Nézd meg, hogyan követik a konverziókat az attribúciós rendszerek, és ugyanazt a mintát találod újra és újra. Mindenért az utolsó érintkezési pontot jutalmazzák, így a SEO láthatatlan marad a bevételi történetben. Az attribúciós modellezés ezt változtatja meg.
Az attribúciós modellezés azt jelenti, hogy a konverzióhoz vezető minden ügyfél-interakció között elosztod az érdemet. Az utolsó kattintás modell azt mondja: "a látogató az utolsó hirdetés miatt konvertált". Az attribúciós modellezés azt kérdezi: "mely csatornák dolgoztak együtt ennek az eladásnak a létrehozásán?" A SEO szakembereknek ez azt jelenti, hogy végre látják, milyen valódi szerepet játszik az organikus keresés az ügyfélútban, gyakran hónapokkal azelőtt, hogy a látogató vásárol.
A legtöbb márka figyelmen kívül hagyja, mi történik az első érdeklődés és a végső eladás között. Ha megnézed, hogyan követik a márkák a megtérülést, ugyanazt a gondot találod újra. Az utolsó lépést mérik, és elfelejtik mindent előtte. Vegyél bármilyen átlagos marketingriportot, és látod, hogy az utolsó kattintás adatai uralják a beszélgetést. De az ügyfelek nem így döntenek a vásárlásról. Kutatnak, többször visszatérnek, összehasonlítják a lehetőségeket, és elmennek. A SEO gyakran a nehéz munkát végzi a korai kutatási szakaszban, az attribúciós rendszerek mégis az érdemet annak a csatornának adják, amelyik éppen utolsó volt.
Miért számít most jobban az attribúciós modellezés
A konverziós utak hosszabbak és töredezettebbek lettek. Egy ügyfél organikus kereséssel talál az oldaladra, elmegy, ajánlói linken visszatér, több oldalt böngész, kap egy e-mailt, és végül mobilon konvertál. Minden csatornának volt szerepe. Egyiknek sem szabadna 100%-ot kapnia az érdemből.
Megfelelő attribúció nélkül a SEO költséghelynek látszik, nem bevételhozónak. A cégek kulcsszókutatásra, tartalomra és technikai optimalizálásra költenek, de amikor az analitikájuk azt mondja, hogy "a fizetett hirdetések zárták le az üzletet", megkérdőjeleződik a SEO-ba fektetés. A B2B marketingesek mindössze 21%-a biztos abban, hogy érti a valódi attribúcióját, és 67% még mindig az utolsó érintéses modellekre épít, amelyek teljesen eltüntetik a SEO hozzájárulását. A valóban számító mutatók megértése az első lépés ennek javításához. Ismerd meg, mely SEO mutatók hatnak valóban a bevételedre.
A téves attribúció ára valós. A költségvetés ahhoz a csatornához áramlik, amelyik az út végén jelenik meg. Az ismertséget építő csatornák, például a SEO, éheztetve vannak. A növekedés megáll, mert az a csatorna, amely a kezdeti keresletet létrehozza, úgy tűnik, nem termel bevételt. Az attribúciós modellezés ezt úgy javítja, hogy megmutatja, mely csatornák befolyásolják valóban a döntéseket, nem csak azt, amelyik véletlenül az utolsó volt.
Mi az a többérintéses attribúciós modell?
A többérintéses attribúció több érintkezési pont között osztja el az érdemet ahelyett, hogy egynek adná mind. Arra a kérdésre felel, amelyre más modellek nem tudnak: "Mely csatornák dolgoztak együtt ennek a konverziónak a létrehozásán?"
A különböző modellek másképp osztják az érdemet. A lineáris modell minden érintkezési pontnak egyenlő súlyt ad (négylépéses útnál 25%-ot mindnek). Az időbeli lecsengés modellek több érdemet adnak a közelmúlt érintkezési pontjainak (a konverzióhoz legközelebbi pont számít a legtöbbet). A pozícióalapú modellek erősen az első és az utolsó érintkezési pontot jutalmazzák, elismerve, hogy az ismertség és a döntés is számít. Az adatvezérelt modellek gépi tanulással számolják az érdemet az adataidban látható tényleges konverziós minták alapján.
A SEO-nál a többérintéses attribúció megmutatja, amit az utolsó kattintás rendszerek elrejtenek. Az organikus keresés gyakran korán jelenik meg az úton (ismertséget teremt), aztán újra az út közepén (összehasonlítást és kutatást ad). A többérintéses attribúcióval mindkét érintkezési pont érdemet kap, megmutatva, hogy a SEO többet ad hozzá, mint amit az utolsó kattintás modell sugallt. Ezért számít olyan sokat, hogy olyan tartalomstratégiát építs, amely az út különböző szakaszait célozza.
A többérintéses modellekre váltás gyorsul. A cégek hetvenöt százaléka ma már egyérintéses modellek helyett többérintéses attribúciót használ. Azok a cégek, amelyek váltottak, 14-36%-kal javították az akvizíciónkénti költségüket, egyszerűen azért, mert pontosabban irányították át a költségvetést.
Hogyan működnek a különböző attribúciós modellek?
Utolsó kattintás attribúció
Az utolsó kattintás a konverzió előtti végső érintkezési pontnak adja a 100%-os érdemet. Ha az ügyfél utolsó interakciója egy e-mail, az e-mail kapja az összes érdemet, noha az organikus keresés végezte a kutatómunkát hetekkel korábban. Ez a modell ingyenes és egyszerű, de drámaian alulértékeli az ismertséget építő csatornákat, például a SEO-t.
Lineáris attribúció
A lineáris egyenlően osztja az érdemet az összes érintkezési pont között. A négyérintéses út minden csatornának 25% érdemet ad. Ez igazságosabb, mint az utolsó kattintás, de minden interakciót egyformán fontosnak kezel, ami ritkán igaz. Egyetlen Google keresési találat többet nyomhat a latba, mint a harmadik hirdetésmegjelenés.
Időbeli lecsengés attribúció
Az időbeli lecsengés több súlyt ad a friss interakcióknak. Egy látogató a SEO-n át érinti az oldaladat, elmegy, aztán visszatér, és egy fizetett hirdetés után konvertál. A fizetett hirdetés 50% érdemet kap, a SEO 30%-ot, a köztes érintkezési pontok 20%-ot. Ez a modell jobban tükrözi a valóságot, mert elismeri, hogy a döntések idővel alakulnak ki, de a döntési pillanatokban történnek.
Pozícióalapú attribúció
A pozícióalapú (U alakú) modell 40% érdemet ad az első érintkezési pontnak és 40%-ot az utolsónak, a maradék 20%-ot pedig elosztja a középső interakciók között. Ez a modell a felfedezést és a döntést is értékeli, miközben elismeri, hogy a középső érintések is számítanak. Hosszabb ügyfélutaknál jól működik.
Adatvezérelt attribúció
Az adatvezérelt a tényleges konverziós adataidat használja az optimális érdemelosztás kiszámításához. A Google gépi tanulási algoritmusa elemzi a fiókodban minden konverziós utat, és az érdemet aszerint osztja, hogy mely érintkezési pontok befolyásolják valóban a konverziókat a te sajátos környezetedben. Ehhez mennyiség kell (modellenként havonta legalább 400 konverzió), de a csatornák hozzájárulásáról a legpontosabb képet adja. A teljes beállításhoz nézd meg, hogyan vezess be eseménykövetést a Google Tag Managerrel és a SEO eseménykövetéssel.
Mit árul el az attribúciós modellezés a SEO-ról?
Amikor a márkák megfelelő attribúciót vezetnek be, felfedezik a SEO aránytalanul nagy hatását a bevételre. A szoftveres cégek átlagosan 702%-os megtérülést jelentenek a SEO tevékenységen, jellemzően hét hónap után érik el a nullszaldót. De ezek a számok olyan cégektől jönnek, amelyek többérintéses attribúciót használnak. Az utolsó kattintás modellekre építő cégeknél a SEO hozzájárulása eltűnik.
Íme, mit mutat a megfelelő attribúció az organikus keresésről. A SEO hozza az első ismertséget és kutatást. A látogató egy problémakifejezésre keres, megérkezik az oldaladra, és elmegy. Kutatási módban van. Az első érintkezési pont senkit sem konvertál. Hetekkel később újra keres (egy másik kulcsszóra rangsorolsz), időt tölt a lehetőségek összehasonlításával, és elmegy. Még mindig nincs eladás. Aztán márkaspecifikus kulcsszóra keres, egy termékoldalra érkezik, és végül egy fizetett hirdetés újracélozza. Konvertál.
Az utolsó kattintás modellben a fizetett hirdetés kapja a 100% érdemet. A többérintéses attribúcióban az organikus 30-40%-ot kap (a kezdeti ismertségi és kutatási szakaszok), a fizetett pedig 30-40%-ot (a végső döntési szakasz). Kiderül a valóság: mindkettő kellett. Egyik csatorna sem működött volna egyedül.
A kis márkáknál a SEO befolyása még látványosabb. Az ügyfeleknek kevesebb érintkezési pontjuk van a konvertálás előtt. Egyetlen jól rangsoroló cikk vagy nyitóoldal gyakran az ismertségi és a döntési funkciót is betölti, vagyis az organikus keresés a rövid utakon korán és későn is megjelenik, megsokszorozva a jóváírt hatását.
Mik a gyakori akadályok az attribúció beállításánál?
Az attribúciós modellezés egyszerűnek hangzik, amíg meg nem próbálod felépíteni. A valódi ügyfélutak kuszák.
Az eszközök közötti követés bonyolult. Az ügyfél mobilon kutat, rákattint a linkre, aztán asztali gépen fejezi be a vásárlást. Ez két különböző ügyfél vagy egy út? A legtöbb analitika azt feltételezi, hogy külön vannak, mert a munkamenetek különböző eszközökön történnek. Az első féltől származó adatgyűjtés segít, de nem automatikus.
Az offline konverziók eltűnnek a modellből. A látogató organikus keresésből érkezik az oldaladra, több oldalt elolvas, aztán besétál a fizikai boltodba, és vásárol. A digitális rendszer rögzíti az oldallátogatást, de az eladást nem. A csak webes adatokra épülő attribúciós modellek egész bevételi folyamokat elmulasztanak.
Az adatvédelmi változások korlátozzák a követést. A mobil operációs rendszerek követésvédelme, egyes böngészők alapértelmezett adatvédelmi beállításai és a sütik nélküli jövő mind azt jelentik, hogy a látogatói adatok egyre hiányosabbak. A modern attribúciós modelleknek modellezett adatokkal (megalapozott becslésekkel) kell dolgozniuk ott, ahol a közvetlen követés kudarcot vall, ezért kevésbé pontosak.
A legtöbb platform alapból utolsó kattintásra van állítva. A Google Analytics, a legtöbb webshop-platform és más platformok alapértelmezetten utolsó kattintás attribúcióval szállnak. A többérintésesre váltás beállítást kíván a GA4-ben, UTM paramétereket, eseménykövetést, és gyakran külső eszközökkel való integrációt. Az akadályok technikaiak, nem fogalmiak.
Az értelmezéshez szakértelem kell. Ha az attribúció be van állítva, a számokhoz még mindig kontextus kell. Egy nagy forgalmú csatorna alulteljesítőnek látszhat, mert a tölcsér tetején van. Egy kis forgalmú csatorna erősnek látszhat, mert a tölcsér végén dönt. Az, hogy melyik csatorna milyen munkát végez, statisztikai gondolkodást és szakterületi tudást kíván.
Hogyan segít a WEMASY a SEO megtérülés követésében
A WEMASY analitikai eszköze integrálódik a weboldalad forgalmi adataival, és segít követni, hogyan járul hozzá az organikus keresés az üzleti céljaidhoz. Az analitikai vezérlőpult nemcsak a forgalmat mutatja, hanem azt is, mely oldalak hozzák a legtöbb konverziót, honnan érkeznek a látogatóid, mielőtt konvertálnak, és hogyan teljesít az organikus keresés különböző időablakokban.
A megfelelő attribúció beállítása a WEMASY-ban a konverziós céljaiddal kezdődik. Határozd meg, mi számít (eladás, regisztráció, letöltés), aztán kövesd, hogyan jutnak el a látogatók ezekhez a konverziókhoz. Az attribúciós réteg az érdemet az érintkezési pontok között mutatja, megadva az adatot a SEO valódi bevételi hatásának megértéséhez. Ha ezt párosítod a Google Search Console adataival az organikus keresési teljesítményed megértéséhez, teljes képet kapsz arról, hogyan találnak rád az emberek.
Gyakran ismételt kérdések
Mi a különbség az attribúció és a konverziókövetés között?
A konverziókövetés azt méri, amikor egy cél teljesül (a látogató vásárol, regisztrál vagy letölt). Az attribúció a konverzió érdemét azokhoz a konkrét csatornákhoz és érintkezési pontokhoz rendeli, amelyek hozzávezettek. Először konverziókövetés kell. Az attribúció a következő réteg, amely megmagyarázza, mely csatornák érdemelnek elismerést a konverzióidért. A WEMASY weboldalépítőjével ezt közvetlenül a weboldaladon beállíthatod.
Használhatok attribúciós modellezést, ha kevés a forgalmam?
Igen, de fenntartásokkal. A szabályalapú modellek (lineáris, pozícióalapú, időbeli lecsengés) bármilyen forgalmi mennyiséggel működnek. Az adatvezérelt attribúcióhoz mennyiség kell a pontossághoz (a Google modellenként havi 400+ konverziót javasol). A kis oldalak kezdjenek időbeli lecsengés vagy pozícióalapú modellel, aztán térjenek át az adatvezéreltre, ahogy nő a forgalom.
Működik az attribúciós modellezés offline konverziókra is?
Nem automatikusan. A szabványos attribúció csak a digitális érintkezési pontokat látja. Hogy az organikus keresésnek jóváírd az offline eladásokat, kézzel kell importálnod az offline konverziós adatokat az analitikai platformodra. Ehhez CRM integráció vagy kézi adatfeltöltés kell, de lehetséges. Sok fizikai üzlet, amely a webes tevékenységet a boltbeli eladásokkal együtt követi, ezt csinálja.
Melyik attribúciós modellt válasszam a márkámhoz?
Kezdd az időbeli lecsengés vagy a pozícióalapú modellel. Bármilyen forgalmi mennyiséggel működnek, valósághű ügyfélutakat tükröznek (a korai és a késői érintések is számítanak), és azonnal használható belátásokat adnak. Ha elég a konverziós mennyiség (havi 400+), válts adatvezérelt attribúcióra a pontosságért. Az utolsó kattintás egyszerű, de alulértékeli a SEO-t.
Hogyan hat az attribúciós modellezés a SEO költségvetés elosztására?
A többérintéses attribúció jellemzően növeli a SEO-nak jóváírt érdemet, mert megmutatja, hogy az organikus keresés az ismertséget és a kutatást hozza, nem csak a végső konverziókat. Azok a márkák, amelyek az utolsó kattintásról többérintésesre váltanak, gyakran azt találják, hogy a SEO a korábban gondoltnál 20-40%-kal nagyobb bevételi hatást képvisel. Ez a belátás nagyobb SEO költségvetéshez és több tartalmi befektetéshez vezet.
Milyen szerepet játszik a GA4 az attribúciós modellezésben?
A GA4 az a platform, amelyet a Google kifejezetten a többérintéses attribúcióhoz épített. Eszközökön át követi a felhasználói viselkedést, eseményeket mér pusztán oldalmegtekintések helyett, és beépített adatvezérelt attribúciós modellt tartalmaz. A GA4 ingyenes, és megold sok technikai akadályt, amely a régi attribúciót nehézzé tette. Ha helyesen használod a GA4-et, az attribúció beállítása egyszerű lesz.