דוגמה חישובית שמבהירה מה המודל משנה
נניח מסלול הדגמה שבו אדם הגיע ממודעת חיפוש, חזר ממאמר אורגני ואחר כך הקליק על דיוור לפני רכישה שערכה 300 שקלים. במודל נגיעה אחרונה כל 300 השקלים יירשמו לדיוור. במודל ליניארי תאורטי כל אחד משלושת המגעים יקבל 100 שקלים. אלה חישובים להמחשה בלבד, לא נתוני לקוח או תוצאה של חשבון GA4. שינוי המודל משנה את חלוקת הקרדיט בדוח; הוא אינו משנה את מספר ההזמנות בקופה ואת הסיבה האמיתית להחלטת הקונה.
מודלים מושגיים מול תפריט GA4 הנוכחי
נגיעה ראשונה, ליניארי ודעיכת זמן עדיין מועילים להסבר רעיוני של בעיית הייחוס, אך אינם מודלים זמינים כיום לבחירה בדוחות הייחוס של GA4. התיעוד הרשמי מונה Data-driven, Paid and organic last click ו-Google paid channels last click. לפני שממליצים על הגדרה מסוימת בודקים את הממשק, סוג הדוח וחלון ההתבוננות. ברירת מחדל ותצוגות עשויות להשתנות; תיעוד של האפשרות שנבחרה חשוב יותר מתיאור נוסחה ישנה כאילו היא כפתור פעיל.
מה המודל אינו רואה
שיחה בין חברים, חשיפה שלא נמדדה, מעבר בין מכשירים וסירוב למדידה יכולים להיעדר מהמסלול. גם רכישה אחרי שיחת מכירות עשויה להופיע במערכת העסקית ולא בדוח האתר. לכן ייחוס הוא כלי להשוואת חלק מהאותות, לא תיאור מלא של סיבת המכירה. כאשר החלטת תקציב גדולה עומדת על הפרק, משווים רישומי מכירות, איכות פניות וניסוי מבוקר מתאים במקום להעביר תקציב רק מפני שמודל אחד נתן ערוץ מסוים יותר קרדיט.
שש נקודות שצריך להפריד בדוגמה
בתיאור מסע קנייה אפשר לרשום חשיפה, הקלקה, ביקור באתר, שיחה, הזמנה ותשלום. לא כל אחת מהן היא נקודת מגע שהמודל רואה, ולא כולן מתרחשות באותו מכשיר. לפני חישוב קרדיט מגדירים מה נמדד בפועל ומי יוצר את הרשומה. דוגמה היפותטית יכולה להמחיש כיצד כלל חלוקה משנה דוח, אך היא לא מוכיחה כמה השפיעה כל נקודה על אדם אמיתי. אם פוסט ברשת נצפה בלי הקלקה ואינו מופיע במסלול, אף מודל קליקים לא יכול לייחס לו קרדיט מדויק.
נגיעה אחרונה לפי ערוצים שונים
גם המונח "נגיעה אחרונה" דורש פירוט. GA4 מבחין בין Paid and organic last click לבין Google paid channels last click בתנאים המתוארים בתיעוד. הראשון יכול לתת קרדיט לערוץ אורגני מאוחר, בעוד השני מתמקד בערוצי Google בתנאים מסוימים. אם מציגים צילום מסך של ערוץ שקיבל את כל הקרדיט, כותבים איזה מודל ואיזה דוח יצרו את המספר. בלי הסבר כזה קורא יכול לחשוב שדוח אחד סותר אחר, כשכל אחד שאל שאלה שונה.
מה עושים עם מודל רעיוני שאינו זמין במוצר
נגיעה ראשונה, ליניארי ודעיכת זמן עוזרים להסביר מדוע כלל חלוקה יכול להוביל להחלטות שונות. אפשר לחשב אותם ידנית בתרגיל קטן, אבל אין לתאר אותם כאפשרויות פעילות ב-GA4 כיום. אם עסק רוצה ללמוד על השפעת ערוץ פתיחה, הוא יכול לשלב נתוני הגעה חדשים, סקר או ניסוי מבוקר מתאים, ולא להסתמך על כפתור שאינו קיים. מונחים ישנים מופיעים עדיין במאמרים ברשת; לפני הדרכת משתמש פותחים את תיעוד המוצר הנוכחי.
חלון ומועד הבשלה
מסלול רכישה שנמשך שבועות לא ייראה אותו דבר בחלון קצר ובחלון ארוך. גם החזר כספי יכול לשנות ערך עסקי אחרי שהדוח כבר ייחס רכישה. קובעים חלון שמתאים לשאלה ולמוצר, מתעדים אותו ומשווים תקופות באותה שיטה. אין מספר המרות חודשי אוניברסלי שהופך מודל אחד ל"נכון" ואת האחר ל"שגוי". אם הנתונים דלים, מציינים שההשוואה רגישה במיוחד לאירועים בודדים ולא מקבלים החלטת קיצוץ גדולה מתוך שינוי קטן בטבלה.
השוואה שאינה ספירה כפולה
בדוח הנהלה מציגים מכירות מערכת העסק ומידת ביטחון בתצפיות הערוצים. אותו אדם יכול להופיע בכמה פלטפורמות פרסום, וכל אחת עשויה לתבוע קרדיט לפי הגדרותיה. לכן לא מחברים את כל המרות הפלטפורמות לסך מכירות. אם פלטפורמה אחת מראה שיפור בעקבות שינוי מודעה, בודקים האם גם העסק ראה שינוי איכותי או האם ערוץ אחר איבד קרדיט באותו זמן. מודל הייחוס מסייע לשאול שאלות, לא מחליף בדיקת תוצאה אמיתית.
ניסוי כדי להבין תרומה נוספת
כאשר החלטת תקציב משמעותית תלויה בערוץ מוקדם, אפשר לשקול ניסוי חשיפה עם קבוצות מתאימות או שינוי מדורג שמאפשר השוואה זהירה. לפניו בודקים עונתיות, גודל קהל וזליגה בין קבוצות. ניסוי שאינו מתוכנן היטב יכול להטעות יותר ממודל חלקי, ולכן לא עוצרים ערוץ לשבועיים ומכריזים שכל שינוי בהכנסה נגרם ממנו. אם אין יכולת ניסוי, משתמשים בדוח עם מגבלות מפורשות ומצמצמים החלטות בלתי הפיכות.
שאלות נפוצות
האם Data-driven מגלה מה כל לקוח חשב? לא. הוא מקצה קרדיט לפי הנתונים והמנגנון שהפלטפורמה יכולה להשתמש בהם. האם מודל נגיעה אחרונה תמיד רע? לא; הוא פשוט מתאר חתך מסוים של המסלול. האם יותר קישורי UTM יפתרו את הכול? הם משפרים תיוג של קישורים מסוימים, אך לא תופסים שיחות, צפיות שאינן נמדדות או בחירות פרטיות. מסקנה טובה אומרת גם מה נותר מחוץ לתמונה.
תרגיל תקציבי על אותו מסלול
בדוגמה החישובית, מנהלת השיווק עשויה לראות שהדיוור קיבל את כל הקרדיט במודל נגיעה אחרונה ולרצות לקצץ את מודעת החיפוש. לפני שינוי היא שואלת האם לקוחות חדשים היו מגלים את המוצר בלי החיפוש, ואילו חלקים במסלול אינם נמדדים. היא יכולה להשוות תקופות או לערוך ניסוי מתאים, אך לא לטעון שחילוק של 100 שקלים לכל מגע מוכיח תרומה סיבתית שווה. מודל ליניארי כאן הוא כלי מחשבתי בלבד; אין להדריך אותה לבחור אותו בתפריט GA4 שכבר אינו כולל אותו.
השפעת חלון ייחוס
לקוח שחוזר אחרי תקופה ארוכה עלול להיות מחוץ לחלון שהדוח מציג. אם חלון משתנה, ערוץ מוקדם עשוי לקבל יותר או פחות קרדיט אף שהרכישה לא השתנתה. לכן לצד כל השוואה רושמים חלון, טווח תאריכים ויחידת מדידה. מי שמציג מצגת הנהלה צריך להסביר האם הערך שייך לרכישות, לפניות או לאירועים מרכזיים אחרים. מסקנה על רווחיות דורשת גם עלויות שאינן בהכרח בתוך מערכת הייחוס.
כיצד לקרוא Data-driven
מודל מבוסס נתונים מחלק קרדיט על סמך נתונים שהמערכת יכולה להשתמש בהם ועל פי המנגנון המתועד שלה; הוא אינו משחזר כל מחשבה של קונה. אפשר להשוות אותו למודל נגיעה אחרונה כדי לזהות ערוצים שהחלוקה שלהם משתנה, אך לא להכריז שההפרש הוא מספר לקוחות שהערוץ "באמת" יצר. במקרה של מעט נתונים או מסעות שאינם נצפים היטב, מציינים מגבלה ומחזקים בדיקה מול מערכת המכירות. המודל הוא נקודת מבט, לא פסק דין.
שאלות נפוצות
האם אפשר להשוות מודלים ישנים בדוח GA4 הנוכחי? יש להבחין בין הסבר תאורטי לבין האפשרויות הזמינות רשמית כעת. האם נגיעה אחרונה חסרת ערך? היא יכולה לתאר ערוץ סיום לפי הגדרה ידועה, אך אינה מודדת לבדה יצירת ביקוש מוקדם. האם יותר נתונים פותרים הכול? הם עוזרים כשאיכותם טובה, אך מסע לא מקוון והעדפות פרטיות נשארים חלק מהתמונה גם עם מדידה מתקדמת.
להעמקה: Marketing Attribution — איך לדעת איזה ערוץ עובד · מקור רשמי 1 · מקור רשמי 2.
