A proto jsme v Mediu připravili a naprogramovali Medio Attribution Tool – aplikaci pro výpočet nejrůznějších atribucí. Pracuje uvnitř systému Keboola Connection, což jí otevírá obrovské možnosti ve smyslu snadného řešení a přímočarého překonávání všech uvedených problémů. Umí si stáhnout a pospojovat interakce uživatele z různých míst, databází a služeb, má hotovou hromadu napojení a importních můstků. Běží v cloudu, je výkonná a automatizovaná. Podporuje množství různých předdefinovaných i custom atribučních modelů.

Podívejte se na stránku s podrobným popisem celého nástroje. A pokud ho chcete používat i vy nebo se jen chcete dozvědět více, napište nám bez obav e-mailem na adresu info@medio.cz.

Za hranice Google Analytics

Google Analytics jsou skvělý nástroj pro sledování a vyhodnocování všeho, co se děje na vašem webu. Vidíte, odkud k vám lidi přichází, kudy se po webu proklikávají a kde se ztrácí, kolik z nich nakoupilo, co a za kolik. To je ale ve skutečnosti příliš úzký a omezený rozhled. Zdaleka ne všechno důležité se totiž děje jen na vašem webu. Zdaleka ne všechna klíčová data máte jen v Google Analytics.

Můžete si vedle Google Analytics otevřít ještě svou e-shopovou administraci, CRM, skladový systém, mailingové rozesílátko, tickety ze supportu, statistiky o počasí, výkyvy měnového kurzu, nasbíraný vývoj cen vašeho zboží u konkurentů… A dívat se do každého samostatně. Stále ale budete přicházet o obrovskou část důležitých informací.

• Za kolik u mne nakoupil pan Novák v posledním roce, a to napříč všemi jeho prohlížeči, telefonními hovory s infolinkou a návštěvami na pobočce? A ze kterých všech kampaní se za tu dobu proklikl na můj web a kolik mě to stálo?
• Jak si v následujícím půlroce objednávají lidé, kteří se obrátili na support a ten jim (ne)uspokojivě poradil?
• Kolik zboží prodal telefonista na helplince lidem, co mu volali na základě naší bannerové kampaně?
• Kolik povolat na víkend do práce skladníků, když má v Česku svítit sluníčko, na Moravě pršet a v pondělí je svátek?
• Jak mi změna sloganů na billboardech u dálnice ovlivnila prodeje v kamenném obchodě?
• Vydělám víc, pokud budu následovat změny cen konkurentů, nebo se mám radši držet své ceny?
• Jaký měla nějaká promoakce vliv na storna nebo vratky objednávek v následujících dvou měsících? Jak dlouho se lidé, co s ním přišli, ještě vraceli, kolik celkem utratili a vyplatila se mi?
• Kteří z mých klientů utrácel v posledním půlroce nejvíc u konkurence a jaký to mělo vliv na jeho tržby u mě?
• Jak dlouho nabízet přes Adwords remarketing nějaký produkt lidem, kteří se na něj ptali v chatovém supportu?
• A řadu dalších scénářů…

Skutečný poklad totiž neleží v datech uvnitř jednotlivých systémů, ale ve vztazích mezi nimi.

Samé slepé uličky

Takže buďto začnete používat nějaký jednoúčelový startup, kterých jsou po internetu mraky a jsou zpravidla k ničemu. Sice možná stáhne nějaká vaše data, vyrobí z nich pár sexy barevných dashboardů a tím to končí.

Nebo si naprogramujete vlastní zbastlený polofunkční integrační systém. Utopíte v něm hromadu peněz a nakonec zjistíte, že polovinu věcí neumí a zbytek počítá špatně. Cokoliv změnit nemáte odvahu, protože to bude zase drahé a beztak jediný programátor, co do toho viděl, už u vás dávno nepracuje.

Anebo to budete řešit pěkně ručně přes Excel, zaměstnáte dva „analytiky“ na fulltime, aby vám průběžně z týdne na týden připravovali neúčelně stále stejné reporty s aktuálními čísly, a brzy se utopíte se v excelovém inženýrství.

Tak nebo tak, kromě tří minut reportingu na poradě managementu to stejně nebude nikdo ve firmě reálně používat, protože to je těžkopádné a neflexibilní. Stejně to omezíte jen na několik málo lidí, protože tohle dělat pro každého člověka ve firmě zvlášť, aby každý viděl právě ta svá data a ty své reporty, které chce a má vidět, je neúnosné, složité a drahé.

Potřebujete to pojmout jinak.

Keboola a GoodData!

Dneska dělá Medio velký krok. Začínáme poskytovat veškeré služby kolem dvojice business-intelligence nástrojů Keboola Connection a GoodData.

Stali jsme se Keboola Certified Partner a Keboola Certified Reseller a máme za to dokonce i takovýhle krásný odznáček:

Keboola Connection je velice mocný nástroj, který do sebe umí průběžně tahat všechna možná data, která kde máte. Ať už to jsou reporty z Google Analytics, Adwords nebo Skliku, informace o zákaznících z vašeho CRM, eshopu nebo support systému, vaše skladové hospodářství či účetnictví, ale i úplně externí zdroje dat, jako třeba informace o počasí, aktuálních měnových kurzech apod. Po úvodní implementaci a konfiguraci běží už vše automatizovaně, cílem je minimalizovat nutnost jakékoliv opakované ruční práce.

Všechna načtená data jsou v zásadě neuspořádaná a heterogenní. Keboola Connection si je profiltruje, zkombinuje a pospojuje. Připraví je tak pro elegantní jednotný reporting. Pro samotné prohlížení, procházení a zkoumání dat se pak používají GoodData. Umožňují nad připravenými daty dělat obecně jakékoliv reporty, segmentace, filtrace, vizualizace. Prostě takřka cokoliv, co byste vůbec kdy mohli potřebovat. Dovedete si pak tedy zodpovědět různé otázky, třeba ty nastíněné výše. A platí, že každý člověk ve firmě může mít takto velice snadno na míru připravené své vlastní reporty, kde uvidí přesně ta data, která vidět má, přesně v té podobě, kterou potřebuje.

Medio se na tuto novinku intenzivně připravovalo několik měsíců. Prošli jsme si tréninkem, workshopy, prvními reánými projekty. Plně pokrýváme celý proces nasazení, od úvodní analýzy a implementace přes průběžný provoz a licencování obou nástrojů až po přípravu konkrétních reportů či analýz.

Neváhejte nám tedy napsat a zeptat se na cokoliv, pokud si i jen trochu myslíte, že by se vás to mohlo týkat a že by vám Keboola mohla v něčem pomoci.

Podívejte se na náš webinář o Keboole

Pokud vás zajímá podrobněji, cože to vlastně Keboola je a jak funguje, podívejte se na záznam našeho webináře:

Podívat se na záznam webináře o Keboole

Během půldruhé hodiny v něm ukazuji Keboolu i GoodData v praxi. Vysvětluji základní princip fungování, ukazuji konkrétní nastavení, zpracování dat i vytvoření reportů na jednoduchém projektu.

Přečtěte si o Keboole víc

• Jan Tichý: Keboolovatíme
• Tomáš Čupr: Jak GoodData a Keboola mění můj život
• Co je ta Keboola a GoodData?
• Lupa.cz: Kdo si cloud nevyřeší, toho semele
• Vojta Roček: Co vlastně děláme v Keboole?
• Petr Šimeček z Kebooly: Sleduji, co lidé s daty dělají, jaké mají potřeby a čím jim nejvíc můžeme prospět my