Con este post deseamos solventar dudas respecto al modelo de atribución generado por Adinton y de cómo la herramienta utiliza este modelo para generar y ejecutar sus reglas de optimización.

¿Qué es un modelo de atribución?

Para responder a la pregunta, primeramente tendremos que explicar qué es la teoría de atribución (Attribution theory). La teoría de atribución, es el estudio de modelos para poder explicar un proceso y la causa de este. Consecuentemente, se podría decir que es el proceso de identificar eventos, interacciones y patrones de conducta de ciertos individuos. En el marketing online, podremos utilizar todo este conocimiento para mejorar la experiencia de nuestros  usuarios/clientes con nuestras páginas y plataformas web y para acortar la durada del customer journey de nuestros usuarios.

Teóricamente hablando, un modelo de atribución es un sistema para establecer la manera en la que asignamos un valor a las ventas o conversiones de un usuario a través de su customer journey.

En el marketing, los modelos de atribución nos ayudan a visualizar el canal de conversión/venta y la interacción de un usuario en este canal. Con toda esta información podemos tomar decisiones y crear estrategias más acordes con la realidad, para el beneficio de nuestra empresa. Trabajar con modelos de atribución nos permite cuantificar la influencia entre nuestros canales (anuncios de ppc, emailing, social media…) y tomar decisiones más acertadas de sobre dónde invertir y porqué.

Los modelos de atribución más comunes

Existen tantos tipos de modelo de atribución “válidos” como uno quiera creer. Con ello, nos referimos a que no existe modelo de atribución correcto o incorrecto. Todo depende de tu modelo de negocio, tus objetivos de negocio, tus KPI… A continuación procederemos a explicar los más utilizados:

Modelo de Atribución, el viaje de un usuario.Modelo de Atribución, el viaje de un usuario.

Modelo de Atribución, el viaje de un usuario.

  • (1#) Modelo de atribución lineal: El modelo de atribución lineal asigna el mismo valor a todos los canales que han participado en el proceso de conversión. Por lo tanto, no importa de donde haya provenido el último clic, ya que cada uno de los participantes obtendrán el mismo valor. En el ejemplo que tenemos arriba, cada uno de los canales obtendrá un 20% de la conversión por cada conversión. Este modelo es ideal, ya que tiene en cuenta a todos los canales, pero su desventaja es que no nos indica qué canal nos ofrece un ingreso más elevado.
  • (2#) Última interacción: Este modelo es conocido también como último clic. El crédito va al último canal de procedencia donde se ha producido una conversión. Por lo tanto, el resto de canales participantes no se tienen en cuenta. En el ejemplo que tenemos arriba, la atribución sería otorgada al canal ” Directo”. Este modelo es el predeterminado en muchas herramientas de analítica web pero no en Google Analytics que utiliza un modelo de última interacción (#5) sin tener en consideración directo como canal. EL problema con este tipo de modelo es que posiblemente el último clic es de los más importantes pero también tendríamos que tener en consideración al resto de participantes y por lo menos cuantificar la influencia que estos han tenido en el canal del último clic.
  • (3#) Último click de Adwords: Incluso si el último clic ha sido de otro canal, si había Adwords de por medio, el crédito será para Google Adwords. Como podemos imaginar, este ejemplo beneficia mayoritariamente a Google. En nuestro ejemplo, la atribución será otorgada a Google Adwords, que por supuesto no es realista.
  • (4#) Primera interacción: Se le asigna el crédito al primer canal de interacción, ya que este es el que ha provocado la conversión en otro canal posteriormente. Desde mi punto de vista este modelo es muy complicado de utilizar y no tiene mucho sentido. Para nuestro ejemplo, el crédito sería para referral.
  • (5#) Último click no directo: El crédito será asignado a la última fuente interacción sin considerar clics procedentes de directo. En nuestro ejemplo del inicio, el crédito sería para Social Media. Como hemos dicho anteriormente, este es el modelo utilizado por Google. Este modelo subestima el poder de las visitas procedentes de directo. Si quieres comprobarlo, coge una campaña de marca y compara como cambias los resultados utilizando este modelo y el #2.

El modelo de atribución de Adinton

Adinton utiliza su propio modelo de atribución. Después de años de investigación, hemos sido capaces de crear un modelo de atribución ideal para el marketing online. Utilizamos un modelo de última interacción (último clic con la opción de contabilizar el tráfico directo como última interacción) con un valor añadido, el Adinton Score. Con Adinton verás la atribución de tus canales de una manera única que te permitirá saber la influencia real y el peso que cada canal tiene en el proceso de conversión.

Adinton Score

El algoritmo de Adinton utiliza el Adinton Score para dar peso a un canal determinado y por consiguiente sugerir una puja más o menos agresiva. Algunos de los factores que influyen en el Adinton Score son los siguientes:

  • Los canales por los que pasa un usuario único
  • El histórico de los clics por canal (el tiempo)
  • El Basquet value
  • Las páginas vistas por este usuario único
  • La tasa de rebote

Además, el algoritmo de Adinton recoge información en tiempo real por lo que el Adinton score se modifica a tiempo real. Todo esto es posible gracias a que tenemos un sistema de analítica propia que nos permite no tener que trabajar con terceros.

Reportes de atribución

Adinton cuenta con reportes detallados sobre la influencia entre canales, campañas, ad groups y hasta palabras clave. Gracias al modelo de atribución de Adinton podrás ver de manera sencilla la influencia que cada canal ha tenido durante el proceso conversión del usuario.

En total existen 4 tipos de reportes en referencia al modelo de atribución de Adinton. A continuación explicaremos brevemente la diferencia y las características de cada uno de ellos.

Report Adinton – Basic

Adinton Report Basic

Adinton Report Basic

Este primer report nos da información por fuente o medio de todos los canales que han participado en el proceso de conversión. Las columnas de este reporte nos dan información como cuál ha sido el canal que ha iniciado la conversión (started clicks), el canal que ha finalizado la conversión (finished clicks)  y el canal que ha participado en la conversión (middle clicks). Además también podremos ver qué canal tiene más conversiones de un sólo clic (one click conversion).

Report Adinton – Summary

Adinton Report Summary

Adinton Report Summary

Este otro reporte nos da información tan valiosa como la cantidad de páginas vistas por fuente o medio, los clics por canal que han aportado ventas y los clics efectuados por canal una vez el usuario ya ha convertido (clicks post conversion) .

Report Adinton – Reports

Report Adinton Atribución

Report Adinton Atribución

Desde aquí podremos ver la influencia real que cada fuente o medio tienen entre si. Por ejemplo en la image que mostramos vemos que 4 clicks procedentes de SEO han asistido a 4 conversiones desde Google Adwords. También la diferencia entre las conversiones desde el mismo canal (self conversions) y las conversiones efectuadas con un único clic (one click conversion) .

Report Adinton – Tracing

Viaje del usuario

Viaje del usuario

Adinton te da información detallada del viaje de cada usuario hasta que completa la transacción. De esa manera podrás investigar cada usuario único de manera exhaustiva. Este tipo de reporte es de gran ayuda para investigar clicks fraudulentos y o afiliados conflictivos.

Esta misma información es la que recoge nuestra herramienta para poder lanzar sus reglas automatizadas. Adinton recoge y trabaja con datos exactos, por lo que no realiza estimaciones para crear su atribución.

Valor añadido

Al ser una herramienta totalmente independiente de terceros, podemos ofrecer todos los datos que la herramienta recoge, a nuestros clientes para que puedan exportarlos y hasta importarlos a Google Analytics si fuese necesario.

Adinton además contabiliza y guarda información después de la conversión. Por lo que tendrás la posibilidad de analizar el comportamiento de estos usuarios de manera específica.

Por último, no sólo trabajamos con nuestro modelo de atribución propio sino que también, la herramienta es capaz de ofrecer reglas específicas para mejorar el customer journey de nuestros usuarios o generar búsqueda de palabras clave automática. Todo en tiempo real y basándose en datos exactos.

0 Comments

Leave a reply

Your email address will not be published. Required fields are marked *

*

Log in with your credentials

Forgot your details?