Cross-channel attribúció: social, keresés, pipeline

A standard attribúciós modellek egyszerre két irányban hazudnak: a hirdetési platformok túlbecsülik a teljesítményt, a CRM pedig alábecsüli. Az eredmény az, hogy a fizetett social drága luxusnak tűnik, a fizetett keresés pedig az egyetlen csatornának, amely "működik." Ha ezt hagyod szó nélkül, szisztematikusan alulfinanszírozod a tölcsér tetejét, majd azon töprengsz, miért apad el lassan a márkás keresés.

Legfontosabb tanulságok

• Az utolsó kattintásos attribúció strukturálisan képtelen látni az impression-alapú csatornákat (social, display, videó), és nulla kreditet ad nekik.
• Az olyan platformok, mint a Google és a Meta, a view-through és modellezett konverziók révén nagyjából 5-szörösére fújják fel a ROAS-t; a CRM ezzel ellentétes irányban becsüli alá.
• A fizetett social 7-28 napos késéssel generál keresletet, így a szokásos 7 napos lookback ablak teljesen elvágja a hatást.
• Az egyetlen megbízható mérési módszer a holdout teszt és a geo-kísérlet, nem az attribúciós modellek.
• A CFO-kat nem érdeklik a kattintások és az impressziók. Hozzájárulási margint, LTV/CAC-ot és pipeline-dollár költségét mutass.

Miért mutat ostobaságokat az attribúciós modelled

A Martech egyértelműen fogalmazott: a hirdetési platformok szisztematikusan felfújják a teljesítményt a view-through konverziók és a széles konverziós ablakok révén, míg a backend CRM utolsó kattintás alapon működik, és egyszerűen nem látja az impression-alapú csatornákat. Ugyanaz a kampány mutathat 5x ROAS-t a platformon és nullát a CRM-ben. Mindkét szám technikailag "helyes," és mindkettő használhatatlan döntéshozatali alapként.

Az iOS 14 csak rontott a helyzeten. Tönkretette a social kattintások match-back jeleit, így még az a rész is jelentősen zsugorodott, amelyet a backend korábban rögzíteni tudott a fizetett social teljesítményéből. A Martech szerint a social kampányok valódi alábecsülése a backend adatokban a tényleges hatáshoz képest 30 és 70 százalék között mozog.

A gyakorlati következmény: ha a Meta vagy TikTok kampányokat utolsó kattintásos bevétel alapján értékeled, szinte biztosan annyira alábecsülöd őket, hogy végül kikapcsolod. Amikor pedig kikapcsolod, kikapcsolod azt a keresletgenerálást is, amely táplálja a márkás keresést, az organikus forgalmat és mindent, ami ezekből következik.

Hogyan befolyásolja valójában a fizetett social a fizetett keresést

A Search Engine Land világosan leírja a mechanizmust: a fizetett social először tudatosságot épít, és csak ezután megy a felhasználó a Google-ra keresni. A tipikus késés 7-28 nap. Ha a lookback ablakod 7 napra van állítva (a legtöbb platform alapértelmezése), a teljes hatás eltűnik.

Hogyan mérd ezt drága eszközök nélkül:

1. Rögzítsd a márkás és kategóriás keresési lekérdezések alapvolumenét a Google Adsben közvetlenül a fizetett social kampány indítása előtt.
2. Az indítás után kövesd ezeket a lekérdezési volumeneket +7, +14 és +28 napnál.
3. A releváns lekérdezési volumen 15-30%-os növekedése erős jelzés a social asszisztált hatására.
4. Szigorúbb eredményért futtass geo-kísérletet: futtasd a kampányt az egyik régióban, tartsd vissza a másikban, és hasonlítsd össze a keresési volumeneket.

A search lift ezután olyan metrikává válik, amely meggyőzőbben védi az upper-funnel büdzsét, mint bármilyen CPM vagy CPC szám.

Háromrétegű attribúció B2B-ben: hogyan rakd össze

A PPC Hero leír egy megközelítést, amely összetett B2B környezetekben működik, ahol egyetlen modell sem rendel helyesen pipeline-kreditet. Három réteget használ, amelyek lefedik egymás vak foltjait:

• Multi-touch attribúció összeköti a hirdetési interakciókat a CRM eredményekkel (MQL, SQL, lezárt üzlet). Az előfeltétel az, hogy a CRM-ed a kampány indítása előtt csatlakozzon a fizetett médiához, következetes UTM-ekkel és lead form szinkronizálással a kampányobjektumokhoz.
• Kauzális modellezés (ökonometriai módszerek) kontrollálja a szezonalitást és a márkakereslet hatását, elválasztva azt, amit a kampány ténylegesen okozott, attól, ami amúgy is megtörtént volna.
• Geo-alapú inkrementalitási tesztelés bizonyítja, hogy a kampány nettó új pipeline-t generált-e, vagy csupán meglévő kereslet kreditjét vette el.

A kritikus feltétel: a CRM-nek az indítás előtt kell csatlakoznia a fizetett médiához. E nélkül az alapvonal nélkül nem tudod majd megkülönböztetni, hogy egy változás üzleti mutatót mozdított-e el, vagy csak egy platformszámot. A PPC Hero cikkben leírt B2B SaaS vállalat pontosan ennek a beállításnak köszönhetően csökkentette az MQL-enkénti költséget 27%-kal és növelte a konverziós rátát 18%-kal.

Hogyan riportálj úgy, hogy túlélje a büdzsé-felülvizsgálatot

Ez a leggyakoribb gyakorlati hiba: a marketingesek CPM-mel, CPC-vel és ROAS-szal mennek be a büdzsé-felülvizsgálatokra. A pénzügy nem érti ezeket a számokat az üzleti hatás kontextusában, és joggal figyelmen kívül hagyja őket.

A PPC Hero azt javasolja, hogy kizárólag olyan mutatókban riportálj, amelyekben egy CFO valóban megbízik:

• Hozzájárulási margin a kampányokból (nem csak bevétel)
• LTV/CAC és annak időbeli trendje
• Megtérülési idő az ügyfélszerzésen
• Pipeline-dollár költsége és az első megbeszélés költsége

Az impressziók és kattintások maradhatnak a belső dashboardon irányvonalként. Büdzsé-felülvizsgálaton nincs helyük.

Ha több csatornát futtatsz, és automatizálni szeretnéd ezt a fajta mérést, a Charlie AI agentjei összekapcsolják a fizetett social, a fizetett keresés és a CRM adatait egyetlen riportba, manuális exportok nélkül.

Az AI Overviews mint új attribúciós réteg

A Semrush egy olyan trendet jelez, amely tovább bonyolítja az attribúciót: a Google AI Overviews-a már a lekérdezések több mint 50%-ában megjelenik, és a Google Search Console nem választja szét a kattintásaikat az organikusaktól. Egy márka rangsorolhat több százezer kulcsszóra, de csak töredékükben szerepelhet idézetként.

Ennek közvetlen attribúciós következménye van: a felhasználó választ kap egy AI Overviews-ban, semmire sem kattint, de egy héttel később visszatér márkás keresésen keresztül. Az utolsó kattintás a konverziót a márkás keresési kampányhoz rendeli. A kereslet tényleges forrása az AI Overviews volt.

Gyakorlati lépés: a Semrush Organic Rankings-ben ellenőrizd azokat a kulcsszavakat, amelyeken rangsorolsz, de nem szerepelsz AI Overviews-ban. Priorizáld a kereskedelmi szándékot, mert ott van közvetlen pipeline-hatása az elveszett láthatóságnak.

Ha tisztább képet szeretnél arról, hogyan kezeli a marketing platformod az adatokat csatornákon keresztül, hasznos tudni, mit mérsz valójában, és mi csúszik ki a kezedből.

Mit tegyél ezen a héten

Az attribúció reformja nem igényel nagy projektet. Három konkrét lépés, amelyet most azonnal megtehetsz:

1. Állíts be egy alapkeresési volument a márkás és kategóriás lekérdezésekhez a Google Adsben, és rögzítsd azt a következő fizetett social kampány indítása előtt.
2. Ellenőrizd, hogy a CRM-ed csatlakozik-e a fizetett médiához következetes UTM-ekkel, és hogy a konverziókövetés eléri-e az MQL-t vagy SQL-t, nem csak a lead form beküldését.
3. Készíts el egy diát a következő büdzsé-felülvizsgálatra, amely LTV/CAC-ot és pipeline-dollár költségét mutat ROAS helyett.

A többi már iteráció kérdése.