Retrospektivní atribuční modelování v marketingu aneb kvantifikujete správně návratnost investic?

Aktualizace: led 15

V dnešním článku se vám pokusíme přiblížit velice důležité téma vztahující se k atribučnímu modelování a kvantifikaci návratnosti marketingových investic. Z určitého úhlu pohledu může být téma retrospektivy v atribuci kontroverzní (výsledkem může být změna data, kdy vznikla objednávka). Budeme tedy rádi za jakékoliv názory a postřehy v navazující diskuzi pod článkem.


Agregovaný pohled na atribuční modelování


Nejzákladnější způsob, jak se dívat na atribuci (nezávisle na zvoleném modelu, tedy i v případě využití DDA), představuje agregovaný atribuční model. Tento přístup využíváme i v našem Marketing Attribution Tool. Pro jednorázové výpočty bývá tento přístup v zásadě nejvhodnější.


Agregovaný pohled počítá atribuční koeficienty za konkrétní kanál za určité období. Časové okno, na které se díváme (transakční okno + lookback window), může být pohyblivé (jinak řečeno klouzavé) a model tedy může běžet kontinuálně.

Slide ze školení "Atribuční modelování v marketingu I."

  • Nevýhodou agregovaného pohledu (z určitého úhlu pohledu se dá říci až „chybou“) je nemožnost rozlišit jednotlivé konkrétní objednávky (ve smyslu jejich přesné identifikace na úroveň jejich transactionID).

  • Díky agregovanému modelu jste tedy schopni určit, že za minulý měsíc (neboli za sledované klouzavé období) například kanál „Display“ vydělal 20 tis. Kč, ale model už nedokáže rozpoznat, že tento kanál celou tuto částku vydělal první den sledovaného klouzavého období.

Pokud využijete DDA výpočet a zároveň agregovaný pohled na data, vzniká riziko nesprávné kvantifikace návratnosti marketingových investic z důvodu nesprávné definice data vzniku konverze. Jak je to možné?


Odpověď na tuto otázku se skrývá právě v retrospektivě.

Tip: Chcete se o atribuci dozvědět více a získat přístup do našeho nástroje pro výpočet DDA? Přijďte na školení „Atribuční modelování v marketingu I."

Retrospektivní atribuční modelování

Základní podmínkou pro možnost vytvoření retrospektivního pohledu na atribuční modelování je existence pohledu na data až na úroveň každé konkrétní objednávky (transactionID) a každé návštěvy (sessionID). Díky tomuto datasetu jste schopni zpětně rekonstruovat (a změnit) časovou řadu vzniku transakcí, tržeb a návratnosti investic, což je pro využití retrospektivy klíčové.

Přístup založený na retrospektivě je velice důležitý především v případě, kdy pro kvantifikaci návratnosti investic využíváte jiný atribuční model, než Last nonDirect Click -> v tuto chvíli ztrácí na významu pohled přes „účetní datum objednávky“ (tedy datum objednávky tak, jak ho znáte z Google Analytics), a je potřeba příslušnou objednávku (případně konverzi) zpětně přiřadit k návštěvě (a tím i zdroji této návštěvy, neboli marketingové investici), ke které je tato objednávka atribuována.


Ačkoliv je dnes upřednostňován tzv. user-centric pohled, dataset na úrovni návštěv je stále velice důležitý. I kdyby v budoucnosti základní implementace webové analytiky byla založena „pouze“ na cookieIDs (clientIDs) a pageviews, bude klíčové (např. z důvodu atribučního modelování) mít vhodně definovanou také session.


V případě čistě user-centric analytiky se zbavíme „nepřesného“ až „chybného“ základního měření, ale vznikne nutnost definovat a nastavit si určitě detaily sami. V našich řešeních a datasetech z tohoto důvodu pracujeme a i do budoucna počítáme s existencí clientID, sessionID a v případě konverzí transactionID nebo eventLabel obsahující ID konverze.


Navíc, existují-li na vašem webu přihlášení uživatelé a máte-li v GA v custom dimenzi userID, je možné clientID zpřesnit a pracovat na úrovni userID, čímž získáte částečné cross-device řešení. Praxe ovšem ukazuje, že nejčastěji se přihlašují opakovaní zákazníci a návštěvníci webu, tj. nejhodnotnější skupina, na jejímž vyhodnocování záleží nejvíc, tedy případná „omezenost“ cross-device řešení nijak významně nesnižuje její byznysovou přidanou hodnotu.


Co bude výsledkem výše uvedeného procesu retrospektivy? Jednoduše změníte datum, kdy objednávka vznikla :-).

  • V případě „jednoduchých“ atribučních modelů, jako je např. First Click model, se u celé objednávky (potažmo její hodnoty) změní datum jejího vzniku k datu dané návštěvy, ke které byla dle First Click atribučního modelu přiřazena = k 1. touchpointu v cestě.

  • Složitější úloha přihází ve chvíli využití DDA, kdy může být jedna objednávka (potažmo její hodnota) v rámci konverzní cesty uživatele rozpadnuta poměrově mezi více touchpointů.

  • Nutno znovu podotknout, že v případě výpočtu dle retrospektivního pohledu máme znalost konkrétní konverzní cesty konkrétního uživatele (clientID), konkrétní objednávky (transactionID) a všech touchpointů v této cestě (sessionID), jak je zmíněno výše.

V případě retrospektivního atribučního modelování se tedy nedíváme na „účetní datum objednávky“, ale jednoduše řečeno danou objednávku dělíme na „miniobjednávky“, jejichž hodnotu přiřadíme na základě zvoleného DDA modelu mezi různé touchpointy a data jejich vzniku v konverzní cestě dle atribučních koeficientů, které jsou výsledkem atribučního výpočtu.

Slide ze školení "Atribuční modelování v marketingu I."

Příklad: Pokud bychom v případě 4-touchpointové konverzní cesty využili lineární model, díky využití retrospektivy by 25 % objednávky (a 25 % hodnoty této objednávky) vzniklo k datu každé návštěvy (a tedy každému touchpointu) v této konverzní cestě.

  • Pokud máme jednokanálovou a jednotouchpointovou cestu (i vícetouchpointová cesta může být jednokanálová), tak se s využitím retrospektivního atribučního modelu nic nemění.

  • U jednokanálové cesty, kde je více touchpointů, se mění časové rozdělení hodnoty objednávky i samotné objednávky, ale nemění se celkový agregát na daný kanál.

Retrospektivní atribuční modelování VS agregovaný pohled


Hlavním rozdílem retrospektivy oproti agregovanému přístupu je možnost vyhledat konkrétní ID objednávky a podívat se, které kanály ji vytvořily a v které konkrétní dny tyto touchpointy nastaly.


Největší přínos retrospektivy je pak „přesnější“ kvantifikace návratnosti marketingových investic. V čem je ta zásadní změna? Právě v rozpadu hodnoty objednávky (nebo její části) zpětně v čase k daným kanálům (touchpointům) a tím správná kvantifikace návratnosti investic v daný den pro daný kanál.


Obrovskou výhodou retrospektivy v případě našeho řešení je také možnost vyhodnocení pomocí DDA modelů zpětně v čase (vyhodnocení jakékoli investice i v minulosti), což je velice silný pomocník při přechodu na jiný atribuční model (a kvantifikace smysluplnosti této změny obecně, ne vždy je kompletní přechod na jiný atribuční model tím správným řešením).

Graf níže vyobrazuje časové řady počtu transakcí denně s využitím retrospektivy dle různých atribučních modelů (First Click, Markov) v porovnání s účetním datem objednávky dle Last Non-Direct Click:

  • Jak jsme již uvedli výše, pro atribuční model Last Non-Direct Click (červená) využití retrospektivy nemá na změnu data vytvoření objednávky vliv. Odpovídá tedy účetnímu datu i datu vzniku objednávky v Google Analytics.

  • Díky tomuto „efektu“ je Last Non-Direct Click vhodný pro vizuální srovnání změn, které ve vztahu k datu vzniku objednávky vzniknou u ostatních atribučních modelů.

  • Na příkladu výše je dobře pozorovatelné, jak First Click model (modrá) atribuuje objednávky více do minulosti ve srovnání s Last Non-Direct Click modelem, což je vzhledem k jeho charakteru logické.

  • DDA model Markov (žlutá) pak objednávky také rozřazuje více do historie ve srovnání s Last Non-Direct Click modelem, nicméně již ne tak „silně“, jako First Click model.

Na dalším grafu níže jsme celý analyzovaný dataset filtrovali právě na jedno transactionID. Na úrovni jedné konkrétní transakce tak můžeme přesně pozorovat:

  1. účetní datum vzniku objednávky dle Last Non-Direct Click modelu 13. 12. 2019

  2. atribuované datum vzniku objednávky dle First Click modelu k 28. 11. 2019

  3. několik atribuovaných dat vzniku objednávky dle rozložení příslušných zásluh na transakci dle DDA modelu Markov 3, kde suma těchto zásluh = 1

Můžeme také filtrovat retrospektivní dataset na jedno konkrétní datum. Na grafu níže vidíme, že v účetním pohledu evidujeme za konkrétní den určitý objem transakcí (121).

Pokud ale aplikujeme retrospektivní data-driven atribuci, tyto konverze se „přelijí“ do minulosti. Z toho je patrná určitá prodleva aktuálnosti současného datasetu (dnešní atribuované tržby se v nejbližších dnech jistě navýší, „doklepne-li“ se jistá množina otevřených nekonverzních cest).

S využitím retrospektivy změny nastávají i v rámci vizualizace dat. Díky datasetu na úrovni sessionID, clientID a transactionID je nově možné jednoduše vidět „příběh“ každé objednávky -> dataset obsahuje všechny potřebné informace na úrovni každé unikátní konverzní cesty:

  • který touchpoint byl první

  • které další touchpointy byly po cestě a na konci cesty

  • kolik dní od začátku nákupní cesty uplynulo

  • kolik dní od začátku lifetime cookie uplynulo

  • sessionCount určující, kolikátá návštěva zákazníka to je

  • GEO rozdělení

  • zařízení, prohlížeč, rozlišení obrazovky, verze operačního systému, ...

  • další dimenze...

Pro maximalizaci jednoduchosti analýzy dat vedle retrospektivního pohledu zachováváme i „standardní = účetní“ pohled na datum objednávky. Ve výsledných vizualizacích tedy vždy máme dvě časové dimenze (datum návštěvy a datum objednávky), na základě kterých je možné mimo jiné vizualizovat (viz grafy výše):

  • kanály, které se podílely na objednávkách dokončených ve zvoleném časovém okně

  • retrospektivní výkony kanálů po započtení objednávek, kterých se účastnily, k datu návštěvy (nový pohled na PNO, konverzní poměr, revenue per session, a jakékoliv jiné KPIs)

Zobrazujeme tedy session-level data z Google Analytics s napočítanými atribuovanými tržbami jak k datu objednávky, tak k datu návštěvy. Ve výsledku vidíte vedle sebe oba pohledy, atribuovaný i účetní, jak je vidět na grafu výše.

Tip: Chcete pochopit retrospektivu v atribuci více do hloubky díky příkladům a use cases z naší praxe? Přijďte na školení „Atribuční modelování v marketingu II.“.

Závěrečné shrnutí


Největší změna je v samotném pohledu na datum vzniku objednávky (nebo konverze), kdy v případě využití retrospektivy je pro nás směrodatné datum session, ke které byla transakce (nebo její část) atribuována, a ne „účetní datum objednávky“.


Proč je to důležité? Protože datum session koresponduje s datem vzniku marketingového nákladu. Díky retrospektivě je tedy možné výrazně zpřesnit kvantifikaci návratnosti marketingových investic nezávisle na zvoleném atribučním modelu (vyjma Last Non-Direct Click). Získané hodnoty PNO, konverzního poměru, revenue per session i dalších KPIs. by měly lépe vyjadřovat opravdový přínos a efektivitu marketingového kanálu.


Slabé místo retrospektivního pohledu na atribuci je časová prodleva (čekáme, až se objednávky uskuteční účetně, až pak je můžeme promítnout do minulosti). V případě jednorázových výpočtu DDA (např. pomocí našeho Marketing Attribution Tool), tedy retrospektiva není vhodná.


Časová prodleva v praxi znamená počkat 2-4 týdny, po kterých můžete retrospektivně atribuovaným datům bez problémů důvěřovat (např. Vánoce tedy doporučujeme začít vyhodnocovat cca v půlce ledna). I z tohoto důvodu vedle sebe držíme ve vizualizacích vždy oba pohledy:

  1. Účetní obsahuje všechny tržby (aby seděla celková částka za nedávné období).

  2. Atribuovaný retrospektivní pohled posouvá tržbu ke dni vzniku nákladu a lépe vyjadřuje skutečnou efektivitu kanálů a marketingových investic.

Je pro řízení marketingových investic retrospektivní pohled na atribuci důležitý? Dle mého názoru jednoznačně ano. Osobně používám tento pohled u všech projektů, u kterých spolupracujeme na plánování rozpočtu a analytice (řádově desítky) a upřímně si již bez této znalosti nedokážu svou práci představit, nicméně každý máme pro svou práci samozřejmě jiné preference.


Marek & Milan.

©2019 Ecommerce-academy.cz, created with love by Milan, Marek & Ivča