Miten saadaan selville käyntien ”oikeat” liikenteen lähteet oletusarvoisen Last Non-Direct -periaatteen sijaan, ja miten kampanjaevästeen eliniän vaihtamisen vaikutuksia voi testata näppärästi jo ennen kuin mitään muutoksia keksin kestoon on tehty? Liikenteen lähteet -blogisarjan toisessa osassa käytetään attribuutiomallinnusta apuna liikenteen lähteiden analysoinnissa. Jos Google Analyticsin liikenteen lähteet ja kampanjaevästeet eivät ole tuttuja, kannattaa tutustua ensin blogisarjan ensimmäiseen osaan.

Attribuutiomallinnuksen valjastaminen liikenteen lähteiden laajaan analysointiin

Google Analyticsin Conversion-osiosta löytyvä attribuutiomallinnus on olemassa siksi, että analyytikko voisi analysoida käyttäjien ostopolkuja (tai muuhun tavoitteeseen johtaneita polkuja) yli käyntirajojen. Attribuutiomallinnuksella voidaan esimerkiksi selvittää se, mitä kautta tällä viikolla verkkokaupasta ostaneet tulivat sivustolle aivan ensimmäisen kerran. Tällä kertaa käytämme attribuutiomallinnusta kuitenkin hieman eri tavalla.

Google Analyticsin Attribuutiomallinnus nojaa konversiomittaukseen, eli se sisältää dataa ainoastaan niistä käynneistä, joiden aikana jokin mittaukseen määritellyistä tavoitteista on täyttynyt.

Jotta attribuutiomallinnusta voitaisiin käyttää hyväksi liikenteen lähteiden laajemmassa analyysissä, on ensin lisättävä mittaukseen uusi tavoite eli goal, joka täyttyy jokaisella sessiolla. Tämän voi tehdä esimerkiksi asettamalla tavoitteen, joka täyttyy, jos sessiossa on vähintään yksi sivulataus. Annetaan tavoitteelle nimi Session.

 

 

 

 

Kun tavoite on määritelty, voit keskittyä vähintään muutaman päivän ajan muihin hommiin. Data alkaa nyt virrata oikeaan paikkaan, joten joudut hetken odottamaan tulosten kertymistä.

”Oikean” liikenteen lähteen selvittäminen attribuutiomallinnuksen avulla

Kun dataa on kerääntynyt riittävästi, voit aloittaa tulosten pyörittämisen. Ensimmäinen kysymys kuuluu, mistä tiedän, mikä osa suorasta liikenteestä on ”oikeasti” tietyn tietyn liikenteen lähteen kautta tullutta, ja mikä osuus on suoraa liikennettä, joka on saanut kampanjatiedot perintönä edelliseltä käynniltä kampanjaevästeen välityksellä.

Tähän attribuutiomallinnus tarjoaa vastauksen suoraan. Avaa Model Comparison Tool ja valitse tavoitteeksi ylälaidasta ainoastaan aiemmin luomasi Session. Kun valitset malliksi ”Last Interaction”, näet, kuinka suuri osa käynneistä oikeasti tuli suoran liikenteen kautta ja mikä kampanjoista, ilman kampanjaevästeiden vaikutusta.

 

 

 

 

Attribuutiomallinnus esimerkkidatassa paljastaa, että oikeasti 82 % sivuston liikenteestä tuli suoraan. Samalla aikavälillä tavallisesta Source / Medium- tai Channels-raportista tarkasteltuna suoran liikenteen osuus on 30 %. Lähes kaksi kolmasosaa muille lähteille merkatusta liikenteestä siis todellisuudessa olikin suoraa liikennettä, jota edelsi jokin muu lähde.

Sopivan kampanjakeksin keston haarukointi attribuutiomallinnuksen avulla

Mikä sitten olisi sopiva kampanjaevästeen voimassaoloaika? Onneksi asiaa ei tarvitse haarukoida käytännössä keksin elinaikaa vaihtelemalla. Aiemmin luotu Session-goal yhdistettynä attribuutiomallinnukseen antaa vastauksen myös tähän.

Jatketaan samasta asetelmasta, mihin äsken jäätiin. Nyt Last Interaction -mallin viereen lisätään vertailutiedoksi toinen attribuutiomalli: Last Non-Direct Click. Tämä sarake kertoo sen, mikä eri liikenteen lähteiden osuus olisi ollut tavallisessa Acquisition-raportissa. Lookback window sivun ylälaidassa edustaa tässä tapauksessa kampanjakeksin voimassaoloaikaa päivissä. Lookback window -kentän arvoa muuttamalla huomaat, että todellakin Last Non-Direct Click -sarakkeen luvut muuttuvat, mutta Last Interaction pysyy koko ajan samana.

 

 

 

 

Jos kampanjakeksin elinikä olisi ollut asetettu 7 päivään, reilu 70 % sessioista olisi näkynyt suoraan tulleina. Todellinen suoran liikenteen osuus on edelleen sama 80 %. Kampanjakeksin voimassaoloajan pienentäminen 6 kuukaudesta 7 päivään aiheuttaisi siis tässä esimerkkitapauksessa sen, että perusraporteissa suoran liikenteen osuus nousisi 30 prosentista 70 prosenttiin.

Tämänkin jälkeen päätettäväksi jää vielä se, mikä kampanjaevästeen elinikä on tulosten analysoinnin kannalta sopivin. Tähän vaikuttavat muun muassa kampanjoiden kulma, tyypillinen ostoputken pituus harkinnasta ostokseen sekä mainonnan rooli kävijän päätöksenteossa. Yksi nyrkkisääntö on kuitenkin ehdoton: kampanjaevästeen voimassaoloaikaa ei koskaan kannata asettaa alle 30 minuuttiin. Jos näin tehdään, käynnit katkeavat tarpeettomasti kesken selailun.

Mukavaa analyysiä!