Atrybucja oparta na danych a ostatnie kliknięcie w Google Ads: dlaczego ta sama sprzedaż inaczej wygląda w raportach?

Jedno zamówienie może poprzedzać kilka interakcji z reklamą: klient najpierw wyszukuje kategorię produktu, później ogląda ofertę, a na koniec wraca przez reklamę z nazwą sklepu. Jeśli do oceny kampanii używa się wyłącznie ostatniego kliknięcia, niemal cały wynik przypada ostatniemu kontaktowi. Model atrybucji oparty na danych (data-driven attribution, DDA) próbuje podzielić udział między interakcje, które rzeczywiście uczestniczyły w drodze do konwersji.

Czym różni się DDA od modelu ostatniego kliknięcia?

W modelu ostatniego kliknięcia przypisanie odbywa się według reguły: ostatnia kwalifikująca się interakcja dostaje pełny udział w konwersji. Atrybucja oparta na danych analizuje ścieżki interakcji z reklamami i przypisuje im udziały zależne od oszacowanego wkładu w wynik. Szczegóły zależą od danych danego reklamodawcy i konfiguracji śledzenia.

Nie oznacza to, że jedna transakcja staje się dwiema transakcjami. Zmienia się rozdział udziału w tej samej konwersji między kampanie czy słowa kluczowe. Dlatego po zmianie modelu statystyki na poziomie kampanii mogą wyglądać inaczej mimo tej samej liczby zamówień w sklepie.

Przykład: jedna sprzedaż, trzy interakcje

Załóżmy, że klient przed zakupem kliknął reklamę ogólnej kategorii, następnie reklamę produktową, a na końcu reklamę marki. W modelu ostatniego kliknięcia udział przypisany do tej ścieżki trafiłby do ostatniej kwalifikującej się interakcji. DDA może rozdzielić go między etapy, jeżeli analiza danych wskazuje, że wcześniejsze kontakty odegrały istotną rolę. Dokładnych procentów nie da się wiarygodnie ustalić „na oko” i nie powinno się ich przedstawiać jako stałej tabeli działania Google Ads.

Czy model DDA wymaga 200 konwersji miesięcznie?

Nie. Google wyraźnie wskazuje, że działania powodujące konwersję kwalifikują się do atrybucji opartej na danych niezależnie od ich liczby. Liczby 200 konwersji i 2000 interakcji w ciągu 30 dni są rekomendacją dotyczącą jakości analizy danych, a nie progiem, poniżej którego funkcja nie może działać.

Przy niewielkiej liczbie konwersji model może dysponować słabszym materiałem do wykrywania wzorców. Nie jest to jednak argument za mechanicznym wyłączeniem DDA bez sprawdzenia rzeczywistej konfiguracji konta.

Dlaczego po zmianie modelu zmienia się CPA lub ROAS?

CPA to koszt przypadający na konwersję, a ROAS zestawia jej przypisaną wartość z kosztem reklamy. Gdy udział w transakcji zostaje inaczej rozłożony, zmieniają się raportowane wartości na poziomie poszczególnych kampanii. Nie należy z tego wyciągać wniosku, że sklep nagle sprzedaje więcej lub mniej produktów. Należy sprawdzić, czy zmiana dotyczy przypisania, czy realnej liczby zamówień.

Osobnym problemem są rozbieżności między Google Ads a ruchem Direct w GA4. Tam w grę wchodzą między innymi odmienne zakresy raportowania, identyfikacja sesji, okna atrybucji i utrata parametrów kampanii. Zmiana jednego modelu nie naprawi wadliwego pomiaru zakupów.

Jak porównywać modele w praktyce?

  1. Sprawdź, które działania powodujące konwersje są podstawowe i rzeczywiście sterują optymalizacją stawek.
  2. Zweryfikuj, czy nie rejestrujesz tego samego zakupu podwójnie w kilku działaniach.
  3. Otwórz raport atrybucji i porównanie modeli, jeśli jest dostępne dla danego zakresu danych.
  4. Ustaw ten sam przedział czasu, to samo działanie powodujące konwersję i porównywalny zakres kampanii.
  5. Sprawdź różnice między kampaniami produktowymi, ogólnymi i markowymi, a nie tylko sumę na koncie.
  6. Zestaw wynik z faktycznymi zamówieniami i przychodem zapisanym w systemie sprzedaży.

Jeżeli konwersje pojawiają się w Google Ads z opóźnieniem, zbyt świeży okres dodatkowo utrudnia interpretację. Raport za wczoraj i raport za dwa tygodnie temu nie są równie dojrzałe analitycznie.

Kiedy ostatnie kliknięcie bywa mylące?

Zwłaszcza wtedy, gdy reklama marki przechwytuje wiele zakupów klientów pozyskanych wcześniej przez kampanie ogólne. Sam wysoki ROAS kampanii markowej nie dowodzi, że to ona samodzielnie wywołała cały popyt. Z drugiej strony nie każda kampania wspomagająca jest efektywna: jej udział trzeba ocenić na tle kosztu i wyników po wyłączeniu lub zmianie inwestycji, najlepiej przez dobrze zaplanowane testy.

Czego atrybucja nie odpowie?

DDA nie jest bezpośrednim pomiarem przyrostu sprzedaży, jaki nastąpiłby wyłącznie dzięki reklamie. Przypisuje udział na podstawie obserwowanych interakcji i modelowania; nie zastępuje eksperymentu z grupą kontrolną ani oceny marży. Nie rozwiązuje również problemu źle ustawionego tagowania, braku zgód czy transakcji niewidocznych w pomiarze.

Dobra decyzja budżetowa wynika z połączenia trzech warstw: poprawnie mierzonej sprzedaży, świadomie wybranego modelu raportowania i obserwacji realnej rentowności. Nie należy przestawiać kampanii tylko dlatego, że po zmianie atrybucji inna kolumna zaczęła wyglądać lepiej.

Źródła