Last-Click Attribution: Definition og Begrænsninger

Last-click attribution er en målemodel, der giver al æren for en konvertering til den sidste annonce, link eller kanal, som en kunde interagerede med før konverteringen, og ignorerer hvert eneste berøringspunkt, der kom tidligere i rejsen. Hvis nogen så en native annonce, og så en uge senere klikkede på en brandet søgeannonce og købte, tildeler last-click attribution hele salget til det sidste søgeklik.

Hvorfor det stadig er standarden#

De fleste annonceplatforme og analyseværktøjer leveres med last-click som standardmodellen, fordi den er simpel at beregne og kun kræver et enkelt click ID eller tracking pixel-udløsning i konverteringsøjeblikket, ikke en fuld historik over hvert berøringspunkt. Den matcher også, hvordan et grundlæggende konverteringssporing-setup naturligt fungerer: én pixel udløses, én kanal logges.

Den systematiske bias den skaber#

Last-click favoriserer strukturelt kanaler, der sidder tæt på købsbeslutningen, såsom brandet søgning eller remarketing, og undervurderer kanaler, der introducerer et produkt tidligere i tragtmodellen, såsom native opdagelsesplaceringer. En mediekøber, der kun stoler på last-click-tal, vil ofte konkludere, at en native kampagne i toppen af tragtmodellen ikke virker og skære i dens budget, når den faktisk skabte den efterspørgsel, som brandet søgning senere fangede og fik æren for.

Sådan sammenligner den sig med andre modeller#

En model, der deler æren på tværs af hvert berøringspunkt en kunde interagerede med, i stedet for kun det sidste, afslører normalt mere værdi i kanaler i toppen af tragtmodellen. View-through attribution tager en anden vinkel igen, ved at tildele en konvertering til en annonce brugeren blot så inden for et defineret attributionsvindue, ikke en de klikkede på. Et live holdout-eksperiment springer over modelleret ære helt og måler, hvad der sker, når en kanal slukkes, hvilket er det tætteste på sandheden, nogen af disse metoder kommer.

Når last-click faktisk er fint#

Last-click er ikke forkert til alle brugsscenarier. Til en kort, enkelt-kanals tragtmodel, hvor nogen klikker på én annonce og køber inden for få minutter, hvilket er almindeligt i direkte respons native tilbud, er der ofte ikke en særlig lang multi-touch rejse at fejlattribuere i første omgang. Den forbliver også nyttig som et hurtigt, konsistent dagligt optimeringssignal inde i en enkelt platforms annonceadministrator, hvor man sammenligner ét annoncesæt mod et andet frem for én kanal mod en helt anden.

Hvor risikoen viser sig#

Den virkelige fare er at sammenligne last-click-tal på tværs af netværk med forskellige attributionsvinduer og kalde det en fair kamp. Et 7-dages klik-vindue på ét netværk og et 30-dages vindue på et andet vil producere meget forskellige last-click konverteringstal af årsager, der intet har at gøre med, hvilket netværk der faktisk performer bedre. Før man omfordeler annoncebudget baseret på en last-click-sammenligning, bør man tjekke, hvad hvert netværk faktisk kører med, og hvor længe deres vindende kreativer plejer at holde, se annoncelang levetid, ved hjælp af et værktøj som OpenAdLibrary's annonceintelligens platform, da en kanal, der viser svage last-click-tal, muligvis blot opererer tidligere i tragtmodellen, end din sporing giver den ære for.