Zanim klient kupi, zwykle ma z marką kilka kontaktów: zobaczy reklamę displayową, kliknie wynik wyszukiwania, wróci przez post na Instagramie, a na końcu wpisze nazwę sklepu w przeglądarce. Modele atrybucji to reguły, które decydują, któremu z tych kontaktów przypisać zasługę za ostateczną konwersję — a więc i to, który kanał w raporcie wygląda na skuteczny. Wybór modelu nie zmienia liczby transakcji w sklepie, ale zmienia obraz tego, co do nich doprowadziło, a to przekłada się na decyzje o budżecie.
Co to są modele atrybucji i dlaczego wpływają na ocenę kampanii
Ścieżka klienta do zakupu to ciąg punktów styku: wyświetlenie reklamy, kliknięcie, wizyta na stronie, powrót, wreszcie transakcja. Panel reklamowy i Google Analytics 4 widzą te punkty styku i muszą w jakiś sposób rozdzielić między nimi „zasługę” za konwersję — bo bez tego nie da się policzyć, ile sprzedaży przyniósł dany kanał czy kampania.
Problem w tym, że różne reguły dają różne odpowiedzi na to samo pytanie. Przy jednym modelu kampania displayowa wygląda na nieopłacalną, bo rzadko jest ostatnim kliknięciem przed zakupem. Przy innym modelu ta sama kampania dostaje część zasługi za uruchomienie ścieżki, która kończy się konwersją gdzie indziej. Żaden z tych obrazów nie jest „kłamstwem” — to po prostu różne sposoby liczenia tego samego zjawiska.
Atrybucja ostatniego kliknięcia (last-click) — prosta, ale niekompletna
Najprostszy i historycznie najdłużej stosowany model przypisuje całą zasługę za konwersję ostatniemu kliknięciu przed zakupem. Jeśli klient trafił na stronę z reklamy displayowej, dwa dni później wrócił z wyszukiwania marki i dokonał zakupu — cała zasługa trafia do wyszukiwania brandowego, a reklama displayowa w raporcie wygląda, jakby nie przyniosła nic.
To uproszczenie ma swoją cenę. Atrybucja ostatniego kliknięcia systematycznie zawyża wartość kanałów, które są blisko momentu zakupu — wyszukiwania marki, remarketingu, kampanii brandowych — a zaniża kanały, które budują świadomość i zaczynają ścieżkę, ale rzadko są ostatnim kontaktem. Decyzja o wyłączeniu kampanii na podstawie takiego raportu bywa pochopna: można wyłączyć kanał, który w rzeczywistości generował zapotrzebowanie wykorzystywane potem przez inny kanał.
Modele regułowe pośrodku: pierwsze kliknięcie, liniowy, czasowy
Między atrybucją ostatniego kliknięcia a modelami algorytmicznymi istnieje grupa modeli regułowych, które rozdzielają zasługę według ustalonego z góry wzoru, a nie na podstawie analizy danych. Do tej grupy zalicza się między innymi:
- Pierwsze kliknięcie — cała zasługa trafia do kanału, który zainicjował ścieżkę, czyli odwrotność ostatniego kliknięcia.
- Model liniowy — zasługa rozkłada się równo między wszystkie punkty styku w ścieżce.
- Model czasowy (time-decay) — punkty styku bliżej momentu konwersji dostają większą wagę niż te na początku ścieżki.
- Model pozycyjny — większa część zasługi trafia do pierwszego i ostatniego kontaktu, a pozostała jest rozdzielana między punkty pośrodku.
Te modele lepiej oddają fakt, że na konwersję działa więcej niż jeden kanał, ale wagi w nich są z góry narzucone, a nie wyliczone z rzeczywistych danych o tym, co faktycznie działało w danym sklepie. Dlatego traktuje się je jako krok pośredni — bliżej rzeczywistości niż ostatnie kliknięcie, dalej od niej niż modele oparte na danych.
Atrybucja oparta na danych (data-driven) — algorytm liczy wkład każdego kontaktu
Model oparty na danych nie stosuje jednej sztywnej reguły dla wszystkich kont. Zamiast tego analizuje historyczne ścieżki — te, które zakończyły się konwersją, i te, które nie — i statystycznie szacuje, jak duży wkład w wynik miał każdy punkt styku w konkretnym sklepie czy koncie reklamowym. W efekcie wagi przypisane poszczególnym kanałom mogą się różnić między dwoma sklepami nawet w tej samej branży, bo zależą od tego, jak faktycznie wyglądają ścieżki ich klientów.
Ta metoda ma jedno wymaganie: potrzebuje odpowiedniej liczby konwersji i danych o ścieżkach, żeby wyliczenia były statystycznie wiarygodne. Konto z niewielką liczbą transakcji miesięcznie może nie mieć wystarczających danych, żeby taki model dawał stabilne wyniki — w takiej sytuacji warunki i dostępność modelu różnią się między platformami i zmieniają się w czasie, więc dokładne progi i nazwy trzeba sprawdzić w aktualnej pomocy danego narzędzia reklamowego lub analitycznego, a nie przyjmować za ogólną zasadę.
Jak wybrać model atrybucji w praktyce
W praktyce ważniejsza od poszukiwania „idealnego” modelu jest konsekwencja i kontekst:
- Nie zmieniaj modelu często. Porównywanie wyników miesiąc do miesiąca ma sens tylko wtedy, gdy liczone są tym samym modelem. Zmiana modelu w połowie okresu rozliczeniowego zmienia liczby bez żadnej zmiany w samych kampaniach.
- Patrz na raporty ścieżek konwersji, nie tylko na końcowy wynik. Raporty assisted conversions czy ścieżek wielokanałowych pokazują, które kanały pojawiają się w ścieżce, nawet jeśli nie są ostatnim kliknięciem — to częściowa odpowiedź niezależna od wybranego modelu rozliczeniowego.
- Traktuj dashboard jako jedno źródło, nie jedyną prawdę. Zestawienie z GA4 i panelami reklamowymi pomaga zauważyć, kiedy model atrybucji mocno rozjeżdża się z rzeczywistymi zamówieniami w sklepie.
- Przy wątpliwościach sprawdzaj przyrost, nie tylko udział. Testy typu holdout (wyłączenie kanału dla części odbiorców i porównanie wyniku) mówią więcej o rzeczywistym wpływie kanału niż każdy model atrybucji, bo pokazują, co by się stało bez niego — modele atrybucji zawsze dzielą istniejącą sprzedaż, a nie mierzą, co by się stało bez danego kanału.
Metryki, które warto śledzić niezależnie od wybranego modelu, opisujemy w słowniku metryk reklamowych, a różnicę między ROAS, ROI i POAS wyjaśniamy w artykule ROAS, ROI czy POAS — która metryka naprawdę mówi, czy reklamy zarabiają.
Atrybucja a rozliczenie za efekt
Wybór modelu atrybucji ma praktyczne znaczenie nie tylko dla optymalizacji kampanii, ale też tam, gdzie od przypisanej sprzedaży zależy wynagrodzenie agencji. Przy współpracy z agencją rozliczaną za efekt to właśnie model atrybucji i okno czasowe decydują, czy dana transakcja trafia do podstawy prowizji. Dlatego w umowach z agencją rozliczaną od wyników warto zapisać, na podstawie jakich danych i jakiego modelu liczony jest obrót — inaczej strony mogą patrzeć na dwa różne raporty i dochodzić do dwóch różnych liczb. Skąd dokładnie bierze się obrót do rozliczenia i co zapisać w umowie, opisujemy w artykule jak mierzy się obrót przy rozliczeniu agencji za efekt, a ogólne zasady samego modelu w tekście agencja marketingowa rozliczana za efekt.
Wdrożenie pomiaru, które pozwala świadomie wybrać model atrybucji i porównywać go z danymi ze sklepu, obejmuje konfigurację GA4, Google Tag Managera i dashboardów — opisujemy je na stronie analityka i CRO.
Najczęstsze pytania: modele atrybucji
Co to jest model atrybucji?
Model atrybucji to zestaw reguł, według których system reklamowy lub analityczny przypisuje zasługę za konwersję poszczególnym punktom styku z klientem — na przykład kliknięciu w reklamę, wejściu z mediów społecznościowych czy wyszukaniu nazwy firmy. Od wybranego modelu zależy, który kanał w raporcie wygląda na bardziej skuteczny.
Czym różni się atrybucja ostatniego kliknięcia od atrybucji opartej na danych?
Atrybucja ostatniego kliknięcia przypisuje całą zasługę za konwersję jednemu, ostatniemu kontaktowi przed zakupem i ignoruje wcześniejsze punkty styku. Atrybucja oparta na danych analizuje wiele ścieżek — zakończonych i niezakończonych konwersją — i algorytmicznie szacuje, jak duży wkład miał każdy kontakt w danej ścieżce.
Który model atrybucji jest najlepszy?
Nie ma jednego uniwersalnie najlepszego modelu — zależy to od długości ścieżki zakupowej, liczby kanałów i wolumenu konwersji w sklepie. Ważniejsza od wyboru „idealnego” modelu jest konsekwencja: używanie tego samego modelu w czasie, żeby wyniki były ze sobą porównywalne.
Czy mogę ręcznie wybrać model atrybucji w Google Ads czy Meta?
Opcje wyboru modelu i ich dostępność różnią się między platformami, kontami i zmieniają się w czasie, więc nie da się tego podać ogólnie. Aktualną listę dostępnych modeli i warunki ich użycia trzeba sprawdzić w pomocy konkretnego narzędzia reklamowego lub analitycznego.