مدل اتریبیوشن چیست؟ مقایسه شش مدل انتساب روی یک مسیر خرید

مدل اتریبیوشن (Attribution model) قاعده‌ای است که تعیین می‌کند سهم هر نقطه تماس بازاریابی از یک فروش یا ثبت‌نام چقدر است. لست‌کلیک همه اعتبار را به آخرین تعامل می‌دهد، اولین کلیک به نخستین تعامل، و مدل‌های خطی، کاهش زمانی، جایگاه‌محور و داده‌محور اعتبار را به شکل‌های مختلف بین مسیر پخش می‌کنند. چون هر مدل به سؤال کمی متفاوتی جواب می‌دهد، باید فرض‌های هرکدام را بدانید و بعد سراغ تقسیم بودجه بروید.

مدل اتریبیوشن قاعده یا الگوریتمی است که اعتبار یک تبدیل را بین نقاط تماسی تقسیم می‌کند که مشتری پیش از خرید یا ثبت‌نام با آن‌ها تعامل داشته است.

مدل‌های اصلی اتریبیوشن کدام‌اند؟

مدل‌های انتساب دو دسته‌اند. مدل‌های تک‌نقطه‌ای کل اعتبار را به یک تعامل می‌دهند. مدل‌های چندنقطه‌ای (multi-touch) اعتبار را بین چند تعامل تقسیم می‌کنند؛ یا با یک قاعده ثابت، یا با الگوریتمی که روی داده‌های خود شما آموزش دیده است.

مدل‌های قاعده‌محور ساده‌اند و روی کاغذ قابل محاسبه‌اند. مدل داده‌محور فرق دارد. گوگل نسخه خودش را رویکردی «خلاف واقع» (counterfactual) توصیف می‌کند که آنچه رخ داده را با آنچه می‌توانست رخ دهد مقایسه می‌کند، و می‌گوید این مدل‌ها بخشی از آموزششان را از داده‌های آزمایش‌های تصادفی کنترل‌شده می‌گیرند (راهنمای گوگل آنالیتیکس).

هر مدل فقط به تعامل‌های ثبت‌شده اعتبار می‌دهد. اگر لینک‌های کمپین‌تان یکدست تگ نشده باشند، ترافیک پولی و ارگانیک پیش از اجرای هر مدلی قاطی می‌شوند. برای همین قرارداد درست تگ‌گذاری UTM پیش‌نیاز هر گزارش اتریبیوشن است.

هر مدل اتریبیوشن روی یک مسیر خرید چطور اعتبار را تقسیم می‌کند؟

فرض کنید مشتری یک فروشگاه آنلاین پس از چهار تعامل ثبت‌شده، سفارشی ۶ میلیون تومانی ثبت می‌کند:

1. ۱ مهر: روی تبلیغ اینستاگرام کلیک می‌کند و صفحه محصول را می‌بیند.
2. ۸ مهر: راهنمای خرید فروشگاه را از جست‌وجوی ارگانیک گوگل پیدا می‌کند.
3. ۱۵ مهر: پیامک تخفیف را باز می‌کند و وارد سایت می‌شود.
4. ۲۲ مهر: نام برند را در گوگل جست‌وجو می‌کند، روی تبلیغ گوگل ادز کلیک می‌کند و خرید را تمام می‌کند.

اگر از روز خرید به عقب بشماریم، این تعامل‌ها به ترتیب ۲۱، ۱۴، ۷ و صفر روز قبل از خرید بوده‌اند. حالا هر مدل را اعمال کنیم:

• لست‌کلیک: کل ۶ میلیون تومان به تبلیغ گوگل روی نام برند می‌رسد.
• اولین کلیک: کل ۶ میلیون تومان به تبلیغ اینستاگرام می‌رسد.
• خطی: ۶ میلیون ÷ ۴ = ۱٫۵ میلیون تومان برای هر تعامل.
• جایگاه‌محور (۴۰/۲۰/۴۰): تعامل اول ۴۰٪ × ۶ میلیون = ۲٫۴ میلیون، تعامل آخر هم ۲٫۴ میلیون، و ۲۰٪ باقی‌مانده (۱٫۲ میلیون) بین دو تعامل میانی نصف می‌شود؛ هرکدام ۶۰۰ هزار تومان.
• کاهش زمانی (نیمه‌عمر ۷ روزه): وزن هر تعامل به ازای هر ۷ روز فاصله از خرید نصف می‌شود. وزن‌ها ۰٫۱۲۵ (۲۱ روز)، ۰٫۲۵ (۱۴ روز)، ۰٫۵ (۷ روز) و ۱ (روز خرید) است و جمعشان ۱٫۸۷۵ می‌شود. پس سهم اینستاگرام ۰٫۱۲۵ ÷ ۱٫۸۷۵ × ۶ میلیون = ۴۰۰ هزار تومان است، جست‌وجوی ارگانیک ۸۰۰ هزار، پیامک ۱٫۶ میلیون و تبلیغ برند ۳٫۲ میلیون تومان.
• داده‌محور: فرمول دستی ندارد. فقط برای مثال فرض کنید مدل، پس از یادگیری از هزاران مسیر، سهم‌ها را ۳۰٪، ۱۵٪، ۱۰٪ و ۴۵٪ تعیین کند.

جمع همه ستون‌ها همان ۶ میلیون تومان است. اتریبیوشن درآمد نمی‌سازد و از بین نمی‌برد؛ فقط آن را بین ردیف‌ها جابه‌جا می‌کند. با این حال سهم اینستاگرام بسته به ستونی که می‌خوانید از صفر تا ۶ میلیون تومان تغییر می‌کند. اگر بازگشت هزینه تبلیغات (ROAS) هر کانال را از همین اعداد حساب کنید، همین نوسان مستقیم وارد ROAS و بعد وارد بودجه ماه بعد می‌شود. راهنمای فرمول ROAS نشان می‌دهد تغییر کوچک در درآمد منتسب‌شده چقدر این نسبت را جابه‌جا می‌کند.

هر مدل اتریبیوشن کجا گمراهتان می‌کند؟

هر مدل در جواب دادن به سؤال محدود خودش درست است و وقتی آن را جواب کامل فرض کنید، گمراه‌کننده می‌شود.

لست‌کلیک به کانال‌هایی که تقاضای موجود را جمع می‌کنند بیش از اندازه اعتبار می‌دهد. جست‌وجوی نام برند، ریتارگتینگ و سایت‌های کد تخفیف معمولاً ته مسیرند، چون مشتری تصمیمش را قبلاً گرفته است. در مثال ما لست‌کلیک می‌گوید اینستاگرام هیچ سهمی نداشته؛ تیمی که فقط لست‌کلیک را ببیند، تبلیغی را قطع می‌کند که مسیر را شروع کرده بود.

اولین کلیک خطای برعکس می‌کند. به کشف برند پاداش می‌دهد و هرچه بعداً مشتری را قانع کرده نادیده می‌گیرد. شکننده هم هست: منقضی شدن کوکی یا عوض شدن دستگاه می‌تواند تعامل سوم را اولی جلوه دهد.

خطی منصفانه به نظر می‌رسد، اما فرض می‌کند همه تعامل‌ها به یک اندازه مهم بوده‌اند. باز کردن یک پیامک همان ۱٫۵ میلیون تومانی را می‌گیرد که تبلیغ معرفی برند گرفته است.

کاهش زمانی ذاتاً به انتهای مسیر متمایل است. برای خریدهای کوتاه و حراج‌محور مناسب است، اما در خریدهای گران یا B2B که اولین تعامل ممکن است هفته‌ها پیش از خرید باشد، کار آشنایی با برند را دائماً کم‌ارزش نشان می‌دهد.

جایگاه‌محور یک باور را در خودش دارد: شروع و پایان مسیر از همه مهم‌ترند. تقسیم ۴۰/۲۰/۴۰ یک قرارداد است و از داده‌های شما بیرون نیامده؛ پس میانه قیف، جایی که مقایسه و آموزش اتفاق می‌افتد، از اول کم‌سهم می‌ماند.

داده‌محور با مسیرهای واقعی شما تنظیم می‌شود و این پیشرفت واقعی است، اما سه محدودیت دارد. برای یادگیری به حجم کافی تبدیل نیاز دارد. فقط تعامل‌های ردیابی‌شده را می‌بیند، پس کانال‌های آفلاین و ثبت‌نشده برایش وجود ندارند. و چون از رفتار مشاهده‌شده یاد می‌گیرد، باز هم ممکن است «کسانی که به هر حال می‌خریدند این کانال را دیده‌اند» را با «این کانال باعث خرید شده» اشتباه بگیرد.

همه این مدل‌ها فقط مسیرهای منتهی به تبدیل را می‌بینند؛ برای فهم غیرخریداران سراغ تحلیل قیف فروش بروید.

کدام مدل‌های اتریبیوشن هنوز در GA4 هستند؟

راهنمای رسمی گوگل می‌گوید مدل‌های اولین کلیک، خطی، کاهش زمانی و جایگاه‌محور از نوامبر ۲۰۲۳ در گوگل آنالیتیکس در دسترس نیستند (راهنمای گوگل آنالیتیکس). گزارش‌های اتریبیوشن GA4 حالا فقط مدل داده‌محور و دو نسخه از لست‌کلیک را دارند: لست‌کلیک پولی و ارگانیک، و لست‌کلیک کانال‌های پولی گوگل.

گوگل ادز هم همین تغییر را داده است. صفحه راهنمای آن می‌گوید این چهار مدل دیگر پشتیبانی نمی‌شوند، تبدیل‌هایی (conversion actions) که با آن‌ها تنظیم شده بودند به مدل داده‌محور منتقل شده‌اند و لست‌کلیک همچنان در دسترس است (راهنمای گوگل ادز).

پس اگر نمای خطی یا جایگاه‌محور می‌خواهید، باید خودتان آن را از داده مسیرها حساب کنید، مثل جدول بالا. و اگر سهم کانال‌ها ناگهان تغییر کرد، پیش از تفسیر روند چک کنید که مدل عوض نشده باشد.

چرا اتریبیوشن با علیت یکی نیست؟

اتریبیوشن به این سؤال جواب می‌دهد: «چه تعامل‌هایی سر راه این تبدیل بودند؟». اما تصمیم بودجه به سؤال دیگری نیاز دارد: «اگر این کانال را خاموش کنیم، چند فروش از دست می‌دهیم؟». فاصله این دو جواب می‌تواند زیاد باشد.

برگردیم به کلیک ۲۲ مهر روی تبلیغ نام برند. لست‌کلیک کل ۶ میلیون تومان را به آن می‌دهد. اما مشتری خودش نام برند را جست‌وجو کرده بود. اگر تبلیغی در کار نبود، به احتمال زیاد روی نتیجه ارگانیک درست زیر آن کلیک می‌کرد و باز هم می‌خرید. تبلیغ در لحظه خرید حاضر بود، ولی لزوماً عامل خرید نبود.

گوردون، زتل‌مایر، بارگاوا و چپسکی در ۱۵ مطالعه بزرگ تبلیغاتی در فیسبوک، نتیجه آزمایش‌های تصادفی را با روش‌های رایج اندازه‌گیری مشاهده‌ای مقایسه کردند. روش‌های مشاهده‌ای اغلب نتوانستند اثری را که آزمایش‌ها اندازه گرفته بودند بازسازی کنند، حتی وقتی داده‌های جمعیتی و رفتاری گسترده‌ای کنترل شده بود (Gordon و همکاران، ۲۰۱۹، Marketing Science). گزارش‌های اتریبیوشن ذاتاً مشاهده‌ای‌اند.

تست افزایشی چطور این شکاف را پر می‌کند؟

در تست افزایشی (incrementality یا holdout test) مخاطبان به‌صورت تصادفی دو گروه می‌شوند. یک گروه می‌تواند کمپین را ببیند و گروه کنترل عمداً آن را نمی‌بیند. چون تقسیم تصادفی است، تنها تفاوت نظام‌مند دو گروه همان تبلیغ است و اختلاف نرخ تبدیل، اثری است که تبلیغ واقعاً ایجاد کرده.

یک مثال فرضی: یک کمپین ریتارگتینگ را یک ماه روی ۲۰۰ هزار کاربر واجد شرایطش تست می‌کنید؛ هر گروه ۱۰۰ هزار نفر. در همین ماه، لست‌کلیک ۱٬۵۰۰ تبدیل از تبدیل‌های گروه در معرض تبلیغ را به این کمپین نسبت داده است.

• گروه در معرض تبلیغ: نرخ تبدیل ۲٫۰٪، یعنی ۲٬۰۰۰ تبدیل.
• گروه کنترل: نرخ تبدیل ۱٫۸٪، یعنی ۱٬۸۰۰ تبدیل.
• تبدیل افزایشی: ۲٬۰۰۰ − ۱٬۸۰۰ = ۲۰۰.
• افزایش نسبی (lift): (۲٫۰٪ − ۱٫۸٪) ÷ ۱٫۸٪ = ۱۱٫۱٪.

یعنی این کمپین در میان ۱۰۰ هزار نفری که تبلیغ را دیدند حدود ۲۰۰ تبدیل اضافه ساخته است؛ بخش کوچکی از ۱٬۵۰۰ تبدیلی که لست‌کلیک به آن نسبت داده بود. بیشتر آن خریداران بدون تبلیغ هم می‌خریدند. پس اتریبیوشن را برای بهینه‌سازی روزانه به کار ببرید و با تست بسنجید که آیا کانال‌های محبوبش واقعاً فروش اضافه می‌سازند یا نه.

برای دیدن اختلافی به این کوچکی به کاربر کافی نیاز دارید. پیش از شروع، اندازه نمونه را با روش راهنمای حجم نمونه تست A/B حساب کنید؛ اختلاف ۰٫۲ واحد درصدی با گروه کنترل کوچک به‌راحتی دیده نمی‌شود.

مدل اتریبیوشن مناسب را چطور انتخاب کنیم؟

مدلی که برای همه درست باشد وجود ندارد، ولی یک روند منطقی وجود دارد:

1. اول ردیابی را درست کنید. تگ‌های UTM یکدست، یک تعریف مشخص برای هر تبدیل و یکی کردن کاربر بین دستگاه‌ها.
2. مدل را با چرخه خرید خودتان تطبیق دهید. در خریدهای سریع و مسیرهای کوتاه، لست‌کلیک و داده‌محور نزدیک به هم‌اند. در خریدهای گران و طولانی، مدل داده‌محور را کنار نمای اولین کلیک یا جایگاه‌محور بخوانید تا کانال‌های آشنایی دیده شوند.
3. همیشه دو مدل را کنار هم ببینید. کانال‌هایی که سهمشان بین مدل‌ها بیشترین تغییر را دارد، همان‌هایی‌اند که تصمیم بودجه‌تان درباره‌شان شکننده‌تر است.
4. روی یک مدل گزارش‌دهی برای کل تیم توافق کنید. بنویسید هر شاخص کلیدی عملکرد (KPI) با کدام مدل حساب می‌شود.
5. کانال‌های محل اختلاف را تست کنید. جایی که مدل‌ها با هم اختلاف دارند یا کانالی بیش از حد کارآمد به نظر می‌رسد، پیش از افزایش یا قطع بودجه یک تست افزایشی اجرا کنید. راهنمای اثر افزایشی تبلیغات طراحی‌های گروه کنترل، جغرافیایی و زمانی و خواندن نتیجه را قدم‌به‌قدم توضیح می‌دهد.
6. بعد از تغییرهای بزرگ دوباره بررسی کنید. کانال جدید، بازار جدید یا تغییر قیمت مسیرها را عوض می‌کند.

در ادپیکس اتریبیوشن را چطور تحلیل کنیم؟

ادپیکس ورودی‌هایی را که اتریبیوشن به آن‌ها وابسته است در اختیارتان می‌گذارد. گزارش‌های جذب (Acquisition) ترافیک و تبدیل را به تفکیک کانال، source / medium و کمپین‌های تگ‌شده با UTM نشان می‌دهند. گزارش مسیر تبدیل و قیف‌ها هر قدم را از اولین بازدید تا ثبت‌نام یا خرید دنبال می‌کنند، و نشان می‌دهند کاربران کجا ریزش کرده‌اند. ادپیکس بازدیدهای یک کاربر را بین دستگاه‌ها و کانال‌ها به یک مسیر واحد وصل می‌کند و همین مشکل «اولین تعاملی که واقعاً اولی نبود» را کمتر می‌کند. گزارش‌ها نمونه‌برداری (sampling) ندارند، پس تعداد مسیرهای کمپین‌های کوچک‌تر هم تخمینی نیست.

ادپیکس کنار گوگل آنالیتیکس و بدون تداخل با آن اجرا می‌شود و خیلی از تیم‌ها مدتی هر دو را با هم نگه می‌دارند و مقایسه می‌کنند. جزئیات این انتخاب در راهنمای جایگزین گوگل آنالیتیکس آمده است.

برای بخش علّی ماجرا، ادپیکس از پلن استارتر به بالا سنجش lift کمپین با گروه کنترل (holdout) و مدل‌سازی آمیخته بازاریابی (MMM) را دارد. پلن پرو تحلیل پیشرفته کانال‌های بازاریابی، سنجش اثر واقعی کمپین (incrementality) و سهم هر کانال از فروش در MMM را اضافه می‌کند. جزئیات هر پلن در صفحه قیمت‌ها آمده است.

قدم عملی این هفته: مسیرهای تبدیل پرفروش‌ترین کمپین‌تان را خروجی بگیرید، جدول این مقاله را با اعداد خودتان بسازید و کانالی را علامت بزنید که سهمش بین لست‌کلیک و بقیه مدل‌ها بیشترین تغییر را دارد. آن کانال اولین گزینه شما برای یک تست افزایشی است.

همین امروز داده‌های سایت‌تان را بسنجید

پلن رایگان ادپیکس تا ۱۰۰ هزار رویداد در ماه، بدون کارت بانکی. راه‌اندازی کمتر از پنج دقیقه طول می‌کشد.

شروع رایگانمشاهده تعرفه‌ها