Modele atrybucji w GA4: jak przypisać konwersję kanałom

Jak działa model atrybucji?

Za każdym key event (dawną konwersją) stoi ścieżka punktów styku, a model decyduje, ile wartości dostaje każdy z nich. Punkt styku to zarejestrowany kontakt klienta z marką: reklama, wynik wyszukiwania, e-mail, wejście bezpośrednie. Uporządkowany ciąg takich kontaktów przed zakupem to ścieżka konwersji. Kanał, który był na ścieżce, ale nie na jej końcu, dostaje konwersję wspomaganą.

Model dzieli, nie liczy. Jeśli sklep zanotował 100 zakupów, to w każdym modelu jest ich 100. Zmienia się tylko to, ile z nich trafia do kampanii na Facebooku, a ile do newslettera. Dwa raporty z różnymi modelami zgodzą się więc co do liczby sprzedaży, ale nie co do tego, który kanał ją przyniósł.

Jakie są modele atrybucji?

Jest ich sześć: pięć opartych na stałych regułach i jeden algorytmiczny. Wszystkie dzielą zasługę za ten sam key event, różnią się tym, kogo na ścieżce nagradzają.

Pięć modeli regułowych stosuje tę samą formułę do każdej ścieżki, niezależnie od tego, jak naprawdę zachowują się klienci. Model oparty na danych (data-driven, DDA) wylicza wagi z historii konta, więc dla dwóch firm da dwa różne podziały.

Jak działa model oparty na danych?

Porównuje ścieżki osób, które dokonały konwersji, ze ścieżkami osób, które jej nie dokonały, i z różnicy szacuje wkład każdego punktu styku. Podział opiera się na wartości Shapleya, metodzie z teorii gier, która dzieli wspólny wynik między uczestników według ich wkładu. Efektu nie przeliczysz ręcznie, bo wagi zależą od danych konkretnego konta.

Ograniczenie jest proste: przy małej liczbie konwersji model ma mało danych do porównań, a jego wagi są mniej stabilne. Przy małym sklepie z kilkoma sprzedażami tygodniowo patrzyłbym na DDA ostrożnie i zestawiał go z ostatnim kliknięciem w raporcie Porównanie modeli. Zanim uwierzę którejkolwiek liczbie, pytam, jaką decyzję budżetową ma wesprzeć ten podział.

Jak różne modele dzielą tę samą sprzedaż?

Przyjmijmy hipotetyczny przykład: klient kupuje za 1000 zł po czterech kontaktach.

1. Dzień 1: widzi reklamę na Facebooku.
2. Dzień 10: trafia na stronę z wyszukiwania bezpłatnego.
3. Dzień 13: klika w newsletter.
4. Dzień 14: klika w reklamę Google Ads i kupuje tego samego dnia.

Ta sama sprzedaż daje Facebook Ads od zera do całej kwoty przychodu przypisanego, zależnie od modelu. W rozkładzie czasowym waga punktu styku maleje o połowę z każdym tygodniem przed zakupem, a kwota to udział tej wagi w sumie wag. Dlatego najstarsza reklama dostaje najmniej, a reklama z dnia zakupu najwięcej.

Przesunięcie przychodu przesuwa też wskaźniki. Przy wydatku 200 zł na Facebook Ads ROAS kampanii spada do zera w ostatnim kliknięciu i rośnie do 5 w pierwszym kliknięciu. Koszt się nie zmienił, zmienił się tylko model.

Które modele zostały w GA4?

Trzy do wyboru: oparty na danych (domyślny) oraz dwa warianty ostatniego kliknięcia. W ustawieniach usługi są to:

• oparty na danych,
• ostatnie kliknięcie w kanałach płatnych i bezpłatnych, które pomija wejścia bezpośrednie, chyba że ścieżka składa się wyłącznie z wejść bezpośrednich,
• ostatnie kliknięcie w płatnych kanałach Google, które daje zasługę ostatniemu kliknięciu w reklamę Google Ads, a gdy takiego kliknięcia nie było, wraca do ostatniego kliknięcia w kanałach płatnych i bezpłatnych.

Pierwszy wariant ostatniego kliknięcia przypomina regułę z Universal Analytics, które liczyło ostatnie kliknięcie niebezpośrednie (last non-direct click): wejście bezpośrednie na końcu ścieżki nie zabierało zasługi poprzedniemu kanałowi. Różnice między raportami ruchu a raportami atrybucji opisuje wpis o raportach Google Analytics 4.

Google ogłosił w maju 2023 r. wycofanie czterech modeli regułowych: pierwszego kliknięcia, liniowego, uwzględniania pozycji i spadku wartości w czasie (rozkładu czasowego). Do listopada usunął je z GA4 i Google Ads (Pomoc Google Analytics). Google podał w 2023 r., że tymi modelami mierzono mniej niż 3% konwersji w Google Ads, a model oparty na danych był najczęściej używany przy automatycznym określaniu stawek.

Jak ustawić model i okno konwersji w GA4?

Ustawienia są w Administracja > Wyświetlanie danych > Ustawienia atrybucji.

1. Otwórz Administrację i przejdź do Wyświetlania danych, a potem do Ustawień atrybucji.
2. Wybierz model raportowania spośród trzech dostępnych.
3. Ustaw okno konwersji dla key events z pozyskania (first_visit, first_open): 7 albo 30 dni.
4. Ustaw okno dla pozostałych key events: 30, 60 albo 90 dni, i zapisz zmiany.

Wariant bez wejść bezpośrednich wybierz, gdy ruch bezpośredni nie ma zabierać zasługi wcześniejszym kanałom. Wariant dla płatnych kanałów Google zbliża GA4 do Google Ads.

Domyślnie okno wynosi 30 dni dla key events z pozyskania i 90 dni dla pozostałych (Pomoc Google Analytics). Okno ogranicza, jak daleko wstecz od konwersji punkt styku może dostać zasługę. Krótsze okno obcina wcześniejsze kontakty, więc tracą na nim kanały otwierające ścieżkę, na przykład reklama świadomościowa. Dopasuj okno do cyklu zakupowego: długie sprawdza się przy usługach B2B i drogich zakupach, takich jak meble, krótkie przy zakupach impulsowych.

Zmiana modelu działa wstecz. Raporty atrybucji przeliczą się także dla danych historycznych, więc zrzut ekranu sprzed zmiany jest jedynym dowodem poprzedniego podziału.

Wyniki zestawisz w sekcji Reklama > Atrybucja. Raport Porównanie modeli pokazuje te same kanały w różnych modelach obok siebie, a Ścieżki konwersji układają punkty styku w kolejności, w jakiej wystąpiły.

Dlaczego GA4, Google Ads i Meta pokazują różne liczby?

Każda platforma przypisuje sobie konwersję własnym modelem i oknem, więc suma z paneli przekracza liczbę prawdziwych sprzedaży. Najczęstsze przyczyny rozbieżności to:

1. Inny model i okno. Meta Ads liczy konwersje w oknach: kliknięcie 1 dzień, kliknięcie 7 dni i wyświetlenie 1 dzień (resultmedia.pl), a GA4 stosuje okna z własnych ustawień.
2. Inny moment przypisania. Google Ads zalicza konwersję na dzień kliknięcia reklamy, GA4 na dzień samej konwersji.
3. Deduplikacja. Każdy panel liczy sprzedaż ze swojej perspektywy i nie wie, że ten sam zakup raportuje już inna platforma.

Żaden panel nie widzi pełnej ścieżki. GA4 zbliżysz do Google Ads, wybierając ostatnie kliknięcie w płatnych kanałach Google. Bez spójnych parametrów UTM ruch z Meta i z newslettera ląduje w złym kanale albo w wejściach bezpośrednich, a wtedy żaden model nie przypisze go poprawnie.

Czego model atrybucji nie powie?

Nie powie, czy konwersja zdarzyłaby się bez reklamy. Atrybucja pokazuje udział punktu styku w ścieżkach zakończonych konwersją, nie przyczynę zakupu. Kampania na frazę z nazwą marki i remarketing zbierają ostatnie kliknięcia osób, które często i tak by kupiły, więc w raporcie wyglądają świetnie, choć mogły niewiele dodać.

Na to pytanie odpowiada test przyrostowości: porównanie grupy, która widziała reklamę, z grupą kontrolną, która jej nie widziała. Różnica konwersji to efekt przyrostowy (lift). W Google Ads i Meta dostępna jest do tego funkcja Conversion Lift (badanie wzrostu konwersji); inną odmianą testu jest eksperyment geograficzny, w którym grupy porównuje się według regionów.

Szerszy obraz mierzenia efektów kampanii, ze wskaźnikami i badaniami poza atrybucją, opisuje wpis o skuteczności reklamy.