Analytika & Měření

Data-driven atribuce

Strojové učení rozděluje zásluhy na základě dat

(Data-Driven Attribution)

Co je data-driven atribuce

Data-driven atribuce je model, ve kterém rozdělení zásluhy za konverzi počítá strojové učení z reálných cest v daném účtu, ne z pevně daného pravidla. Google ji dnes nastavuje jako výchozí v Google Ads i v GA4 a ostatní atribuční modely tím odsunul do role doplňkového pohledu.

Jak model pozná, který dotyk pomohl

Ve zjednodušení srovnává cesty zakončené objednávkou s cestami, které skončily odchodem. Hledá, jak přítomnost konkrétního dotyku mění pravděpodobnost nákupu, a pokud se určitá sekvence kroků objevuje u nakupujících výrazně častěji než u ostatních, dostanou příslušné kanály větší váhu. Výsledkem jsou desetinná čísla u konverzí, což překvapí každého, kdo je zvyklý na celé kusy. Kampaň s hodnotou 3,4 konverze není chyba reportu.

Černá skříňka a její cena

Váhy si spočítal algoritmus a ven je nedostanete. Nikdo vám neřekne, proč zrovna tenhle banner dostal třetinu a proč display přišel o polovinu, a nezávisle se to přepočítat nedá. Model se navíc učí z dat konkrétního účtu, takže hodnoty ze dvou e-shopů proti sobě nepostavíte; o srovnání s oborovým benchmarkem to platí dvojnásob. Jakmile se v účtu výrazně promění skladba kampaní, přepočítá se model a s ním i obrázek minulého výkonu.

Druhý limit sdílí se všemi ostatními pravidly: pracuje jen s tím, co systém uvidí. Blokované cookies a přechody mezi zařízeními vyřadí kus cest z výpočtu dřív, než se k nim strojové učení vůbec dostane.

Přepnutí jen přeskupí čísla

Data-driven nechávám zapnutou, protože automatickým nabídkám v Google Ads dává lepší signál než pevné pravidlo. Klientům k tomu ale vždycky říkám dvě věty. Čísla po přepnutí vyskočí u kampaní nahoře na cestě a spadnou u brandu, přičemž to není ani zlepšení, ani zhoršení, jenom jiné rozúčtování. A když se chystá opravdu velká změna rozpočtu, neopírám ji o jediný report.

Časté otázky

Potřebuje data-driven atribuce minimální objem konverzí?

Google zpočátku vyžadoval pevné minimum konverzí a kliknutí, dnes už tyto prahy zrušil a model nabízí i menším účtům. Na malém objemu dat je ale výsledek méně stabilní a přeskupí se pokaždé, když v účtu výrazně změníte skladbu kampaní.

Proč po přepnutí na data-driven klesly konverze u brandových kampaní?

Model odebral část zásluhy poslednímu kliknutí a rozdělil ji mezi dotyky, které nákupu předcházely. Značkové vyhledávání a retargeting proto klesnou, kampaně na začátku cesty naopak stoupnou. Celkový počet konverzí se tím nemění.

Dají se výsledky data-driven atribuce srovnávat mezi účty?

Ne. Váhy si algoritmus počítá z cest konkrétního účtu, takže hodnoty ze dvou e-shopů proti sobě nepostavíte a s oborovým benchmarkem už vůbec ne. Smysl dává jedině sledovat vývoj jednoho účtu v čase.