Attribuering är att ge kanaler äran för konverteringar. Attribuering till sista klicket ger äran till den sista kanalen före konverteringen. Attribuering till första klicket ger äran till den första. Men verkligheten är mer komplex: flera kanaler bidrog till beslutet. Attribueringsmodeller mellan kanaler försöker fördela äran rättvist mellan alla kanaler som bidrog. Det här kapitlet går igenom olika attribueringsmodeller och när du bör använda var och en.
Attribueringsmodeller förklarade
Attribuering till sista klicket
Kanalen för den sista kontakten före konvertering får 100 % av äran. Exempel: organisk sökning → e-post → betalda annonser → konvertering = betalda annonser får 100 % av äran.
Fördel: enkel, lätt att införa och gynnar kanaler längst ner i tratten. Nackdel: bortser från stödjande roller och undervärderar kanaler som skapar medvetenhet.
Attribuering till första klicket
Kanalen för den första kontakten får 100 % av äran. Exempel: organisk sökning → e-post → betalda annonser → konvertering = organisk sökning får 100 % av äran.
Fördel: gynnar kanaler som skapar medvetenhet och är lätt att införa. Nackdel: bortser från vårdande och avslutande roller och överdriver värdet av tidiga kontakter.
Linjär attribuering
Äran delas lika mellan alla kontaktpunkter. Exempel: organisk sökning → e-post → betalda annonser → konvertering = var och en får 33 % av äran.
Fördel: rättvis mot alla kanaler och tar hänsyn till flera kontakter. Nackdel: tar inte hänsyn till vilka kontakter som betyder mest.
Attribuering med tidsavtagande vikt
Nyligen skedda kontakter får mer ära än äldre. Exempel: organisk sökning (30 dagar sedan) får 20 %, e-post (10 dagar sedan) får 30 % och betalda annonser (1 dag sedan) får 50 %. Totalt 100 %.
Fördel: realistisk (de senaste kontakterna brukar väga tyngst) och balanserar medvetenhet och konvertering. Nackdel: mer komplicerad att införa.
Anpassad eller algoritmisk attribuering
Äran fördelas utifrån analys av historisk data. Maskininlärning hittar vilka kontakter som bäst förutsäger en konvertering. Exempel: datan visar att konverteringsgraden är 15 % högre när e-post ingår i sekvensen. E-post får extra ära.
Fördel: mest exakt och tar hänsyn till samspelseffekter. Nackdel: kräver data och teknisk kunskap.
Välja attribueringsmodell
Tidigt skede (du har just börjat): använd sista klicket. Enkelt och går att införa direkt. Undervärderar medvetenhet, men är en bra start.
Växande företag: använd tidsavtagande vikt. Mer exakt än sista klicket, tar hänsyn till flera kontakter och är relativt enkel.
Moget företag: använd anpassad eller algoritmisk attribuering. Du har tillräckligt med data och teknisk kompetens för avancerade modeller.
Bästa praxis: följ flera modeller samtidigt. Rapportera sista klicket till ledningen (enkelhet), tidsavtagande vikt för strategin (balans) och första klicket för mått på medvetenhet. Då får du hela bilden.
Så inför du attribueringsmodeller
Steg 1: Välj modell. Börja med tidsavtagande vikt om du inte har skäl att välja något annat.
Steg 2: Bestäm ditt attribueringsfönster. Hur många dagar före konverteringen följer du kontaktpunkter? 7, 14, 30, 90? Använd 30 som standard.
Steg 3: Ställ in i din analytics-plattform. De flesta plattformar stöder flera attribueringsmodeller. Google Analytics och de flesta produktanalysplattformar har inbyggt stöd.
Steg 4: Jämför modellerna. Kör alla modeller på din data och jämför resultaten. Var skiljer de sig åt? Ändrar det din strategi? Om olika modeller pekar på olika kanalprioriteringar, gräv djupare för att förstå varför.
Utmaningar med attribuering mellan kanaler
Kanalerna äter upp varandra: om du kör både organisk och betald sökning på samma nyckelord, vilken kanal får äran? Båda kan göra anspråk på konverteringen. Lösning: sätt tydliga regler (första klicket = organisk, sista klicket = betald) och tillämpa dem konsekvent.
Data saknas: kontakter offline (telefonsamtal, personliga möten) spåras inte i analytics. Lösning: importera konverteringsdata från offline till analytics när det går. Räkna med att vissa konverteringar saknar attribueringsdata.
Integritet och spårningsbegränsningar: integritetsändringar i iOS, annonsblockerare och integritetsverktyg minskar möjligheten att spåra. Vissa användarresor syns bara delvis. Lösning: använd förstapartsdata när det går. Var öppen med spårningens begränsningar i dina rapporter.
Vilken attribueringsmodell ska jag använda för mitt företag?
Tidsavtagande vikt är den bästa standarden för de flesta företag. Om din säljcykel är kort (1 till 2 dagar), använd sista klicket. Om den är lång (30 dagar eller mer), använd första klicket eller linjär attribuering. Testa dina tre främsta modeller i en månad och se om rekommendationerna ändras. Om de inte gör det, håll dig till den enklaste (sista klicket). Om de gör det, använd den som bäst speglar ditt företag.
Hur förklarar jag attribueringsmodeller för kollegor som inte är tekniska?
Använd ett exempel: Tre personer hjälpte till att avsluta en affär på $10 000: person A presenterade oss (medvetenhet), person B svarade på frågor (övervägande) och person C skrev under avtalet (beslut). Sista klicket ger alla $10 000 till person C (orättvist). Första klicket ger allt till person A (bortser från B och C). Tidsavtagande vikt ger 20 % till A, 30 % till B och 50 % till C (realistiskt). Använd det här för att förklara varför tidsavtagande vikt är mer rättvis.
Ska jag använda olika attribueringsmodeller för olika kanaler?
Nej, håll dig till en modell för alla kanaler så att de går att jämföra. Olika modeller för olika kanaler skapar inkonsekvens. Använd en modell genomgående och analysera sedan inom den: organisk söknings roll jämfört med e-postens roll och så vidare. Om du behöver olika modeller för olika syften, kör dem separat (rapportering och strategi), blanda dem inte.
Hur uppdaterar jag min attribueringsmodell om säljcykeln ändras?
Analysera din data på nytt: hur lång är den genomsnittliga säljcykeln? Om den har gått från 15 till 45 dagar kan ditt attribueringsfönster på 30 dagar klippa bort viktiga kontakter. Uppdatera till 45 till 60 dagar. Kör om analysen och se om kanalprioriteringarna ändras. Uppdatera modellen och dokumentera ändringen.
Kan jag använda attribueringsdata för att förutse vilka kampanjer som blir framgångsrika?
Delvis. Historisk attribuering visar vilka kanalkombinationer som fungerar. Om framgångsrika kunder kom via organisk → e-post → betald är nya kampanjer som följer det mönstret sannolikt framgångsrika. Använd det som en hypotes: satsa på de sekvenserna. Men varje kampanj är olika. Testa och mät i stället för att bara lita på historiska mönster.
Hur hanterar jag offline-konverteringar i min attribueringsmodell?
Importera offline-data till analytics: telefonsamtal, personliga möten, undertecknade avtal. Matcha mot webbsessioner med kund-ID (e-post, telefon eller namn). Kontakterna online syns i attribueringen och offline-konverteringarna är utfallet. Då får du en mer komplett bild. Obs: offline-attribuering är svårare, så börja med de största affärerna offline.