Attribution در بازاریابی چیست؟ چگونه مسیر تبدیل مشتری را تحلیل کنیم؟

Attribution در بازاریابی چیست؟

Attribution یا «انتساب» در بازاریابی به فرایند نسبت دادن اعتبار یک اقدام مهم کاربر، مانند خرید، ثبت‌نام یا ارسال فرم، به نقاط تماس مختلف در مسیر او گفته می‌شود. در چنین شرایطی، اینکه تمام اعتبار تبدیل را فقط به آخرین تعامل بدهیم، ممکن است تصویر کاملی از مسیر کاربر ارائه نکند. اینجاست که مفهوم Marketing Attribution اهمیت پیدا می‌کند.

به زبان ساده، Attribution تلاش می‌کند پاسخ دهد:

• کاربر از کجا با کسب‌وکار آشنا شد؟
• از چه کانال‌هایی عبور کرد؟
• قبل از تبدیل چند تعامل با برند داشت؟
• کدام کانال‌ها در مسیر تبدیل حضور داشتند؟
• چطور باید اعتبار یک تبدیل میان این تعامل‌ها تقسیم شود؟

Google Analytics نیز Attribution را فرایند اختصاص اعتبار به تبلیغات، کلیک‌ها و عوامل مختلف در مسیر کاربر تا رسیدن به یک اقدام مهم تعریف می‌کند.

چرا Attribution مهم است؟

فرض کنید یک فروشگاه اینترنتی در سه کانال مختلف تبلیغ می‌کند:

• شبکه‌های اجتماعی
• تبلیغات جست‌وجویی
• ایمیل مارکتینگ

ممکن است آمار نهایی نشان دهد که بیشتر خریدها پس از ورود مستقیم یا جست‌وجوی برند انجام شده‌اند. اما این الزاماً به این معنی نیست که سایر کانال‌ها نقشی نداشته‌اند. ممکن است کاربر ابتدا یک پست تبلیغاتی را دیده باشد، سپس نام برند را جست‌وجو کرده و در نهایت چند روز بعد از طریق ایمیل خرید کرده باشد.

Attribution کمک می‌کند مسیر چنین کاربری را بهتر بررسی کنیم و فقط به آخرین نقطه تماس نگاه نکنیم.

یک مثال ساده از مسیر تبدیل

فرض کنید مسیر یک کاربر به این شکل باشد:

Instagram
↓
Google Search
↓
Website
↓
Email
↓
Website
↓
Purchase

در این مسیر، چند نقطه تماس قبل از خرید وجود داشته است.

اگر فقط آخرین تعامل را بررسی کنیم، ممکن است Email یا آخرین ورود به سایت بیشترین اعتبار را دریافت کند؛ اما این نگاه لزوماً نشان نمی‌دهد که سایر تعامل‌ها در مسیر کاربر چه نقشی داشته‌اند. مدل Attribution مشخص می‌کند اعتبار این تبدیل بر اساس چه روشی میان نقاط تماس تقسیم شود.

Attribution Model چیست؟

Attribution Model یا «مدل انتساب» مجموعه‌ای از قواعد یا یک الگوریتم است که مشخص می‌کند اعتبار یک اقدام مهم چگونه بین نقاط تماس مختلف تقسیم شود. مدل‌های مختلف می‌توانند یک مسیر یکسان را به شکل‌های متفاوتی تفسیر کنند. برای مثال، در یک مدل ممکن است تمام اعتبار به آخرین تعامل داده شود، در حالی که یک مدل داده‌محور می‌تواند اعتبار را میان چند تعامل توزیع کند.

Google Analytics در حال حاضر مدل‌هایی مانند Data-driven Attribution و Paid and organic last click را در گزارش‌های Attribution ارائه می‌کند. مدل‌های First Click، Linear، Time Decay و Position-based از نوامبر ۲۰۲۳ در گزارش‌های Attribution گوگل آنالیتیکس دیگر در دسترس نیستند.

Last Click Attribution چیست؟

در مدل Last Click، اعتبار تبدیل به آخرین کانال یا تعامل واجد شرایط پیش از تبدیل داده می‌شود.

برای مثال:

Social
↓
Search
↓
Email
↓
Purchase

در یک مدل Last Click، آخرین تعامل پیش از تبدیل اعتبار اصلی را دریافت می‌کند. مزیت این روش، سادگی آن است؛ اما مسیرهای چندمرحله‌ای کاربر را به شکل کامل توضیح نمی‌دهد.

Data-Driven Attribution چیست؟

Data-Driven Attribution یا انتساب داده‌محور تلاش می‌کند اعتبار تبدیل را با استفاده از داده‌های واقعی مسیر کاربران میان نقاط تماس مختلف توزیع کند. در Google Analytics، مدل داده‌محور از داده‌های مربوط به مسیرهای تبدیل‌شده و تبدیل‌نشده استفاده می‌کند و عواملی مانند زمان، ترتیب تعامل‌ها و نوع تعامل را در تحلیل خود در نظر می‌گیرد. در نتیجه ممکن است یک تبدیل به‌صورت کسری میان چند نقطه تماس توزیع شود.

برای مثال، یک گزارش می‌تواند به جای اینکه یک تبدیل کامل را فقط به یک کانال اختصاص دهد، سهم‌های مختلفی مانند موارد زیر نشان دهد:

Social      → 0.30
Search      → 0.40
Email       → 0.30
----------------
Total       → 1.00

اعداد بالا فقط یک مثال آموزشی هستند و نشان‌دهنده یک نتیجه واقعی یا مقدار ثابت در سیستم‌های تحلیلی نیستند.

تفاوت Attribution با Conversion چیست؟

این دو مفهوم گاهی با یکدیگر اشتباه گرفته می‌شوند.

Conversion به خود اقدام موردنظر گفته می‌شود؛ برای مثال:

• خرید محصول
• ثبت‌نام
• ارسال فرم
• دانلود فایل
• ثبت درخواست

اما Attribution به این سؤال می‌پردازد که اعتبار این اقدام را چگونه به مسیرها و نقاط تماس بازاریابی نسبت دهیم.

بنابراین:

Conversion = چه اتفاقی افتاد؟

Attribution = اعتبار آن اتفاق را چگونه به مسیر بازاریابی نسبت دهیم؟

نقش UTM در Attribution

پارامترهای UTM یکی از ابزارهای مهم برای مشخص کردن منبع و کمپین ترافیک هستند. برای مثال، یک لینک می‌تواند شامل این پارامترها باشد:

https://example.com/product?utm_source=instagram&utm_medium=social&utm_campaign=summer

در این مثال مشخص شده است که ترافیک مربوط به Instagram، در کانال Social و در کمپین Summer ایجاد شده است. ثبت منظم اطلاعات کمپین باعث می‌شود داده‌های مربوط به منابع ورودی ساختارمندتر باشند و تحلیل عملکرد کمپین ساده‌تر شود. البته UTM به‌تنهایی یک سیستم Attribution کامل نیست؛ بلکه یکی از روش‌های شناسایی و دسته‌بندی منبع ترافیک است.

نقش لینک کوتاه در تحلیل کمپین چیست؟

لینک کوتاه می‌تواند در کنار UTM و ابزارهای تحلیلی، مدیریت و تفکیک لینک‌های کمپین را ساده‌تر کند.

برای مثال، فرض کنید یک کسب‌وکار برای یک محصول سه کمپین دارد:

zqz.ir/abc1 → Instagram
zqz.ir/abc2 → Telegram
zqz.ir/abc3 → SMS

هر لینک می‌تواند به یک URL مقصد مشخص متصل باشد و داده‌های کمپین نیز در مقصد یا سیستم تحلیل ثبت شوند. در چنین ساختاری، آمار کلیک لینک‌های مختلف می‌تواند یک لایه اطلاعاتی اضافی درباره رفتار ورودی کاربران فراهم کند. البته باید توجه داشت که کلیک با تبدیل یکسان نیست. یک لینک ممکن است کلیک زیادی دریافت کند اما تعداد کمی از کاربران پس از ورود، اقدام موردنظر را انجام دهند.

یک مثال واقعی از Attribution برای یک کمپین

فرض کنید یک فروشگاه برای معرفی محصول جدید خود کمپینی اجرا کرده است. کاربر A ابتدا یک تبلیغ در شبکه اجتماعی می‌بیند و روی لینک کلیک می‌کند. چند روز بعد، نام محصول را در موتور جست‌وجو وارد می‌کند و وارد سایت می‌شود. سپس یک ایمیل تبلیغاتی دریافت می‌کند و از طریق آن به سایت برمی‌گردد و خرید می‌کند.

مسیر کاربر می‌تواند به شکل زیر باشد:

Social Ad
→ Organic Search
→ Email
→ Purchase

اگر فقط آخرین کلیک را بررسی کنیم، Email ممکن است تمام اعتبار را دریافت کند. اما بررسی مسیر کامل نشان می‌دهد که کاربر قبل از خرید چند تعامل داشته است. مدل داده‌محور می‌تواند با استفاده از داده‌های موجود، سهم نقاط تماس مختلف را بررسی کند.

آیا همیشه باید به Attribution اعتماد کنیم؟

Attribution ابزار مهمی برای تحلیل است، اما نباید نتایج آن را بدون توجه به محدودیت‌های داده تفسیر کرد. مسیر کاربران ممکن است به دلایل مختلف به‌طور کامل قابل مشاهده نباشد. برای مثال، تغییر دستگاه، محدودیت‌های فنی، تنظیمات حریم خصوصی یا روش‌های مختلف تعامل کاربر می‌توانند باعث شوند بخشی از مسیر قابل اندازه‌گیری مستقیم نباشد.

Google نیز در برخی شرایط از مدل‌سازی برای تخمین رویدادهای مهمی استفاده می‌کند که مستقیماً قابل مشاهده نیستند. بنابراین بهتر است Attribution را به‌عنوان یک ابزار تحلیلی ببینیم، نه یک پاسخ کاملاً قطعی درباره علت خرید هر کاربر.

اشتباهات رایج در Attribution

• در نظر گرفتن تعداد کلیک به‌عنوان معادل تعداد مشتری.
• اختصاص تمام موفقیت کمپین به آخرین کلیک بدون بررسی مسیر کاربر.
• استفاده نامنظم از UTMها.
• تغییر نام کمپین‌ها و پارامترها بدون یک الگوی مشخص.
• مقایسه داده‌هایی که با روش‌های مختلف اندازه‌گیری شده‌اند.
• نادیده گرفتن تبدیل‌های چندمرحله‌ای.
• نتیجه‌گیری قطعی از داده‌هایی که بخشی از مسیر کاربر در آن‌ها قابل مشاهده نیست.

چطور Attribution بهتری داشته باشیم؟

۱. هدف کمپین را مشخص کنید

قبل از تحلیل باید مشخص باشد که هدف کمپین چیست؛ فروش، ثبت‌نام، دریافت سرنخ، دانلود یا یک اقدام دیگر.

۲. لینک‌های کمپین را منظم کنید

برای کمپین‌های مختلف از ساختار مشخصی برای URL و پارامترهای UTM استفاده کنید.

۳. کانال‌ها را از هم تفکیک کنید

اگر یک کمپین هم‌زمان در چند کانال اجرا می‌شود، اطلاعات هر کانال را به شکل مشخص ثبت کنید.

۴. فقط به کلیک نگاه نکنید

کلیک می‌تواند نشان‌دهنده علاقه اولیه باشد، اما برای ارزیابی نتیجه کمپین باید اقدامات مهم بعد از کلیک نیز بررسی شوند.

۵. مسیر کاربر را بررسی کنید

اگر ابزار تحلیلی شما امکان مشاهده مسیرهای تبدیل را دارد، فقط به یک نقطه تماس اکتفا نکنید.

۶. داده‌ها را در یک بازه زمانی مناسب بررسی کنید

برخی کاربران بلافاصله پس از اولین تعامل تبدیل نمی‌شوند. بنابراین بررسی یک بازه بسیار کوتاه ممکن است بخشی از مسیر واقعی کمپین را نشان ندهد.

Attribution چه ارتباطی با بودجه تبلیغاتی دارد؟

یکی از کاربردهای مهم Attribution، کمک به تحلیل نحوه عملکرد کانال‌های بازاریابی است. اگر داده‌ها نشان دهند که کاربران قبل از تبدیل معمولاً از چند کانال عبور می‌کنند، تصمیم‌گیری صرفاً بر اساس آخرین کلیک می‌تواند بخشی از مسیر بازاریابی را نادیده بگیرد. ابزارهای تحلیلی مانند Google Analytics امکان مقایسه مدل‌های Attribution و بررسی مسیرهای مختلف را فراهم می‌کنند تا بازاریاب بتواند تأثیر روش‌های مختلف نسبت‌دهی اعتبار را مشاهده کند. این داده‌ها می‌توانند یکی از ورودی‌های تصمیم‌گیری درباره کمپین و بودجه باشند، اما بهتر است در کنار معیارهای دیگری مانند هزینه، درآمد، نرخ تبدیل و کیفیت مشتری بررسی شوند.

تفاوت Attribution و Analytics

Analytics مفهوم گسترده‌تری است و می‌تواند رفتار کاربران، منابع ترافیک، صفحات بازدیدشده، رویدادها، تبدیل‌ها و بسیاری از داده‌های دیگر را بررسی کند.

Attribution یکی از بخش‌های تحلیل است که روی نسبت دادن اعتبار اقدامات مهم به نقاط تماس بازاریابی تمرکز دارد. بنابراین می‌توان گفت Attribution بخشی از فرایند بزرگ‌تر تحلیل داده‌های بازاریابی است.

جمع‌بندی

Attribution در بازاریابی به ما کمک می‌کند مسیر کاربر تا رسیدن به یک اقدام مهم را بهتر درک کنیم و اعتبار تبدیل را بر اساس یک مدل مشخص به نقاط تماس مختلف نسبت دهیم. این موضوع زمانی اهمیت بیشتری پیدا می‌کند که کاربر قبل از خرید یا ثبت‌نام، از چند کانال مختلف عبور کرده باشد. لینک‌های کوتاه، پارامترهای UTM و ابزارهای تحلیل می‌توانند در جمع‌آوری و دسته‌بندی داده‌های کمپین کمک کنند؛ اما هیچ‌کدام به‌تنهایی تصویر کاملی از Attribution ارائه نمی‌دهند. برای یک تحلیل قابل‌اعتماد، بهتر است کلیک، منبع ترافیک، مسیر کاربر، تبدیل و مدل Attribution را در کنار یکدیگر بررسی کنیم.

در نهایت، هدف Attribution این نیست که فقط بگوید «کدام کانال برنده شد»؛ بلکه باید کمک کند بفهمیم کاربر چگونه از اولین تعامل به اقدام نهایی رسید و داده‌های موجود چه چیزی درباره این مسیر به ما می‌گویند.