{"id":149,"date":"2017-11-28T08:34:36","date_gmt":"2017-11-28T08:34:36","guid":{"rendered":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/2-2-la-clave-esta-en-la-atribucion\/"},"modified":"2021-01-13T10:42:21","modified_gmt":"2021-01-13T10:42:21","slug":"2-2-la-clau-esta-en-latribucio","status":"publish","type":"page","link":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/2-2-la-clau-esta-en-latribucio\/","title":{"rendered":"2.2. La clau est\u00e0 en l\u2019atribuci\u00f3"},"content":{"rendered":"

Per poder demostrar l’efic\u00e0cia de la social media strategy<\/em> en el ROI, \u00e9s cabdal poder atribuir les conversions que en provenen. Per a aix\u00f2, cal treballar amb els models d’atribuci\u00f3.<\/p>\n

En els \u00faltims anys hem passat de con\u00e8ixer-los com una eina de mesurament a una disciplina completa: el m\u00e0rqueting d’atribuci\u00f3<\/em>, \u00e9s a dir, mirar d’atribuir la responsabilitat de la venda a qui realment l’ha aconseguida. En una cerca a Google de \u00abm\u00e0rqueting d’atribuci\u00f3\u00bb hi apareixen dotzenes d’articles que expliquen els models sota aquest paraigua marketini\u00e0<\/em>. Res de nou; nom\u00e9s el nom.<\/p>\n

Un model d’atribuci\u00f3<\/em> \u00e9s una regla o conjunt de regles que determina com s’assigna el valor de vendes i conversions als punts de contacte de les rutes de conversi\u00f3.<\/p>\n

Explicat en paraules de Tamara Lucas (2015), els models d’atribuci\u00f3 s\u00f3n \u00abla regla o regles que defineixen quin pes t\u00e9 cada punt de contacte que l’usuari ha tingut fins a la conversi\u00f3 final\u00bb.<\/p>\n

Hi ha sis models d’atribuci\u00f3 i, depenent de cada expert, es decantar\u00e0 m\u00e9s per un o per un altre. Vegem amb exemples els pros i contres de cadascun.<\/p>\n

Model d’atribuci\u00f3 al primer toc<\/strong><\/p>\n

El model d’atribuci\u00f3 al primer toc ens permet veure quin canal va dirigir primer un client potencial, per exemple, a la web.<\/p>\n

Suposem que un client potencial va accedir per primera vegada a una web mitjan\u00e7ant un anunci de Facebook. Despr\u00e9s va fer clic en un enlla\u00e7 a la web que el va dirigir a un seminari web. Al final del seminari web, es va subscriure al seu butllet\u00ed informatiu per correu electr\u00f2nic i, despr\u00e9s, es va convertir en clients mitjan\u00e7ant correu electr\u00f2nic. El cr\u00e8dit per aquesta conversi\u00f3 s’atribuiria al primer punt de contacte, que \u00e9s l’anunci de Facebook, i no a l’abast per correu electr\u00f2nic.<\/p>\n

La idea darrere del model d’atribuci\u00f3 de primer toc \u00e9s que qualsevol conversi\u00f3 que passi al final de l’embut no hauria estat possible sense el primer punt de contacte.<\/p>\n

Cal tenir en compte que aquesta mena de model no \u00e9s la millor opci\u00f3 per als negocis B2B, perqu\u00e8, en general, s’involucren molts punts de contacte abans que un client potencial converteixi.<\/p>\n

Pros<\/u><\/p>\n

L’atribuci\u00f3 de primer toc \u00e9s el model m\u00e9s f\u00e0cil de configurar i no implica gaire an\u00e0lisi ni c\u00e0lcul. \u00c9s f\u00e0cil de rastrejar i se centra en la distribuci\u00f3 de la demanda en lloc de la distribuci\u00f3 del pes.<\/p>\n

Contres<\/u><\/p>\n

Aquest model \u00e9s propens a errors. Emfatitza nom\u00e9s el comen\u00e7ament del recorregut del client, que nom\u00e9s explica una part de la hist\u00f2ria de com aquest client va convertir.<\/p>\n

Model d’atribuci\u00f3 a l’\u00faltim toc o \u00faltima interacci\u00f3<\/strong><\/p>\n

El model d’atribuci\u00f3 d’\u00faltim toc \u00e9s semblant al model de primer toc, per\u00f2 en lloc de mesurar on va entrar en contacte per primera vegada el client potencial amb la marca, atribueix tot el proc\u00e9s de vendes a l’\u00faltim toc; el final de l’embut de m\u00e0rqueting.<\/p>\n

L’\u00faltim toc sol ser la configuraci\u00f3 predeterminada en la majoria dels models d’atribuci\u00f3. Google Analytics tamb\u00e9 el fa servir com a model d’atribuci\u00f3 predeterminat.<\/p>\n

Aquest model se centra en all\u00f2 que va portar un client potencial a convertir i ignorar tot el que venia abans de la conversi\u00f3.<\/p>\n

Tamara Lucas assegura que \u00aben general, se sol fer servir un model d’\u00faltim toc, \u00e9s a dir, que el 100 % del valor de la conversi\u00f3 s’assigna a l’\u00faltima font de tr\u00e0nsit per on l’usuari va entrar al nostre web\u00bb.<\/p>\n

Un exemple per explicar-ho: un usuari fa una cerca a Google de la paraula clau \u00abbossa verda\u00bb, troba un anunci als resultats de cerca i va redirigit a un web. En aquest moment no fa cap compra, per\u00f2 despr\u00e9s torna directament a aquest web i s\u00ed que en fa una. En aquest cas, la conversi\u00f3 s’atribuiria al tr\u00e0nsit directe al lloc i no a la campanya anterior de Google Ads, quan en realitat aquesta conversi\u00f3 s\u2019ha desencadenat gr\u00e0cies a l’anunci.<\/p>\n

Pros<\/u><\/p>\n

L’atribuci\u00f3 d’\u00faltim toc mostra qu\u00e8 va portar directament un client a fer una conversi\u00f3. \u00c9s el que ve configurat a Google Analytics i \u00e9s el m\u00e9s f\u00e0cil de fer servir.<\/p>\n

Contres<\/u><\/p>\n

Aquest model ignora tot el que condueix a una conversi\u00f3 de clients potencials, i aix\u00f2 passa per sobre les accions en xarxes socials. Per tant, ser\u00e0 dif\u00edcil analitzar tots els aspectes d’un embut: si els anuncis estan funcionant, si l’e-mail<\/em> marketing<\/em> est\u00e0 convertint o si els esfor\u00e7os en mitjans socials estan tenint alguna mena d\u2019impacte.<\/p>\n

El model d’\u00faltim toc t\u00e9 el mateix problema que el model de primer toc. No ofereix una imatge completa del que funciona i del que no.<\/p>\n

Un altre model que s\u2019empra \u00e9s el de l\u2019\u00ab\u00faltim clic de campanya, en aquest cas s’assigna el total de la conversi\u00f3 a l’\u00faltim clic en campanya de pagament que s’hagi fet, sense tenir en compte accessos posteriors de car\u00e0cter org\u00e0nic (com pot ser una font de tr\u00e0nsit directa o SEU) i en qu\u00e8 hagi convertit l’usuari m\u00e9s tard\u00bb (Lucas, 2015).<\/p>\n

Com explica Tamara Lucas, \u00abens pot portar a l’error de sobrevalorar o infravalorar algunes xarxes socials com a font de tr\u00e0nsit del nostre lloc web. Podem pensar que una xarxa social t\u00e9 molt de pes en les vendes de la nostra web i, per tant, hi invertim m\u00e9s pressupost en detriment d’altres canals, que no obstant aix\u00f2 poden estar contribuint \u2013i no ho sabem\u2013 en accessos previs a la compra final en les etapes de descobriment de la marca, consideraci\u00f3 o recerca del producte\u00bb (Lucas, 2015).<\/p>\n

Model d’atribuci\u00f3 lineal<\/strong><\/p>\n

El model lineal atribueix el resultat per igual a tots els punts de contacte que van portar a la conversi\u00f3 d’un client potencial. Tot, des del primer contacte, la creaci\u00f3 de clients potencials, la creaci\u00f3 d’oportunitats i fins al tancament de clients es tracten per igual.<\/p>\n

El problema principal amb l’atribuci\u00f3 de m\u00e0rqueting \u00e9s determinar quins punts de contacte s\u00f3n m\u00e9s importants en el viatge de conversi\u00f3 del client. L’atribuci\u00f3 lineal t\u00e9 una resposta simple: atorgar a tots els punts de contacte el mateix nivell d’import\u00e0ncia per solucionar el problema.<\/p>\n

Pros<\/u><\/p>\n

El model lineal suposa una pel que fa als models de primer i \u00faltim toc, perqu\u00e8 ofereix una descripci\u00f3 general m\u00e9s completa de tot el que ha passat des del principi de l’embut fins a l’etapa final en qu\u00e8 el client potencial converteix.<\/p>\n

Aquest model \u00e9s f\u00e0cil de configurar i es pot utilitzar per comparar resultats d’altres models de dades.\u00a0<\/em><\/p>\n

Contres<\/u><\/p>\n

El problema principal \u00e9s que no ajuda a optimitzar completament, perqu\u00e8 en realitat no tots els punts de contacte s\u00f3n iguals.<\/p>\n

Un anunci de Facebook realment est\u00e0 contribuint m\u00e9s que un anunci d’Instagram? Com podem saber qu\u00e8 va fer que un client decid\u00eds comprar quan es dona la mateixa import\u00e0ncia a tots els punts de contacte?<\/p>\n

Certament, alguns punts de contacte tindran m\u00e9s impacte que uns altres.<\/p>\n

Model d’atribuci\u00f3 progressiva (time-decay<\/em><\/strong>)<\/strong>\u00a0<\/strong><\/p>\n

El model d’atribuci\u00f3 de time-decay<\/em>,\u00a0 o \u2018deterioraci\u00f3 del temps\u2019, dona m\u00e9s import\u00e0ncia als punts de contacte que estan m\u00e9s prop d’on s’ha produ\u00eft la conversi\u00f3 que a la part superior de l’embut. \u00c9s un model multit\u00e0ctil semblant al model d’atribuci\u00f3 lineal.<\/p>\n

Dona m\u00e9s import\u00e0ncia a la meitat i al final de l’embut i els representa com m\u00e9s valuosos, perqu\u00e8 s\u00f3n els punts que van portar el client potencial a convertir.<\/p>\n

No obstant aix\u00f2, aquest m\u00e8tode no \u00e9s infal\u00b7lible. Per exemple, si un client potencial interactua en un tuit i es registra per a un webinar<\/em>, per\u00f2 despr\u00e9s acaba comprant el servei per mitj\u00e0 d’un enlla\u00e7 en una publicaci\u00f3 en el blog, qu\u00e8 t\u00e9 m\u00e9s import\u00e0ncia: el contingut del blog, el webinar<\/em> o el tuit?<\/p>\n

Pros<\/u><\/p>\n

Sovint, els punts de contacte m\u00e9s propers al punt de conversi\u00f3 tenen m\u00e9s pes. Aquest model ajuda a optimitzar aquells punts que condueixen directament a conversions.<\/p>\n

Contres<\/u>\u00a0<\/em><\/p>\n

Devaluar el primer toc no sempre pot ser el correcte. Depenent de les circumst\u00e0ncies, el primer punt de contacte pot haver tingut un paper important en la conversi\u00f3.<\/p>\n

\"\"
Diferents models d\u2019atribuci\u00f3
Font: L\u00f3pez (2015).<\/figcaption><\/figure>\n

Model d’atribuci\u00f3 en forma d’O (basat en la posici\u00f3)<\/strong><\/p>\n

El model d’atribuci\u00f3 en forma d’O dona cr\u00e8dit a tres punts de contacte principals. Atribueix el 40 % al primer i a l’\u00faltim toc, i el 20 % al punt mitj\u00e0.<\/p>\n

Emfatitza el primer punt de contacte (el punt de primer impacte, en qu\u00e8 els clients potencials entren en contacte amb la marca) i l’\u00faltim punt de contacte (el punt en qu\u00e8 el client potencial converteix).<\/p>\n

Que els primers i \u00faltims punts de contacte solguin ser els m\u00e9s importants no vol dir que s’hagin de descurar els punts de contacte intermedis, ja que poden tenir un impacte necessari perqu\u00e8 el client potencial converteixi.<\/p>\n

Pros<\/u><\/p>\n

A difer\u00e8ncia dels models d’atribuci\u00f3 de primer i \u00faltim toc, que donen import\u00e0ncia a un sol aspecte de l’an\u00e0lisi, el model en forma d\u2019O atorga la mateixa import\u00e0ncia a tots dos valors.<\/p>\n

El primer punt d’interacci\u00f3 d’un client potencial amb una empresa \u00e9s tan important com quan aquest client potencial converteix.<\/p>\n

\u00a0<\/em>Contres<\/u><\/p>\n

Hi ha vegades que el primer o l’\u00faltim punt de contacte no \u00e9s tan important. En fer una an\u00e0lisi, sempre s’ha de verificar si el primer toc \u00e9s tan important com l’\u00faltim punt.<\/p>\n

Per saber quin model d’atribuci\u00f3 utilitzar en cada projecte, cal con\u00e8ixer molt b\u00e9 el sector, clients, objectius i customer journey<\/em> dels nostres clients. \u00c9s recomanable anar personalitzant els par\u00e0metres dels models mitjan\u00e7ant la revisi\u00f3 peri\u00f2dica dels resultats. Aix\u00ed, es podr\u00e0 trobar un model que encaixi.<\/p>\n

<\/p>\n

Google, mitjan\u00e7ant el seu suport<\/a>, ofereix informaci\u00f3 \u00fatil amb exemples per triar el model d’atribuci\u00f3 de partida que s’adapta millor a cada projecte segons les seves necessitats i objectius.<\/p>\n

\n

<\/div><\/div>\n

L’eina de pagament https:\/\/www.wickedreports.com\/<\/a> \u00e9s de gran ajuda per treballar el m\u00e0rqueting d’atribuci\u00f3. Amb aquesta eina podrem saber exactament d’on venen les conversions.<\/p>\n

<\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

Per poder demostrar l’efic\u00e0cia de la social media strategy en el ROI, \u00e9s cabdal poder atribuir les conversions que en provenen. Per a aix\u00f2, cal treballar amb els models d’atribuci\u00f3. En els \u00faltims anys hem passat de con\u00e8ixer-los com una eina de mesurament a una disciplina completa: el m\u00e0rqueting d’atribuci\u00f3, \u00e9s a dir, mirar d’atribuir […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"acf":[],"_links":{"self":[{"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/pages\/149"}],"collection":[{"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/comments?post=149"}],"version-history":[{"count":7,"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/pages\/149\/revisions"}],"predecessor-version":[{"id":367,"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/pages\/149\/revisions\/367"}],"wp:attachment":[{"href":"http:\/\/social-media-strategy.aula.uoc.edu\/eval\/wp-json\/wp\/v2\/media?parent=149"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}