Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Jak vyhodnocovat SEO v rámci atribucí

165 views

Published on

Naučte se, jak pracovat s atribučními modely při vyhodnocování SEO aktivit.

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Jak vyhodnocovat SEO v rámci atribucí

  1. 1. Jak vyhodnocovat SEO v rá mci atribucí 12.2.2018 Adam Š ilhan
  2. 2. Program historické okénko - vyhodnocování a SEO asistované konverze, trasy atribuce inkrementalita limitace SEO vyhodnocování a možná řešení závěrečné cvičení
  3. 3. Problémy s vyhodnocováním SEO - historické okénko
  4. 4. Měříme pozice
  5. 5. Měříme pozice… …ale samy o sobě moc nevypovídají o úspěchu
  6. 6. Měříme návštěvnost
  7. 7. Měříme návštěvnost… …ale sama o sobě moc nevypovídá o úspěchu
  8. 8. Měříme tržby
  9. 9. Měříme tržby… …ale není to moc zúžený pohled?
  10. 10. Transakční x informační x navigační dotazy
  11. 11. Nejlépe hodnocené tablety Top tech dárky CZK 400B Trh CZK40B Market CZK400M Trh iPad Atribuce kontext Hlavním problémem nesprávné atribuce je ztracená příležitost pro klienta
  12. 12. Asistované konverze, trasy
  13. 13. Co je vůbec atribuce
  14. 14. What does last click attribution actually mean? 30-Day User Conversion Path (Clicks) Generic Paid Search Organic SearchDisplay Network
  15. 15. What does last click attribution actually mean? 30-Day User Conversion Path (Clicks) Tracking tools use their own attribution logic for crediting conversions (based on data scope) Generic Paid Search Organic SearchDisplay Network Facebook Ads Criteo GA360 - Google Analytics & Attribution Display Network Generic Paid Search Organic Search Google Ads Display Network Generic Paid Search
  16. 16. Základní (rule-based) atribuční modely
  17. 17. Konzervativní růst Růstová orientace Lídr trhu v kategorii Nový hráč na trhu Produkt s nízkou investicí Produkt s vysokou investicí (klienta) Málo konkurentů (inkumbent) Silně konkurenční trh (mnoho hráčů) Krátká zákaznická cesta Dlouhá zákaznická cesta Data-Driven Data-Driven, pokud je dostupný, jinak vybírejte non-last click, non-first-click model v závislosti na business model klienta: Jak vybrat správný atribuční model?
  18. 18. Algorithmic / Probabilistic / Data-driven modely Shapley based Markov chain based
  19. 19. POWERED BY DATA SCOPE DATA SOURCE SCALABILITY Data Driven Dynamic algorithms assign credits to touch points based on fractional credit Takes converting and non-converting paths into account 100% based on advertiser’s own data. Conversions and/or GA imported goals. (learns over time) Auto updated based on performance Rules based Fixed, static rules assign credits to touchpoints Takes only converting paths into account Advertiser can choose model but no customization is available Must be manually revisited
  20. 20. S vysokým počtem konverzí v kombinaci s dlouhou konverzní cestou, můžete vidět krátkodobý pokles konverzí v den změny Proč se tak děje? # konverzí dniDen změny Od tohoto dne se konverze nepřiřazují pouze poslednímu kliknutí (což se typicky stane právě v den změny). Místo toho, frakční konverzní kredit bude redistribuovaný na předchozí období. Je důležité si uvědomit, že neztrácíme žádné konverze, jen dochází k redistribuci. V čase se konverzní kredit v den změny normalizuje, protože bude dostávat frakční kredit z budoucích konverzí. Změna atribučního modelu Co se typicky stane po změně?
  21. 21. ● Začít “high-level” ○ Srovnání last non-direct click s různými modely ● Postupný “drill-down” ○ Rozpad kanálů ○ Atribuční modely v Google Analytics ● Navázání na jiné druhy konverzí (mikrokonverze, přechod mezi stádii) ● Rozmýšlení nad přesunem rozpočtů ● Experiment ● Vyhodnocení Postup - hledání příležitostí
  22. 22. Co u atribuce vždy zajistit kontrola a správné nastavení sbírání dat (zejména konverze, zdroje) konzistence používání modelu
  23. 23. Inkrementalita
  24. 24. Causal Impact a jak s ním pracovat
  25. 25. Time series experiments help assess what performance would have been without the intervention (e.g., bid increase) Choose an Advertising Intervention: example: Increased or Decreased Ad Spend Chose a Time Series: example: Conversions or Clicks Use a Model to Infer Causality: Use R package to analyze how a “time series” could have evolved after the intervention if it hadn’t taken place Captures impact of multiple channels (Search, Display, Video) http://google.github.io/CausalImpact Google offers a free package to enable time-series experiments
  26. 26. Causal Impact: a simple example Response Control
  27. 27. Causal Impact: a simple example Response Control Experiment starts here
  28. 28. Causal Impact: output The black line is the observed response metric. The dashed blue line is the predicted response metric. The banding is the confidence interval of the prediction. Intervention
  29. 29. Causal Impact: output The black line is the observed response metric. The dashed blue line is the predicted response metric. The banding is the confidence interval of the prediction. This panel simply plots the observed response minus the model prediction. (the residuals) Here we plot cumulative residuals—the total effect of the intervention Intervention
  30. 30. ● zpřesňuje odhad efektu ● funguje jako kontrolní skupina ● nesmí být ovlivněn experimentem ● čím více koreluje s testovanou metrikou, tím lépe Prediktor
  31. 31. ● pro hraní si v R: http://google.github.io/CausalImpact/ ● online jednoduchá verze: https://mark.shinyapps.io/ga-effect/ ● online doplněná verze: https://kobulsky-merglevsky.shinyapps.io/h1-causal-impact/ Možné nástroje
  32. 32. Limitace v rámci SEO vyhodnocování
  33. 33. Krátkodobost modelů
  34. 34. Nemožnost rychlého řízení SEO
  35. 35. Jak to vyřešit?
  36. 36. ● používám stejný atribuční model/stejnou konverzi, podle zákaznické (pozice v nákupním cyklu)/businessové (rozdílná důležitost produktů) logiky, ale očekávám rozdílné výsledky ● složitost nastavení: jednoduchá ● akceschopné v rámci Google Analytics: ano přes rozhraní Odlišné požadavky na rozdílné typy kws / vstupních stránek
  37. 37. ● umožňují rychleji získat potřebný počet konverzí pro rozhodování / vyhodnocení ● nutné zjednodušení ● potřeba dopočítávat jejich hodnotu ● složitost nastavení: střední ● akceschopné v rámci Google Analytics: ano přes rozhraní Mikrokonverze
  38. 38. ● jde u požadavků na odlišné cíle ještě dále ● agreguje podobné akce pod jeden cíl (např. “discovery score”) ● ukázka fungování: https://www.slideshare.net/carmenmardiros/measurecamp-using-lifecycle-scores-for-marketing- optimisation ● složitost nastavení: těžké ● akceschopné v rámci Google Analytics: pouze přes API, mimo rozhraní Lifecycle scores
  39. 39. Cvičení
  40. 40. ● zpřesňuje odhad efektu ● funguje jako kontrolní skupina ● nesmí být ovlivněn experimentem ● čím více koreluje s testovanou metrikou, tím lépe Opakování - prediktor
  41. 41. metrika? prediktor? TV kampaň
  42. 42. metrika: návštěvnost/tržby z “directu” prediktor: návštěvnost/tržby srovnávače TV kampaň
  43. 43. metrika? prediktor? Předělání informační architektury
  44. 44. metrika: návštěvnost/tržby z organicu prediktor: návštěvnost/tržby srovnávače Předělání informační architektury
  45. 45. metrika? prediktor? Úprava kategorií
  46. 46. metrika: návštěvnost/tržby organic vstupní stránky kategorie prediktor: návštěvnost/tržby organic zbytek Úprava kategorií
  47. 47. metrika? prediktor? Série článků “jak si vybrat”
  48. 48. metrika: návštěvnost/tržby z organicu prediktor: návštěvnost/tržby srovnávače Série článků “jak si vybrat”
  49. 49. 1. https://www.youtube.com/watch?v=S9dUkDKT0pg - úplné základy, spíš pro lidi, kteří vůbec netuší, co atribuce je 2. https://www.youtube.com/watch?v=x7tOehDyb2o - mírně pokročilé 3. https://www.youtube.com/watch?v=FPjEQpprj_g - už pokročilý s přesahem do designu testů, inkrementality a příklady ze života Kam pokračovat - Google Attribution Academy
  50. 50. Díky moc čtěte náš blog na igloonet.cz/blog sledujte mě na @NEmarketak napište mi na adam@igloonet.cz

×