Modele atrybucji: jak sprawdzić, czy newsletter sprzedaje

To, czy newsletter naprawdę sprzedaje, sprawdzisz nie w raporcie ostatniego kliknięcia, tylko na trzy sposoby: w ścieżkach konwersji zobacz, w ilu zakupach mail pojawił się po drodze, porównaj przychód przypisany mailom w różnych modelach atrybucji, a w systemie marketing automation licz zasługę maila po kliknięciu, nie po otwarciu. Najpewniejszą odpowiedź daje test z grupą kontrolną: część bazy przez kilka tygodni nie dostaje newslettera, a Ty porównujesz sprzedaż obu grup.

We wpisie wyjaśniamy, dlaczego raport ostatniego kliknięcia zaniża rolę maili, porównujemy modele atrybucji (sposoby przypisywania zasługi za sprzedaż kanałom), pokazujemy, dlaczego system mailowy i Google Analytics 4 podają inną sprzedaż, jak ustawić okno atrybucji i jak przeprowadzić test z grupą kontrolną. Pozostałe wpisy o analizie i wynikach marketing automation znajdziesz w kategorii Analiza i optymalizacja marketing automation.

Dlaczego raport ostatniego kliknięcia zaniża rolę newslettera

Model ostatniego kliknięcia przypisuje całą zasługę kanałowi, z którego klient przyszedł tuż przed zakupem. W Google Analytics 4 wariant dla kanałów płatnych i bezpłatnych pomija wejścia bezpośrednie i przypisuje 100% wartości konwersji ostatniemu klikniętemu kanałowi (dokumentacja Google Analytics).

Typowa ścieżka klienta wygląda tak:

1. Klient zapisuje się na newsletter.
2. Klika w kilka maili, czyta poradniki, ogląda ofertę.
3. Wychodzi i wraca do swoich spraw.
4. Po kilku dniach widzi reklamę remarketingową i klika w nią.
5. Kupuje.

W modelu ostatniego kliknięcia cały przychód trafia do reklamy remarketingowej, a newsletter wygląda na kanał do wyłączenia. W rzeczywistości mail zbudował zainteresowanie, a reklama domknęła zakup. Prezentując zarządowi tylko ten model, ryzykujesz cięcie budżetu, który pracuje na sprzedaż.

Modele atrybucji: który wybrać

Model atrybucji odpowiada na pytanie, któremu kanałowi przypisać zasługę za sprzedaż, gdy klient zetknął się z kilkoma.

Ostatnie kliknięcie

Cała zasługa trafia do ostatniego punktu kontaktu. Model sprawdza się przy tanich zakupach impulsowych, ale w B2B i przy droższych produktach faworyzuje kanały domykające (wyszukiwanie nazwy marki, wejścia bezpośrednie, remarketing) i zaniża rolę maili i treści, które działają wcześniej.

Pierwsze kliknięcie

Cała zasługa trafia do pierwszego punktu kontaktu. Model pomaga ocenić kanały, które przyprowadzają nowe osoby, ale przy ocenie newslettera ma małą wartość, bo mail zwykle pojawia się dopiero po zapisie, gdy klient zna już stronę.

Model liniowy i model rozkładu w czasie

Model liniowy dzieli zasługę równo między wszystkie punkty kontaktu, np. przy czterech punktach każdy dostaje jedną czwartą. Model rozkładu w czasie (ang. time decay) daje więcej zasługi kontaktom bliższym zakupowi. W HubSpot model rozkładu w czasie liczy się z okresem połowicznego zaniku 7 dni: interakcja sprzed 8 dni dostaje o połowę mniej zasługi niż interakcja sprzed jednego dnia (dokumentacja HubSpot). Dla maili to często uczciwy kompromis: newsletter dostaje udział w zasłudze, ale nie przejmuje całej sprzedaży.

Model oparty na danych

Model oparty na danych (ang. data-driven) dzieli zasługę na podstawie danych o konwersjach: sprawdza, jak zmienia się szansa zakupu, gdy dany kanał jest na ścieżce albo go brakuje. Wymaga dużej liczby konwersji i trudniej go wytłumaczyć zarządowi, ale potrafi pokazać udział kanału, który rzadko jest ostatnim kliknięciem.

Jakie modele są dostępne w narzędziach

W ustawieniach atrybucji Google Analytics 4 wybierzesz dziś model oparty na danych albo jeden z modeli ostatniego kliknięcia (dokumentacja Google Analytics). Modeli pierwszego kliknięcia, liniowego i rozkładu w czasie tam nie ma, więc porównasz je w raportach atrybucji systemu marketing automation. HubSpot oferuje w raportach atrybucji m.in. pierwszą i ostatnią interakcję, model liniowy i rozkład w czasie, w planach Marketing Hub Professional i Enterprise (dokumentacja HubSpot).

Ścieżki konwersji: ile zakupów wspiera newsletter

Zamiast patrzeć tylko na przychód przypisany mailom, sprawdź w raporcie ścieżek konwersji narzędzia analitycznego:

• w ilu ścieżkach zakupowych mail pojawił się w ogóle, a w ilu był ostatnim kliknięciem,
• czy mail częściej rozpoczyna ścieżkę, jest w jej środku, czy ją kończy,
• jak zmienia się przychód przypisany mailom po przełączeniu z ostatniego kliknięcia na model oparty na danych.

Jeśli newsletter częściej jest w środku ścieżki, oceniaj go po udziale w ścieżkach i kliknięciach w ofertę, a nie tylko po sprzedaży z ostatniego kliknięcia. Jeśli często domyka sprzedaż, np. w kampaniach ofertowych do obecnych klientów, możesz oceniać go także po przychodzie bezpośrednim.

Dlaczego system marketing automation pokazuje inną sprzedaż niż GA4

Kontakt zamiast urządzenia

System marketing automation rozpoznaje kontakt po adresie e-mail, gdy klient kliknie link w mailu, i łączy jego wizyty z różnych urządzeń. Narzędzie analityczne opiera się głównie na plikach cookie, identyfikatorze użytkownika (jeśli go wdrożysz) i modelowaniu, więc część ścieżek widzi tylko fragmentami. Oba systemy mierzą co innego: pierwszy patrzy z perspektywy kontaktu, drugi z perspektywy urządzenia i sesji.

Otwarcie a kliknięcie

Klaviyo domyślnie stosuje model ostatniego kontaktu i przypisuje zamówienie ostatniej wiadomości, którą odbiorca otworzył albo kliknął w ciągu 5 dni od wysyłki (dokumentacja Klaviyo). Otwarcia nie są jednak wiarygodnym sygnałem: funkcja Ochrona prywatności w aplikacji Poczta firmy Apple ukrywa przed nadawcą, czy wiadomość została otwarta. Jeśli Twój system liczy otwarcia, przypisuje mailom zakupy osób, które maila wcale nie przeczytały. Sprawdź ustawienia atrybucji i licz zasługę maila po kliknięciu albo wyłącz z atrybucji otwarcia z Apple Mail, jeśli narzędzie na to pozwala.

Okno atrybucji

Okno atrybucji to czas po kontakcie z kanałem, w którym zakup jest jeszcze przypisywany temu kanałowi. W Google Analytics 4 okno dla konwersji pozyskania użytkownika wynosi 7 albo 30 dni (domyślnie 30), a dla pozostałych konwersji 30, 60 albo 90 dni (domyślnie 90), według dokumentacji Google Analytics. Klaviyo domyślnie przyjmuje 5 dni dla otwarć i kliknięć maili. Różne okna w dwóch systemach to kolejny powód, dla którego liczby się nie zgadzają. Ustal jedno okno dopasowane do Twojego cyklu sprzedaży i stosuj je w raportach dla zarządu.

Test z grupą kontrolną: najpewniejszy dowód

Modele atrybucji dzielą zasługę, ale nie odpowiadają na pytanie, ile sprzedaży by nie było bez newslettera. Odpowiedź daje test z grupą kontrolną:

1. Wylosuj z bazy grupę kontrolną, np. co dziesiąty kontakt.
2. Przez kilka tygodni nie wysyłaj tej grupie newslettera, a pozostałym wysyłaj jak zwykle.
3. Porównaj przychód na kontakt w obu grupach w tym samym okresie.

Różnica między grupami to sprzedaż, którą newsletter faktycznie dokłada. Test prowadź na tyle długo, żeby w obu grupach było wystarczająco dużo zamówień, i nie zmieniaj w tym czasie innych kampanii tylko dla jednej grupy.

Jak pokazać wpływ newslettera zarządowi

Przygotuj zestawienie z czterech elementów:

• przychód przypisany mailom w modelu ostatniego kliknięcia i w modelu opartym na danych,
• udział ścieżek zakupowych, w których pojawił się mail,
• wynik testu z grupą kontrolną,
• jedno okno atrybucji, opisane w raporcie.

Przychodu z systemu marketing automation nie dodawaj do przychodu z narzędzia analitycznego, bo te same zamówienia zostaną policzone dwa razy. Żeby przypisywać sprzedaży B2B przychód z umów, potrzebujesz też powrotu danych z CRM, który opisujemy we wpisie Jak przekazywać leady do CRM w czasie rzeczywistym. Jak bronić budżetu na system, piszemy we wpisie Marketing automation jako inwestycja, a nie tylko koszt.

FAQ - o to najczęściej pytacie

Dlaczego system marketing automation pokazuje większą sprzedaż niż GA4?

Bo rozpoznaje kontakt po adresie e-mail na wielu urządzeniach, często stosuje inne okno atrybucji i może liczyć do atrybucji otwarcia maili. Narzędzie analityczne gubi część ścieżek między urządzeniami. Prawda leży zwykle pośrodku, a najpewniej sprawdzisz ją testem z grupą kontrolną.

Który model atrybucji wybrać w B2B?

W B2B ścieżki są długie, punktów kontaktu jest wiele, a decyzję podejmuje kilka osób. Jeśli masz dużo konwersji, użyj modelu opartego na danych. Jeśli nie, porównuj model rozkładu w czasie albo liniowy w systemie marketing automation z ostatnim kliknięciem. Nie opieraj decyzji wyłącznie na ostatnim kliknięciu.

Jak dobrać okno atrybucji?

Do długości Twojego cyklu sprzedaży. Jeśli klienci kupują zwykle w ciągu kilku dni od kontaktu z kampanią, krótkie okno wystarczy. Przy dłuższych decyzjach wybierz dłuższe okno i stosuj to samo okno we wszystkich raportach dla zarządu.

Czy otwarcia maili powinny liczyć się do atrybucji?

Nie. Funkcja Ochrona prywatności w aplikacji Poczta firmy Apple ukrywa, czy wiadomość została otwarta, więc atrybucja po otwarciu przypisuje mailom zakupy osób, które ich nie przeczytały. Licz zasługę maila po kliknięciu.

Czy można zsumować przychód z GA4 i z systemu marketing automation?

Nie. Oba systemy mogą przypisać to samo zamówienie: GA4 reklamie, a system mailowy newsletterowi. Suma zawyży przychód. Wybierz jedno źródło przychodu do raportu, a drugie traktuj jako uzupełnienie.

Jak długo prowadzić test z grupą kontrolną?

Co najmniej przez jeden typowy cykl zakupowy Twoich klientów i tak długo, aż w obu grupach będzie wystarczająco dużo zamówień, żeby różnica nie była przypadkowa. W sklepie z częstymi zakupami wystarczy kilka tygodni, w B2B potrzeba dłuższego okresu.

Co zrobić, jeśli newsletter nie sprzedaje?

Sprawdź segmentację, treść, częstotliwość i dostarczalność: czy maile trafiają do skrzynki odbiorczej, czy odbiorcy klikają w ofertę i czy oferta pasuje do segmentu. Listę obszarów do sprawdzenia znajdziesz we wpisie Audyt marketing automation: jakie błędy wykrywa.

Sprawdź, czy kampanie Google Ads dostają właściwą część zasługi

Ten sam problem atrybucji dotyczy reklam: model ostatniego kliknięcia może zawyżać rolę jednych kampanii i zaniżać rolę innych. EVILLAGE.PL od 2006 r. prowadzi kampanie Google Ads i sprawdza, co dzieje się z zapytaniem po kliknięciu reklamy: od formularza do rozmowy z klientem. W rozmowie sprawdzimy, jak liczysz konwersje z reklam i czy raporty pokazują sprzedaż, a nie tylko kliknięcia.

Źródła

Dostęp do źródeł: 7 listopada 2026 r.

• Google Analytics Admin API, "AttributionSettings" (modele atrybucji i okna konwersji): https://developers.google.com/analytics/devguides/config/admin/v1/rest/v1alpha/AttributionSettings
• Google Cloud, "Google Analytics Admin Client: V1alpha.AttributionSettings": https://docs.cloud.google.com/php/docs/reference/analytics-admin/latest/V1alpha.AttributionSettings
• HubSpot, "Create attribution reports": https://knowledge.hubspot.com/reports/create-attribution-reports
• HubSpot, "Understand attribution reporting": https://knowledge.hubspot.com/reports/understand-attribution-reporting
• Klaviyo, "Understanding Klaviyo message attribution": https://help.klaviyo.com/hc/en-us/articles/1260804504250
• Klaviyo Academy, "Understand attribution": https://academy.klaviyo.com/en-us/quick-guides/understand-attribution
• Apple, "Używanie funkcji Ochrona prywatności w aplikacji Poczta na iPhonie": https://support.apple.com/pl-pl/guide/iphone/iphf084865c7/ios