מודלים לשיוך המרות Attribution Modeling

זה לא סוד שלפני שהגולשים רוכשים או יוצרים פניה באתר שלכם הם שוקלים את זה היטב ומבקרים מספר פעמים באתר שלכם ובנכסים השונים שלכם באינטרנט. ולכן התשובות לשאלות: איזה מהערוצים האלה חשוב יותר ואיפה כדאי להשקיע את המירב, הופכות למורכבות כל כך. התשובות בהמשך הפוסט…

 

 

 הגולשים שלכם השתנו! ומה זה מודל לשיוך המרות?

זה לא כמו פעם שהיית שם טופס בדף נחיתה והגולשים בלי לחשוב פעמיים היו מוסרים את הפרטים שלהם ומצפים שיצרו איתם קשר טלפוני. היום בשביל לשכנע את הגולשים ליצור קשר אתם צריכים להשקיע הרבה יותר מאמץ ותחכום. הגולשים יבקרו בנכסים השונים שלכם, ביו-טיוב, בדף הפייסבוק העסקי ואולי אפילו יסתכלו בפרופיל שלכם בלינקדאין, יחשפו לפרסום שלכם בוואלה ובמנועי החיפוש. הם יגיעו לאתר שלכם ממספר מקורות שונים עד שהם יחליטו לרכוש או ליצור קשר איתכם.

אז איך אפשר להגיד איזה מערוצי הפרסום האלה חשוב יותר?
וכמה כל אחד מהנכסים האלה תורם להחלטה של הגולש לרכוש אצלכם באתר?
ובסופו של דבר האם כדאי להשקיע יותר בניהול דף הפייסבוק או פשוט לקנות שטח פרסומי באחד מהאתרים הגדולים?

אפשר לאמר שמודלים לשיוך המרות הם דרכים או שיטות לענות על שאלות אלה. מודל לשיוך המרות היא דרך או שיטה לקבוע ערך או שווי של ערוצי פרסום ומסעות פרסום שונים שמשתתפים בתהליך השיכנוע והמכירה לגולש.

לדוגמא. חישבו על העסק שלכם ועל הפרסום שאתם עושים באינטרנט או אופ-ליין. למסעות פרסום שונים יהיו מטרות שונות. בעזרת מסעות מסוימים תרצו לחסוף קהלים חדשים למותג שלכם ובעזרת מסעות אחרים תרצו למכור להם את המוצרים של המותג או העסק שלכם. מטרות מרכזיות של מסעות הפרסום השונים ניתן לסכם במה שנקרא “משפך שיווקי” (Marketing Funnel).
במקרה הזה מסעות פרסום אשר נועדו לחשיפה לא יביאו רוכשים, למרות שלכולם ברור שלמסעות אלה חשיבות רבה. איך לחלק את תקציב הפרסום? איזה חלק לשים בחשיפה ואיזה במכירה? אלה שאלות שנענה עליהם בעזרת שיטות או מודלים לשיוך המרות.

 

מה אני צריך בשביל להתחיל לענות על השאלות האלה?

לפני שאני צולל להסברים על המודלים השונים עלי להשמיע מספר אזהרות שימוש לצרכן…

שימו לב! מה שאני הולך להציג בפניכם לא נותן לכם תוצאות בדוקות או נוסחאות לחישוב מדויק. הסיבות העיקריות לכך הן שבתשובה לשאלה זו הרבה פעמים מעורבים מאבקי כוח ופוליטיקה, כלומר מפרסמים שונים או אפילו מחלקות שונות באירגון יסתכלו על הנושא הזה באופן מאוד שונה, באופן שמציג אותם באור הטוב ביותר כמובן. והסיבה השניה היא שהתשובה לשאלה הזו היא יחודית עבור כל עסק ולא, אין לי עצה חמה או כלל אצבע בשבילכם.

חשוב מאוד לפני שאתם מתחילים לעבוד עם מודלים לשיוך המרות עליכם להגדיר את ההמרות עצמן. כלומר אם לא יצרתם הגדרת יעדים (Goals) או מסחר אלקטרוני (Ecommerce) בגוגל אנליטיקס, לא תוכלו להתחיל לשייך המרות. טוב, זה די הגיוני, אם אין לכם המרות הרי לא יהיה לכם מה לשייך…

 

איזה שיטות או מודלים לשיוך המרות קיימים?

בטח כבר הבנתם שכמות המודלים היא מאוד גדולה. כאן אני רוצה לדבר על מספר מודלים בסיסיים.

1. מודל הקליק הראשון
2. מודל הקליק האחרון
3. מודל החלוקה השווה
4. מודל על פי קירבה ליום הרכישה
5. מודלים מותאמים

בואו נעבור בקצרה על כל אחד מאלה.

 

מודל הקליק הראשון

לפי המודל הזה כל ההמרות שלכם ישוייכו למקור הראשוני שהביא את הגולשים לאתר. זהו הקליק הראשון שהביא את הגולשים לאתר שלכם ומכאן גם השם. בעזרת המודל הזה תוכלו לגלות אילו ערוצים ראשוניים (הערוצים שחשפו את הגולשים לאתר או למותג שלכם) בסופו של דבר הביאו גולשים לרכוש. מכאן ברור למה רוב חברות הפרסום יעדיפו לעבוד עם המודל הזה…

 

מודל הקליק האחרון

לפי המודל הזה ההמרות שלכם ישוייכו למקור האחרון שהביא את הגולש לרכישה, הקליק האחרון שגרם לו לרכוש. המודל הזה יעזור לכם לחשוף את מסעות הפרסום המוכרים או הממירים שלכם.

חשוב! באופן אוטומטי מודל השיוך של גוגל אנליטיקס הינו הקליק האחרון. כלומר אחוזי ההמרה וכמות ההמרות המשוייכים למקורות השונים בגוגל אנליטיקס משוייכים לקליק האחרון, למקור האחרון שגרם להמרה.

 

מודל החלוקה השווה

במודל החלוקה השווה אין אנו נותנים חשיבות למסעות שחשפו או גרמו לרכישה. מבחינתינו כל המסעות הם בעלי חשיבות זהה ולכן כל אחד מקבל את החלק היחסי של ההמרה. מקרה שיכול להצדיק שימוש במודל זה למשל: אם אתם עובדים עם מספר חברות פרפורמנס שכולן מקדמות ומוכרות את אותם המוצרים. במקרה הזה כדי לדעת איזה מן החברות עושה את העבודה הטובה ביותר הייתי משתמש במודל החלוקה השווה.

 

מודל על פי קירבה לתאריך הרכישה

זהו מודל מצוין שעוזר לגלות איזה מסעות גורמים להמרה, איזה מקדמים את הגולש בתהליך קבלת ההחלטה ואיזה כמעט ולא משפיעים עליו. כמו שאפשר להבין מתוך השם של המודל, החלק היחסי הגבוה של ההמרה נזקף למקור הכניסה הקורב יותר לתאריך ההמרה וככל שמקור רחוק יותר כך מקבל פחות ערך וגם פחות חשיבות.

 

מודל על פי מיקום

זהו מודל שמחלק את הקרדיט עבור ההמרה לא באופן שווה בין כל הממשתתפים בתהליך המכירה אלא נותן קרדיט גדול יותר ליזם ולסוגר העיסקה, כלומר למקור הראשון והאחרון. כל השאר מתלקים באופן שווה בהמרה.

 

מודלים מותאמים

תחת השם מודלים מותאמים אני כולל את כל אפשרויות והשילובים בין המודלים שציינתי עד כה. כמובן שאלה לא כל המודלים הקיימים ואני בטוח שחלקם עוד יתגלו בהמשך, כל העסק הזה הוא רק בחיתולים.

אבל לא אשאיר אתכם בלי דוגמא למודל מותאם, בהמשך המודל של נתן קריידרמן  😎

 

המודל של נתן קריידרמן

ובתור הדובדבן של המאמר הזה אני רוצה להראות לכם מודל אחד שאני יצרתי ובו אני משתמש. לא, זה לא המודל המושלם, גם אם הייתי רוצה להאמין בכך, אבל זהו מודל סטנדרטי שנותן פתרון לרוב העסקים.

הבסיס של המודל הוא מודל לפי מיקום אבל הלב של המדל הוא בסגמנטציה או במילים פשוטות להסתכל שונה על משפכי ערוצים שונים באורך שונה. לשם הדוגמא בואו ניקח חנות אינטרנטית שמוכרת מוצרי קוסמטיקה. לפעמים הגולשים עוברים 5 ערוצים לפני שהם קונים, לפעמים 7 ערוצים ולפעמים רק אחד. הרעיון הוא לחלק באופן שונה את ההמרה בהתאם לאורך המשפך, לפי כמות הערוצים שעבר הגולש.

המודל מחלק את משפכי הערוצים ל-3 סוגים:

1. הגולש ביצע קניה בביקור הראשון, כלומר אורך המשפך שווה ל-1
2. הגולש ביצע את הרכישה בביקור השני, כלומר אורך המשפך יהיה 2
3. הגולש ביצע את הרכישה בביקור השלישי ומעלה, כלומר אורך המשפך יהיה גדול מ-3

 

בדוחות של גוגל אנליטיקס זה נראה כך

אני עובר לדוחות ה-MFC

 

ולצורך ההדגמה אבחן השפעה של אפיקי תנועה (Mediums) שונים על הרכישות באתר

 

אני מגדיר את הסגמנטים בגוגל אנליטיקס.

 

קודם כל את הראשון

 

ואחר כך גם את שני והשלישי

 

מסמן את כולם

 

ומסתכל על דוח ההמרות (Assisted Conversions) דרך הסגמנטים שיצרתי

 

ועל הדוח First Interaction Analysis

 

מסקנות

תנועה מפרסום ממומן (cpc) הניבה 6887 ש”ח מגולשים שהגיעו ומייד רכשו, עוד 4138 ש”ח של רכישות שקודם הגיעו מאפיק אחר ואז שוב מתוך המומן ורכשו, 1291 מקרים נוספים שהניבו 17,214 ש”ח בהם הגולשים קודם הגיעו מעוד 2 אפיקים שונים לפחות ולבסוף הגיעו לאתר דרך הממומן וביצוע את הרכישה. שימו לב! אומנם 17,214 ש”ח שמשויכים באופן אוטומטי לאפיק הממומן (cpc) לא לגמרי שייכים רק לו. הרי הגולשים קודם הגיעו מ-2 אפיקים נוספים טרם הגיעו מאפיק הממומן, והרי זה לא יהיה נכון לשייך את כלל הזכות על ההמרה לאפיק הממומן.

בדוח השני אני יכול לראות שהאפיק שחושף גולשים חדשים שבסופו של דבר רוכשים הוא האפיק של אתרים המפנים (Referral) ולזכותו 546 רכישות שהוא עצמו חשף ומכר להם, עוד 352 מכירות בהם הוא חשף את הגולש ואפיק נוסף גרם למכירה, ו-845 מכירות בהם הוא היה האפיק הראשון שחשף את הגולש לאתר ולאחר מכן הגולש חזר עוד לפחות פעמיים לאתר לפני שביצע את הרכישה. גם במקרה הזה אנחנו מבינים שאפיק אתרים מפנים (Referral) לא מקבל את הזכות על ההמרות שהוא היה שותף חשוב להן. כי כמו שאמרנו בגוגל אנליטיקס ההמרה משויכת לאפיק כניסה האחרון בלבד.

 

איך לחלק את ההמרה בין המשפיעים השונים?

גם כאן תצטרכו להפעיל קצת את התאים האפורים כדי לקבל כמה החלטות לא פשוטות ולהיזכר בשיעורי המתמטיקה מכיתה ז’. אל תדאגו בסוף אני בכל מקרה אגלה לכם את הנוסחא שלי J

כדי להחליט איזה משקל יש לכל אפיק או ערוץ או מסע פרסום שאתם בודקים תצטרכו לקבל כמה החלטות לא פשוטות. השאלה תהיה איך לחלק את הקרדיט על ההמרות בין הערוצים השונים? האם חשוב לנו יותר לזכות את האפיק הראשוני או מה שמעניין אותנו זה מי עושה את המכירה הסופית?

לפני קבלת החלטה כזו הייתי בודק כמה נתונים חשובים כמו: אורך המסלול הממוצע של מירב הרכישות, כמות ימים לפני ביצוע הרכישה, כמות ביקורים לפני ביצוע הרכישה, האם הגולשים ביצעו פעולות נוספות לפני הרכישה, סטטוס העסק או החברה (כלומר מטרות לטווח קצר) וכ”ו. כל הנתונים האלה יכולים לעזור לי לבנות את מודל מותאם טוב יותר לאתר הספציפי.

 

דוגמא ונוסחאת חישוב…

בשביל להראות לכם איך אני מבצע את חישוב ההמרות שנזקף עבור אפיק הממומן (cpc) אני רוצה שנחזור לדוגמת החנות שלנו. ואני רוצה שנחליף את המילה אפיק במילה “מוכר”, כלומר נתייחס לאפיקי תנועה שלנו כאילו היו מוכרים בחנות.

לשם הפשטות נניח ש-99% מהמכירות באתר חנות שלנו קורות לאחר מקסימום 3 ביקורים.

בעזרת הסגמנטים שיצרנו נוכל לתאר 3 מצבים שקורים בחנות:

1. “מוכר” אחד הצליח להכניס את הגולש מבחוץ לתוך החנות ולשכנע אותו להוציא את הארנק ולרכוש משהו בחנות שלנו. במקרה כזה אני בתור בעל החנות יזקוף לזכות המוכר הזה 100% מהמכירה. הוא עשה הכל, מגיע לו.
2. במקרה השני – מוכר אחד הצליח להכניס את הגולש לחנות אבל לא היה מספיק משכנע. חבר שלו המוכר השני ראה את המצב, ניגש ללקוח הפוטנציאלי והצליח לשכנעו לרכוש. במקרה כזה אני נוטה לחלק את הזכות על מכירה בין החברים 50%-50%. כאשר נרצה להדגיש יותר את הצד החושף או את הצד המוכר, נוכל להטות את האחוזים בהתאם, לטובת הצד החשוב לנו יותר למשל 60%-40% או 70%-30%.
3. במקרה השלישי כמובן השתתפו 3 מוכרים בתהליך שיכנוע הגולש. אחד חשף, אחד בילבל במוח ועוד אחד סגר את המכירה. אפשר לחלק את הזכות למכירה באופן שווה – 30%-30%-30%, או שוב להטות את האחוזים בהתאם להחלטה האסטרטגית שלנו. למשל אם הכי חשוב לנו לתגמל את המוכר שיצר את המכירה, אחר כך חשוב לנו לתגמל את החושף ורק בסוף את המוכר שבאמצע נוכל לחלק את ההמרה באופן הבא – 50%-20%-30%. הראשון יקבל 30%, השני 20% והאחרון 50%.

 

ועכשיו המתמטיקה שמאחורי כל זה

בואו נסתכל על האפיק הממומן (cpc) בדוחות שלמעלה ונעשה את החישוב.

 

 cpc = 6877*1 + 40972*0.3 + 17214*0.3 + 2261*0.5 + 3919*0.5= 27,422.8

מכאן נוכל להגיד שערך או שווי האפיק הממומן שלנו בתקופת הזמן הנבדקת הינו 27,422.8 ש”ח.

את התהליך הזה ניתן לעשות עבור מסעות פרסום, קבוצות מודעות, סוגי פרסום ואפילו עבור ביטויי מפתח… מגניב!