OpenAdLibraryOpenAdLibrary
คำจำกัดความ

Last-Click Attribution: ความหมายและข้อจำกัด

Last-click attribution ให้เครดิต 100% สำหรับการแปลงแก่อันหรือลิงก์สุดท้ายที่ลูกค้ากดก่อนจะทำการแปลง

ภาพประกอบบรรณาธิการ: Last-Click Attribution: ความหมายและข้อจำกัด

Last-click attribution เป็นโมเดลการวัดที่ให้เครดิตทั้งหมดสำหรับการแปลงแก่โฆษณา ลิงก์ หรือช่องทางสุดท้ายที่ลูกค้าโต้ตอบก่อนทำการแปลง โดยไม่สนใจทุกจุดสัมผัสที่เกิดขึ้นก่อนหน้านั้นในเส้นทาง หากมีคนเห็นโฆษณาเนทีฟ แล้วหนึ่งสัปดาห์ต่อมากดโฆษณาแบรนด์เสิร์ชและซื้อ last-click attribution จะให้เครดิตการขายทั้งหมดแก่คลิกเสิร์ชสุดท้ายนั้น

ทำไมมันยังเป็นค่าเริ่มต้น#

แพลตฟอร์มโฆษณาและเครื่องมือวิเคราะห์ส่วนใหญ่ใช้ last-click เป็นโมเดลพื้นฐาน เพราะคำนวณง่ายและต้องการเพียง click ID เดียวหรือการทำงานของ tracking pixel หนึ่งครั้งในขณะที่เกิดการแปลง ไม่ใช่ประวัติเต็มของทุกจุดสัมผัส มันยังสอดคล้องกับวิธีที่การตั้งค่า conversion tracking พื้นฐานทำงาน: pixel หนึ่งตัวทำงาน ช่องทางหนึ่งได้รับการบันทึก

อคติที่เป็นระบบที่มันสร้างขึ้น#

Last-click โครงสร้างให้ความได้เปรียบกับช่องทางที่อยู่ใกล้การตัดสินใจซื้อ เช่น แบรนด์เสิร์ชหรือรีเทอร์เก็ตติ้ง และประเมินค่าช่องทางที่แนะนำผลิตภัณฑ์ก่อนหน้านั้นในฟันเนิลต่ำเกินไป เช่น การวางโฆษณาเนทีฟดิสคัฟเวอรี ผู้ซื้อสื่อที่พึ่งตัวเลข last-click เพียงอย่างเดียว มักจะสรุปว่าแคมเปญเนทีฟบนฟันเนิลไม่ได้ผลและตัดงบประมาณ ในขณะที่ความจริงมันสร้างความต้องการที่แบรนด์เสิร์ชมาคว้าเครดิตไปในภายหลัง

เปรียบเทียบกับโมเดลอื่นอย่างไร#

โมเดลที่แบ่งเครดิตข้ามทุกจุดสัมผัสที่ลูกค้าโต้ตอบ แทนที่จะให้แค่จุดสุดท้าย มักจะเผยให้เห็นคุณค่าของช่องทางบนฟันเนิลมากขึ้น View-through attribution ใช้มุมมองที่ต่างออกไปอีก โดยให้เครดิตการแปลงแก่โฆษณาที่ผู้ใช้เพียงแค่เห็นภายใน attribution window ที่กำหนด ไม่ใช่โฆษณาที่พวกเขาคลิก การทดลองแบบ live holdout ข้ามเครดิตที่ถูกโมเดลไปทั้งหมด และวัดสิ่งที่เกิดขึ้นเมื่อปิดช่องทางหนึ่ง ซึ่งเป็นสิ่งที่ใกล้เคียงกับความจริงที่สุดที่วิธีเหล่านี้จะได้

เมื่อไหร่ที่ last-click ใช้ได้ดี#

Last-click ไม่ใช่สิ่งที่ผิดสำหรับทุกกรณีใช้ สำหรับฟันเนิลสั้น ช่องทางเดียว ที่มีคนกดโฆษณาหนึ่งอันและซื้อภายในไม่กี่นาที ซึ่งพบได้บ่อยในข้อเสนอเนทีฟตอบสนองโดยตรง มักจะไม่มีเส้นทางหลายจุดสัมผัสให้กำหนดเครดิตผิดตั้งแต่แรก มันยังมีประโยชน์เป็นสัญญาณการปรับแต่งประจำวันที่รวดเร็วและสม่ำเสมอภายในตัวจัดการโฆษณาของแพลตฟอร์มเดียว ซึ่งคุณกำลังเปรียบเทียบกลุ่มโฆษณาหนึ่งกับอีกกลุ่ม แทนที่จะเปรียบเทียบช่องทางหนึ่งกับช่องทางที่ต่างกันโดยสิ้นเชิง

ที่ไหนที่ความเสี่ยงปรากฏ#

อันตรายจริงๆ คือการเปรียบเทียบตัวเลข last-click ข้ามเครือข่ายที่มี attribution window ต่างกัน และเรียกมันว่าการแข่งขันที่ยุติธรรม หน้าต่างคลิก 7 วันบนเครือข่ายหนึ่งและ 30 วันบนอีกเครือข่าย จะสร้างจำนวนการแปลงแบบ last-click ที่ต่างกันมาก ด้วยเหตุผลที่ไม่เกี่ยวกับว่าเครือข่ายใดทำได้ดีกว่าจริงๆ ก่อนที่จะจัดสรร ad spend ใหม่จากการเปรียบเทียบ last-click ให้ตรวจสอบว่าแต่ละเครือข่ายกำลังรันอะไรจริงๆ และครีเอทีฟที่ชนะของพวกเขามักจะอยู่ได้นานแค่ไหน ดูที่ ad longevity โดยใช้เครื่องมือเช่นแพลตฟอร์ม ad intelligence ของ OpenAdLibrary เนื่องจากช่องทางที่แสดงตัวเลข last-click อ่อน อาจแค่ทำงานก่อนหน้านั้นในฟันเนิลมากกว่าที่การติดตามของคุณให้เครดิตมัน

คำถามที่พบบ่อย

ทำไม last-click attribution ถึงเป็นค่าเริ่มต้นในแพลตฟอร์มส่วนใหญ่?
มันเป็นโมเดลที่คำนวณได้ง่ายที่สุด: ต้องการเพียงบันทึกว่าจุดสัมผัสใดที่เกิดขึ้นทันทีก่อนการแปลง ไม่จำเป็นต้องมีตรรกะการเชื่อมโยงหรือการให้น้ำหนักข้ามจุดสัมผัส ซึ่งทำให้การนำไปใช้ง่ายและอธิบายได้ง่าย
last-click attribution ทำอะไรผิด?
มันประเมินค่าช่องทางบนสุดของฟันเนิลต่ำเกินไปอย่างเป็นระบบ เช่น โฆษณาเนทีฟดิสคัฟเวอรี ที่แนะนำผลิตภัณฑ์แต่ไม่ค่อยส่งคลิกสุดท้าย แคมเปญที่ขับเคลื่อนความต้องการจริงๆ อาจดูไม่มีประสิทธิภาพในรายงาน last-click เพียงเพราะตำแหน่งในฟันเนิลที่มันทำงาน
last-click attribution เหมาะสมในบางกรณีไหม?
ใช่ สำหรับฟันเนิลสั้น ช่องทางเดียวที่ลูกค้ากดโฆษณาหนึ่งอันและแปลงภายในไม่กี่นาที และยังใช้ได้ดีเป็นสัญญาณการปรับแต่งประจำวันในแพลตฟอร์มเดียวกัน เพื่อเปรียบเทียบกลุ่มโฆษณาภายในช่องทางเดียว แทนที่จะข้ามช่องทางที่มีการติดตามต่างกัน
last-click attribution ต่างจาก view-through attribution อย่างไร?
Last-click ให้เครดิตเฉพาะจุดสัมผัสที่ถูกคลิก View-through attribution ให้เครดิตการแปลงแก่โฆษณาที่ผู้ใช้เพียงแค่เห็น โดยไม่ต้องคลิก ตราบใดที่การแปลงเกิดขึ้นภายในช่วงเวลาที่กำหนดหลังจากเห็นโฆษณานั้น
ทีม OpenAdLibrary
เขียนโดยทีม OpenAdLibrary
วิจัยข่าวกรองโฆษณาและโฆษณาเนทีฟ

เราสร้าง OpenAdLibrary แพลตฟอร์มเปิดเพื่อความโปร่งใสด้านโฆษณา ทุกวันระบบของเราจับโฆษณาเนทีฟสดจาก Taboola, Outbrain, MGID, Revcontent, Teads, Yahoo และ MSN ระบุผู้โฆษณาจริงที่อยู่เบื้องหลังแต่ละรายการ และติดตามคลิกไปยังหน้า Landing Page คู่มือเหล่านี้สรุปสิ่งที่เราเห็นจากข้อมูลนั้น เพื่อให้คุณวิจัยตลาดได้เร็วขึ้น