Linearna atribucija za e-trgovino

Vaša marketinška ekipa upravlja pet kanalov. Google Ads privablja nove obiskovalce. Organski promet zajame iskanja po blagovni znamki. Facebook retargeting potisne obiskovalce nazaj na stran. E-pošta jim pošlje kodo za popust. Nekateri kupci pa preprosto vpišejo vaš URL neposredno. Ob koncu meseca imate 200 naročil. Vprašanje: kateri kanali si zaslužijo zasluge?

En model pravi, da je odgovor preprost. Razdelite zasluge enakomerno. Če je kupec pred nakupom uporabil štiri kanale, vsak kanal dobi 25 %. Brez favoriziranja. Brez pristranskosti. Brez sporov o tem, kateri kanal "resnično" prinaša prihodek.

Ta model je linearna atribucija. Zveni pošteno. Je enostavna za razumevanje. In septembra 2023 jo je Google odstranil iz Google Ads in GA4, skupaj s prvim klikom, časovnim razpadom in pozicijskim modelom. Manj kot 3 % konverzijskih dejanj jo je uporabljalo.

Vendar je vprašanje, ki ga je linearna atribucija poskušala rešiti (kako vsaki stični točki dodeliti pravičen delež zaslug?), še vedno eno najpomembnejših vprašanj v marketingu e-trgovine. Razumevanje delovanja tega modela, kje odpove in kaj ga je nadomestilo, vam bo pomagalo oceniti kateri koli atribucijski pristop.

Kaj je linearna atribucija?

Linearna atribucija je večtočkovni atribucijski model, ki enakomerno razdeli zasluge za konverzijo med vse stične točke na nakupni poti. Če je kupec pred nakupom petkrat stopil v stik z vašo blagovno znamko, vsaka interakcija prejme natanko 20 % zaslug, ne glede na to, kaj je bila ta interakcija ali kdaj se je zgodila.

Logika je naslednja: vsaka marketinška interakcija je odigrala vlogo pri premiku kupca proti nakupu. Prvič oglas je predstavil blagovno znamko. Organski obisk je zgradil zaupanje. Retargeting oglas je opomnil kupca. E-pošta je ponudila spodbudo. Neposredni obisk je zaključil posel. Odstranitev katere koli stične točke bi lahko prekinila verigo. Ker ne morete dokazati, katera je bila najpomembnejša, jih obravnavajte vse enako.

V terminologiji marketinške atribucije se "linearna atribucija" včasih imenuje tudi "atribucija z enako utežjo" ali "atribucija z enakomerno porazdelitvijo zaslug." Vse se nanašajo na isti model: razdelite 100 % zaslug s številom stičnih točk.

Kako linearna atribucija izračuna zasluge (s primerom)

Poglejmo praktičen primer. Kupec odkrije vašo trgovino skozi te stične točke pred oddajo naročila v vrednosti €100:

1. Klikne na Google oglas (dan 1)
2. Obišče trgovino prek organskega iskanja (dan 5)
3. Klikne na Facebook oglas (dan 8)
4. Odpre e-pošto (dan 12)
5. Obišče stran neposredno in opravi nakup (dan 14)

Pri linearni atribuciji vsaka stična točka prejme enak delež. Pet stičnih točk pomeni, da vsaka dobi natanko €20:

Izračun je preprost: €100 / 5 stičnih točk = €20 na stično točko. Če bi kupec uporabil le tri kanale, bi vsak prejel €33,33. Če sedem kanalov, €14,29.

To je bistvena privlačnost modela. Noben kanal ni precenjen. Noben kanal ni prezrt. Formula je pregledna in ponovljiva.

Primerjajte to s skrajnostma. Atribucija prvega stika Google Ads pripiše vseh €100 in pravi, da ostali štirje kanali niso prispevali ničesar. Atribucija zadnjega stika naredi nasprotno in pripiše zasluge le neposrednemu obisku. Oba se motita. Oba sta uporabna za različna vprašanja. Linearna atribucija se izogne izbiri zmagovalca, vendar za ceno, da se pretvarja, da zmagovalca ni.

Linearna atribucija v Google Analytics 4 in Google Ads

Če danes v GA4 ali Google Ads iščete linearno atribucijo, je ne boste našli. Google je odstranil linearno, prvo-klik, časovni razpad in pozicijsko atribucijo septembra 2023. Ostajata le dve možnosti:

• Podatkovno vodena atribucija (DDA): Googlov model strojnega učenja, ki dodeljuje zasluge na podlagi opaženih vzorcev konverzij v vašem računu. To je zdaj privzeta nastavitev.
• Plačani in organski zadnji klik: Tradicionalni model zadnjega klika, ki vse zasluge pripiše zadnjemu kliku.

Zakaj je Google odstranil linearno atribucijo

Google je navedel, da modeli na podlagi pravil, kot je linearni, "ne zagotavljajo prilagodljivosti, potrebne za prilagajanje razvijajočim se nakupnim potem potrošnikov". Praktičen razlog: manj kot 3 % konverzijskih dejanj v Google Ads je uporabljalo te modele. Večina oglaševalcev je že prešla na podatkovno vodeno atribucijo ali nikoli ni zapustila zadnjega klika.

Globlje vprašanje je, da je Googlova podatkovno vodena atribucija črna skrinjica. Ne morete videti natančnih uteži, ki jih pripisuje posameznim stičnim točkam. Pri linearni atribuciji je bila matematika pregledna: delite s številom stičnih točk. Pri DDA Googlov algoritem sprejme to odločitev na podlagi medračunskih vzorcev, posamezni oglaševalci pa logike ne morejo preveriti.

Kaj to pomeni za vaše poročanje

Če ste prej v Google Ads ali GA4 uporabljali linearno atribucijo, so bile vaše konverzijske akcije samodejno preklopljene na podatkovno vodeno atribucijo. Vaši pretekli podatki pod linearnim modelom so ohranjeni, vendar se ne dodelujejo več aktivno.

Za e-trgovine, ki so cenile preglednost enakomerne porazdelitve zaslug, so možnosti znotraj Googlovega ekosistema zdaj omejene. Ali zaupate črni skrinjici DDA ali se vrnete na zadnji klik, ki ignorira vsako stično točko razen zadnje.

Linearna atribucija v primerjavi z drugimi modeli

Kako se linearna atribucija primerja z drugimi pristopi? Tukaj je, kako vsak model obravnava isto nakupno pot s petimi stičnimi točkami:

Ključna razlika: linearna atribucija je edini model, ki vsaki stični točki dodeli identične zasluge. Zaradi tega je najbolj "demokratičen", a hkrati najmanj informativen, ko morate odločiti, kam povečati ali zmanjšati proračun.

Kdaj ima linearna atribucija smisel?

Čeprav jo je Google umaknil, koncept linearne atribucije še vedno nudi vrednost v določenih scenarijih:

Skupna nit: linearna atribucija deluje najbolje, ko resnično verjamete, da vse stične točke prispevajo približno enako, ali ko potrebujete nevtralno izhodišče pred uporabo bolj sofisticiranega modela.

Omejitve linearne atribucije

Linearna atribucija ima temeljne slabosti, ki pojasnjujejo, zakaj jo je celo Google prenehal podpirati:

1. Vse stične točke niso enake. Kupec, ki prvič klikne vaš Google oglas, ima bistveno drugačno izkušnjo kot nekdo, ki desetič odpre vašo tedensko e-novico. Linearna atribucija pravi, da sta oba prispevala enako. V resnici je prvi klik morda ustvaril €80 vrednosti, medtem ko je e-poštni opomnik dodal €5.

2. Razvodeni učinkovite kanale. Če Google Ads ustvari 60 % novih strank, vendar dobi enako 20 % zaslug kot transakcijska e-pošta, bodo vaši izračuni ROAS izkrivljeni. Morda boste premalo vlagali v kanal, ki dejansko ustvarja povpraševanje.

3. Napihuje stične točke z nizko vrednostjo. Ali je kupec na kratko pristal na vaši strani iz družabne objave, odskočil v 3 sekundah in nato konvertiral dva tedna pozneje prek Google oglasa? Linearna atribucija temu naključnemu družabnemu obisku dodeli enake zasluge kot oglasu, ki je opravil dejansko prepričevanje.

4. Brez uteževanja po nedavnosti. Stična točka izpred dveh tednov je verjetno vplivala na nakup manj kot tista od včeraj. Modeli časovnega razpada to rešujejo z dodelitvijo večjih zaslug nedavnim stičnim točkam. Linearna atribucija časovni vidik popolnoma prezre.

5. Ne upošteva kakovosti stične točke. Petminutni obisk strani izdelka z aktivnostjo dodajanja v košarico je kakovostno drugačen od dvosekundnega skoka s domače strani. Linearna atribucija oba šteje kot eno stično točko.

6. Google je ne podpira več. Od septembra 2023 linearne atribucije ne morete izbrati v GA4 ali Google Ads. Kakršna koli implementacija zahteva ročni izračun v preglednicah, podatkovnih skladiščih ali orodjih tretjih oseb. Ta dodana zapletenost odstrani velik del prvotne privlačnosti modela: preprostost.

Primerjava vseh atribucijskih modelov za e-trgovino

Če izbirate atribucijski pristop za svojo trgovino, je tukaj primerjava vseh glavnih modelov. Za poglobljen pregled večtočkovnih pristopov si oglejte naš celovit vodnik po večtočkovni atribuciji.

Noben posamezen model vam ne da celotne slike. Praktičen pristop je primerjati, kaj vam različni modeli povedo o istih podatkih, in raziskati razlike.

Kako Enalitica obravnava atribucijo brez izbire modela

Osnovna težava vsakega modela v zgornji tabeli je enaka: začnejo z analitičnimi sejami in poskušajo rekonstruirati, kaj se je zgodilo. Če je bila seja blokirana z blokatorjem oglasov, uničena s Safarijevim ITP ali zavrnjena z obvestilom o soglasju za piškotke, ta stična točka izgine. Model je nikoli ne vidi.

Enalitica pristopi bistveno drugače. Namesto sledenja sejam in upanja, da bodo pripeljale do naročil, začne z dejanskimi naročili v vaši WooCommerce ali Shopify trgovini in atribuira nazaj. Vsako naročilo je dejstvo. Noben blokator oglasov, obvestilo o soglasju za piškotke ali omejitev brskalnika ne more izbrisati tega naročila.

Podatki o prvem in zadnjem stiku za vsako naročilo

Za vsako naročilo, ki se sinhronizira v Enalitico, plast za obogatitev z GA4 pridobi:

• Skupina kanalov prvega uporabnika: Kako je ta stranka prvič odkrila vašo trgovino (plačano iskanje, organsko iskanje, družabno, neposredno itd.)
• Skupina kanalov seje: Kanal, ki ga je stranka uporabila za nakupno sejo (zadnji stik)
• ID-ji klikov: Če je stranka kadarkoli kliknila Google ali Meta oglas, se GCLID ali FBCLID shrani v metapodatke naročila z natančnim časovnim žigom

Namesto uporabe formule za razdelitev zaslug (kot to počne linearna atribucija) vidite dejanski prvi stik in dejanski zadnji stik za vsako posamezno naročilo. Nič modeliranega. Nič ocenjenega. Dejanski podatki za dejansko naročilo.

To je bolj uporabno od linearne atribucije, ker lahko zdaj vprašate: "Za naročila, kjer je bil Google Ads prvi stik, e-pošta pa je zaključila prodajo, kakšna je bila povprečna vrednost naročila?" To je konkretno poslovno vprašanje. Linearna atribucija bi vam povedala, da Google Ads dobi 25 % zaslug, ne bi pa vam pokazala, da stranke, ki jih Google Ads predstavi, porabijo 30 % več od povprečja.

Neposredni in podprti prihodek

Zavihek Poročila prikazuje vsak marketinški kanal z dvema prihodkoma drug ob drugem:

Direktni prihodek prikazuje naročila, kjer je bil kanal zadnji stik (zaključil prodajo). Večtočkovni prihodek prikazuje vsa naročila, kjer se je kanal pojavil kjer koli na nakupni poti, vključno kot prvi stik.

Za resnično trgovino februarja 2026: Google Ads prikazuje €15.011 direktnega prihodka iz 28 naročil (ROAS 3,1x), toda €22.929 večtočkovnega prihodka iz 44 naročil (ROAS 4,7x). Razlika: 16 naročil v vrednosti €7.918, kjer je Google Ads predstavil stranko, drugi kanal pa je zaključil prodajo.

Linearna atribucija bi Google Ads dodelila delček vsakega naročila. Enalitica vam pokaže natančna naročila, kjer je Google Ads odigral vlogo, z vidno celotno nakupno potjo za vsako naročilo. Kliknete lahko katero koli številko prihodka in vidite ID naročila, kupljene izdelke, lokacijo stranke in celotno pot kanalov.

Zakaj atribucija na podlagi naročil nadomesti potrebo po linearni

Linearna atribucija je obstajala, ker so tržniki potrebovali način, da pripišejo zasluge vsem stičnim točkam, ne le prvi ali zadnji. Atribucija na podlagi naročil rešuje isti problem drugače:

Razlika: linearna atribucija uporabi formulo z enako utežjo. Atribucija na podlagi naročil vam pokaže dejanske podatke in vam prepusti lastne zaključke. Formula ni potrebna, ko lahko vidite naročila.

Atribucija, ki preživi omejitve zasebnosti

Ker Enalitica začne iz baze naročil, temeljni podatki obstajajo ne glede na sledenje v brskalniku:

Uvajanje v Enalitico traja le nekaj minut. Za e-trgovine se vaših zadnjih 30 dni naročil uvozi in takoj obogati s podatki o identifikatorjih klikov in Google Ads. Storitvena podjetja dobijo vse sledene dogodke uvožene takoj. Želite videti atribucijo prvega in zadnjega stika za vaša dejanska naročila, brez zanašanja na ukinjene modele ali algoritemske črne skrinjice? Rezervirajte predstavitev in pokazali vam bomo natančno, kateri kanali prinašajo prihodek skozi celotno nakupno pot.

Kako oceniti atribucijo za vašo trgovino danes

Ne glede na to, ali uporabljate Enalitico ali gradite lasten pristop, so tukaj konkretni koraki za izboljšanje vaše atribucije:

1. Prenehajte se zanašati na en sam model. Noben atribucijski model (linearni, prvega stika, zadnjega stika ali podatkovno vodeni) ne pove celotne zgodbe. Uporabite vsaj dva in primerjajte. Kjer se strinjata, imate zaupanje. Kjer se razlikujeta, raziščite.

2. Zajemite ID-je klikov v metapodatkih naročil. To je temelj vsakega atribucijskega pristopa, ki preživi omejitve zasebnosti. Poskrbite, da se GCLID, FBCLID, GBRAID in WBRAID shranjujejo z vsakim naročilom. Za navodila po korakih si oglejte naš vodnik za zajemanje ID-jev klikov v WooCommerce.

3. Uporabite GA4 dimenzije "Prvega uporabnika" poleg dimenzij seje. V GA4 Raziskovanjih dodajte "Privzeta skupina kanalov prvega uporabnika" poleg "Privzete skupine kanalov seje." To vam da osnovno primerjavo prvega in zadnjega stika brez potrebe po ukinjenem linearnem modelu.

4. Preverite razliko med GA4 in naročili. Primerjajte število nakupnih dogodkov v GA4 z dejanskimi naročili preteklega meseca. Če je razlika večja od 15 %, je linearna atribucija (ali kateri koli model na podlagi sej) delovala z nepopolnimi podatki. Za trgovine na trgih EU s strogim soglasjem za piškotke je ta razlika običajno 30-50 %.

5. Po potrebi ročno izračunajte linearno atribucijo. Če še vedno želite enakomerno porazdelitev zaslug, izvozite podatke o večkanalnih lijakih iz GA4 in delite prihodek s številom stičnih točk na konverzijsko pot. Preprosta formula v preglednici naredi to, kar je ukinjeno v GA4.

6. Ocenite atribucijo na podlagi naročil. Če je izguba sledenja zaradi zasebnosti za vašo trgovino pomembna, razmislite o platformah, ki začnejo iz naročil namesto iz sej. Podatkovni temelj je bistveno bolj popoln. Za več o tem, kako različni ID-ji klikov delujejo med platformami, si oglejte naš tehnični vodnik.

Pogosto zastavljena vprašanja

Kako linearna atribucija izračuna zasluge?

Linearna atribucija razdeli 100 % zaslug za konverzijo enakomerno med vse stične točke na nakupni poti. Formula je: zasluge na stično točko = skupna vrednost konverzije / število stičnih točk. Za naročilo v vrednosti €100 s 4 stičnimi točkami vsaka stična točka prejme €25. Izračun ne upošteva vrste interakcije, njenega trajanja ali časa, ko se je zgodila. Vsaka stična točka, od 2-sekundnega skoka do 10-minutne raziskave izdelka, dobi enak delež.

Linearna atribucija pripiše zasluge _____.

Odgovor je vsem stičnim točkam enakomerno. Pri linearni atribuciji vsaka interakcija na nakupni poti prejme enak delež zaslug za konverzijo. Za razliko od atribucije prvega stika (ki pripiše zasluge le prvi interakciji) ali atribucije zadnjega stika (ki pripiše zasluge le zadnji interakciji) linearna atribucija enakomerno porazdeli zasluge po celotni poti.

Katera trditev opisuje linearno atribucijo?

Trditev, ki najbolje opisuje linearno atribucijo, je: "Večtočkovni atribucijski model, ki enakomerno razdeli zasluge za konverzijo med vse stične točke na nakupni poti." Ključne značilnosti: gre za model na podlagi pravil (ne algoritemski), gre za večtočkovni model (ne enotočkovni) in vsaki interakciji dodeli enako utež ne glede na položaj ali vpliv.

Ali je linearna atribucija še vedno na voljo v Google Ads ali GA4?

Ne. Google je odstranil linearno atribucijo iz Google Ads in GA4 septembra 2023. Konverzijske akcije, ki so uporabljale linearno atribucijo, so bile samodejno prekloplene na podatkovno vodeno atribucijo. Edini preostali možnosti sta podatkovno vodena atribucija (privzeta) in plačani/organski zadnji klik. Če potrebujete enakomerno porazdelitev zaslug v slogu linearne atribucije, jo morate izračunati ročno z izvoženimi podatki o konverzijskih poteh ali uporabiti analitično platformo tretje osebe.

Kako se linearna atribucija razlikuje od atribucije s časovnim razpadom?

Oba sta večtočkovna modela, vendar stične točke utežujeta različno. Linearna atribucija vsaki stični točki dodeli enake zasluge (npr. 20 % vsakemu od 5 stičnih točk). Časovni razpad dodeli več zaslug stičnim točkam bližje konverziji in manj zgodnejšim. Za naročilo v vrednosti €100 s 5 stičnimi točkami linearna vsakemu dodeli €20. Časovni razpad bi morda zadnjemu stiku dodelil €35, predzadnjemu €25 in postopoma manj zgodnejšim stičnim točkam. Časovni razpad deluje bolje za kratke nakupne cikle, kjer so zadnje interakcije najbolj vplivne. Linearna deluje bolje, ko verjamete, da je vsaka faza poti prispevala približno enako.

Ali lahko uporabim linearno atribucijo za TV in offline oglaševanje?

Linearna atribucija v kontekstu digitalnega marketinga (Google Ads, GA4) se razlikuje od "linearne TV atribucije", ki se nanaša na pripisovanje konverzij tradicionalnim (ne-pretočnim) TV oglasom. Digitalna linearna atribucija deli zasluge enakomerno med spletne stične točke. Linearna TV atribucija uporablja statistične metode (kot so modeliranje medijskega spleta ali geografski dvižni testi) za oceno, kako je TV oglaševanje vplivalo na spletne konverzije. Izraz "linearno" v "linearna TV" se nanaša na linearno televizijsko oddajanje (razporejen program), ne na model enakomerne porazdelitve zaslug. Če izvajate tako spletne oglase kot TV kampanje, potrebujete ločene merilne pristope za vsakega.

Kaj je nadomestilo linearno atribucijo kot najboljši večtočkovni model?

Enotne zamenjave ni. Googlova podatkovno vodena atribucija je privzeta, vendar deluje kot črna skrinjica. Za tržnike, ki so cenili preglednost linearne atribucije, so praktične alternative: (1) Ročni izračun v preglednicah ali podatkovnih skladiščih z izvoženimi podatki o konverzijskih poteh, (2) Atribucija U-oblike (pozicijska), ki dodeli 40 % zaslug prvemu in zadnjemu stiku z 20 % razdeljenimi med vmesne stične točke (prav tako ukinjena v GA4, vendar izračunljiva ročno), ali (3) Atribucija na podlagi naročil, ki popolnoma zaobide vprašanje modeliranja s prikazom dejanskih stičnih točk za vsako naročilo namesto uporabe formule za zasluge.