Atribuční modely v Google Ads a GA4: proč last click zkresluje výkon kampaní

Co je atribuční model a proč na něm záleží?

Když zákazník nakoupí, většinou před tím několikrát přišel do kontaktu s firmou. Viděl video, klikl na reklamu ve vyhledávání, vrátil se přes newsletter a nakonec napsal adresu webu přímo do prohlížeče. Atribuční model je pravidlo, které rozhodne, kolik zásluhy za ten nákup dostane který z těchto kontaktů.

Na první pohled jde o technické nastavení v reportech. Ve skutečnosti atribuce rozhoduje o penězích. Podle čísel, která z ní vypadnou, se přidává rozpočet kampaním, které „vydělávají“, a ubírá těm, které „nefungují“. Automatické strategie nabídek v Google Ads se navíc učí z konverzí tak, jak jsou připsané jednotlivým kampaním a klíčovým slovům. Špatně nastavená atribuce tak nezkreslí jen report, ale i to, kam systém sám posílá peníze.

Proč last click zkresluje výsledky?

Last click připíše celou konverzi poslednímu kliknutí před nákupem. Je přehledný, snadno se vysvětluje a dlouho byl výchozím nastavením většiny nástrojů. Jeho problém je v tom, co nevidí.

Představte si běžnou cestu zákazníka e-shopu s nábytkem. V pondělí ho zaujme video na YouTube, ale neklikne. Ve středu hledá „rozkládací gauč do malého bytu“ a z výsledků Google Ads si prohlédne pár produktů. O víkendu ho zasáhne remarketing, ale zase odejde. V úterý zadá do Googlu název e-shopu, klikne na brandovou reklamu a nakoupí.

V last click modelu má celou zásluhu brandová kampaň. Video i neznačková kampaň, bez kterých by zákazník e-shop vůbec neznal, mají nulu. Když pak podle těchto čísel přesunete rozpočet z akvizice do brandu, brandové kampaně budou chvíli vypadat ještě lépe. Po několika týdnech ale začne ubývat lidí, kteří název e-shopu vůbec hledají, protože jste přestali platit za kampaně, které je přiváděly.

Last click odměňuje kampaně, které sbírají poptávku, a trestá ty, které ji vytvářejí.

Opačná chyba je stejně častá. Brandové kampaně a remarketing v last click vypadají výborně, protože zachytávají lidi těsně před nákupem. Část z nich by ale nakoupila i bez reklamy. Last click jim připíše prodeje, které by firma udělala tak jako tak.

Jaké modely dnes nabízí Google Ads, GA4 a Meta?

Výběr se za poslední roky výrazně zúžil. Google Ads i GA4 během let 2023 a 2024 odstranily pravidlové modely first click, lineární, s časovým útlumem a podle pozice. Konverzní akce, které je používaly, Google převedl na data-driven. Pokud ve starších článcích nebo školeních narazíte na doporučení „přepněte na lineární atribuci“, už neplatí.

Důležitý rozdíl je v rozsahu. Data-driven atribuce v Google Ads rozděluje zásluhy jen mezi reklamy Google: vyhledávání, Nákupy, YouTube, Display a další formáty. O Meta reklamách, e-mailu nebo organické návštěvnosti neví. GA4 vidí víc kanálů, ale jen ty návštěvy, které změřil, tedy s výpadky kvůli souhlasu s cookies, blokátorům a přechodům mezi zařízeními.

Jak funguje data-driven atribuce a kde má limity?

Data-driven atribuce porovnává cesty zákazníků, které skončily konverzí, s cestami, které konverzí neskončily. Z rozdílů odhaduje, jak moc každý typ kontaktu zvyšuje šanci na nákup. Kontakt, který se objevuje u kupujících výrazně častěji než u nekupujících, dostane víc zásluhy. Kontakt, který je u obou skupin stejně častý, dostane málo.

Proti last clicku je to velký posun. Akviziční kampaně, které dřív vypadaly ztrátově, dostanou část konverzí, a chytré nabídky jim začnou přidávat. V mých účtech po přechodu typicky vidím, že neznačkové vyhledávání a kampaně na nové zákazníky získají a brand a remarketing mírně ztratí. Přesná čísla se ale účet od účtu liší a nedají se předem odhadnout.

Data-driven atribuce má tři limity, které je dobré znát:

• Pracuje jen s tím, co vidí. Reklama, kterou si někdo prohlédl na mobilu a nakoupil pak na počítači bez přihlášení, se do cesty nemusí propsat vůbec.
• Hodnotí korelaci, ne příčinu. Model zjistí, že lidé, kteří viděli remarketing, nakupují častěji. Nepozná ale, jestli nakupují kvůli remarketingu, nebo jestli remarketing jen sledoval lidi, kteří byli rozhodnutí koupit.
• Každá platforma hodnotí sama sebe. Google Ads rozděluje zásluhy mezi reklamy Google, Meta mezi reklamy Meta. Žádná z nich nemá důvod připsat zásluhu konkurenci.

Proč se konverze z platforem nesčítají s objednávkami?

Jedna z prvních věcí, které při auditu dělám, je sečíst konverze, které si za měsíc připisují jednotlivé reklamní systémy, a porovnat je s počtem objednávek v e-shopu nebo poptávek v CRM. Součet z platforem bývá vyšší, často výrazně.

Důvod je jednoduchý. Zákazník z příkladu výše klikl na reklamu Google a o den dřív viděl reklamu na Instagramu. Google Ads si připíše nákup podle svého modelu, Meta podle svého atribučního okna. Jedna objednávka se v reportech objeví dvakrát. Nejde o chybu měření, oba systémy počítají správně podle svých pravidel. Chyba vzniká až ve chvíli, kdy jejich čísla sečtete a považujete za skutečnost.

Co je MER a jak ho používat vedle ROAS?

MER (Marketing Efficiency Ratio) je poměr celkových tržeb firmy a celkových nákladů na marketing za stejné období. Pokud e-shop za měsíc utržil 2 000 000 Kč a na marketing utratil 250 000 Kč, je MER 8. Počítá se z účetnictví nebo z e-shopu, ne z reklamních systémů, takže ho neovlivní atribuce, cookies ani to, že si dvě platformy připíšou stejný nákup.

ROAS z Google Ads nebo z Meta říká, jak si podle vlastního měření vede konkrétní kampaň. MER říká, jestli se marketing jako celek vyplácí. Potřebujete obojí. ROAS pro každodenní řízení kampaní, MER pro kontrolu, že součet těch rozhodnutí dává smysl.

Typická situace, kdy MER pomůže: vypnete kampaně na Facebooku, protože v last click vypadaly ztrátově. ROAS v Google Ads se za dva týdny nezmění, ale celkové tržby klesnou víc, než kolik jste ušetřili. MER se zhorší a vy víte, že Facebook přiváděl lidi, kteří pak nakupovali přes Google. Bez MER byste to z reportů jednotlivých platforem nepoznali.

MER má i slabiny. Ovlivňují ho věci mimo marketing: sezóna, cenové akce, výpadek skladu. Funguje proto nejlépe jako trend za delší období a ve spojení s testy, ne jako jediné číslo pro rozhodnutí o konkrétní kampani.

Jak poznat, jestli kanál opravdu přináší prodeje?

Atribuce rozděluje zásluhy za konverze, které už nastaly. Neodpoví na otázku, kterou si majitel firmy klade nejčastěji: kolik prodejů by nevzniklo, kdybychom tuhle kampaň vypnuli. Tomu se říká inkrementalita a zjistit ji jde jen experimentem.

1. Vyberte kampaň nebo kanál, o kterém se rozhodujete. Typicky brand, remarketing nebo kanál, který v last click vypadá slabě.
2. Rozdělte trh na testovací a kontrolní část. Nejčastěji podle regionů: v části krajů kampaň vypnete nebo výrazně omezíte, ve zbytku ji necháte běžet. Regiony vybírejte tak, aby měly podobné tržby a sezónnost.
3. Nechte test běžet dost dlouho. Aspoň několik týdnů a déle, než je obvyklá doba od prvního kontaktu do nákupu.
4. Porovnejte celkové tržby nebo objednávky v obou skupinách, ne konverze v reklamním systému. Rozdíl mezi skupinami je přínos kampaně.
5. Přepočítejte výsledek na peníze. Pokud kampaň přinesla dodatečné tržby s rozumnou marží za cenu, kterou za ni platíte, nechte ji. Pokud rozdíl mezi skupinami nevyšel, zvažte omezení.

Některé platformy nabízejí vlastní lift studie, které pracují na podobném principu s náhodně vybranou kontrolní skupinou. Jejich dostupnost se liší podle typu účtu a výše rozpočtu. U menších účtů je regionální test nebo časově omezené vypnutí kampaně praktičtější cesta.

Jak atribuci nastavit v praxi?

Postup, který používám u nových účtů. Názvy položek v rozhraní se občas mění, logika zůstává.

1. Nejdřív opravte měření konverzí. Atribuce rozděluje zásluhy za to, co měříte. Pokud se jako konverze počítají kliky na telefon nebo spam z formuláře, rozdělíte přesně jen špatná data. Jak měření dotáhnout až k zakázce, popisuji v článku o offline konverzích v Google Ads.
2. Zkontrolujte model u každé konverzní akce v Google Ads. V nastavení konverzní akce najdete atribuční model. U primárních konverzí doporučuji data-driven, pokud k jinému nemáte konkrétní důvod.
3. Sjednoťte nastavení v GA4. V administraci GA4 v nastavení atribuce zvolte model pro reporty a zkontrolujte okna zpětného zobrazení. Ta určují, jak daleko do minulosti GA4 kontakty před konverzí započítá.
4. Porovnejte modely. V GA4 najdete srovnání modelů v části věnované reklamě. Podívejte se, které kanály v data-driven získávají a které ztrácejí proti last clicku. Kanály s velkým rozdílem jsou kandidáti na test inkrementality.
5. Zaveďte měsíční MER. Celkové tržby děleno celkové marketingové náklady, ideálně v jedné tabulce s čísly z platforem.
6. Před každým větším škrtem udělejte test. Kampaň, která v reportech vypadá zbytečně, otestujte vypnutím v části trhu, místo abyste ji vypnuli všude najednou.

Po přepnutí atribučního modelu počítejte s přechodným obdobím. Konverze se přesunou mezi kampaněmi a chytré nabídky se budou několik týdnů přizpůsobovat. Výkon v tomto období nehodnoťte podle jednotlivých dnů.

Co atribuce nevyřeší?

Nejdražší chyba, kterou v účtech vídám, nesouvisí s výběrem modelu. Souvisí s tím, co se vůbec považuje za konverzi. Žádný atribuční model neopraví signál, který neodpovídá byznysu.

V případové studii právní kanceláře byl hlavní konverzní signál nadhodnocený jedenáctinásobně. Kampaň, která v rozhraní vypadala nejlíp, byla podle podepsaných zakázek až pátá. S jiným atribučním modelem by se zásluhy rozdělily jinak, ale pořád by šlo o zásluhy za kliky na telefon a omylem odeslané formuláře. Teprve když jsem jako cíl nastavil ověřenou poptávku, vzrostl jejich počet o 78 % a cena za ověřenou poptávku klesla o 27 %.

Pořadí je proto vždycky stejné: nejdřív měřit to, co firmě přináší peníze, potom řešit, jak zásluhy rozdělit mezi kanály, a nakonec ověřit testem, které kanály prodeje skutečně vytvářejí.