פרסום ושיוך (Attribution)

‫[GA4] תחילת העבודה עם שיוך (Attribution)

ניתוח של האופן שבו המודעות מעודדות משתמשים לבצע פעולות שחשובות לעסק באתר או באפליקציה

סקירה כללית

הלקוחות יכולים לבצע כמה חיפושים וללחוץ על כמה מודעות לפני שהם מבצעים רכישה או פעולה חשובה אחרת באתר או באפליקציה. בדרך כלל, כל הקרדיט על הפעולה החשובה (שנקראת אירוע מרכזי) משויך למודעה האחרונה שעליה הלקוחות לחצו. אבל האם זו המודעה היחידה שגרמה להם להחליט לעשות פעולה בקשר לאירוע מרכזי בנתיב למימוש האירוע הזה? מה לגבי שאר המודעות שעליהן הם לחצו לפני כן?

Attribution is the act of assigning credit for important user actions to different ads, clicks, and factors along the user's path to completing the action.

An attribution model can be a rule, a set of rules, or a data-driven algorithm that determines how credit is assigned to touchpoints along a user's path to completing important actions.

יש 3 מודלים של שיוך שזמינים בדוחות השיוך בנכסי Google Analytics 4:

  • שיוך מבוסס-נתונים (DDA)
  • קליק אחרון בערוצים בתשלום ובערוצים אורגניים
  • קליק אחרון בערוצי Google בתשלום
הערה: כל המודלים האלה לא משייכים קרדיט לביקורים ישירים, אלא אם הנתיב למימוש האירוע המרכזי כלל רק ביקורים ישירים.

Google Ads logo עמידה ביעדי השיווק

מיישמים ב-Google Ads את התובנות שמופקות מ-Google Analytics. כך אפשר להציג את העסק ללקוחות המתאימים בחיפוש Google, ב-YouTube ועוד.

כניסה לדוחות השיוך

כך נכנסים לדוחות השיוך:

  1. ב-Google Analytics, בצד ימין, לוחצים על פרסום.
  2. בקטע שיוך, לוחצים על מודלים של שיוך (Attribution) או נתיבי שיוך (Attribution).

שיוך מבוסס-נתונים

שיוך מבוסס-נתונים: במודל מהסוג הזה, הקרדיט על האירוע המרכזי מחולק לפי הנתונים של כל אירוע מרכזי. המודל הזה שונה ממודלים אחרים כי הוא מתבסס על הנתונים בחשבון כדי לחשב את מידת התרומה בפועל של כל אינטראקציה שהסתיימה בקליק.

Data-driven model icon כל מודל מבוסס-נתונים הוא ייחודי לכל מפרסם ולכל אירוע מרכזי.

איך פועל שיוך מבוסס-נתונים

כחלק מתהליך השיוך, המערכת משתמשת באלגוריתמים של למידת מכונה כדי להעריך נתיבים של משתמשים שהשלימו המרות וגם נתיבים של משתמשים שלא השלימו המרות. המודל מבוסס-הנתונים שמתקבל לומד איך נקודות מגע שונות עם הלקוח משפיעות על תוצאות האירועים המרכזיים. המודל משלב גורמים כמו הזמן שעבר מהאירוע המרכזי, סוג המכשיר, מספר האינטראקציות עם המודעות, סדר החשיפה למודעות וסוג נכסי הקריאייטיב. המודל משתמש בגישה הפוכה כדי להשוות בין מה שקרה לבין מה שהיה יכול לקרות, במטרה לקבוע לאילו נקודות מגע עם הלקוח יש סבירות גבוהה להניב אירועים מרכזיים. המודל משייך את הקרדיט לנקודות המגע האלה עם הלקוח על סמך הסבירות הזו.

הערות:
  • בהתאם לזמינות הנתונים, מודלים של שיוך מבוסס-נתונים עשויים להסתמך על נתונים נצברים מהגדרות שיתוף הנתונים.
  • המודל יכול לשייך מחדש המרות למשך עד 7 ימים אחרי ההמרה. 

המתודולוגיה שעומדת מאחורי שיוך מבוסס-נתונים (מתקדם)

המתודולוגיה של השיוך מבוסס-הנתונים מורכבת מ-2 חלקים עיקריים:

  • ניתוח של נתוני הנתיב שזמינים, כדי לפתח מודלים של שיעור המשתמשים שהפעילו אירוע מרכזי בכל אחד מהאירועים המרכזיים
  • שימוש בחיזויי המודלים של שיעור המשתמשים שהפעילו אירוע מרכזי בתור קלט לאלגוריתם שמשייך קרדיט לאינטראקציות עם מודעות

פיתוח מודלים הסתברותיים של אירועים מרכזיים מנתוני הנתיב הזמינים

בשיוך מבוסס-נתונים נעשה שימוש בנתוני הנתיב, כולל הנתונים מהמשתמשים שהשלימו המרה והנתונים מהמשתמשים שלא השלימו המרה, כדי להבין איך הקיום והתזמון של נקודות מגע שיווקיות מסוימות עם הלקוח עשויים להשפיע על הסבירות שהמשתמשים יממשו אירוע מרכזי. המודלים שמתקבלים מעריכים את הסבירות שמשתמש יעשה פעולה לגבי אירוע מרכזי בכל נקודה בנתיב למימוש האירוע הזה, בהינתן שהייתה למשתמש אינטראקציה מסוימת עם מודעה.

המודלים משווים בין הסבירות לאירוע מרכזי אצל משתמשים שנחשפו למודעה לבין הסבירות לאירוע מרכזי אצל משתמשים דומים בקבוצת בקרה. (במונחים טכניים יותר, המודלים מחשבים את הרווחים שאפשר לקבל כתוצאה מחשיפה של המשתמשים למודעות Google. בשביל זה, מאמנים את המודל על נתונים שהתקבלו מניסויים אקראיים מבוקרים).

הקצאה אלגוריתמית של קרדיט חלקי לנקודות מגע שיווקיות עם הלקוח

מודל השיוך מבוסס-הנתונים מקצה קרדיט על סמך האופן שבו הוספה של כל אינטראקציה עם מודעה לנתיב משנה את הסבירות המשוערת לאירוע מרכזי. לצורך חישוב הקרדיט, באלגוריתם של השיוך מבוסס-הנתונים מובאות בחשבון תכונות שונות, כולל הזמן שעבר מהאינטראקציה עם המודעה עד לאירוע המרכזי, סוג הפורמט ואותות שאילתה אחרים.

דוגמה
בדוגמה הבאה ממבט-על, השילוב בין חשיפה למודעה מס' 1 (חיפוש בתשלום), חשיפה למודעה מס' 2 (רשתות חברתיות), חשיפה למודעה מס' 3 (שותף עצמאי) וחשיפה למודעה מס' 4 (חיפוש אורגני) מוביל להסתברות של 3% לאירוע מרכזי. כשחשיפה למודעה מס' 4 לא מתרחשת, אחוז ההסתברות יורד ל-2%, ומכאן אפשר להבין שהחשיפה למודעה מס' 4 מגדילה ב-50% את ההסתברות לאירוע מרכזי. אנחנו מבצעים את הפעולות האלה לגבי כל אינטראקציה עם מודעה, ומשתמשים בהשפעה שמצאנו שיש לכל גורם בתור המשקל שיהיה לו בחישוב של השיוך.

קליק אחרון בערוצים בתשלום ובערוצים אורגניים

הערה: החל מנובמבר 2023 אין יותר גישה למודלים של השיוך (Attribution) מסוג קליק ראשון, לינארי, דעיכה לאורך זמן ומבוסס-מיקום. מידע נוסף על מודלים שהוצאו משימוש

Last interaction model icon קליק אחרון בערוצים בתשלום ובערוצים אורגניים: המערכת מתעלמת מתנועה ישירה ומשייכת 100% מערך האירוע המרכזי לערוץ האחרון שהלקוח לחץ עליו (או שבו הוא צפה צפייה פעילה ב-YouTube) לפני ההמרה. ריכזנו כאן כמה דוגמאות לאופן שבו משויך הערך של אירוע מרכזי:

דוגמאות
  1. רשת המדיה > רשתות חברתיות > חיפוש בתשלום > חיפוש אורגני ← 100% לחיפוש אורגני
  2. רשת המדיה > רשתות חברתיות > חיפוש בתשלום > אימייל ← 100% לאימייל
  3. רשת המדיה > רשתות חברתיות > חיפוש בתשלום > תנועה ישירה ← 100% לחיפוש בתשלום
  4. תנועה ישירה ← 100% לתנועה ישירה
הערה:
  • קליק אחרון בערוצים בתשלום ובערוצים אורגניים וקליק אחרון שאינו ישיר הם שני שמות של אותו מודל שיוך.

צפייה פעילה נספרת בשיוך מבוסס-נתונים כשהמשתמש:

  • צופה במודעה במשך 30 שניות (או עד הסוף אם היא קצרה מ-30 שניות)
  • לוחץ על כרטיס טיזר
  • לוחץ על מודעת באנר נלווית או על קיר סרטונים
  • לוחץ על ביטוי שהוא קריאה לפעולה
  • לוחץ על מסך הסיום
  • לוחץ כדי להיכנס לאתר של המפרסם

קליק אחרון בערוצי Google בתשלום

Last interaction model icon קליק אחרון בערוצי Google בתשלום: המערכת משייכת 100% מערך האירוע המרכזי לערוץ האחרון ב-Google Ads שהלקוח לחץ עליו לפני ההמרה. אם לאורך הנתיב לא התרחש קליק ב-Google Ads, כמו בדוגמה 6, מודל השיוך מסתמך על הקליק האחרון בערוצים אורגניים ובערוצים בתשלום.

דוגמאות
  1. רשת המדיה > רשתות חברתיות > חיפוש בתשלום > חיפוש אורגני ← 100% לחיפוש בתשלום
  2. רשת המדיה > רשתות חברתיות > המרה לאחר צפייה פעילה (EVC) ב-YouTube > אימייל ← 100% ל-YouTube
  3. רשת המדיה > רשתות חברתיות > אימייל > תנועה ישירה ← 100% לאימייל (הסתמכות על הקליק אחרון שאינו ישיר)
  4. תנועה ישירה ← 100% לתנועה ישירה

בחירת הגדרות השיוך

בדף "הגדרות שיוך (Attribution)" אפשר לבחור איך מערכת Google Analytics מקצה קרדיט למודעות שונות, לקליקים שונים ולגורמים אחרים לפני שהמשתמשים מפעילים אירועים מרכזיים והמרות באתר ב-Google Ads.

כדי לבחור את הגדרות השיוך:

  1. נכנסים ל-Google Analytics.
  2. בדף ניהול, בקטע תצוגת נתונים, לוחצים על אירועים.
    הקישור הקודם ייפתח ותעברו לנכס Analytics האחרון שאליו נכנסתם. אפשר לשנות את הנכס באמצעות בורר הנכסים.
    ‫צריכה להיות לכם הרשאת שיווק או הרשאה ברמה גבוהה יותר ברמת הנכס כדי לבחור את הגדרות השיוך.
  3. לוחצים על שיוך (Attribution) אירועים מרכזיים.
  4. בודקים את הגדרות השיוך (Attribution) האלה:
  5. לוחצים על שמירה.

האם המידע הועיל?

איך נוכל לשפר את המאמר?
true
חיפוש
ניקוי החיפוש
סגירת החיפוש
אפליקציות Google
התפריט הראשי
3552183783036662244
true
חיפוש במרכז העזרה
true
true
true
true
true
69256
false
false
false
false