1.
Omni-channel
data-driven
atribuční modelování
jednoduše
Marek Kobulský

2.
Marek Kobulský
● Ex-CMO a datový analytik
● Founder Ecommerce-academy.cz
● Specializace:
○ E-commerce business analytika
○ Customer lifetime value
○ Product scoring, pricing, bidding
○ Data science, datové integrace
● Vývoj aplikací:
○ Causal Impact
○ Marketing Attribution Tool

3.
Co dnes dozvíte?
1. Co je to atribuční modelování v marketingu.
2. Rozdíl mezi omni-channel a single channel atribucí.
3. Datové uchopení atribuce - dopočítání se výsledku.
4. Next steps + první experimenty.

4.
1.
Co je to atribuční modelování v
marketingu

5.
Vztah mezi atribucí a marketingovým funnelem 1/2
Povědomí
Zájem
Pozornost
Záměr
Hodnocení
Nákup

6.
💲
Vztah mezi atribucí a marketingovým funnelem 2/2
Povědomí
Zájem
Pozornost
Záměr
Hodnocení
Nákup
Konverzní cesta
Seznam
Display
Paid
Search
Social
Organic
Search
Remark
eting

7.
Co znamená omnichannel atribuce v marketingu?
● 1. Atribuční modelování v marketingu = proces přiřazení konverze (transakce) k
marketingové investici/zdroji návštěvy = source / medium z GA.
● 2. Každá konverze je atribuována = atribuční modelování v případě reportingu v
Google Analytics (i jiných) využíváte vždy.
○ Defaultní atribuční model v GA = Last nonDirect click.
○ MCF reporty: LastClick (true Direct) !
● 3. Změnou atribučního modelu (tedy změnou procesu přiřazení konverze k investici)
může dojít ke změně ROI (PNO) mezi zdroji návštěvnosti.

8.
Smyslem atribučního modelování je
spravedlivé rozdělení zásluh mezi
participujícími touchpointy v konverzní
cestě.

9.
2.
Rozdíl mezi omni-channel
a
single channel atribucí

10.
Dvě základní rozdělení pohledu na atribuční modelování
● 1. Omni-channel atribuce = atribuce mezi veškerými zdroji
konverzí (návštěv).
● 2. Atribuce uvnitř marketingových platforem (single-channel) =
atribuce na úrovni jedné platformy.

11.
Atribuce na úrovni celého marketingového mixu
(omni-channel atribuce)
● Omni-channel atribuce znamená atribuci konverzí v definovaných byznysových
kanálech k marketingovým investicím, kde v tomto případě bereme v potaz veškeré
marketingové investice a konverze daného projektu (ne pouze investici / konverze na
úrovni jedné platformy, jako je tomu u "Atribuce na úrovni platformy").
● Kanály, kterým atribuujeme konverze (neboli channel grouping), je nejčastěji
definován jednotlivými marketingovými platformami / zdroji, které na na web
(projekt) přivádějí interakce (např. návštěvnost) a jejich základní segmentací:
○ kampaň
○ formát (klasické vyhledávání, display, produktové inzeráty, remarketing)
○ brand / non-brand

12.
Channel grouping je základní stavební
kámen pro atribuční modelování z
jakéhokoliv úhlu pohledu.

13.
Příklad definice channel grouping (GA default channel grouping)

14.
Jak na změnu Google Analytics default channel grouping
Možná změna Default
channel grouping,
výhoda = dostupné přes
API
Možnost vytvořit custom
channel grouping,
výhoda = historická data

15.
Příklad definice channel grouping (custom channel grouping)
● Custom channel grouping lze dále jednoduše dělit dle úrovně detailu segmentace:
Level 1 Level 2 Level 3

16.
Šablona pro definici custom channel grouping level 1 - 3
● Šablonu naleznete zdarma na zde:
Bit.ly/CustomChannelGrouping
● Návod na její implementaci
naleznete zdarma na našem webu:
Ecommerce-academy.cz/navod-na-c
ustom-channel-grouping

17.
Dalším klíčem k úspěchu strategického
řízení marketingu pomocí atribučního
modelování je marketing / byznys plán.

18.
Proces tvorby marketing / byznys plánu
● Pro zjednodušení adaptace na proces tvorby marketing / byznys plánu doporučujeme začít plánovat
na definici marketing / byznys plánu, na kterou jste zvyklí = zpravidla atribuční model LastClick
nonDirect.
● Pro velice podrobný a smysluplný plán stačí jednoduše selským rozumem a vlastní intuicí v rámci
definovaného channel groupingu plánovat tyto 3 základní metriky:
○ návštěvnost (případně users a ne sessions)
○ konverzní poměr
○ průměrná hodnota objednávky
● Dále je nutné plánovat marketingové náklady, např. dle očekávané ceny za návštěvu (CPS = cost per
session).
○ Marketingové náklady se pak dají vyjádřit jako CPS x Sessions.

19.
3.
Datové uchopení atribuce -
dopočítání se výsledku

20.
Konverzní a nekonverzní cesty
Display Search Direct Organic Retgt
💲
Display Search Direct Organic Retgt
:-(
● Vždy se vztahují k nějakému časovému oknu - conversion window
● Jejich délka je definována pomocí lookback window

21.
Session a Campaign timeout
Session Timeout
● Definuje, po jak dlouhé době neaktivity uživatele na webu, bude při další interakci založena nová
návštěva.
○ Pozor na UTM parametry a půlnoc
○ V základním nastavení GA je 30 minut
Campaign Timeout
● Definuje, po jakou dobu je u návštěvy v GA přepisován zdroj „Direct“ předchozím „nonDirect“
zdrojem.
○ Standardně 6 měsíců
○ Google lže a ohýbá data! (Opravdu? Ani moc ne.)
○ Až polovina návštěvnosti z placených kanálů je ve skutečnosti direct (TrueDirect)
○ Možné sledovat v GA (Direct Session dimenze), nebo vlastním měřením (TrueDirect custom
dimenze)
○ Pro změnu campaign timeout je nutné nasadit nový GA měřící kód a založit novou GA
WebProperty (jinak zanikne možnost year-over-year a měsíčních porovnání)

22.
Campaign timeout - rozdíly

23.
Proč každý nemá nasazenou data-driven atribuci ?
Pravdou je, že data-driven atribuční modely vyžadují znalost NEkonverzních cest na úrovni
uživatele.
● Je nutné měřit každou návštěvu každé cookie zvlášť (clientID, sessionCount).
● Session-level data je nutné transformovat do podoby (ne)konverzních cest.
● Na závěr se cesty agregují napříč zákazníky a sledujeme:
○ Počet konverzí
○ Počet nekonverzí
○ Pravděpodobnost konverze dané cesty (sekvence návštěv dle kanálů)

24.
1. Měřit každou návštěvu každé cookie zvlášť
● custom dimenze clientID (návod na implementaci zde)
● sessionID není nutné - sessionCount (dimenze standartně v GA)
Custom Dimension XY Count of Sessions Source / Medium Sessions Transactions Revenue
1586657460.1514533099 111 seznam / cpc 1 0 0
1586657460.1514533099 112 seznam / cpc 1 1 2499
1586657460.1514533099 113 seznam / cpc 1 0 0
1586657460.1514533099 114 seznam / cpc 1 0 0
843020972.1518723584 1148 (direct) / (none) 1 0 0
843020972.1518723584 1149 (direct) / (none) 1 1 3699
1586657460.1514533099 115 seznam / cpc 1 0 0
1586657460.1514533099 116 seznam / cpc 1 0 0
● 1 řádek = 1 návštěva (od 1 uživatele)

25.
2. Session-level data transformovat do cest
● funkce GROUP_CONCAT, CONCAT_WS
● ukončovat konverzní cesty po konverzi, otevírat nové cesty
● 1 řádek = 1 cesta od 1 uživatele (cookie)
Custom Dimension XY Path non_conversions conversions revenue
1586657460.1514533099 direct > organic 1 0 0
1586657460.1514533099 organic > email > ppc 0 1 2499
843020972.1518723584 display > ppc > email > retgt 1 0 0
843020972.1518723584 ppc > social > retgt 0 1 3699

26.
3. Agregace cest napříč zákazníky
● zgrupují se stejné typy cest
● spočítá se počet úspěchů (konverzí) a neúspěchů (nekonverzí)
● 1 řádek = 1 typ cesty (od všech uživatelů)
path non_conversions conversions conversion_value conversion_probability
Google Ads 9515 38 94225 0.40%
Direct 2273 34 115302 1.47%
Google Ads > Google Ads 1145 13 30342 1.12%
Organic 3549 13 24116 0.36%
Direct > Direct 465 8 47687 1.69%
Seznam Sklik > Seznam Sklik 3385 6 20518 0.18%
Google Ads > Organic 379 5 6869 1.30%
Mail 1292 5 10254 0.39%
Direct > Mail 12 4 6048 25.00%
Organic > Organic 210 4 8677 1.87%
Google Ads > Google Ads > Google Ads 258 4 11177 1.53%
Seznam Sklik > Seznam Sklik > Seznam Sklik 1236 4 4356 0.32%
Direct > Affiliate CJ 11 3 5682 21.43%

27.
Tím se dostáváme k samotnému výpočtu
atribuce...

28.
Matematické modely pro výpočet Data Driven Atribuce
Shapley Value
● Základní princip výpočtu je „Removal Effect“, tedy sledujeme dopad na pravděpodobnost konverze dané
cesty po odstranění jednoho nebo více touchpointů.
● Neexistuje univerzální postup pro účely online marketingu, každý interpretuje jinak.

29.
Matematické modely pro výpočet Data Driven Atribuce
Markov
● Touchpointy v konverzní cestě představují markovovské
stavy. Základní princip je výpočet pravděpodobnost
přechodu ze stavu do stavu.
● Existuje standartní postup (balíčky pro R, Python, …)
● Dává smysl i při nižším počtu konverzí

30.
Výsledek výpočtu data-driven atribuce
Atribuční koeficienty
● Počet konverzí dle DDA výpočtu / Počet konverzí dle last non-direct click

31.
Máte skoro vyhráno :-)
Co ještě doporučujeme vzít v potaz, je post
impression atribuce v rámci platforem pro vybraný
segment (channel).
Dá se říci, že tím získáte interval pro výpočet DDA
atribuce s využitím post click dat a s přihlédnutím
na post impression výkon daného kanálu.

32.
4.
Next steps + první experimenty

33.
Atribuce vs. Kauzalita: Retargeting
● Platforma stojí 20% marketingových nákladů.
● Dle GA last non-direct click generuje 16% tržeb.
● Dle Markova generuje jenom 10% tržeb.
● Experiment: vypnutí platformy a vyhodnocení pomocí Google Causal Impact.
● Závěr: pokles tržeb o 11% (Markov měl pravdu).

34.
Atribuce na netransakčních datech: Smart goal (GA)

35.
No jo, ale jak se propočítat k Data Driven
Atribuci dle Markova nebo Shapleyho?

36.
Marketing Attribution Tool.com BETA
● Marketing Attribution Tool je aplikace vyvíjená Ecommerce-academy.cz.
○ Aktuálně ve fázi BETA.
● Pro všechny účastníky Czechonlineexpo.cz jsme připravili speciální testovací verzi zdarma.
○ Testovací verze bude zdarma dostupná po dobu 14 dnů.
○ Pokud budete chtít aplikaci využívat i nadále, stačí nám napsat a jistě se dohodneme :-).
● Pro 100 % funkčnost aplikace pro výpočet Data Driven Atribuce dle modelu Markov (Shapley je těsně
před dokončením) stačí jednoduchá implementace 1 custom dimenze do Google Analytics.
○ Návod pro implementaci dimenze naleznete zdarma na našem webu.
■ Časová náročnost na implementaci v rámci GTM je 10 minut bez nutnosti pomoci od
vývoje.

37.
Marketing Attribution Tool.com free BETA
Materiály v CZ Materiály v EN
Veškeré materiály zdarma ohledně použití MarketingAttributionTool.com
Zajímá Vás více?
Stánek: B12
Workshop: Atribuční modelování v marketingu
Přihlášení do aplikace

38.
"Give a man a fish and you feed him for a
day, teach a man to fish and you feed
him for a lifetime."