A reformulação do modelo de atribuição do Google: 3 soluções para anunciantes

Você provavelmente já ouviu a notícia: Google Ads e Google Analytics 4 irão aposentar-se completamente modelos de atribuição de primeiro clique, linear, decaimento de tempo e fundamentado em posição em setembro.

Os modelos de atribuição baseada em dados e de último clique permanecerão disponíveis, juntamente com a atribuição externa.

O que alguns profissionais de marketing de PPC não percebem é que o Google não vai exclusivamente suspender esses modelos de atribuição do ponto de vista de lances. Eles também serão removidos dos recursos de relatório e confrontação.

Isso significa que você não pode mais averiguar as jornadas do cliente no Google Ads e no Google Analytics usando modelos de atribuição. Você precisa de alternativas.

Uma olhada nos modelos de atribuição

Os modelos de atribuição ajudam a conectar uma conversão (ou seja, uma venda ou lead) a um clique ou sentimento no proclamação. É uma forma de ordenar quais anúncios, públicos ou redes têm melhor desempenho.

Historicamente, usamos vários modelos de atribuição com regras diferentes para fazer essa conexão.

Usando a conformidade do futebol, veja o que cada padrão representa:

• último clique: O bombeiro merece todo o crédito.
• Primeiro clique: O primeiro jogador que tocou na globo durante a ação que levou ao gol merece todo o crédito.
• Linear: Todos os jogadores que tocaram a globo durante a ação que levou ao gol merecem uma segmento igual do crédito.
• Decadência do tempo: Os últimos jogadores que tocaram na globo durante a ação que levou ao gol merecem mais crédito do que os primeiros jogadores.
• Com base na posição: O responsável do gol e o primeiro jogador que tocou na globo durante a ação que levou ao gol merecem 40% do crédito cada. Outros jogadores receberão os 20% restantes uniformemente.

O problema com o padrão de atribuição preposto do Google

Esta mudança deixa atribuição baseada em dados (DDA) uma vez que o padrão de atribuição padrão no Google Ads.

O Google não compartilha as regras que decidem quais anúncios vincular a uma conversão. Pessoalmente, presumo que o DDA utiliza uma combinação dos modelos de atribuição mencionados anteriormente.

Porém, há uma segmento muito interessante: o DDA é personalizado para sua conta.

• “A atribuição baseada em dados é dissemelhante dos outros modelos de atribuição porque usa seus dados de conversão para calcular a imposto real de cada interação com o proclamação no caminho de conversão. Cada padrão fundamentado em dados é específico para cada anunciante”, de acordo com o Google.

Teoricamente, isso é perfeito.

Um padrão de atribuição feito sob medida para você. E você nem precisou se preocupar em pensar nessas regras!

No entanto, parece bom demais para ser verdade.

O DDA é ajustado à sua conta. Mas com base em que critérios? Nós não sabemos.

Isso não deve importar, desde que funcione.

E poderíamos ter certeza disso comparando-o com outros modelos.

Mas o que acontece agora que o Google descontinuará os modelos de atribuição “antigos” da seção de relatórios?

Menos modelos de atribuição necessariamente significam desempenho subalterno?

Agora essa é a verdadeira questão.

Embora todos nós provavelmente odeiemos perder mais controle a cada ano que passa, isso não deve ser um problema, desde que o desempenho continue aumentando.

E uma vez que vimos anteriormente, o impacto é menor em termos de gerenciamento de lances (3% de todas as conversões).

A verdadeira questão está em outro lugar – no nível estratégico.

Porquê o Google estados:

“No caminho para a conversão, os clientes podem interagir com vários anúncios do mesmo anunciante… Os modelos de atribuição podem fornecer uma melhor compreensão do desempenho de seus anúncios e ajudar você a otimizar as jornadas de conversão.”

Logo, uma vez que otimizamos as jornadas de conversão se não temos visibilidade? Vamos percorrer um exemplo primeiro:

Analisando as jornadas do cliente em ação

Um de nossos clientes tem um mix de mídia relativamente simples, portanto vou usar isso uma vez que um exemplo para ilustrar meu ponto.

Porquê no futebol, esse cliente tem diferentes táticas: zagueiros, meio-campistas e atacantes. É preciso todo aquele time para fazer um gol.

Observe que a pesquisa paga “pontua” muito muito ao usar o padrão de atribuição do primeiro clique. No entanto, não tanto ao usar o último clique. A pesquisa orgânica e o marketing por e-mail roubam a cena ao usar esse padrão de atribuição.

Isso é esperado, porém, porque:

• A jornada de conversão começa com a pesquisa paga sem marca. Eles geram leads.
• A nutrição de leads é necessária para amadurecer os prospects. Isso é feito principalmente por e-mail marketing.
• Clientes em potencial qualificados eventualmente compram por meio de pesquisa de marca orgânica e paga.

Ou, para colocar em termos de futebol:

• Pesquisa paga sem marca = Defensores
• E-mail = meio-campistas
• Pesquisa de marca orgânica e paga = Strikers

DDA é suficiente?

Você teria entendido esse funil de conversão sem esses modelos de atribuição?

Provavelmente. Leste exemplo é bastante direto.

Mas e se começarmos a trabalhar em um projeto B2B em que as vendas levam meses ou em um projeto B2C em que as compras repetidas são importantes?

Agora é outra história. Já vi muitos exemplos em que o DDA não teve um bom desempenho.

Acho que validar as conclusões do DDA com modelos de atribuição antigos e rígidos ainda tem valor. Sem essas referências, você se expõe a possíveis danos.

Por fim, o estágio de máquina é tão inteligente quanto os dados que o alimentamos.

Cá estão três soluções para anunciantes que procuram se conciliar às mudanças.

Solução 1: projecto de marcação de próximo nível

Desenvolver um programa de dados sólido é o primeiro passo para identificar as interações da jornada do cliente.

Por meio do rastreamento completo, você pode usar DDA ou modelos de atribuição de último clique com crédito… mas com todas as etapas da jornada do cliente para substituir o primeiro clique e assim por diante.

Sei que não é o ideal, mas é o primeiro passo. Se usarmos meu exemplo supra, você atribuiria os leads de último clique à pesquisa sem marca e as vendas de último clique à pesquisa de marca. Não é ideal, mas funciona.

Naturalmente, isso requer o rastreamento de toda a jornada do cliente. Você não pode incumbir em seu vetusto projecto de marcação simplista. Você precisa de microconversões.

Solução 2: integração de dados de CRM

Ao escoltar as conversões, você para nas vendas?

Agora você precisa rastrear e cevar toda a jornada do cliente (sim, incluindo pós-venda) de volta às plataformas de anúncios por meio de atribuição externa.

Você pode usar essa instrumento para aumentar a visibilidade – uma vez que pontuação de leads, mas com pontuação de cliente desta vez.

Se você identificar discrepâncias de desempenho, isso deve permitir que você influencie seus lances de maneira dissemelhante do padrão “fundamentado em dados”.

Em suma, o CRM deve se tornar (se já não é) uma instrumento meão para os anunciantes entenderem e informarem melhor a jornada do cliente – e, consequentemente, o mix de mídia propício.

Solução 3: outros métodos de atribuição

Estou me aventurando em terrenos mais sofisticados cá, o que não se aplica a todos os projetos.

Basicamente, incrementalidade significa expor um público ao seu proclamação e ocultar propositadamente esse mesmo proclamação de um público semelhante e, em seguida, confrontar os níveis de desempenho de ambos os públicos.

Porquê você pode imaginar, esse método é muito lícito, mas sujeito a erros. (Sem mencionar que está disponível exclusivamente se você tiver grandes orçamentos em primeiro lugar para fins de confiabilidade de dados.)

Sua próxima melhor aposta é com pesquisas de clientes.

Por exemplo, você pode usar um pop-up de intenção de saída (perguntando aos visitantes de onde vieram, do que não gostaram etc.) ou campos adicionais em sua jornada de compra/lead para conquistar informações adicionais.

Naturalmente, tenha desvelo com esses dados declarativos, pois eles geralmente são distorcidos até patente ponto.

Não existe um padrão de atribuição perfeito

Ao longo deste item, tenho perseguido a maneira perfeita de medir o desempenho.

Mas não se perda na toca do coelho. Não existe atribuição perfeita.

O que você quer é uma ingressão confiável, mas direcional para sua estratégia.

Passar desse estágio é para geeks de anúncios uma vez que eu, mas não é útil para a tomada de decisões de negócios. Priorize de entendimento.