اتریبیوشن چیست؟ مدل‌ها، ابزارها و کاربردها

تصور کنید یک کاربر ابتدا تبلیغ برند شما را در اینستاگرام می‌بیند، چند روز بعد از طریق جست‌وجوی گوگل وارد سایت می‌شود، یک ایمیل تبلیغاتی را باز می‌کند و در نهایت پس از دریافت پیامک خریدش را انجام می‌دهد. در چنین مسیری، کدام کانال باعث فروش شده است؟

آیا باید تمام اعتبار فروش را به پیامک بدهیم، چون آخرین نقطه تماس بوده است؟ تبلیغ اینستاگرام که کاربر را برای اولین بار با برند آشنا کرده چه سهمی دارد؟ نقش گوگل و ایمیل در تصمیم‌گیری کاربر چطور محاسبه می‌شود؟

اتریبیوشن برای پاسخ‌دادن به همین پرسش‌ها به کار می‌رود. این مفهوم به کسب‌وکارها کمک می‌کند سهم کانال‌ها، تبلیغات و نقاط تماس مختلف را در ایجاد یک تبدیل مشخص کنند و بودجه بازاریابی خود را بر اساس داده‌های واقعی بهینه‌سازی کنند.

اتریبیوشن چیست؟

اتریبیوشن یا Attribution به فرایند اختصاص‌دادن اعتبار یک تبدیل به کانال‌ها و نقاط تماس مختلف در مسیر مشتری گفته می‌شود. این تبدیل می‌تواند خرید، نصب اپلیکیشن، ثبت‌نام، تکمیل فرم، درخواست دمو یا هر اقدام مهم دیگری باشد.

گوگل نیز اتریبیوشن را فرایند اختصاص اعتبار به تبلیغات، کلیک‌ها و عوامل مختلفی می‌داند که در مسیر کاربر تا انجام یک اقدام معنادار نقش داشته‌اند.

برای مثال، مسیر یک مشتری ممکن است به شکل زیر باشد:

تبلیغ نمایشی ← جست‌وجوی گوگل ← بازدید مستقیم ← ایمیل ← خرید

مدل اتریبیوشن تعیین می‌کند هرکدام از این کانال‌ها چه سهمی از خرید نهایی دریافت کنند. ممکن است همه اعتبار به آخرین کانال اختصاص داده شود یا اعتبار میان تمام نقاط تماس تقسیم شود.

اتریبیوشن تنها برای کمپین‌های تبلیغاتی اپلیکیشن کاربرد ندارد. کسب‌وکارهای فروشگاهی، SaaS، خدماتی، مالی و سازمانی نیز می‌توانند از آن برای تحلیل مسیر تبدیل مشتری استفاده کنند.

تفاوت اتریبیوشن با ترکینگ معمولی چیست؟

ترکینگ یا ردیابی به شما می‌گوید چه اتفاقی افتاده است؛ اما اتریبیوشن تلاش می‌کند مشخص کند کدام کانال یا نقطه تماس در اتفاق افتادن آن نقش داشته است.

برای مثال، سیستم ترکینگ می‌تواند اطلاعات زیر را ثبت کند:

• کاربر روی تبلیغ کلیک کرده است.
• وارد صفحه محصول شده است.
• محصولی را به سبد خرید اضافه کرده است.
• خرید خود را تکمیل کرده است.

اما اتریبیوشن یک مرحله جلوتر می‌رود و بررسی می‌کند کاربر از کدام تبلیغ وارد شده، پیش از خرید با چه کانال‌هایی تعامل داشته و اعتبار تبدیل باید چگونه میان آن کانال‌ها تقسیم شود.

ترکینگ معمولی	اتریبیوشن
ثبت رفتار و رویدادها	تعیین سهم نقاط تماس در تبدیل
پاسخ به سؤال «چه اتفاقی افتاد؟»	پاسخ به سؤال «چه چیزی باعث تبدیل شد؟»
تمرکز بر کلیک، بازدید و رویداد	تمرکز بر مسیر کامل مشتری
گزارش عملکرد هر کانال	مقایسه نقش کانال‌ها
پایه جمع‌آوری داده	پایه تحلیل و تصمیم‌گیری بودجه

بدون ترکینگ دقیق، اتریبیوشن قابل‌اعتماد نخواهد بود؛ اما صرفاً داشتن داده‌های ترکینگ نیز برای تصمیم‌گیری درباره بودجه و عملکرد کانال‌ها کافی نیست.

چرا تحلیل اتریبیوشن از صرف داشتن آن مهم‌تر است؟

نصب یک ابزار اتریبیوشن به‌تنهایی باعث بهبود کمپین‌ها نمی‌شود. ارزش اصلی اتریبیوشن زمانی ایجاد می‌شود که داده‌های آن به تصمیم‌های مشخص بازاریابی تبدیل شوند.

ممکن است یک کسب‌وکار اطلاعات دقیقی درباره کلیک‌ها، نصب‌ها و خریدها داشته باشد، اما نداند:

• کدام کانال کاربران باارزش‌تری جذب می‌کند.
• کدام کمپین فقط در جذب اولیه مؤثر است.
• کدام نقطه تماس در تصمیم نهایی مشتری نقش دارد.
• کدام منبع، نرخ تقلب یا کاربران بی‌کیفیت بیشتری دارد.
• بودجه کدام کانال باید افزایش یا کاهش پیدا کند.

بنابراین، تحلیل اتریبیوشن باید فراتر از نگاه‌کردن به تعداد نصب یا تبدیل باشد. کیفیت کاربران، نرخ نگهداشت، درآمد، ارزش طول عمر مشتری و بازگشت هزینه تبلیغات نیز باید در کنار منبع جذب بررسی شوند.

چرا تحلیل اتریبیوشن برای کسب‌وکارها حیاتی است؟

کاربران معمولاً پیش از خرید چند بار و در کانال‌های مختلف با برند تعامل می‌کنند. اگر کسب‌وکار فقط آخرین کلیک را ببیند، ممکن است نقش کانال‌هایی را که در آگاهی و بررسی اولیه مؤثر بوده‌اند نادیده بگیرد.

تحلیل اتریبیوشن به کسب‌وکار کمک می‌کند:

بودجه تبلیغاتی را بهتر تخصیص دهد

با مشخص‌شدن سهم هر کانال در تبدیل، بودجه از کانال‌های کم‌اثر به کانال‌هایی منتقل می‌شود که مشتریان باکیفیت‌تری جذب می‌کنند.

مسیر واقعی مشتری را بشناسد

گزارش اتریبیوشن نشان می‌دهد کاربران معمولاً با کدام کانال آشنا می‌شوند، چه نقاط تماسی را پشت سر می‌گذارند و در نهایت از کجا تبدیل می‌شوند.

عملکرد کانال‌های بالای قیف را نادیده نگیرد

تبلیغات آگاهی از برند ممکن است مستقیماً به فروش منجر نشوند؛ اما در ایجاد تقاضا و آماده‌کردن مخاطب برای تبدیل نقش داشته باشند.

هزینه جذب مشتری را دقیق‌تر محاسبه کند

وقتی منبع تبدیل به‌درستی مشخص باشد، محاسبه CAC، ROAS و بازگشت سرمایه هر کمپین نیز دقیق‌تر خواهد بود.

کمپین‌ها را بر اساس کیفیت کاربران مقایسه کند

دو کمپین ممکن است تعداد نصب یکسانی ایجاد کنند؛ اما کاربران یکی از آن‌ها خرید، تعامل یا ماندگاری بیشتری داشته باشند.

مدل‌های اتریبیوشن؛ مقایسه کامل

مدل اتریبیوشن مجموعه قوانینی است که مشخص می‌کند اعتبار تبدیل چگونه میان نقاط تماس تقسیم شود. انتخاب مدل می‌تواند نتیجه تحلیل یک کمپین را به‌طور جدی تغییر دهد.

برای درک بهتر مدل‌ها، این مسیر فرضی را در نظر بگیرید:

تبلیغ اینستاگرام ← جست‌وجوی گوگل ← ایمیل ← پیامک ← خرید

مدل اولین کلیک یا First Click

در مدل اولین کلیک، تمام اعتبار تبدیل به اولین نقطه تماس اختصاص داده می‌شود.

در مثال بالا، تبلیغ اینستاگرام ۱۰۰ درصد اعتبار را دریافت می‌کند؛ زیرا اولین کانالی بوده که کاربر را با برند آشنا کرده است.

این مدل برای کسب‌وکارهایی مناسب است که می‌خواهند بدانند کدام کانال‌ها در ایجاد آگاهی و جذب اولیه مؤثرتر هستند.

نقطه ضعف: نقش کانال‌هایی که کاربر را به خرید نزدیک کرده‌اند نادیده گرفته می‌شود.

مدل آخرین کلیک یا Last Click

در این مدل، تمام اعتبار به آخرین نقطه تماس غیرمستقیم پیش از تبدیل داده می‌شود.

در مثال بالا، پیامک تمام اعتبار خرید را دریافت می‌کند.

این مدل ساده و قابل‌فهم است و برای کمپین‌هایی با مسیر خرید کوتاه کاربرد دارد؛ اما ممکن است ارزش کانال‌های ابتدایی و میانی مسیر را نادیده بگیرد.

مدل خطی یا Linear

مدل خطی اعتبار تبدیل را به‌طور مساوی میان تمام نقاط تماس تقسیم می‌کند.

اگر کاربر با چهار کانال تعامل داشته باشد، هر کانال ۲۵ درصد اعتبار را دریافت می‌کند.

این مدل زمانی مفید است که همه نقاط تماس تقریباً اهمیت مشابهی داشته باشند.

نقطه ضعف: تفاوت واقعی نقش کانال‌ها را در نظر نمی‌گیرد.

مدل کاهش زمانی یا Time Decay

در مدل کاهش زمانی، هرچه یک تعامل به زمان تبدیل نزدیک‌تر باشد، اعتبار بیشتری دریافت می‌کند.

برای مثال، پیامک و ایمیل سهم بیشتری از تبلیغ اینستاگرام خواهند داشت؛ زیرا در مراحل پایانی مسیر کاربر قرار گرفته‌اند.

این مدل برای کسب‌وکارهایی با چرخه فروش مشخص و تعاملات متعدد مناسب است.

مدل مبتنی بر موقعیت یا Position-Based

در این مدل، بیشترین اعتبار به اولین و آخرین نقاط تماس داده می‌شود و باقی اعتبار میان تعاملات میانی تقسیم می‌شود.

یک الگوی رایج می‌تواند چنین باشد:

• ۴۰ درصد برای اولین تعامل
• ۴۰ درصد برای آخرین تعامل
• ۲۰ درصد برای نقاط تماس میانی

این مدل هم نقش کانال جذب اولیه و هم کانال تبدیل نهایی را در نظر می‌گیرد.

مدل داده‌محور یا Data-Driven

مدل داده‌محور با استفاده از داده‌های واقعی، سهم هر تعامل را در احتمال تبدیل محاسبه می‌کند. در این روش، اعتبار بر اساس یک قانون ثابت تقسیم نمی‌شود و رفتار واقعی کاربران مبنای تحلیل قرار می‌گیرد.

گوگل مدل داده‌محور را مدلی معرفی می‌کند که با استفاده از داده‌های هر Property، نقش واقعی تعامل‌های کلیکی را در تبدیل محاسبه می‌کند.

این مدل برای کسب‌وکارهایی مناسب‌تر است که حجم داده کافی، مسیرهای تبدیل متعدد و زیرساخت تحلیلی قابل‌اعتماد دارند.

مقایسه مدل‌های اتریبیوشن

مدل	نحوه تقسیم اعتبار	کاربرد مناسب	محدودیت اصلی
اولین کلیک	تمام اعتبار برای اولین تعامل	تحلیل کانال جذب و آگاهی	نادیده‌گرفتن مراحل پایانی
آخرین کلیک	تمام اعتبار برای آخرین تعامل	مسیرهای کوتاه و مستقیم	نادیده‌گرفتن کانال‌های آغازین
خطی	تقسیم مساوی اعتبار	مسیرهای چندمرحله‌ای ساده	برابر فرض‌کردن همه تعاملات
کاهش زمانی	اعتبار بیشتر برای تعاملات نزدیک به تبدیل	فروش با چرخه زمانی مشخص	کم‌ارزش‌کردن کانال‌های آگاهی
مبتنی بر موقعیت	تمرکز بر اولین و آخرین تعامل	تحلیل جذب و تبدیل هم‌زمان	کم‌توجهی به نقاط میانی
داده‌محور	تقسیم بر اساس داده و احتمال اثرگذاری	کسب‌وکارهای داده‌محور	نیاز به داده کافی و سالم

اتریبیوشن چندکانالی چیست؟

اتریبیوشن چندکانالی یا Multi-Channel Attribution روشی برای بررسی نقش چند کانال مختلف در مسیر تبدیل مشتری است.

در این روش، به‌جای آنکه تنها یک تبلیغ یا کانال بررسی شود، تمام نقاط تماس مرتبط با کاربر در نظر گرفته می‌شوند؛ از جمله:

• تبلیغات کلیکی
• شبکه‌های اجتماعی
• جست‌وجوی ارگانیک
• تبلیغات نمایشی
• ایمیل مارکتینگ
• پیامک
• پوش نوتیفیکیشن
• مراجعه مستقیم
• تماس با تیم فروش
• تعامل در اپلیکیشن

برای مثال، ممکن است کاربر از تبلیغ لینکدین با یک نرم‌افزار سازمانی آشنا شود، مقاله‌ای را در سایت بخواند، در وبینار شرکت کند، ایمیل پیگیری دریافت کند و سپس درخواست دمو ثبت کند.

اتریبیوشن چندکانالی تلاش می‌کند سهم هرکدام از این تعامل‌ها را در تبدیل نهایی مشخص کند.

تفاوت اتریبیوشن چندکانالی با گزارش کانال‌ها

گزارش معمولی کانال‌ها، عملکرد هر کانال را جداگانه نمایش می‌دهد. برای مثال، تعداد کلیک، نشست و خرید مربوط به ایمیل یا تبلیغات گوگل را گزارش می‌کند.

اما اتریبیوشن چندکانالی ارتباط بین کانال‌ها را بررسی می‌کند. ممکن است ایمیل به‌تنهایی فروش زیادی ثبت نکرده باشد، اما در تعداد زیادی از مسیرهای منتهی به خرید حضور داشته باشد.

به همین دلیل، تصمیم‌گیری فقط بر اساس ستون آخرین کلیک ممکن است باعث توقف کانالی شود که نقش مهمی در آماده‌کردن کاربران برای خرید داشته است.

کاربرد اتریبیوشن در بازاریابی

اتریبیوشن در بخش‌های مختلف بازاریابی و رشد کسب‌وکار کاربرد دارد.

ارزیابی کمپین‌های تبلیغاتی

با اتریبیوشن می‌توان مشخص کرد کدام کمپین، شبکه تبلیغاتی یا محتوای تبلیغاتی بیشترین سهم را در تبدیل داشته است.

تحلیل نصب اپلیکیشن

در کسب‌وکارهای اپلیکیشنی، اتریبیوشن مشخص می‌کند هر نصب از کدام کمپین، ناشر یا فروشگاه اپلیکیشن ایجاد شده است.

اندازه‌گیری رویدادهای بعد از نصب

ارزش یک کمپین فقط با تعداد نصب مشخص نمی‌شود. رویدادهایی مانند ثبت‌نام، تکمیل پروفایل، خرید، تمدید اشتراک و بازگشت کاربر نیز باید به منبع جذب مرتبط شوند.

شناسایی تقلب تبلیغاتی

برخی پلتفرم‌های اتریبیوشن امکان شناسایی نصب‌ها، کلیک‌ها یا رفتارهای مشکوک را فراهم می‌کنند. متریکس و ادتریس در معرفی خدمات خود به قابلیت‌های تحلیل کمپین و مقابله با تقلب تبلیغاتی اشاره کرده‌اند.

بهینه‌سازی سفر مشتری

با تحلیل مسیرهای موفق می‌توان مشخص کرد کدام ترتیب از کانال‌ها احتمال تبدیل بیشتری ایجاد می‌کند و ارتباطات بعدی را متناسب با آن طراحی کرد.

محاسبه بازگشت سرمایه

اتریبیوشن کمک می‌کند درآمد و تبدیل‌ها به منبع مناسب متصل شوند و محاسبه ROAS و ROI کمپین‌ها دقیق‌تر انجام شود.

ابزارهای تحلیل اتریبیوشن ایرانی و خارجی

ابزارهای تحلیل اتریبیوشن؛ ایرانی و خارجی

ابزار مناسب اتریبیوشن باید بر اساس مدل کسب‌وکار، نوع محصول، کانال‌های ارتباطی، وب یا اپلیکیشن بودن محصول و میزان پیچیدگی مسیر مشتری انتخاب شود.

برخی ابزارها MMP تخصصی هستند و بیشتر روی اتریبیوشن نصب و رویدادهای اپلیکیشن تمرکز دارند. برخی دیگر، مانند پلتفرم‌های مارکتینگ اتومیشن، داده‌های رفتاری، عملکرد کمپین‌ها و مسیرهای ارتباطی مشتری را جمع‌آوری و تحلیل می‌کنند.

به همین دلیل، نباید تمام ابزارهای این حوزه را کاملاً هم‌رده در نظر گرفت.

زبلاین؛ پلتفرم ایرانی تحلیل و اجرای ارتباطات بازاریابی

زبلاین یک پلتفرم مارکتینگ اتومیشن ایرانی است که به کسب‌وکارها امکان می‌دهد داده‌ها و رفتار کاربران را جمع‌آوری کنند، مخاطبان را سگمنت‌بندی کنند، سفرهای مشتری بسازند و کمپین‌های بازاریابی را در کانال‌های مختلف اجرا و تحلیل کنند.

در زبلاین می‌توان رویدادهای کاربران را از وب‌سایت یا محصول ثبت کرد و واکنش کاربران به کمپین‌ها و سناریوهای بازاریابی را در بخش‌های تحلیلی بررسی کرد. مستندات زبلاین نیز به تحلیل رفتار کاربران، رویدادهای ثبت‌شده و عملکرد واکنش کاربران به کمپین‌ها اشاره می‌کند.

زبلاین برای کسب‌وکارهایی مناسب است که می‌خواهند تحلیل کمپین را مستقیماً به اقدام بازاریابی متصل کنند. برای مثال، پس از شناسایی کاربران یک کمپین می‌توان برای آن‌ها سگمنت جدا ساخت، پیام شخصی‌سازی‌شده ارسال کرد یا Journey متفاوتی طراحی کرد.

از کاربردهای زبلاین در تحلیل و بهینه‌سازی کمپین می‌توان به موارد زیر اشاره کرد:

• ثبت و تحلیل رویدادهای کاربران
• مقایسه عملکرد کمپین‌ها در کانال‌های مختلف
• بررسی Revenue و نرخ تبدیل کمپین‌ها
• سگمنت‌بندی بر اساس رفتار و سطح تعامل
• اجرای سناریوهای خودکار پس از یک رویداد
• طراحی Journeyهای چندکانالی
• تحلیل رفتار مشتریان پس از دریافت پیام

زبلاین یک MMP تخصصی موبایل مانند AppsFlyer یا Adjust نیست. نقش اصلی آن، یکپارچه‌کردن داده‌های مشتری، اجرای مارکتینگ اتومیشن و تحلیل رفتار و عملکرد کمپین‌هاست. بنابراین، برای برخی کسب‌وکارها می‌تواند به‌تنهایی پاسخ‌گوی نیازهای تحلیل کمپین باشد و در ساختارهای پیچیده‌تر در کنار GA4 یا یک MMP استفاده شود.

Google Analytics 4

GA4 یکی از ابزارهای اصلی تحلیل رفتار کاربران در وب‌سایت و اپلیکیشن است. این ابزار امکان بررسی منبع، Medium، Campaign، مسیرهای اتریبیوشن، Key Eventها و درآمد را فراهم می‌کند.

در گزارش‌های Attribution می‌توان تأثیر مدل‌های مختلف را بر ارزش کانال‌ها مقایسه کرد و مسیرهایی را دید که کاربران پیش از انجام Key Event طی کرده‌اند.

GA4 برای کسب‌وکارهایی مناسب است که بخش مهمی از مسیر مشتری آن‌ها در وب‌سایت یا اپلیکیشن قابل‌ردیابی است. با این حال، برای اتریبیوشن دقیق نصب اپلیکیشن، مقابله با تقلب و برخی نیازهای تخصصی موبایل ممکن است به ابزار تکمیلی نیاز باشد.

AppsFlyer

AppsFlyer یک پلتفرم بین‌المللی اندازه‌گیری و اتریبیوشن است که نصب اپلیکیشن، رویدادهای درون اپ، ROI، Deep Linking، سگمنت‌بندی و عملکرد کانال‌های مختلف را پوشش می‌دهد.

این پلتفرم علاوه بر موبایل، راهکارهایی برای وب، CTV، کامپیوتر و کنسول ارائه می‌دهد و امکان اتصال داده‌های وب و موبایل را برای بررسی ROAS فراهم می‌کند.

AppsFlyer بیشتر برای کسب‌وکارهای اپلیکیشن‌محور، چندپلتفرمی و مجموعه‌هایی مناسب است که کمپین‌های جذب کاربر را در شبکه‌های متعدد اجرا می‌کنند.

چگونه گزارش اتریبیوشن را تحلیل کنیم؟

خواندن گزارش اتریبیوشن فقط به پیدا‌کردن کانالی با بیشترین تعداد تبدیل محدود نمی‌شود. برای رسیدن به یک نتیجه قابل‌استفاده، باید چند لایه مختلف داده بررسی شوند.

ابتدا هدف تبدیل را مشخص کنید

پیش از تحلیل باید بدانید تبدیل اصلی چیست:

• نصب اپلیکیشن
• ثبت‌نام
• خرید اول
• درخواست دمو
• خرید مجدد
• تمدید اشتراک
• رسیدن به یک مرحله مشخص از فعال‌سازی

ممکن است بهترین کانال برای نصب، بهترین کانال برای جذب مشتری پرداخت‌کننده نباشد.

حجم و کیفیت کاربران را هم‌زمان بررسی کنید

کمپینی با تعداد نصب بالا ممکن است کاربران غیرفعال یا کم‌ارزشی جذب کرده باشد.

در کنار تعداد نصب یا لید، این شاخص‌ها را نیز بررسی کنید:

• نرخ فعال‌سازی
• نرخ تبدیل به خرید
• نرخ نگهداشت
• درآمد هر کاربر
• ارزش طول عمر مشتری
• نرخ حذف اپلیکیشن
• نرخ بازگشت کاربران

مدل‌های مختلف را مقایسه کنید

عملکرد کانال‌ها را فقط با یک مدل بررسی نکنید. مقایسه آخرین کلیک با مدل داده‌محور یا مدل‌های چندنقطه‌ای می‌تواند نشان دهد کدام کانال‌ها در بالای قیف نقش دارند اما در مدل آخرین کلیک دیده نمی‌شوند.

بازه زمانی اتریبیوشن را بررسی کنید

Attribution Window تعیین می‌کند یک کلیک یا نمایش تا چه مدت می‌تواند اعتبار تبدیل دریافت کند.

بازه بسیار کوتاه ممکن است کانال‌هایی با چرخه تصمیم‌گیری طولانی را نادیده بگیرد. بازه بسیار طولانی نیز ممکن است ارتباط‌های ضعیف را به‌اشتباه مؤثر نشان دهد.

داده‌های ارگانیک و تبلیغاتی را جدا کنید

افزایش نصب یا خرید همیشه نتیجه کمپین تبلیغاتی نیست. بخشی از رشد ممکن است از جست‌وجوی ارگانیک، آگاهی از برند یا معرفی کاربران ایجاد شده باشد.

اختلاف میان ابزارها را بررسی کنید

اعداد Google Ads، GA4، پلتفرم اتریبیوشن و پنل داخلی کسب‌وکار ممکن است دقیقاً یکسان نباشند. تفاوت در مدل انتساب، پنجره زمانی، منطقه زمانی، تعریف تبدیل و روش شناسایی کاربران می‌تواند باعث اختلاف شود.

به‌جای انتظار تطابق کامل، باید یک منبع مرجع مشخص و قواعد گزارش‌گیری ثابتی تعریف شود.

نتایج را به تصمیم تبدیل کنید

خروجی تحلیل باید به اقدام مشخص منجر شود؛ برای مثال:

• افزایش بودجه یک کمپین
• توقف یک منبع جذب کم‌کیفیت
• اصلاح Landing Page
• تغییر بازه Retargeting
• ساخت سگمنت جدا برای کاربران یک کانال
• تغییر پیام ارتباطی پس از نصب
• آزمایش مدل پیشنهاد یا تخفیف

چک‌لیست تحلیل گزارش اتریبیوشن

این چک‌لیست می‌تواند به‌صورت PDF قابل دانلود در مقاله قرار بگیرد:

تنظیمات و زیرساخت

□ تبدیل‌های اصلی به‌درستی تعریف شده‌اند.
□ پارامترهای UTM استاندارد و یکسان هستند.
□ SDK یا Web SDK به‌درستی نصب شده است.
□ رویدادهای مهم بدون تکرار ثبت می‌شوند.
□ منطقه زمانی ابزارها یکسان است.
□ پنجره زمانی اتریبیوشن مشخص است.
□ ترافیک داخلی و تستی فیلتر شده است.

تحلیل کمپین

□ تعداد نصب یا لید بررسی شده است.
□ نرخ تبدیل هر منبع اندازه‌گیری شده است.
□ هزینه جذب مشتری محاسبه شده است.
□ درآمد و ROAS هر کمپین بررسی شده است.
□ کیفیت کاربران در بازه‌های زمانی مختلف مقایسه شده است.
□ نرخ نگهداشت کاربران هر کانال بررسی شده است.
□ رفتار کاربران ارگانیک و تبلیغاتی جدا شده است.
□ احتمال تقلب تبلیغاتی بررسی شده است.

تصمیم‌گیری

□ مدل آخرین کلیک با مدل‌های دیگر مقایسه شده است.
□ کانال‌های آگاهی از برند نادیده گرفته نشده‌اند.
□ کمپین‌های کم‌کیفیت شناسایی شده‌اند.
□ بودجه بر اساس ارزش کاربران تخصیص یافته است.
□ یک اقدام مشخص برای بهینه‌سازی تعریف شده است.

اتریبیوشن در GA4 چگونه کار می‌کند؟

در GA4، اتریبیوشن برای اختصاص اعتبار Key Eventها و درآمد به کانال‌ها و نقاط تماس استفاده می‌شود.

در نسخه فعلی GA4، مدل‌های اصلی قابل‌استفاده در گزارش‌های اتریبیوشن شامل موارد زیر هستند:

• Data-driven attribution
• Paid and organic last click
• Google paid channels last click

مدل‌های First Click، Linear، Time Decay و Position-Based از نوامبر ۲۰۲۳ از تنظیمات GA4 حذف شده‌اند؛ هرچند همچنان برای آموزش و تحلیل مفهومی اتریبیوشن کاربرد دارند.

مدل داده‌محور در GA4

مدل داده‌محور با بررسی مسیرهای تبدیل و مسیرهای بدون تبدیل، سهم تعامل‌های مختلف را محاسبه می‌کند. در این مدل ممکن است اعتبار یک تبدیل به‌صورت کسری میان کانال‌ها تقسیم شود؛ به همین دلیل در برخی گزارش‌ها اعداد اعشاری برای Key Event یا Revenue دیده می‌شود.

مدل Paid and Organic Last Click

این مدل ترافیک مستقیم را نادیده می‌گیرد و تمام اعتبار را به آخرین تعامل غیرمستقیم در میان کانال‌های تبلیغاتی و ارگانیک اختصاص می‌دهد.

مدل Google Paid Channels Last Click

در این مدل، اگر کاربر پیش از تبدیل با یکی از کانال‌های تبلیغاتی گوگل تعامل کرده باشد، اعتبار به آخرین کانال تبلیغاتی گوگل داده می‌شود. این تنظیم بیشتر برای گزارش‌گیری و بهینه‌سازی تبلیغات Google Ads کاربرد دارد.

گزارش‌های اتریبیوشن را در GA4 از کجا ببینیم؟

برای دسترسی به گزارش‌های اتریبیوشن:

1. وارد Property موردنظر در GA4 شوید.
2. وارد بخش Advertising شوید.
3. بخش Attribution یا گزارش‌های مرتبط با عملکرد کانال‌ها را باز کنید.
4. Key Event موردنظر را انتخاب کنید.
5. مدل‌ها و عملکرد کانال‌ها را مقایسه کنید.

گزارش مقایسه مدل‌های اتریبیوشن در GA4 اجازه می‌دهد تأثیر مدل داده‌محور و Last Click را بر اعتبار Key Eventها و درآمد کانال‌ها در کنار هم بررسی کنید.

برای تغییر مدل گزارش‌دهی نیز باید در سطح Property دسترسی Marketer یا بالاتر داشته باشید و از بخش تنظیمات Key Event Attribution، مدل موردنظر را انتخاب کنید.

محدودیت‌های اتریبیوشن در GA4

GA4 ابزار مهمی برای تحلیل وب و اپلیکیشن است، اما باید محدودیت‌های آن را نیز در نظر گرفت:

• مدل‌های قدیمی Rule-Based دیگر در تنظیمات آن وجود ندارند.
• کیفیت گزارش به پیاده‌سازی صحیح Eventها و UTMها وابسته است.
• محدودیت‌های حریم خصوصی و Consent می‌توانند بخشی از مسیر کاربران را پنهان کنند.
• رفتار میان چند دستگاه همیشه به‌طور کامل شناسایی نمی‌شود.
• گزارش GA4 ممکن است با پنل تبلیغاتی یا ابزار MMP اختلاف داشته باشد.
• اتریبیوشن آفلاین و فروش تلفنی نیازمند اتصال داده‌های تکمیلی است.

بنابراین، GA4 باید بخشی از زیرساخت اندازه‌گیری باشد، نه تنها منبع تصمیم‌گیری کسب‌وکار.

کدام مدل اتریبیوشن برای شما مناسب است؟

هیچ مدل واحدی برای همه کسب‌وکارها بهترین نیست. مدل مناسب باید بر اساس طول چرخه خرید، تعداد نقاط تماس، حجم داده و هدف تحلیل انتخاب شود.

برای کسب‌وکارهای تازه‌کار

مدل Last Click برای شروع ساده و قابل‌فهم است؛ اما بهتر است تصمیم‌های مهم فقط بر اساس آن گرفته نشوند.

برای کمپین‌های آگاهی از برند

مدل First Click یا تحلیل مسیرهای آغازین کمک می‌کند کانال‌هایی که کاربران جدید را وارد قیف می‌کنند بهتر شناسایی شوند.

برای فروش با مسیر چندمرحله‌ای

مدل Linear، Position-Based یا Time Decay می‌تواند تصویر کامل‌تری از نقش نقاط تماس ارائه دهد.

برای کسب‌وکارهای داده‌محور

مدل Data-Driven معمولاً انتخاب مناسب‌تری است؛ به شرط آنکه حجم داده کافی و زیرساخت ترکینگ سالم وجود داشته باشد.

برای فروش سازمانی و B2B

بهتر است اتریبیوشن دیجیتال با اطلاعات CRM، جلسات فروش، تماس‌ها، پروپوزال و وضعیت قرارداد ترکیب شود. در فروش سازمانی، آخرین کلیک معمولاً نمی‌تواند تمام مسیر تصمیم‌گیری را توضیح دهد.

راهنمای سریع انتخاب مدل اتریبیوشن

شرایط کسب‌وکار	مدل پیشنهادی برای شروع
مسیر خرید کوتاه و مستقیم	Last Click
تمرکز بر جذب کاربر جدید	First Click
اهمیت برابر نقاط تماس	Linear
اهمیت تعاملات نزدیک به خرید	Time Decay
اهمیت جذب اولیه و تبدیل نهایی	Position-Based
داده زیاد و مسیرهای پیچیده	Data-Driven
فروش B2B طولانی	مدل ترکیبی با CRM

این جدول یک نقطه شروع است. انتخاب نهایی باید با مقایسه خروجی مدل‌ها و رفتار واقعی مشتریان انجام شود.

ارتباط اتریبیوشن با مارکتینگ اتومیشن

اتریبیوشن مشخص می‌کند کاربر از چه مسیری وارد شده و کدام کانال‌ها در تبدیل او نقش داشته‌اند. مارکتینگ اتومیشن از این داده‌ها برای ادامه‌دادن ارتباط با کاربر استفاده می‌کند.

برای مثال، کسب‌وکار می‌تواند:

• کاربران جذب‌شده از کمپین خاصی را در یک سگمنت قرار دهد.
• بر اساس منبع جذب، پیام خوشامدگویی متفاوتی ارسال کند.
• کاربران باارزش هر کانال را شناسایی کند.
• برای کاربران غیرفعال هر کمپین، Journey جدا بسازد.
• رفتار پس از خرید را به منبع اولیه جذب متصل کند.
• کیفیت واقعی کمپین‌ها را با خرید و نگهداشت مشتری بسنجد.

در زبلاین می‌توان داده‌های رفتاری و اطلاعات مشتریان را برای سگمنت‌بندی، طراحی سفر مشتری و اجرای ارتباطات هدفمند به کار گرفت. در نتیجه، تحلیل اتریبیوشن فقط به گزارش گذشته محدود نمی‌شود و می‌تواند مبنای اقدام بعدی برند باشد.

جمع‌بندی

اتریبیوشن روشی برای مشخص‌کردن سهم کانال‌ها، تبلیغات و نقاط تماس مختلف در ایجاد تبدیل است. این مفهوم به کسب‌وکارها کمک می‌کند فراتر از تعداد کلیک و بازدید، نقش واقعی هر کانال را در مسیر مشتری بررسی کنند.

مدل‌های First Click، Last Click، Linear، Time Decay، Position-Based و Data-Driven هرکدام مسیر مشتری را از زاویه متفاوتی تحلیل می‌کنند. به همین دلیل، نتیجه یک کمپین ممکن است در مدل‌های مختلف متفاوت دیده شود.

ارزش اصلی اتریبیوشن صرفاً در جمع‌آوری داده نیست. تحلیل کیفیت کاربران، مقایسه مدل‌ها و تبدیل گزارش‌ها به تصمیم‌های اجرایی است که باعث بهبود عملکرد بازاریابی می‌شود.

در میان ابزارهای داخلی، زبلاین امکان جمع‌آوری و تحلیل داده‌های رفتاری، بررسی عملکرد کمپین‌ها، سگمنت‌بندی کاربران و اجرای Journeyهای خودکار را فراهم می‌کند. با ترکیب این قابلیت‌ها با داده‌های GA4 یا ابزارهای تخصصی اتریبیوشن، کسب‌وکار می‌تواند تصویر کامل‌تری از مسیر مشتری به دست آورد و ارتباطات بعدی را هدفمندتر طراحی کند.