Come spiegato all’interno della guida online di Analytics fornita da Google un modello di attribuzione è la regola o l’insieme di regole che determina il modo in cui il credito per vendite e conversioni viene assegnato ai punti di contatto nei percorsi di conversione.

Semplificando quindi un modello di attribuzione o attribution modeling è un processo che identifica quali sono le azioni compiute da un utente su un sito web e stabilisce come contribuiscano a raggiungere un qualsiasi obiettivo da noi stabilito mediante l’attribuzione di un valore.

L’attribute del valore avverrà sia su un touchpoint o evento (click, impression, sessione), sia su una desired outcome o conversione (transazione, registrazione, lead). Il valore da assegnare, in ogni caso, dovrà essere deciso  arbitrariamente prima di effettuare l’analisi.

azioni dell'utente

Esempio di azioni dell’utente

Prendiamo in esempio l’immagine sopra riportata in cui vengono rappresentate le azioni che può compiere un utente prima di effettuare un’acquisto su un sito e-commerce.

Se noi decidiamo che l’attribution model di una transazione è di tipo last event quando analizzeremo i dati verrà considerato solo l’ultimo evento generato dall’utente prima della conversione. Tutto quello che è avvenuto prima non verrà considerato e risulterà che l’utente avrà soltanto inserito l’url della pagina direttamente nella barra degli indirizzi (in fig. Direct, ultimo evento prima del carrello), prima di effettuare la transazione.

Se l’attribution model viene invece impostato su first event tutto quello che è accaduto dopo non verrà considerato. Il nostro cliente sarà stato veicolato nella nostra pagina tramite un’ azione display (in fig. Display, primo evento) e avrà generato l’acquisto. Tutto quello che avviene in mezzo non verrà registrato dalla nostra attribution model.

Nessuno dei due tipi di attribution model è sbagliato, pur essendo entrambi corretti sono dei modi diversi di analizzare i nostri dati.

Portali diversi, valutazioni diverse

Un parametro importante per la valutazione dell’attribution model è la conversion window, corrispondente al tempo massimo che vogliamo valutare da quando l’utente ha effettuato l’azione a quando ha generato la conversione.

Ogni portale di analisi ha la propria conversion window che registra tempi massimi diversi, giusto per fare qualche esempio:

  • Google Analytics: 6 mesi
  • Google Adwords 30 giorni
  • Facebook 28 giorni

Proprio per il fatto che abbiamo conversion windows che registrano archi temporali diversi, risulta molto impegnativo effettuare dei confronti tra i vari portali.

Per esempio: se un utente effettua il primo click  sul sito il primo di Gennaio e genera la transazione il 2 Febbraio, non verrà conteggiato nel report di Facebook e di Adwords ma soltanto da Analytics.

Non solo è differente la conversion window, a seconda dei portali possono variare anche i tipi di dati registrati:

  • Google Analytics misura le sessioni
  • Google Adwords i click
  • Facebook i click / impressions

È evidente che i dati di attribution model delle diverse piattaforme non possono essere comparate o confrontate tra loro sia per il tempo di statistica, sia per il tipo di azione registrata.

Per questo motivo ogni attribution model dipende dai dati registrati dalla piattaforma e lo stesso attribution model può dare risultati differenti.

È impossibile comparare i vari attribution model

È impossibile comparare i vari attribution model

Google Analytics può venirci in aiuto

Se gli strumenti dati a disposizione dalle varie piattaforme non ci vengono in aiuto possiamo:

  • Analizzare come ogni canale supporta il nostro business, indipendentemente dagli altri
  • Ponderare sulla proporzione del budget da investire su ogni canale media
  • Ottimizzare il bidding di ogni piattaforma in base ai primi due punti

analytics

Uno strumento che permette di analizzare complessivamente i primi due punti per tutti i canali è sicuramente Google Analytics.

Una volta analizzato come ogni canale risponde al nostro obbiettivo e dopo aver definito il budget media, potremo scegliere le piattaforme di bidding sulle quali applicare l’attribution model che meglio si adatta alle nostre esigenze (sia Google Adwords, Facebook Ads, Bing Ads o altro).

Per comprendere maggiormente quali sono i canali che rispondono alle nostre esigenze, possiamo analizzare il report contenuto in Google Analytics sotto la voce Conversioni indirette/Conversioni attribuite all’ultimo click o dirette all’interno delle canalizzazioni multicanali. I dati generati da questo attributo sono la chiave per avere un analisi più completa.

Tale valore infatti, è un rapporto tra il numero di conversioni assistite (cioè quelle non last click quindi dove l’ultima interazione dell’utente non è quella del canale che stiamo analizzando) e i last click.

I valori assunti da questo valore potranno essere:

  • Uno, ciò significa che il canale in esame sta contribuendo allo stesso modo sia nel portarmi last click, sia nel portarmi conversioni assistite. Quindi questo canale riesce sia ad aiutare gli altri canali a convertire sia a fare le conversioni direttamente.
  • Maggiore di uno, ciò significa che il canale in esame aiuta altri canali a convertire, ad esempio potrebbe essere una display che porta l’utente alla nostra pagina, ma la conversione verrà eseguita successivamente da Adwords, per esempio.

È fortemente consigliato personalizzare i report in maniera da analizzare canali che possono interessarci e che inizialmente non vengono visualizzati nelle conversioni assistite (il retargeting, partnership, affiliates) in modo da analizzare più accuratamente quello che ci interessa, risolvendo così la maggior parte dei problemi legati all’interpretazione dei differenti dati nei vari canali.

Christian Serafino

Christian Serafino

Sistemista informatico, Conoscenza base Html, php, Jquery, Bootstrap. Riparazione hardware informatico. Riparazione base apparecchiature elettroniche. Installatore di elettrodomestici. Venditore di home technology. Reseller di Google apps for work. Amministratore di servers windows, linux, mac. Esperienze base di freebsd. Esperienza avanzata Protools HD