La marketing attribution permette di determinare quali sono i canali e touchpoint che concorrono a generare una conversione, come la registrazione al sito o l’acquisto di un prodotto.

I modelli di attribuzione sono il “mezzo” grazie al quale possiamo assegnare credito a ciascuna canale durante il percorso di conversione dell’utente.

Solitamente, ai corsi o agli speech, l’attribution analysis la presento come l’”Analisi Stockton to Malone”. Per chi è appassionato di basket sicuramente può immaginare il perché, per tutti gli altri ecco un breve riassunto: Stockton e Malone sono stati la coppia d’oro degli Utah Jazz degli anni 90; John Stockton playmaker, Carl Malone centro/ala grande.

Cosa c’entra tutto questo con i modelli di attribuzione?

Fintanto che Stockton passava la palla a Malone, quest’ultimo ha generato uno dei migliori record di punti della storia NBA; quando il centro passò ai Lakers, non trovò più la stessa continuità di “assist” fornita dal compagno e la media punti calò drasticamente.

Nel marketing, perdere l’assisted conversion può comportare una importante contrazione delle entrate o conversioni, come successo con la mancanza di assist per Malone.

Google Analytics Standard mette a disposizione 5 modelli di attribuzione e la possibilità di customizzarli; Google Analytics 360°, in più, permette di utilizzare il data driven attribution model.

Google Analytics 4 al momento non presenta la possibilità di utilizzare i modelli di attribuzione ma penso sarà una delle feature che verranno rilasciate a breve.

Per cercare di spiegare i vari modelli ho unito due delle mie grandi passioni, ovvero l’Analytics e l’NBA. Ho messo, nel campo della mia squadra preferita fin dai tempi di Baron Davis i big 5 (secondo me) attualmente presenti nel campionato americano.

Prima di passare ai modelli, vale la pena ricordare alcune cose:

• Ogni modello fornisce una percentuale diversa di credito per ogni touchpoint nel percorso di un utente
• Il valore totale degli assist è pari al 100%
• Non verrà considerato l’attibution di default di Google Analytics: “last click not direct”
• Negli schemi che verranno riportati nei singoli modelli di attribuzione, si presume che tutti e 5 i giocatori tocchino la palla per andare a canestro

FIRST TOUCH ATTRIBUTION MODEL

Il first touch attribution model fornisce il 100% del credito per la conversione al primo touchpoint che ha portato un utente al sito sito.

Nello schema sopra, Curry otterrebbe tutto il merito della conversione anche se il canestro l’ha fatto Giannis.

Questo modello di attribuzione è utile per analizzare quali siano i canali che in primo luogo attirano l’attenzione dei potenziali clienti.

• PRO: facilità di implementazione e analisi
• CONS: poiché tutto il credito è dato alla prima interazione, questo sovrasta il valore di tutti gli altri canali di marketing. Nel caso di una partita di basket, questo modello attribuirebbe il successo della vittoria della super squadra solo a Steph Curry.

LAST TOUCH ATTRIBUTION MODEL

L’attribuzione dell’ultima interazione viene anche definita “ultimo clic”.

Come suggerisce il nome, questo modello attribuisce il 100% del merito all’ultima interazione o touchpoint che ha fatto convertire l’utente.

Nello schema, tutti toccano la palla ma solo Giannis metterebbe a ruolino i 2 punti.

Nella maggior parte delle piattaforme che troviamo nel web, questo modello di attribuzione è quello di base.

Pro e contro dell’attribuzione dell’ultima interazione

• PRO: facilità di implementazione e analisi, identifica l’ultima fonte che ha portato l’utente alla conversione
• CONS: il modello ignora tutto ciò che accade prima dell’interazione finale perdendo quindi il journey dell’utente.

LINEAR ATTRIBUTION MODEL

Con il modello di attribuzione lineare, il credito per la conversione viene suddiviso equamente tra tutte le interazioni generate dall’utente.

Nel nostro caso, Curry passa ad Harden che passa (si lo so, impossibile) a Kawhi che la ripassa a Lebron che a sua volta smarca Giannis che va a segno. In questo caso il canestro viene suddiviso equamente tra tutti i giocatori coinvolti.

La linear attribution risulta sicuramente più equilibrato rispetto ad un modello di attribuzione a singolo evento (come visto per i precedenti due). Tuttavia, però, significa anche assegnare uguale importanza a tutti i touchpoint dell’utente prima della conversione: alcune attività di marketing sono molto più importanti di altre e questo modello non le mette in evidenza.

• PRO: facilità di analisi e spiegazione
• CONS: non è possibile individuare quale o quali siano i canali che “pesano maggiormente” nella strategia di marketing

TIME DECAY ATTRIBUTION MODEL

L’attribuzione a decadimento temporale è molto simile a quanto abbiamo visto con il precedente modello però, in questo caso, oltre a distribuire la conversione sui vari touchpoint intercorsi viene preso in considerazione anche il momento in cui si è verificato il punto di contatto.

Nella nostra squadra, il canestro viene attribuito tra tutti i giocatori ma Giannis e King Lebron ottengono maggiore credito mentre a Curry, che ha fatto iniziare l’azione ma è il più distante dal canestro, rimane quello con la percentuale di credito più bassa.

Il modello Time Decay è un modello multi-touch che dà più credito ai punti di contatto più vicini alla conversione e quindi si presuppone che più si avvicina alla conversione, maggiore è l’influenza che ha avuto sulla conversione.

• PRO: Questo modello è utile se la costruzione di relazioni e quindi di lead è un fattore importante per il business aziendale
• CONS: Il problema con questa modello è che non darà mai una discreta quantità di credito agli sforzi di marketing top-of-the-funnel perché sarà sempre il più lontano dalla conversione.

POSITION BASED ATTRIBUTION MODEL

Il modello di attribuzione basata sulla posizione (chiamato anche attribuzione a “U”) suddivide il credito per una conversione tra la prima interazione di un potenziale cliente e il momento in cui si converte in lead.

Di default il 40% del credito viene assegnato sia al primo che all’ultimo touchpoint, con il restante 20% distribuito tra le altre interazioni avvenute nel mezzo.

In questo caso, Giannis e Curry ottengono il maggior credito per il canestro mentre tutti gli altri ottengono, assieme, il 20%.

• PRO: può essere usato per molti tipi di business che hanno più punti di contatto prima della conversione in quanto genera credito a tutte le interazioni, soprattutto ai touchpoint utilizzati per “conoscere” il brand e per chiudere la conversione
• CONS: il peso maggiore viene assorbito dalle due interazioni più importanti: la prima e l’ultima. Si presuppone quindi che il business sia basato su forti parti di onboarding e push in conversion.

DATA DRIVEN ATTRIBUTION MODEL

Questo modello è attivo di default sulle property di Google Analytics 360° mentre per le properties standard può essere attivato creando un progetto di attribuzione (basta cliccare sulla voce “Attribution” presente in basso a sinistra).

Inoltre come linea guida generale, affinché questo modello sia disponibile, devono verificarsi 3000 interazioni con i touchpoints e almeno 300 conversioni entro 30 giorni.

In pratica viene distribuito il credito per la conversione in base ai dati passati per una specifica conversione. È diverso dagli altri modelli, in quanto utilizza i dati dell’account di Google Analytics per calcolare il contributo effettivo di ciascuna interazione lungo il percorso di conversione.

Nella nostra partita “virtuale”, se Curry sfrutta due blocchi di Lbj e Giannis, in angolo per Kawhi che a sua volta finta e gira ad Harden che tramite step back (sperando non faccia passi) la mette da tre, i touchpoint con maggiore credito saranno Curry, Giannis e Lebron.

• PRO: è un modello basato sui dati del proprio account e sottintende un’attività di machine learning molto potente
• CONS: in Google Analytics deve essere settato tutto alla perfezione (import dati esterni, ecc). Non tiene conto, di default, dei view-throught o delle piattaforme esterne.

Vantaggi dei modelli di attribuzione

I modelli di attribuzione, in generale, offrono il grande vantaggio di poter comprendere i percorsi degli utenti visualizzando i principali touchpoint che portano alla conversione.

Come potete ben intuire, non esiste un unico attribution model che si può applicare ovunque: dipende dal business in cui si opera e dalle attività che vengono svolte.

Spesso si sente parlare di custom attribution model (ad esempio in questa lista non sono presenti il W e Z shaped model), ovvero su modelli di attribuzione creati tramite data scientist e machine learning/AI: solitamente sono i migliori in quanto aderiscono al meglio al percorso del cliente durante il processo d’acquisto. Analizzando i dati di clienti esistenti è possibile capire quali canali di marketing hanno un impatto importante rispetto ad altri. Questo è chiaramente il modello più difficile e che richiede tempo da costruire, mantenere e utilizzare, ma fornirà anche la rappresentazione più accurata dell’impatto delle attività svolte durante tutto il customer journey.

Corsi Google Analytics

Vuoi imparare ad utilizzare meglio Google Analytics: Scopri i corsi che abbiamo attivato per il primo semestre 2021!