Una delle classiche domande che chi analizza i dati con Google Analytics si è posto almeno una volta è: qual è il miglior modello di attribuzione? Soprattutto per le aziende che fanno un certo investimento pubblicitario, la non corrispondenza tra il numero di conversioni attribuite da Analytics e quelle conteggiate dai vari tool di advertising è sempre stata motivo di discussione, pertanto si è sempre cercato di trovare la quadra rispondendo a questa domanda.
Nell’articolo approfondiamo cosa sia e come funziona il modello di attribuzione data-driven in Google Analytics 4 (GA4), mettendo a confronto pregi e criticità rispetto ai tradizionali sistemi di tracciamento. Il modello di attribuzione stabilisce in che modo le conversioni vengono assegnate ai vari touchpoint lungo il percorso utente, influenzando la valutazione dei canali digitali che contribuiscono effettivamente ai risultati.
- Differenze rispetto a Universal Analytics: a differenza del vecchio Universal Analytics che prediligeva l’attribuzione all’ultimo click non diretto, GA4 si basa per default su un modello data-driven, che sfrutta i dati reali raccolti nell’account per distribuire il merito tra i diversi touchpoint.
- Funzionamento del modello data-driven: le regole di assegnazione del credito conversione sono personalizzate e si evolvono nel tempo grazie al machine learning, che tiene conto di numerose variabili, come il tempo dalla conversione, il dispositivo usato, il numero e l’ordine dei touchpoint raggiunti, il tipo di annuncio visualizzato. Il sistema analizza oltre 50 touchpoint, mentre Universal Analytics ne valutava solo 4, con una componente anche previsionale per anticipare comportamenti di utenti che non convertono.
- Pro e contro del modello data-driven:
- Vantaggi: fornisce un’analisi più realistica e accurata dell’impatto dei vari canali digitali e aggiorna automaticamente le proprie regole nel tempo, rendendo la valutazione delle campagne più precisa rispetto ai modelli statici.
- Limiti: il funzionamento resta parzialmente opaco (“scatola nera”), quindi bisogna fidarsi dell’algoritmo Google visto che la formula precisa non può essere conosciuta nel dettaglio.
- Strumenti utili in GA4: è presente lo strumento di confronto tra modelli di attribuzione (“advertising comparison tool”) che permette di analizzare le differenze pratiche tra un modello data-driven e, per esempio, un modello last-click, facilitando scelte strategiche sulla base dell’impatto reale per il business.
Cos’è un modello di attribuzione e qual e il migliore
Un modello di attribuzione è l’insieme di regole che determina il modo in cui il credito per le conversioni viene assegnato ai vari touchpoint del percorso.
La risposta breve è che non esiste un modello di attribuzione migliore in assoluto, ma che questo va scelto sulla base degli obiettivi aziendali.
Alla fine, un po’ per convenzione e un po’ per la difficoltà di stabilire che fosse il caso di utilizzare un modello diverso, in molti casi le analisi sono sempre state fatte con il modello di attribuzione predefinito di Universal Analytics, ovvero “ultimo click non diretto”. Ciò significa che Universal Analytics attribuiva di default le conversioni alla fonte di traffico cliccata per ultima, tranne quando questa era costituita da un accesso diretto.
In GA4 questo concetto cambia, poiché il modello di attribuzione predefinito è il “data-driven”, ovvero “basato sui dati”.
Che cosa significa attribuzione Data-Driven
Nel modello di attribuzione data-driven, vengono utilizzati i dati dell’account per creare una regola che distribuisce il credito per la conversione tra i diversi touchpoint. In poche parole, a ciascun account e a ciascun evento di conversione corrisponde un diverso set di regole.
Tali regole, poi, si evolvono nel tempo perché hanno alla base un algoritmo di machine learning che apprende sulla base del modo in cui i vari touchpoint influiscono sulla conversione, e ridefinisce continuamente la probabilità che ne generino una.
Si tratta di fatto di una sorta di black box per gli utenti, che devono in qualche modo fidarsi di Google senza poter conoscere al 100% la formula che c’è dietro a tali calcoli. Possiamo sapere che alcuni dei parametri presi in considerazione sono:
- il tempo trascorso dalla conversione,
- il tipo di dispositivo,
- il numero di interazioni con gli annunci,
- l’ordine di esposizione,
- il tipo di creatività.
All’analisi dei dati si aggiunge poi una componente previsionale, che va ad esaminare anche il comportamento degli utenti che NON hanno convertito, per capire i fattori che potrebbero influenzare negativamente la conversione.
Il modello data-driven di GA4 è molto più accurato di quello proposto da GA3, perché mentre quest’ultimo prendeva in considerazione gli ultimi 4 touchpoint, quello di GA4 ne considera oltre 50.
La pagina di supporto di Google ci propone un esempio di funzionamento per aiutarci a capire meglio come il modello di attribuzione data-driven ragiona:
Quali sono i pro e i contro del modello data-driven?
Il modello “ultimo click non diretto” usato di default da Universal Analytics permetteva di vedere meglio gli effetti a lungo termine di una campagna di marketing. Inoltre, escludendo gli ultimi click diretti dall’attribuzione, permetteva di ridurre il peso del traffico diretto nei report di conversione, facilitando la valutazione delle fonti note. Questi dati, tuttavia, erano spesso difficili da interpretare generando situazioni dubbie (l’utente avrà cliccato davvero su una mail diverse settimane dopo il suo invio, o sarà più probabilmente tornato sul sito tramite accesso diretto?).
Il modello data-driven è invece, come si diceva, una black box. Ma come abbiamo visto utilizza dei calcoli molto avanzati, perciò con un briciolo di fiducia potrà essere un modello migliore e più veritiero per capire il reale peso di tutti i canali sulle conversioni.
Nel pannello di GA4, all’interno della voce “advertising”, è comunque disponibile lo strumento di confronto fra modelli. Questo permette di farsi un’idea su quanto i dati del modello “data-driven” si discostino da quelli del modello “last click” in modo che, soprattutto se ci si trova nelle prime fasi di utilizzo di GA4, ogni azienda possa valutare l’impatto sul suo business specifico.
