Attributionsmodellering är det analytiska arbetssättet att fördela äran för en konvertering, till exempel ett köp, en leadförfrågan eller en registrering, på de olika marknadsföringskontaktpunkter som en kund interagerat med innan åtgärden slutfördes. Eftersom moderna kunder ofta möter ett varumärke genom flera kanaler, till exempel ett organiskt sökresultat, en retargeting-annons, ett inlägg i sociala medier och ett direkt besök, innan de konverterar, ger attributionsmodeller ett systematiskt sätt att svara på vilka av dessa kontaktpunkter som förtjänar hur stor del av äran och, i förlängningen, var marknadsföringsbudgeten bör läggas. Vanliga modelltyper är last-click-attribution, som tilldelar 100 procent av äran till den sista kontaktpunkten före konverteringen, first-click-attribution, linjär attribution, som fördelar äran jämnt över varje kontaktpunkt, tidsavtagande modeller, som väger kontaktpunkter närmare konverteringen tyngre, och datadriven attribution, som använder statistiska metoder eller maskininlärning för att fördela äran utifrån observerade mönster över många konverteringsvägar.
Attribution är viktigt eftersom valet av modell dramatiskt kan förändra hur ett företag uppfattar effektiviteten hos enskilda kanaler och kampanjer, vilket i sin tur styr budgetbeslut värda betydande belopp. En last-click-modell, som fortfarande är standard i många enkla analysuppsättningar, tenderar att systematiskt övervärdera kanaler längst ner i tratten, som varumärkessökning och retargeting, vilka ofta är den sista kontaktpunkten helt enkelt för att de inträffar sent i kundresan, samtidigt som den undervärderar kanaler högre upp i tratten, som innehållsmarknadsföring, sociala medier och displayannonsering, vilka skapar medvetenhet och övervägande tidigare. Studier av kundresor med flera kontaktpunkter har visat att en typisk B2B-köpväg kan innefatta sex eller fler separata interaktioner över flera kanaler under veckor eller månader, något som last-click-attribution helt enkelt inte kan representera.
Att implementera attributionsmodellering kräver en tillförlitlig spårningsinfrastruktur, vanligtvis en kombination av UTM-parametrar, förstapartscookies eller identifierare samt en kunddataplattform eller ett analysverktyg som kan sammanfoga kontaktpunkter över sessioner och, helst, över enheter. Plattformar som Google Analytics 4 och HubSpot erbjuder flera modellalternativ direkt ur lådan, medan mer avancerade organisationer bygger egna datadrivna modeller med hjälp av datalager i kombination med statistiska tekniker som Markovkedjemodellering eller Shapley-värdesberäkningar, vilka uppskattar varje kontaktpunkts marginella bidrag till konverteringen genom att simulera effekten av att ta bort den från observerade vägar.
En betydande begränsning som ofta förbises är att ingen attributionsmodell, hur avancerad den än är, fullt ut kan fånga kanaler som till stor del verkar utanför spårbara digitala kontaktpunkter, såsom word-of-mouth, offlineannonsering eller varumärkesmedvetenhet som byggts upp under många år, vilket är varför attribution generellt bör ses som riktningsgivande underlag snarare än en fullständig redovisning av orsakssamband. Den ökande förekomsten av integritetsskydd, inklusive utfasningen av tredjepartscookies, begränsningar som införts genom iOS App Tracking Transparency och spårningsbegränsningar på webbläsarnivå, har också försämrat noggrannheten i spårning över enheter och sessioner, vilket driver många organisationer mot inkrementalitetstester, till exempel geografiska holdout-experiment, som en kompletterande eller alternativ metod för att mäta kanalers verkliga effekt.
För en tillväxt- eller CRO-konsultbyrå ger attributionsmodellering underlaget för att prioritera var man ska investera i experiment och optimeringsarbete, eftersom en kanal som verkar driva en stark konverteringsvolym under en modell kan se betydligt mindre värdefull ut under en annan. Yrkesverksamma rekommenderar vanligtvis att man jämför resultaten över minst två modelltyper, till exempel last-click och en datadriven eller linjär modell, för att identifiera kanaler vars upplevda värde svänger kraftigt beroende på metod, eftersom det är de kanaler som mest sannolikt hanteras felaktigt utifrån en enda, alltför förenklad bild. Det praktiska resultatet av arbetet är oftast en reviderad budgetfördelning och en tydligare karta över vilka kontaktpunkter i tratten som mest förtjänar särskild uppmärksamhet för konverteringsoptimering.
Fler termer som börjar på A
A/B-testningAARRR (piratmått)Above the fold (synligt utan scrollning)Acceptanskriterier (Acceptance Criteria)Tillgänglighet (WCAG-efterlevnad)Tillgänglighetsgranskning (Accessibility Audit)Affiliatemarknadsföring (Affiliate Marketing)Affordans (Affordance)Agil utveckling (Agile Development)Atomic designAttribueringsfönster (Attribution Window)Genomsnittligt ordervärde (AOV)
