מודל ייחוס מבוסס נתונים Data-Driven Attribution
מודל ייחוס המשתמש באלגוריתמים המחלקים משקל להמרה בין כלל נקודות המגע לפי נתוני האמת.
מודל ייחוס מבוסס נתונים הוא הגרסה המתקדמת ביותר של ייחוס המרות: במקום כללי אצבע קבועים מראש, אלגוריתם לומד מתוך אלפי מסעות לקוח בפועל איזו נקודת מגע תרמה כמה להמרה. התוצאה היא תמונה מדויקת ואישית לעסק, ולא הכללה גורפת שמתאימה לכולם.
איך המודל עובד בפועל
האלגוריתם משווה בין מסעות לקוח שהסתיימו בהמרה לבין מסעות שלא הסתיימו בהמרה, ובודק אילו נקודות מגע הופיעו יותר במסעות המוצלחים. מתוך ההשוואה הסטטיסטית הזו הוא מחשב משקל ייחודי לכל ערוץ, קמפיין ואפילו מודעה ספציפית, בהתבסס על נתוני האמת של העסק עצמו ולא על הנחה גנרית כמו 'הקליק האחרון תמיד הכי חשוב'.
התנאים הדרושים כדי שהמודל יעבוד טוב
מודל מבוסס נתונים דורש נפח נתונים משמעותי כדי להיות אמין; עסק עם מעט מאוד המרות בחודש לא ייתן לאלגוריתם מספיק דוגמאות ללמוד מהן, והתוצאה עלולה להיות רועשת. בנוסף, נדרש מעקב תקין אחר כל נקודות המגע, כולל תיוג UTM עקבי, כדי שהמודל בכלל 'יראה' את מלוא מסע הלקוח ולא רק חלק ממנו.
היתרון העסקי מול מודלים קבועים
עסק שמפרסם גם קמפיינים ממומנים וגם כתבות תוכן ויחסי ציבור, לרוב יגלה שמודל ייחוס קבוע מזלזל בערך אחד הערוצים. מודל מבוסס נתונים חושף לעיתים שכתבת תוכן שנראית כלא-פרודוקטיבית במודל Last Click, בפועל מופיעה שוב ושוב במסעות שהובילו למכירה, מה שמצדיק המשך השקעה בה. זהו כלי רב ערך במיוחד כשמנסים להצדיק תקציב לפעילות מיתוג ולא רק לפעילות ביצועית ישירה.
מגבלות וטיפים לשימוש נכון
חשוב לזכור שהמודל הוא 'קופסה שחורה' יחסית, כלומר קשה להסביר בדיוק למה ניתן משקל מסוים לנקודת מגע מסוימת, מה שמקשה לעיתים על שכנוע לקוחות שלא מכירים את השיטה. מומלץ להריץ את המודל תקופה מסוימת במקביל למודל פשוט יותר ולהשוות תוצאות, וכן לוודא שכל הערוצים המשמעותיים אכן מתויגים ונכנסים לניתוח, אחרת המודל יפעל מתוך תמונה חלקית.
שאלות נפוצות
כמה נתונים דרושים כדי שהמודל יהיה אמין?
ככלל אצבע, פלטפורמות כמו Google Ads דורשות מינימום מסוים של קליקים והמרות בחלון זמן מוגדר כדי להפעיל את המודל בביטחון סטטיסטי.
האם מודל מבוסס נתונים מחליף לגמרי מודלים קבועים?
לא בהכרח; לעסקים קטנים עם מעט המרות, מודל קבוע ופשוט עדיין עשוי להיות אמין ומובן יותר.