Google Analytics en meerkanaalsattributie: Wat u moet weten

Google Analytics laat 4 attributiemodellen vervallen. De oude modellen worden de komende maanden vervangen door datagestuurde attributie. Dit is de tijdlijn:

• Mei 2023: Lineaire, eerste klik-, tijdsverloop- en positiegebaseerde modellen zijn voor Google Analytics 4-eigenschappen niet meer beschikbaar voor nieuwe conversieacties.
• Juni 2023: Lineaire, eerste klik-, tijdsverloop- en positiegebaseerde modellen zijn voor Google Ads-accounts niet meer beschikbaar voor nieuwe conversieacties.
• September 2023: Google laat de vier attributiemodellen in Google Analytics 4 en Google Ads vervallen.

Wat gebeurt er dan met conversieacties die gebruikmaken van de afgeschafte modellen? Volgens Google zal elke conversieactie die gebruikmaakt van een bijna verouderd attributiemodel automatisch worden geconverteerd naar het datagestuurde attributiemodel.
 
Adverteerders kunnen het huidige laatste klik-attributiemodel gebruiken, maar elke conversieactie moet handmatig worden gewijzigd.
 
Iedereen die nog steeds de verouderde modellen in Google Ads gebruikt, krijgt hiermee te maken. Aangezien de datagestuurde attributieformule van elke adverteerder anders en niet zichtbaar is, zal alles wat anders is dan laatste klik veel moeilijker te traceren zijn.
 
In dit artikel leggen we meer uit over attributiemodellen in analytics en bespreken we de datagestuurde attributie die door Google wordt gepromoot. We zullen de problemen met datagestuurde attributie laten zien en uitleggen waarom u verschillende attributiemodellen zou moeten vergelijken.

Wat is attributie?

Attributiemodellen zijn regels of algoritmen die bepalen hoe credits voor conversies worden toegewezen aan contactmomenten op conversietrajecten. Een conversie wordt toegeschreven aan individuele klikken, advertenties en factoren in het conversietraject van de gebruiker. Attributies hebben twee modellen:

• Op regels gebaseerde attributie – Conversiecredits worden verdeeld over de relevante contactmomenten in op regels gebaseerde modellen. Attributie kan single- of multi-touch zijn.
• Datagestuurde attributie – Het doel is om te bepalen hoeveel conversies en bezoekersjourneys hebben bijgedragen aan een verkoop. Hierdoor kan het resulterende model aanzienlijk verschillen van eenvoudige, op regels gebaseerde benaderingen.

Attributie helpt ons te begrijpen welke contactmomenten in het conversietraject een belangrijke rol spelen. Het gaat erom niet te gokken en dat u de juiste bronnen kunt vermelden.
 
Laten we eens kijken naar een voorbeeld van een conversietraject voor iemand die converteert op de website.

1. Een gebruiker zoekt in Google naar “attributiemodellen in GA4” en klikt op uw blogpost.
2. De gebruiker keert de volgende dag terug naar dezelfde blog en navigeert vanuit die blog naar uw YouTube-kanaal.
3. Na nog een paar dagen bezoekt de gebruiker direct uw website en wordt hij lid van uw nieuwsbrief omdat hij zich realiseert dat hij op die manier beter kan leren.

Drie bronnen hebben bijgedragen aan dit conversietraject: Google’s organische zoekopdrachten, YouTube-video en direct verkeer.
 
Dus, aan wie komt de eer voor conversie toe? Het begon allemaal met het organisch zoeken, toch? Of misschien heeft de YouTube-video de gebruiker overtuigd om zich aan te melden? Zou het de directe bron kunnen zijn, omdat de gebruiker op dat moment zijn beslissing nam? Waarom niet alle drie als ze allemaal hebben bijgedragen? Daar komen de attributiemodellen om de hoek kijken.
 
Elk model zal verschillende resultaten hebben op hetzelfde conversietraject. Er kunnen meerdere contactmomenten zijn en de conversievolgorde kan per gebruiker verschillen.

Meestgebruikte attributiemodellen

Verschillende attributiemodellen geven aan hoe conversiecredits worden toegepast. De standaard op regels gebaseerde attributiemodellen zijn:

• Eerste klik: Alle credits gaan naar de eerste interactie. Een bezoeker komt op uw website via Google Ads, kijkt rond en vertrekt. Later komt hij terug via een organische Google-zoeklink en vult hij een formulier in – een conversie. Dat laatste bezoek via organische zoekopdrachten wordt helemaal niet meegeteld. De eerste interactie, via Google Ads, krijgt 100% credits voor de conversie.
• Laatste klik: Alle credits gaan naar de laatste klik voor de conversie. Dit model zou bijvoorbeeld alle credits aan organische zoekopdrachten geven als een organische zoekopdracht na de Google Ad-klik kwam.
• Laatste-niet-direct-klik-modellen: Hierbij worden directe bezoeken uit de vergelijking verwijderd. 100% van de conversie wordt toegekend aan de laatst bekende indirecte klik, bron van verkeers of verwijzing. Dit is een variant van het laatste klik-model.
• Tijdsverloop: Hierbij worden credits gegeven op basis van de tijd tussen interacties. Elk contactmoment krijgt credits, maar hoe dichter het contactmoment bij een uiteindelijke transactie of het bereiken van een doel is, hoe meer credits het krijgt.
• Op positie gebaseerd: Hierbij worden bepaalde stappen in het conversietraject gecrediteerd, meestal de eerste en de laatste. X% van de credits worden toegekend aan het eerste contact, Y% aan het laatste contact en Z% aan alle contactmomenten.
• Lineair: Hierbij wordt een gelijke hoeveelheid credits toegekend aan elke stap van het conversietraject. Succes wordt in gelijke mate toegekend aan elke verwijzing en elk bezoek. Dus bij drie contactmomenten – laten we zeggen Google Ads, Google organische zoekopdrachten en een rechtstreeks bezoek – zou elk contactmoment een derde van de credits krijgen voor een conversie.
• Datagestuurd: Hierbij worden data gebruikt om attributiecredits te bepalen. Het model verschuift afhankelijk van het unieke traject.

eel marketeers vertrouwen alleen op de laatste klik. Er is niets mis met dit model, maar het negeert contactmomenten die een belangrijke rol kunnen spelen bij een conversie. Elk model met een alles-of-niets benadering, zoals de eerste klik, de laatste klik of de laatste niet-directe klik, kent deze tekortkoming.
 
De kracht van de andere drie modellen – lineair, op positie gebaseerd en tijdsverloop – is dat ze credits toekennen aan meerdere contactmomenten. Dit betekent niet dat ze beter zijn in het modelleren van conversietrechters. Dat gezegd hebbende, is het de moeite waard om credits over meer dan één contactmoment te spreiden.
 
Meerkanaalsconversie-attributie geeft credits voor conversies in een klanttraject dat meerdere kanalen bestrijkt.

Waarom u verschillende attributiemodellen moet vergelijken

Er is niet één universeel attributiemodel. Afhankelijk van de situatie kan het voldoende zijn om één attributiemodel te gebruiken. Elk bedrijf is echter anders, gebruikt andere contactmomenten en communiceert anders.
 
U investeert waarschijnlijk in tientallen kanalen – social media, zoekadvertenties, e-mail, blogs, enz. Het klanttraject is gefragmenteerd en het proces van eerste contact tot conversie vindt zelden binnen één browsersessie plaats. Het proces omvat veel kanalen en contactmomenten en bestrijkt vaak een wat langere periode. Meerkanaalsattributieanalyse is ingewikkeld, maar attributierapporten geven na verloop van tijd voldoende aanwijzingen als u er ingenieus ontworpen experimenten omheen bouwt.
 
Alle attributiemodellen hebben hun voor- en nadelen. Het gaat er dus niet om meteen het beste model te kiezen. Om te slagen, moet u de ruwe output nemen, wijzigingen aanbrengen, de impact observeren (meestal meerdere weken of maanden), inzichten identificeren en na verloop van tijd nauwkeuriger worden.
 
Het testen van meerdere modellen, inclusief aangepaste modellen, is de beste manier om het meest geschikte attributiemodel te vinden.
 
Meerkanaalsattributierapporten zijn handig. Met het attributierapport kunt u analyseren welke kanalen mensen gebruikten voordat ze het doel van uw website voltooiden of uw product kochten. In tegenstelling tot standaard acquisitierapporten toont dit rapport verschillende attributiemodellen en conversietrajecten. U kunt het gebruiken om te bepalen welke contactmomenten het meest waardevolle verkeer naar uw website genereren. Als u dit weet, kunt u uw marketingbudget beter toewijzen.
 
Met de tool voor het vergelijken van modellen, die beschikbaar is in het rapport, kunt u attributiemodellen vergelijken zoals laatste klik, op positie gebaseerd, eerste klik, laatste-niet-directe-klik, tijdsverloop, lineair en aangepaste modellen.
 
Al met al kan het vergelijken van verschillende attributiemodellen u helpen begrijpen hoe uw marketinginspanningen conversies stimuleren.

Google Analytics 4 (GA4)-attributie

Het standaard GA4-attributiemodel is datagestuurd. Het model maakt gebruik van machine learning-algoritmes om de data van uw Google Analytics-account te analyseren. Het kent credits toe aan verschillende contactmomenten op basis van hun daadwerkelijke impact op conversies.
 
GA4 keurt attributiemodellen die niet zijn gebaseerd op de regels van de laatste klik, waaronder eerste-klik, lineair, positiegebaseerd en tijdsverloop in Google Ads en GA4 af. Maar cross-channel datagestuurde attributie, cross-channel laatste klik en de favoriete laatste klik van advertenties zullen beschikbaar blijven.

Modellen	Basis	Regels
Datagestuurd	Algorithm	–
Op regels gebaseerde cross-channel	Regels	Laatste klik
Bevoorkeurde advertenties	Regels	Laatste klik

Als u afgeschafte attributiemodellen gebruikt, is er een andere manier. Met Google Analytics 4 kunt u gebeurtenisdata exporteren naar Google BigQuery. Hierdoor kunt u uw eerste klik-, lineaire, tijdsverloop- en andere op regels gebaseerde marketingattributiemodellen bouwen met behulp van logica die u bezit en door uw organisatie gecontroleerd kunt wijzigen, niet op basis van Google. Dit vereist wel extra tijd en middelen.
 
Het is het vermelden waard dat het gebruik van attributiemodellen ook een terugblikvenster vereist.
 
Terugblikvensters, ook wel attributievensters genoemd, helpen u om te bepalen welke advertenties tot conversies hebben geleid gedurende het gespecificeerde tijdsbestek. U kunt ook kiezen hoe ver terug u de bezoeken van uw gebruikers aan uw pagina of site wilt traceren. Als u bijvoorbeeld een terugblikvenster van 30 dagen gebruikt, zal GA alleen rekening houden met bezoeken van gebruikers binnen 30 dagen voor de conversie.
 
Standaard gebruikt GA4 een terugblikvenster van 30 dagen voor conversiegebeurtenissen bij acquisitie en een terugblikvenster van 90 dagen voor andere conversiegebeurtenissen. Een terugblikvenster van 90 dagen betekent dus ook dat contactmomenten tot 90 dagen na de dag waarop ze plaatsvonden in aanmerking kunnen komen voor conversiecredits. Universal Analytics heeft een terugblikvenster van zes maanden.
 
Door dit verschil kunnen er dataverschillen zijn tussen Google Analytics 4 en Universal Analytics. Als een gebruiker bijvoorbeeld vandaag via een socials-link doorklikt naar uw website, deze link over vier maanden opnieuw bezoekt en converteert, zou Universal Analytics conversiecredits toekennen aan de socials-klik. Google Analytics 4 geeft conversiecredits aan directe verwijzingen. Dat kan migratieproblemen en discrepanties in data veroorzaken.

Het probleem met datagestuurde attributie

De afgelopen jaren hebben grote advertentieplatforms geleidelijk datagestuurde attributie geïntroduceerd in conversiemeting. De motivatie hiervoor is om het bijhouden van prestaties te behouden. Platforms moeten hun waarde laten zien wanneer traditionele traceermethoden verloren gaan door de afschrijving van cookies van derden.
 
Datagestuurde attributie biedt een aantal voordelen ten opzichte van op regels gebaseerde modellen. Het verwijdert bijvoorbeeld menselijke vooroordelen uit de analyse van consumentencontactmomenten door middel van het gebruik van Google AI. Het helpt patronen te identificeren die tot conversies leiden. En het past automatisch de attributiegewichten aan als uw marketinglandschap verandert.
 
Het is echter belangrijk op te merken dat een marketingattributiemodel dat de weging die het toepast op e-mailmarketinginteracties van het ene jaar op het andere wijzigt, kan leiden tot nutteloze vergelijkingsrapporten. U zult nooit weten of de toename in conversies die aan dat kanaal wordt toegeschreven, te danken is aan uw hogere uitgaven of aan de wijziging in de attributen door Google.
 
Het datagestuurde attributiemodel is volgens Google het meest gebruikte conversiemodel in geautomatiseerde biedingen.
 
De vier afgeschreven modellen omvatten minder dan 3% van de Google-webconversies. Volgens hen vereenvoudigt en consolideert het verwijderen van minder vaak gebruikte attributiemodellen de analyse.

Google Ads

Er is meer aan de hand – een datagestuurd attributiemodel kan Google Ads-campagnes meer credits geven voor conversie dan andere kanalen, dus adverteerders zijn voorzichtig. Als dit het meten of rechtvaardigen van andere betaalde mediakanalen bemoeilijkt, kunnen marketeers worden overgehaald om meer van hun marketingbudget in Google Ads te investeren.
 
Stel dat een klant op een e-mail klikt, naar uw merk zoekt en een YouTube-video bekijkt. Vervolgens klikken ze op Facebook en gaan naar de website om te kopen.
 
In dit scenario zal Google alleen Google-eigenschappen crediteren. Als gevolg daarvan kunnen uw conversietags of analyseplatforms een conversie overwaarderen of dubbel tellen.

Andere problemen met datagestuurde attributie

Gezien al het bovenstaande is het geen wonder dat het nieuws over het laten vervallen van attributiemodellen veel discussie heeft losgemaakt bij marketeers en adverteerders. Het verwijderen van attributiemodellen neemt noodzakelijke inzichten weg voor marketeers die hen helpen beter geïnformeerde beslissingen te nemen. Bovendien beweren velen dat datagestuurde attributie kan worden gebruikt voor optimalisatie, maar het vergelijken van resultaten met behulp van verschillende modellen is wat echt waardevolle inzichten oplevert.
 
Laten we enkele andere problemen met datagestuurde attributie bespreken.
 
Nauwkeurigheid
 
Attributiemodellen zijn gebaseerd op kleinere datasets. Wanneer statistische modellen zijn gebaseerd op een kleine dataset, zijn ze minder betrouwbaar en kunnen de werkelijke cijfers aanzienlijk afwijken van de gemodelleerde data. Meer conversierapportage zal gebaseerd zijn op het modelleren van niet-getraceerde data. Ondanks hun inspanningen nemen marketeers beslissingen vanuit hun eigen gevoel als gevolg van onbetrouwbare tools.
 
U kunt niet zien hoe attributie wordt gemodelleerd
Het model houdt rekening met factoren zoals apparaattypes, het aantal advertentie-interacties dat gebruikers hadden, de volgorde van de advertentieblootstelling, het type creatieve middelen en de tijd vanaf de conversie.
 
Het maakt gebruik van een contrafeitelijke/onwaarschijnlijke benadering in termen van wat er had kunnen gebeuren versus wat er werkelijk is gebeurd om te bepalen welke contactmomenten de meeste kans hebben om conversies te stimuleren. Vervolgens geeft het credits op basis van deze conversiekans. Google onthult niet hoe datagestuurde attributie credits toekent aan elk kanaal.
 
Dit alles maakt het vrij uitdagend om te begrijpen wat er onder de motorkap van het algoritme zit in vergelijking met andere modellen. Marketeers zullen moeten vertrouwen op de informatie die Google Ads hen geeft zonder binnenin het proces te kunnen kijken. Het is noodzakelijk om een bepaalde mate van onzekerheid te accepteren bij het gebruik van datagestuurde attributie.
 
Grenzen
 
Wat betreft het datagestuurde attributiemodel van Google, is het belangrijkste nadeel dat voor sommige soorten conversieacties binnen 30 dagen minstens 300 conversies en 3.000 advertentie-interacties in ondersteunde netwerken nodig zijn om in aanmerking te komen. U kunt niet doorgaan met het gebruik van datagestuurde attributie voor deze conversieacties als uw data binnen 30 dagen onder de 2.000 advertentie-interacties in ondersteunde netwerken of 200 conversies voor de conversieactie komen.
 
Helaas zal dit voor veel bedrijven te veel zijn.
 
Datagestuurde attributie is een black box-systeem. U ziet niet hoe attributie wordt gemodelleerd en hoe datagestuurde attributie credits toekent aan elk kanaal. Machine learning toepassen is niet slecht, maar het gebrek aan transparantie is een zorgwekkende trend. Veel marketeers gebruiken verschillende attributiemodellen en vergelijken deze regelmatig om inzicht te krijgen in mogelijke problemen en om betere aannames te doen over het relatieve belang van verschillende kanalen.

Slotbeschouwing

Met de beslissing van Google om attributiemodellen te schrappen, moeten marketeers alternatieve oplossingen onderzoeken om datagestuurde beslissingen te garanderen.
 
Deze verandering zal gevolgen hebben voor adverteerders die nog steeds modellen gebruiken die bijna gaan vervallen. Andere modellen dan de laatste klik zullen moeilijk te traceren zijn omdat de datagestuurde formule accountspecifiek en onduidelijk is. We zien niet hoe ze werkt, welke regels ze volgt of waarom specifieke acties worden ondernomen.
 
Een oplossing is om gebruik te maken van platforms als Piwik PRO. Dit platform biedt geavanceerde tools voor meerkanaalsattributie waarmee u kunt analyseren welk kanaal of contactmoment credits moet krijgen voor conversies. Naast voorgedefinieerde attributiemodellen kunt u ook aangepaste modellen krijgen die passen bij uw bedrijfsbehoeften. En met de vergelijkingstool kunt u verschillende attributiemodellen vergelijken.
 
Last but not least vereist nauwkeurige attributie het verzamelen van persoonlijke gegevens. De opkomst van steeds strengere regelgeving zoals CCPA en AVG maakt dit een zeer delicate operatie. Een ingebouwde consentmanager is dus essentieel voor uw attributietoolbox. Deze zal alleen maar kritischer worden naarmate de privacywetten wereldwijd strenger worden.