Attribusjonsmodellering er den analytiske praksisen å fordele æren for en konvertering, som et kjøp, en innsendt leadsforespørsel eller en registrering, på de ulike markedsføringskontaktpunktene kunden har vært i kontakt med før handlingen ble fullført. Fordi moderne kunder ofte møter en merkevare gjennom flere kanaler, for eksempel et organisk søketreff, en retargeting-annonse, et innlegg i sosiale medier og et direkte besøk, før de konverterer, gir attribusjonsmodeller en systematisk måte å svare på hvilke av disse kontaktpunktene som fortjener hvor stor del av æren, og dermed hvor markedsføringsbudsjettet bør settes inn. Vanlige modelltyper er last-click-attribusjon, som gir 100 prosent av æren til det siste kontaktpunktet før konverteringen, first-click-attribusjon, lineær attribusjon, som fordeler æren likt på alle kontaktpunkter, time-decay-modeller, som vekter kontaktpunkter nærmere konverteringen tyngre, og datadrevet attribusjon, som bruker statistiske metoder eller maskinlæring til å fordele æren ut fra observerte mønstre på tvers av mange konverteringsløp.
Attribusjon er viktig fordi valget av modell dramatisk kan endre hvordan en virksomhet oppfatter effekten av enkeltkanaler og kampanjer, noe som igjen styrer budsjettbeslutninger på betydelige beløp. En last-click-modell, som fortsatt er standard i mange enkle analyseoppsett, har en tendens til systematisk å overvurdere kanaler nederst i konverteringstrakten, som merkevaresøk og retargeting, som ofte er det siste kontaktpunktet rett og slett fordi de forekommer sent i kundereisen, samtidig som den undervurderer kanaler høyere opp i konverteringstrakten, som innholdsmarkedsføring, sosiale medier og displayannonsering, som bygger kjennskap og vurdering tidligere. Studier av kundereiser med flere kontaktpunkter har vist at et typisk B2B-kjøpsløp kan omfatte seks eller flere separate interaksjoner på tvers av flere kanaler over uker eller måneder, noe last-click-attribusjon rett og slett ikke kan gjengi.
Å implementere attribusjonsmodellering krever pålitelig sporingsinfrastruktur, vanligvis en kombinasjon av UTM-parametere, førstepartsinformasjonskapsler eller -identifikatorer, og en kundedataplattform eller et analyseverktøy som kan sette sammen kontaktpunkter på tvers av økter og helst på tvers av enheter. Plattformer som Google Analytics 4 og HubSpot tilbyr flere modellalternativer ferdig oppsatt, mens mer avanserte organisasjoner bygger egne datadrevne modeller med datavarehus kombinert med statistiske teknikker som Markov-kjedemodellering eller Shapley-verdiberegninger, som anslår hvert kontaktpunkts marginale bidrag til konverteringen ved å simulere effekten av å fjerne det fra de observerte løpene.
En betydelig begrensning som ofte overses, er at ingen attribusjonsmodell, uansett hvor avansert, fullt ut kan fange kanaler som i stor grad opererer utenfor sporbare digitale kontaktpunkter, som jungeltelegrafen, offline annonsering eller merkevarekjennskap bygget over mange år, og derfor bør attribusjon generelt behandles som retningsgivende indikasjoner snarere enn en fullstendig regnskapsføring av årsakssammenhenger. Økt vektlegging av personvern, blant annet utfasingen av tredjepartsinformasjonskapsler, restriksjonene fra iOS App Tracking Transparency og sporingsbegrensninger på nettlesernivå, har også svekket nøyaktigheten i sporing på tvers av enheter og økter, og presser mange organisasjoner mot inkrementalitetstesting, som geobaserte holdout-eksperimenter, som en supplerende eller alternativ metode for å måle den reelle effekten av en kanal.
For et rådgivningsselskap innen vekst eller CRO gir attribusjonsmodellering det faktagrunnlaget som trengs for å prioritere hvor man bør investere i eksperimentering og optimaliseringsarbeid, siden en kanal som ser ut til å levere høyt konverteringsvolum under én modell kan se langt mindre verdifull ut under en annen. Fagfolk anbefaler vanligvis å sammenligne resultater på tvers av minst to modelltyper, for eksempel last-click og en datadrevet eller lineær modell, for å identifisere kanaler der den oppfattede verdien svinger betydelig avhengig av metode, siden det er disse kanalene som er mest utsatt for feilstyring under ett enkelt, forenklet bilde. Det praktiske resultatet av dette arbeidet er vanligvis en revidert budsjettfordeling og et tydeligere kart over hvilke kontaktpunkter i konverteringstrakten som mest fortjener dedikert konverteringsoptimalisering.
Flere begreper som begynner på A
A/B-testingAARRR Pirate MetricsAbove the fold (over bretten)Akseptkriterier (Acceptance Criteria)Tilgjengelighet (WCAG-samsvar)Tilgjengelighetsrevisjon (Accessibility Audit)Affiliate-markedsføring (Affiliate Marketing)Affordans (Affordance)Smidig utvikling (Agile Development)Atomic designAttribusjonsvindu (Attribution Window)Gjennomsnittlig ordreverdi (AOV)
