Większość decyzji o cięciu budżetów reklamowych w Google Ads podejmowana jest na podstawie niepełnych danych. Przedsiębiorcy często otwierają podstawowy raport, patrzą na kampanie wideo lub frazy ogólne, widzą przy nich "0 konwersji" i dochodzą do wniosku: "Wyłączamy to, bo nie sprzedaje". To klasyczny błąd poznawczy.
Gdyby trener piłkarski zarządzał drużyną w ten sam sposób, zwolniłby wszystkich pomocników i obrońców, zostawiając na boisku jedynie napastnika - w końcu "tylko on strzela bramki". Efekt jest łatwy do przewidzenia: drużyna przestałaby wygrywać, ponieważ napastnik zostałby odcięty od podań.
W marketingu mechanizm jest identyczny. Sprzedaż to proces, a nie jednorazowe zdarzenie. Aby ocenić, które reklamy "podają piłkę", a które "strzelają gola", kluczowe jest zrozumienie modeli atrybucji. Przez lata najpopularniejszy z nich - Ostatnie kliknięcie (Last Click) - zniekształcał rzeczywistość, przypisując 100% zasług wyłącznie ostatniej reklamie, w którą kliknął klient, całkowicie ignorując wcześniejszą pracę wykonaną przez inne kanały.
Zrozumienie modeli atrybucji pozwala na rzetelną ocenę efektywności całego ekosystemu reklamowego. Wyjaśnimy, jak identyfikować kanały wspierające sprzedaż, aby optymalizacja budżetu nie doprowadziła do niezamierzonego spadku ogólnej rentowności
Efekt "Ostatniego Kliknięcia" - Dlaczego Twój raport może wprowadzać w błąd?
Model atrybucji to reguła, według której system Google Ads przypisuje wartość konwersji (sprzedaży lub leada) poszczególnym punktom styku na ścieżce użytkownika.
Przez lata domyślnym ustawieniem konta było Ostatnie kliknięcie (Last Click). Model ten ignoruje całą historię interakcji klienta z marką i przyznaje pełną nagrodę wyłącznie ostatniemu punktowi styku przed zakupem.
Wróćmy do analogii meczu piłkarskiego:
- Bramkarz wznawia grę.
- Obrońca podaje do pomocnika (Kampania Display / Banery).
- Pomocnik świetnie dośrodkowuje w pole karne (Kampania YouTube / Frazy ogólne).
- Napastnik dostawia nogę i strzela gola (Kampania Brand / Remarketing).
W raporcie opartym o model Last Click statystyki efektywności wyglądają następująco:
- Napastnik: 1 gol.
- Pomocnik: 0 goli.
- Obrońca: 0 goli.
Patrząc na taki raport, logicznym wydaje się zwolnienie pomocnika, bo "tylko generuje koszty". Jeśli jednak podejmiesz taką decyzję, napastnik przestanie strzelać, bo nie otrzyma piłki. W ekosystemie Google Ads objawia się to bolesnym spadkiem sprzedaży z kampanii brandowych i remarketingowych zazwyczaj 2-4 tygodnie po wyłączeniu kampanii zasięgowych (YouTube, Display). To efekt opóźniony, który często myli analityków.
Ścieżka zakupowa klienta to nie linia prosta
Klienci rzadko kupują impulsywnie po pierwszym kliknięciu. Badania Google nad tzw. "Messy Middle" wskazują, że skomplikowana ścieżka zakupowa może obejmować od kilkunastu do nawet kilkuset punktów styku (tzw. touchpoints) w okresie wielu dni przed transakcją (źródło: Google/The Messy Middle). Proces decyzyjny jest chaotyczny i wielowątkowy.
Przeanalizujmy typową ścieżkę zakupu laptopa:
- Dzień 1: Użytkownik widzi artykuł na blogu o nowinkach tech i baner Twojego sklepu (Kampania Display). Klika, ogląda, wychodzi.
- Dzień 3: Ogląda wideorecenzję na YouTube, przed którą wyświetla się Twoja reklama (Kampania Wideo). Ogląda 30 sekund, nie klika.
- Dzień 7: Wpisuje w Google "dobry laptop do gier do 5000 zł" (Kampania w sieci wyszukiwania - frazy ogólne). Wchodzi na Twoją stronę, dodaje do koszyka, ale rezygnuje.
- Dzień 8: Wpisuje w Google nazwę Twojego sklepu "X-Komputery" (Kampania Brand). Wchodzi i kupuje.
Werdykt modelu Last Click: 100% zasług przypada Kampanii Brand (wyszukiwanie nazwy sklepu). Reszta kanałów w raporcie widnieje jako koszt bez pokrycia.
Rzeczywistość: Bez wcześniejszych interakcji (blog, wideo) użytkownik prawdopodobnie nigdy nie poznałby Twojej marki i nie wpisałby jej nazwy w wyszukiwarkę.
Data-Driven Attribution (DDA) - Sztuczna inteligencja sędziuje mecz
Aby rozwiązać problem niesprawiedliwej oceny, Google wprowadziło model Atrybucji opartej na danych (Data-Driven Attribution). Od października 2021 roku stał się on domyślnym modelem dla nowych działań konwersji (źródło: Google Ads Help), co było jasnym sygnałem dla rynku: stare metody przestały działać.
DDA nie opiera się na sztywnych regułach (jak np. stary model pozycyjny). Zamiast tego wykorzystuje zaawansowane uczenie maszynowe do analizy tysięcy ścieżek użytkowników - porównując zachowania tych, którzy kupili, z tymi, którzy zrezygnowali.
Algorytm symuluje alternatywne scenariusze, zadając pytanie: "O ile spadłoby prawdopodobieństwo konwersji, gdybyśmy usunęli ze ścieżki to konkretne wyświetlenie reklamy na YouTube?".
Na tej podstawie system przydziela zasługi ułamkowo. W naszym przykładzie z laptopem, jedna sprzedaż (1 konwersja) mogłaby zostać w raporcie rozdzielona następująco:
- Display: 0.1 konwersji.
- YouTube: 0.2 konwersji.
- Frazy ogólne: 0.4 konwersji.
- Brand: 0.3 konwersji.
Suma tych ułamków zawsze wynosi 1. Dzięki temu widzisz czarno na białym, że kampanie wspomagające "dowożą" znaczną część sukcesu, mimo że rzadko zamykają sprzedaż bezpośrednio.
Co się stało z innymi modelami? (Linear, Time Decay)
Jeszcze do niedawna w panelu Google Ads dostępne były tzw. modele regułowe:
- Liniowy (Linear): Każde kliknięcie dostaje tyle samo zasług.
- Rozkład czasowy (Time Decay): Im bliżej zakupu, tym większa zasługa.
- Uwzględnienie pozycji (Position Based): Pierwsze i ostatnie kliknięcie dostają po 40%, środek dzieli się resztą.
We wrześniu 2023 roku Google ostatecznie wycofało te modele (źródło: Google Ads Help/Deprecation of attribution models). Powód był prozaiczny: reguły te były arbitralne i nie uwzględniały specyfiki konkretnego biznesu. Atrybucja oparta na danych (DDA) wyparła je, ponieważ dynamicznie dostosowuje się do rzeczywistych zachowań Twoich klientów, a nie sztywnych założeń teoretycznych.
Obecnie realny wybór ogranicza się do dwóch opcji: Data-Driven (rekomendowany standard rynkowy) lub Last Click (przestarzały, ale wciąż dostępny dla specyficznych zastosowań).
Jak czytać raporty i wyciągać z nich wnioski?
Przejście na model DDA zmienia wygląd Twoich raportów. Zobaczysz ułamkowe wartości w kolumnie "Konwersje" (np. 12,50 zamiast 12). To normalne zjawisko, które świadczy o tym, że system precyzyjniej dzieli zasługi.
Oto jak weryfikować skuteczność kampanii wspomagających (tych, które budują popyt, ale nie zamykają sprzedaży):
1. Narzędzie porównywania modeli (Model Comparison Tool)
To kluczowe miejsce dla analityka. Znajdziesz je w sekcji Cele > Pomiary > Atrybucja (lokalizacja może się różnić w zależności od wersji interfejsu).
Narzędzie to pozwala zestawić obok siebie model "Ostatnie kliknięcie" i "Oparty na danych", pokazując różnice w wynikach.
Czego szukać?
Zwróć uwagę na kampanie, które w modelu Last Click wydają się drogie, ale w modelu Data-Driven ich Koszt konwersji (CPA) drastycznie spada, a liczba przypisanych konwersji rośnie.
- Przykład: Kampania Display w modelu Last Click ma CPA 200 zł (drogo). W modelu DDA ma CPA 80 zł (akceptowalnie). To dowód na to, że ta kampania pełni ważną funkcję w górnej części lejka sprzedażowego.
2. Analiza ścieżek i konwersji wspomaganych
W raportach atrybucji warto sprawdzić metrykę "Konwersje wspomagane". Pokazuje ona liczbę transakcji, w których dana kampania brała udział na dowolnym etapie ścieżki, ale nie była tym ostatecznym kliknięciem zamykającym sprzedaż.
Jeśli kampania ma 0 konwersji bezpośrednich, ale 50 konwersji wspomaganych - jej wyłączenie byłoby błędem strategicznym. To tak, jakbyś zwolnił asystenta, który przygotowuje wszystkie dokumenty do podpisu, tylko dlatego, że to Ty składasz ostateczny podpis.
Kiedy model "Last Click" ma sens?
Czy model Ostatniego kliknięcia jest zawsze błędem? Nie. Istnieją specyficzne branże, w których sprawdza się on doskonale. Są to biznesy oparte na nagłej potrzebie (tzw. emergency services) i bardzo krótkiej, często jednowątkowej ścieżce decyzyjnej.
Przykłady branż:
- Awaria hydrauliczna: Klient wpisuje "hydraulik 24h", klika w pierwszą reklamę i dzwoni. Nie ogląda YouTube'a, nie czyta blogów. Decyzja jest natychmiastowa.
- Pomoc drogowa / Laweta.
- Ślusarz (awaryjne otwieranie drzwi).
W tych przypadkach "pomocnicy" zazwyczaj nie istnieją - nikt nie ogląda recenzji ślusarza na YouTube, gdy stoi pod zatrzaśniętymi drzwiami. Liczy się tylko ten, kto jest dostępny tu i teraz. Jednak w większości e-commerce i usług B2B model ten jest zbyt dużym uproszczeniem.
FAQ - Najczęstsze pytania o atrybucję
Dlaczego Facebook Ads pokazuje inne wyniki niż Google Ads?
Każda platforma reklamowa dąży do przypisania sobie sukcesu. Facebook domyślnie uwzględnia atrybucję "po wyświetleniu" (View-Through). Oznacza to, że jeśli użytkownik tylko zobaczył Twoją reklamę na FB (nie kliknął), a potem kupił produkt wchodząc z Google, Facebook przypisze sobie tę konwersję. Google z kolei przypisze ją sobie (bo nastąpiło kliknięcie). W efekcie, sumując raporty z obu platform, możesz mieć na papierze więcej "sprzedaży" niż realnie wpłynęło na konto bankowe. Najbardziej obiektywnym arbitrem w tym sporze jest zazwyczaj Google Analytics 4.
Czy zmiana modelu atrybucji zmieni moje historyczne wyniki?
Nie. Zmiana modelu atrybucji w ustawieniach konwersji wpływa na sposób raportowania danych wyłącznie od momentu zmiany w przyszłość. Dane historyczne w głównych tabelach pozostaną bez zmian. Aby zobaczyć symulację przeszłości na nowym modelu, należy użyć wspomnianego wcześniej "Narzędzia porównywania modeli".
Czy mogę używać Data-Driven przy małym budżecie?
Tak. Kiedyś model ten wymagał ogromnej liczby danych, ale w połowie 2021 roku Google zniosło minimalne progi wymagań dla DDA (źródło: Google Ads Help). Obecnie algorytmy radzą sobie nawet przy mniejszej skali, wykorzystując dane zagregowane z podobnych biznesów. Jeśli opcja jest dostępna na Twoim koncie - warto z niej korzystać.
Podsumowanie: Nie zwalniaj swoich najlepszych zawodników
Jeśli masz wrażenie, że połowa Twojego budżetu nie działa, ale wahasz się przed jej wyłączeniem - prawdopodobnie Twoja intuicja biznesowa ma rację, a raporty Last Click wprowadzają Cię w błąd. Podejmowanie decyzji o alokacji budżetu bez analizy pełnej ścieżki zakupowej to ryzyko odcięcia dopływu nowych klientów na samym początku lejka sprzedażowego.