Kas ir atribūcija un atribūcijas modeļi jeb - kā saprast, kuras reklāmas patiešām pelna naudu?

Mūsdienu digitālajā vidē pircēja ceļš līdz darījumam vairs nav taisna līnija. Klients var redzēt Jūsu reklāmu Facebook, pēc divām dienām izlasīt bloga rakstu, vēl pēc nedēļas noklikšķināt uz reklāmas vai organiskā rezultāta saites Google un tikai tad veikt pirkumu, ierakstot mājaslapas adresi tieši pārlūkā.

Dabiski rodas jautājums: Kurš kanāls ir nodrošinājis pārdošanu?

Jeb.

Kur investēt, lai nopelnītu vairāk?

Kas ir atribūcija un kāpēc tā ir izšķiroša?

Atribūcija ir mārketinga analītikas metode, kas piešķir noteiktu vērtību dažādiem saskarsmes punktiem (touchpoints), kas potenciālo klientu informē par Jūsu produktu vai pakalpojumu, rada interesi un vēlmi to iegādāties un palīdz pieņemt lēmumu par pirkumu.

Ja mēs neizmantojam atribūciju, mēs riskējam pieņemt kļūdainus lēmumus.

Piemēram, ja mēs skatāmies tikai uz pēdējo klikšķi, var šķist, ka Facebook reklāmas nestrādā.

Taču patiesībā tās var būt tās, kas iepazīstināja klientu ar zīmolu un atslēdzot tās, mēs “nogriežam” pārdošanas piltuves augšgalu, un pirkumi drīz vien apsīks arī citos kanālos.

Galvenie atribūcijas modeļu veidi

Atribūcijas modeļus iedala divās lielās grupās: viena saskarsmes punkta un vairāku saskarsmes punktu modeļi.

1. Viena saskarsmes punkta modeļi (Single-Touch)

• Last-Click (Pēdējais klikšķis): Visa vērtība tiek piešķirta pēdējam kanālam, pieņemot, ka tieši tas ir nodrošinājis pirkumu. Tas ir visizplatītākais modelis, taču tas ir ļoti neprecīzs zīmola būvēšanai ilgtermiņā.
• First-Click (Pirmais klikšķis): Visa vērtība tiek piešķirta pirmajam kanālam, kas piesaistīja klientu. Labs jaunu klientu piesaistes (awareness) mērīšanai, bet ignorē visu tālāko pārliecināšanas procesu.

2. Vairāku saskarsmes punktu modeļi (Multi-Touch)

• Linear (Lineārais): Vērtība tiek sadalīta vienādi starp visiem saskarsmes punktiem. Godīgs, bet nepraktisks, jo ne visi klikšķi tiek vērtēti kā vienlīdz svarīgi.
• Time Decay (Laika devalvācija): Jo tuvāk pirkumam ir saskarsmes punkts, jo lielāku vērtību tas saņem. Ideāls īsiem pārdošanas cikliem un reklāmas kampaņām.
• Position-Based (U-veida): 40% vērtības piešķir pirmajam klikšķim, 40% pēdējam, bet atlikušos 20% sadala starp vidējiem punktiem. Šis ir viens no populārākajiem hibrīdmodeļiem.
• Data-Driven (Datos balstītais): Šis ir modernākais pircēja ceļa analīzes veids. Algoritmi analizē tūkstošiem ceļu un paši nosaka, kuri punkti visvairāk ietekmē pirkumu.

Dažādu atribūcijas modeļu salīdzinājums:

Kā izveidot savam biznesam piemērotu atribūcijas modeli?

Uzreiz jāsaka, ka viena “pareizā” modeļa visiem nav. ar impulsa pirkumiem pietiek ar Last-Click, bet B2B uzņēmumam ar 6 mēnešu pārdošanas ciklu piemērotāks būs kāds no Multi-Touch modeļiem.

1. solis: Definējiet savu pircēja ceļojumu (Customer Journey)

Izpētiet datus: cik un kādi saskarsmes punkti ir nepieciešami/pastāv no pirmā kontakta līdz pirkumam?

• Ja klients pērk uzreiz (piemēram, ēdiena piegāde), pietiek ar Last-Click.
• Ja klients domā nedēļām ilgi (piemēram, auto, mēbeles vai kursi), Jums ir nepieciešams Multi-Touch modelis.

2. solis: Izvēlieties analītikas rīku

Lielākajai daļai uzņēmumu pilnīgi pietiek ar Google Analytics 4 (GA4).

Bet, ja vēlieties veidot pats savu atribūcijas modeli – eksportējiet datus uz uz BigQuery un veidojiet to tur.

3. solis: Sakārtojiet UTM parametrus

Šis ir kritiski svarīgi! Atribūcijas modelis nedarbosies, ja dati nebūs maksimāli korekti. Katrai reklāmas saitei ir jābūt marķētai ar UTM parametriem:

• utm_source (piem., facebook, google)
• utm_medium (piem., cpc, email, social)
• utm_campaign (konkrētās kampaņas nosaukums)

Bez šīm birkām klients analītikā parādīsies kā “Direct” (tiešais apmeklējums), un atribūcija būs kļūdaina.

4. solis: Nosakiet atribūcijas logu (Lookback Window)

Cik tālu pagātnē mēs skatāmies?

• GA4 noklusējums konversijām tagad ir 90 dienas, bet to var mainīt uz 30/60/90/180 dienām.
• Ja pārdodiet dārgus pakalpojumus, iestatiet 90 dienas. Ja pārdodat picas – 7 dienas būs pilnīgi pietiekami.

Rezultātu analīze – kas strādā un kas nē?

Kad modelis ir uzstādīts un dati plūst, ir laiks “atšķirt graudus no pelavām”.

1. Salīdziniet modeļus (Model Comparison)

GA4 piedāvā rīku Model Comparison Tool. Salīdziniet Last-click ar Data-driven.

Analīzes piemērs: Ja redzat, ka kanāls “Generic Search” saskaņā ar Last-click neģenerē pirkumus, bet saskaņā ar Data-driven tam ir augsta vērtība, tas nozīmē, ka šis kanāls ir lielisks pirkuma ceļa uzsācējs, nevis noslēdzējs. Nesamaziniet tā budžetu!

2. “Assisted Conversions” analīze

Skatieties uz kanāliem, kuriem ir daudz atbalstīto konversiju. Tie ir Jūsu “pussargi” – viņi neiesit golu paši, bet bez viņiem uzbrukums nevarētu notikt. Ja kādam kanālam ir 0 tiešo pirkumu, bet 100 atbalstīto pirkumu – tas ir vitāli svarīgs.

3. ROI vs. CPA (Maksa par pirkumu)

Neskatieties tikai uz kopējo summu. Analizējiet katru kanālu pēc:

• ROAS (Return on Ad Spend): Cik eiro nopelnījāt par katru iztērēto eiro?
• CPA (Cost Per Acquisition): Cik izmaksāja viens pircējs? Ja Data-driven modelī viena kanāla CPA ir 5x lielāks nekā vidēji, tas ir signāls, ka šis kanāls strādā neefektīvi.

Praktiski piemēri

“Last Click” un “First Click” modeļu salīdzinājums

Sākuma nosacījumi un izmaksas:

• Google Ads (AdWords): 50 EUR izmaksas
• Facebook Ads: 50 EUR izmaksas
• Organic (SEO): 0 EUR izmaksas (lai gan mēs zinām, ka satura veidošana un SEO optimizācija nav bezmaksas)
• Kopējās izmaksas: 100 EUR

Pircēja ceļš no pirmā kontakta līdz pirkumam (Customer Journey):

Kopā reģistrēti 3 pirkumi, kuru kopējie ieņēmumi ir 650 EUR.

1. Pirkums (150 EUR): Facebook click ➔ Organic click ➔ Google Ads click (Pirkums)
2. Pirkums (200 EUR): Google Ads click ➔ Facebook click ➔ Organic click (Pirkums)
3. Pirkums (300 EUR): Facebook click ➔ Google Ads click ➔ Organic click (Pirkums)

Analīze pēc “Last Click” (Pēdējā klikšķa) atribūcijas

Šajā modelī 100% nopelnu tiek atdoti tam kanālam, uz kura klients uzklikšķināja tieši pirms pirkuma veikšanas.

(*Piezīme: ROI nav tas pats kas ROAS. ROAS skatās TIKAI reklāmas efektivitāti (Vai reklāma atnes naudu?), bet ROI skatās visu biznesu kopumā (Vai es vispār pelnu?)).

Skatoties tikai uz šiem datiem, izskatās, ka Facebook reklāma ir pilnīga naudas izšķiešana (pirkumu skaits = 0). Loģisks lēmums būtu Facebook kampaņu nekavējoties nopauzēt vai kardināli mainīt.

Analīze pēc “First Click” (Pirmā klikšķa) atribūcijas

Skatāmies uz tiem pašiem datiem, bet tagad 100% nopelnu atdodam tam kanālam, kas atveda “auksto” klientu uz mājaslapu.

Šī analīze parāda diametrāli pretēju ainu! Facebook ir kampaņas spēcīgākais spēlētājs. Tas darbojas kā izcils “pirmā kontakta” kanāls, kas iepludina mājaslapā “aukstus” klientus.

Viņi sākumā neko nepērk, bet zīmols viņus ieinteresē pietiekami, lai vēlāk viņi atgrieztos caur Google Ads vai organisko meklēšanu.

Atslēdzot Facebook, Jūs drīz vien zaudētu arī pirkumus no Google un Organic, jo pārdošanas piltuves augšgalā vairs neienāktu jauni cilvēki.

Datu analītikā nedrīkst akli ticēt tikai vienai atskaitei. Abu atskaišu datus nedrīkst summēt, jo tie atspoguļo vienus un tos pašus pirkumus no dažādiem skatu punktiem.

Ja pastāv šaubas par kanāla vērtību (piemēram, Jūs neticat, ka Facebook tiešām atved šos klientus), standarta prakse ir veikt kontrolētu eksperimentu: atslēdziet šo kanālu uz 2–4 nedēļām un vērojiet, vai kopējais pirkumu skaits krītas.

Kā identificēt nestrādājošu kanālu

Iedomājieties, ka scenārijā ir vēl viens spēlētājs, piemēram – banneris ziņu portālā.

• Pēc Last Click analīzes tam ir 0% ROI (tas nenoslēdz pirkumus).
• Pēc First Click analīzes tam atkal ir 0% ROI (tas nepievilina “aukstos” klientus, kas vēlāk nopērk).

Šādā gadījumā pareizs lēmums ir šo banneri atslēgt, jo Jūs skaidri redziet, ka šis kanāls nav ne labs iepazīstinātājs (kā Facebook), ne labs pirkuma noslēdzējs (kā Google Ads vai SEO). Budžetu no bannera var droši pārvirzīt uz strādājošajiem kanāliem.

Hibrīda modelis (Position-Based / U-Shaped),

Tas šobrīd tiek uzskatīts par vienu no godīgākajiem, jo tas novērtē gan to, kurš klientu “atveda”, gan to, kurš “pārdeva”.

Šajā modelī:

• 40% vērtības saņem pirmais klikšķis (Iepazīstinātājs).
• 40% vērtības saņem pēdējais klikšķis (Noslēdzējs).
• 20% tiek sadalīti starp visiem vidus posmiem (Atgādinātājiem).

Hibrīda modeļa piemērs

Sākuma nosacījumi un izmaksas:

• FB / IG Ads: 100 EUR (reklāmas budžets)
• Google Organic: 100 EUR (izmaksas par satura radīšanu un SEO speciālistu)
• Banneris ziņu portālā: 100 EUR (reklāmas budžets)
• Google Ads (Search): 100 EUR (reklāmas budžets)
• Kopējās izmaksas: 400 EUR

Pircēja ceļš no pirmā kontakta līdz pirkumam (kopējie ieņēmumi 1000 EUR):

FB Ads (ierauga bildi) ➔ 2. Banneris portālā (atgādinājums) ➔ 3. Google Ads (meklē konkrēto preci) ➔ 4. Google Organic (atrod bloga rakstu ar salīdzinājumu/pamācību un nopērk).

Hibrīda modelī 1000 EUR ieņēmumi no viena pirkuma tiktu sadalīti šādi:

Ko mēs mācāmies no šīs analīzes?

1. Satura un SEO patiesā vērtība: Ja mēs skatītos tikai pēc First Click, organiskais trafiks izskatītos vājš. Bet hibrīda modelī mēs redzam, ka Google Organic (mūsu lapas saturs) ir bijis izšķirošs pirkuma noslēgšanai. Ieguldītie 100 EUR satura radīšanā ir attaisnojušies ar 4 kārtīgu atdevi (katrs investētais eiro ir radījis 4 € ieņēmumos).
2. Sociālo tīklu loma: FB / IG šajā modelī saņem pelnītu atzinību kā “atklāšanas” kanāls. Bez tā neviens nezinātu par produktu, un tālākie soļi, visticamāk, nemaz nenotiktu.
3. Vidusposmu kanālu (Bannera un Google Ads) analīze: Šajā piemērā redzam, ka šie kanāli strādā “pa nullēm” (ROAS 1.0).
   • Lēmums: Ja mēs tos atslēgtu, iespējams, pirkums joprojām notiktu (klients pēc FB reklāmas uzreiz dotos uz Google Organic).
   • Eksperiments: Mēs varētu pamēģināt samazināt bannera tēriņus un novirzīt tos FB Ads, lai piesaistītu vēl vairāk jaunus klientus.

Izmantojot hibrīda modeli, Jūs vairs “nešaujiet uz aklo”. Jūs skaidri redziet, ka FB / IG ir dzinējs, kas piegādā arvien jaunus potenciālos pircējus pārdošanas piltuves augšdaļai, Google Organic (saturs) ir Jūsu pārdevējs, bet Bannera reklāmas ir atgādinātāji, kuru efektivitāti var mērķtiecīgi optimizēt.

Šāda pieeja pārtrauc nebeidzamos strīdus kuras mārketinga aktivitātes strādā, jo dati parāda, ka katram ir sava unikāla vieta pircēja ceļojumā līdz pirkumam.

Pieņemsim, ka uzņēmums investē arī e-pasta mārketingā (platformas abonements, satura sagatavošana) – 100 EUR mēnesī.

Pircēja ceļš no pirmā kontakta līdz pirkumam (kopējie ieņēmumi tie paši 1000 EUR):

FB / IG Ads (ierauga reklāmu, apmeklē lapu, bet nenopērk) ➔ 2. Google Organic (meklē informāciju, atrod blogu, pierakstās jaunumiem pret 10% atlaidi) ➔ 3. E-pasta mārketings (saņem atlaides kodu, uzklikšķina un veic pirkumu).

Salīdzinājums: Last-Click vs. Hibrīda (U-Shaped) modelis

1. Ja datus analizējam tikai pēc “Last-Click”:

• Secinājums: E-pasts ir vienīgais kanāls, kas pelna naudu (ROAS 10.0). FB Ads un SEO izskatās pēc tīriem zaudējumiem.
• Kļūdains lēmums: “Atslēdzam FB reklāmas un pārtraucam rakstīt blogu (SEO), jo tie nepārdod. Visu naudu ieguldām e-pastos!”
• Sekas: Pēc mēneša pirkumu plūsma apstājas. Kāpēc? Jo e-pasts strādā tikai ar esošo bāzi. Bez FB un SEO vairs nav jaunu cilvēku, kas pierakstās jaunumiem. Jūs esat “izsmēluši dīķi”, bet jaunas zivis tajā vairs neielaižiet.

2. Ja datus analizējam pēc Hibrīda (U-Shaped) modeļa:

• Secinājums: FB/IG ir kritiski svarīgs kā Lead ģenerātori (atved jaunus cilvēkus). SEO/Satura mārketings ir “tilts”, kas pārvērš apmeklētājus par interesentiem (pierakstīšanās jaunumiem). E-pasts ir “noslēdzējs”, kas ar atlaides kodu palīdz pieņemt gala lēmumu.
• Pareizais lēmums: Saglabājam budžetu visos trijos kanālos.
  • Optimizējam FB reklāmas, lai piesaistītu vēl vairāk “auksto” auditoriju.
  • Uzlabojam SEO saturu, lai vairāk cilvēku gribētu pierakstīties e-pastiem.
  • E-pastos testējam dažādus piedāvājumus, lai palielinātu vidējo pirkuma summu.

Atribūcijas modeļu “Aklie plankumi” (Blind Spots)

Tomēr.

Reālajā dzīvē viss ir mazliet sarežģītāk – mēs nevaram pārāk akli uzticēties tam, ko rāda Google Analytics, jo liela daļa klientu lēmumu pieņem vietās, kur Google Analytics tiem nevar sekot.

1. “Dark Social”

Lielākā daļa dalīšanās ar saturu šodien notiek privāti – cilvēks nokopē Jūsu produkta saiti un nosūta to draugam WhatsApp, Messenger vai e-pastā.

Un.

Šī saite zaudē savus izsekošanas datus, un Analytics uz to reģistrē kā “Direct” (Tiešo) apmeklējumu. Tas mākslīgi uzpūš “Direct” kanāla nozīmi, kamēr reālais avots, piemēram, Instagram Reels, kur sākotnēji šī saite tika pamanīta, nesaņem nekādu novērtējumu.

2. Ierīču maiņa (Cross-Device Tracking)

Klients pamana Jūsu Facebook reklāmu vilcienā, ritinot ziņas telefonā. Viņš uzklikšķina, apskatās, bet neiepērkas. Vakarā viņš mājās atver datoru, ieraksta Jūsu zīmola vai produkta nosaukumu Google, uzklikšķina uz meklēšanas reklāmas un nopērk.

Ja lietotājs nav ielogojies vienā un tajā pašā Google kontā abās ierīcēs, sīkdatnes bieži vien nespēj savienot šos divus notikumus. Dators (un Last-Click modelis) saņem visu atzinību, bet reklāma, kas radīja sākotnējo vēlmi, tiek atzīta par neefektīvu.

3. “Word of Mouth” un Bezsaistes pasākumi

Podkāsti, ieteikumi no draugiem, radio reklāmas vai uzstāšanās konferencēs – tie visi ir spēcīgi pārdošanas veicinātāji, kurus digitālā atribūcija vienkārši fiziski nespēj fiksēt.

Jūs variet iztērēt 10 000 EUR sponsorējot, piemēram, kādu podkāstu, iegūt 100 jaunus pircējus, bet Analytics Jums parādīs, ka viņi atnāca caur “Organic Search”.

Kā aizpildīt datu robus?

Lai cīnītos ar šiem aklajiem plankumiem, iesakām kombinēt analītikas programmatūru ar “vecās skolas” metodēm:

1. Kā Jūs par mums uzzinājāt (HDYHAU) aptaujas

Ieviesiet pirkuma groza pēdējā solī (vai uzreiz pēc pirkuma veikšanas – “Thank You” lapā) obligātu vai brīvprātīgu jautājumu ar izvēlnes logu: “Kā Jūs par mums uzzinājāt?”

Šie ir tā saucamie Zero-Party dati (dati, kurus klients Jums brīvprātīgi un apzināti iedod). Izmantojot šo metodi Jūs atklāsiet, ka Analytics kā pirkuma avotu uzrāda “Google Ad”, bet klients aptaujā norāda “Dzirdēju podkāstā” vai “Ieteica draugs”. Salīdzinot HDYHAU datus ar Jūsu atribūcijas modeli, Jūs iegūsiet patieso ainu.

2. B2B Specifika: W-Veida (W-Shaped) Atribūcijas modelis

Ja jūs darbojaties B2B sektorā vai pārdodat kompleksus pakalpojumus, vispiemērotākais varētu būt W-veida atribūcijas modelis.

Tā kā B2B ciklā ir vairāki kritiski posmi (no parasta mājaslapas apmeklētāja līdz e-pasta atstāšanai, un visbeidzot līdz pārdošanas zvanam), šis modelis sadala ieguldījumu pirkuma veicināšanā šādi:

• 30% Pirmajam saskarsmes punktam (Uzmanības piesaistīšana).
• 30% Lead (Potenciālā klienta) piesaistes punktam (piem., e-grāmatas lejupielāde pret e-pastu).
• 30% Iespējas radīšanas punktam (Pēdējais solis, pirms notiek pirkums vai tiek noslēgts līgums).
• 10% Visiem pārējiem starpposmiem.

Šis modelis ir vairāk piemērots gariem pārdošanas cikliem, nekā standarta U-veida vai Lineārais modelis.

3. Mārketinga Miksa Modelēšana

Jo lielāks ir uzņēmums, jo lielāka uzmanība būtu jāpievērš Mārketinga Miksam.

Tā vietā, lai mēģinātu izsekot katra individuālā lietotāja klikšķi (ko iOS privātuma iestatījumi un sīkdatņu bloķēšana padara arvien grūtāku), analizējiet agregētus datus – izmantojiet statistikas modeli, kas skatās uz kopējiem izdevumiem dažādos kanālos (ieskaitot TV, radio, PR) konkrētā laika periodā un salīdzina tos ar kopējiem pārdošanas rezultātiem.

Kopsavilkums

Atribūcijas modeļi nav tikai par to, kurš kanāls/aktivitāte ir pelnījis vairāk atzinības – tie veido savstarpējo atkarību izpratni.

Mārketingā, tāpat kā sporta komandā, nevar atlaist visus aizsargus tikai tāpēc, ka golus iesit tikai uzbrucēji. Bez kvalitatīvām piespēlēm (First Click) uzbrucējs (Last Click) paliks bez darba.

Atribūcija nav zinātne par absolūtu precizitāti; tā ir par risku samazināšanu un tendenču izpratni. Jūsu programmatūra nekad nevarēs ielīst cilvēka prātā, lai saprastu un atspoguļotu visu lēmuma pieņemšanas ķēdi.

Tāpēc.

Neizmantojiet tikai vienu atribūcijas modeli, piemēram – izmantojiet Google Analytics datos bāzētu modeli un salīdziniet to ar Jūsu klientu atbildēm HDYHAU aptaujās, lai izveidotu patiesu, trīsdimensiju attēlu par to, kas tieši un cik lielā mērā ietekmē Jūsu biznesa izaugsmi.

UTM parametru Čeklist

Lai atribūcijas modeļi vispār strādātu, datu ievadei jābūt nevainojamai. Katrai saitei, kas tiek publicēta ārpus Jūsu mājaslapas ir jāpievieno šie parametri:

• utm_source (Avots – OBLIGĀTS): Kur atrodas saite? (Piemēram: facebook, google, newsletter, linkedin).
• utm_medium (Vides tips – OBLIGĀTS): Kāds ir šīs saites formāts vai apmaksas veids? (Piemēram: cpc (maksas klikšķi), email, social (organiskais), banner).
• utm_campaign (Kampaņa – OBLIGĀTS): Kāds ir kampaņas nosaukums? (Piemēram: vasaras_izpardosana_2026, black_friday, jaunais_produkts_x).
• utm_term (Atslēgvārds – Neobligāts): Izmanto galvenokārt Google Ads, lai norādītu konkrēto atslēgvārdu.
• utm_content (Saturs – Neobligāts): Izmanto A/B testēšanai. (Piemēram: zila_poga, sarkana_poga, video_ad, image_ad)

UTM parametrus ļoti ērti ir pievienot izmantojot ga-dev-tools.google.

Zelta likumi UTM veidošanā:

1. Vienmēr izmantojiet mazos burtus! Analytics uztver Facebook un facebook kā divus dažādus avotus.
2. Nesarežģiet datu apstrādi! Neizmantojiet garumzīmes un mīkstinājuma zīmes.
3. Nelietojiet atstarpes! Izmantojiet apakšsvītras (_) vai domuzīmes (-).
4. Esiet konsekventi. Izveidojiet vienotu Google Sheets dokumentu, kur visa komanda ģenerē un reģistrē savas UTM saites.