Ta kontroll över din annonsering med rätt attribution

Senast uppdaterad mars 28, 2022 av Growth Hackers Sthlm

Stämmer inte siffrorna från din performance marketing-byrå med dina interna säljsiffror? Eller skiljer sig dina siffror i Google Analytics från antalet konverteringar i Google Ads eller Facebook? Sådana skillnader beror ofta på attribution.
 

En person som tittar på en dashboard. Vi bygger dashboards som visar attribution över tid och hela kundresan.

Alltså hur du, annonsplattformarna, dina interna system och Google Analytics attribuerar värdet av din annonsering. Olika verktyg använder sig av olika sorters regelbaserade eller datadrivna attributionsmodeller för att göra denna fördelning. ”Last Click” är den vanligaste av dessa modeller och används av bl.a. Google Analytics (GA använder sig också av Last None Direct Click). Last click tittar bara på den sista interaktionen i kundresan innan en konverteringen och attribuerar allt värde till denna interaktion.

Här har Google skrivit om vad man som Google Ads-annonsör bör fundera på vid valet av attributionsmodell.

Men var det här vi fångade kundens intresse från första början? Hur ser resten av kundresan ut? Är Last Click attribution rätt val för dig?

Tänk om kunden valt att köpa någon annan tjänst om hon inte hade sett den där videoannonsen på YouTube en vecka innan hon gjorde det där ”sista klicket” till ett köp?

När vi tittar på alla annonser och klick som påverkat en försäljning inser vi att Last Click kan skapa en skev verklighetsbild. Vi missar viktiga interaktioner i kundresan och riskerar därmed att allokera vår annonsbudget fel. Det här gör att vi inte kommer kunna maximera ROI från vår annonsering. 

Vi måste förstå hela kundresan och vilka budskap och erbjudanden som fick kunden att bli kund samt i vilka kanaler dessa interaktioner skedde.

För att lyckas med detta behöver vi först och främst samla all data från kundresan på ett ställe så att vi kan analysera den. Därifrån börjar arbetet med att ringa in de viktigaste interaktionerna på denna resa. Genom att analysera historisk data tar vi reda på hur lång tid det tar för en kund att bestämma sig för vilken produkt eller tjänst hon ska välja. Där har vi attributionsfönstret, eller tiden ett klick från en viss sorts annons och annonsplattform ska ha på sig att bidra till en konvertering. Det kan vara t.ex. 30, 60 eller 90 dagar. 

När vi hittat rätt tidsperiod måste vi ta reda på det faktiska värdet vi ska attribuera ut. Marginalen? Är det en prenumerationstjänst kan värdet mycket väl vara ett LifeTime Value. Det här kommer variera från fall till fall. 

Hur ska då detta värde fördelas ut? Linjärt över alla klick? Mer för de initiala klicken och de avslutande? Vi har tyvärr inte ett generellt svar som gäller för alla sorters företag och branscher men ni kan börja testa er fram. Er affär och strategi tillsammans med er data är det som ska avgöra hur ni arbetar med attribution och vilken attributionsmodell ni använder.

Vi bygger attributionsmodeller baserat på er historiska data. Med en sån modell, framtagen för just din strategi och affär kan du få både en bred översikt och möjlighet att på detaljnivå förstå och styra er annonsbudget efter ROI per kanal. Detta gör att ni inte längre är beroende av er byrås rapporter eller manuellt behöver försöka pussla ihop en sanningsenlig bild från er alla era olika kanaler. Ni kommer själva sitta på sanningen.