In un recente incontro lavorativo, mi sono trovato di fronte a una situazione che ritengo valga la pena condividere con chi si occupa di digital marketing, specialmente con chi sta muovendo i primi passi in questo mondo complesso e affascinante.

La mia esperienza: quando i numeri raccontano solo mezza verità

Recentemente, ho avuto modo di valutare una soluzione di marketing automation che prometteva ottimi risultati di conversione attraverso canali di comunicazione diretta con l'utente. Durante un incontro di presentazione dei risultati di alcune campagne test, mi sono trovato a riflettere su un aspetto fondamentale della misurazione delle performance nel digital marketing.

Il fornitore presentava dati molto positivi basati esclusivamente sul modello di attribuzione ultimo click. I numeri sembravano impressionanti, ma mi sono subito reso conto che questa visione era incompleta: non teneva conto dell'intero ecosistema di touchpoint digitali (sia organici che a pagamento) che contribuiscono al percorso di acquisto del cliente.

Nel contesto di un e-commerce, utilizzare un modello di attribuzione basato sui dati (DDA) in Google Analytics 4 offre una visione molto più completa e realistica del customer journey. La differenza tra questi due approcci di misurazione può portare a interpretazioni significativamente diverse dell'efficacia di una campagna.

I modelli di attribuzione in GA4: una breve panoramica

Prima di approfondire ulteriormente, è importante capire cosa sono i modelli di attribuzione e come funzionano in GA4.

In Google Analytics 4, i modelli di attribuzione permettono di assegnare il "merito" di una conversione (acquisto, iscrizione, lead, ecc.) ai diversi touchpoint che un utente ha avuto con il brand prima di completare l'azione desiderata. Questi touchpoint possono essere molteplici: un annuncio display, una ricerca organica, un'email, un post sui social media, e così via.

Attualmente, GA4 offre principalmente tre modelli di attribuzione:

1. Attribuzione basata sui dati (Data-driven Attribution - DDA)

Questo è il modello predefinito e raccomandato da Google. Utilizza algoritmi di machine learning per analizzare i percorsi di conversione e confrontarli con quelli di non conversione. Assegna il credito a ciascun touchpoint in base al suo effettivo contributo alla probabilità di conversione.

Esempio: Un utente vede un annuncio display, poi visita il sito tramite ricerca organica, successivamente clicca su un annuncio social e infine completa l'acquisto accedendo direttamente. Il modello DDA distribuisce il credito tra tutti questi touchpoint in base al loro ruolo nel percorso.

Lo svantaggio principale di questo modello di attribuzione è che funziona come una "scatola nera": non abbiamo visibilità sui criteri utilizzati per distribuire il credito tra i vari touchpoint coinvolti nel percorso dell'utente. Questo rende difficile comprendere e ottimizzare davvero il contributo di ciascun canale.

2. Ultimo clic per canali a pagamento e organici

Questo modello attribuisce il 100% del valore della conversione all'ultimo clic non diretto che ha portato alla conversione. Se l'ultimo touchpoint è diretto (utente che digita l'URL), il modello guarda indietro e attribuisce il credito all'ultimo canale non diretto.

Esempio: Un utente trova il sito tramite ricerca organica, torna qualche giorno dopo tramite Google Ads e completa l'acquisto. L'intero valore della conversione verrebbe attribuito a Google Ads.

Lo svantaggio principale di questo modello di attribuzione è che ignora il contributo degli altri touchpoint con cui l'utente è entrato in contatto prima di completare la conversione. In questo modo, si rischia di sottovalutare il ruolo che ciascun canale ha avuto nel percorso decisionale.

3. Ultimo clic per canali a pagamento di Google

Attribuisce il 100% del valore della conversione all'ultimo clic proveniente da un canale pubblicitario di Google. Se nel percorso non ci sono clic da canali Google a pagamento, si comporta come il modello precedente.

Perché è fondamentale scegliere il modello giusto

La scelta del modello di attribuzione ha un impatto diretto sulle decisioni di marketing e sull'allocazione del budget. Nel mio caso specifico, il fornitore di servizi di marketing automation stava utilizzando un modello di attribuzione che favoriva enormemente il proprio canale, presentando risultati che, seppur tecnicamente corretti, erano fuorvianti per una valutazione completa dell'efficacia della campagna.