Analytiikan kentältä kuultiin suuria uutisia, kun Google ilmoitti uutisen, jota olimme jo osanneetkin odottaa: Universal Analytics kerää viimeiset ”hittinsä” 30.6.2023 ja 1.7.2023 lähtien käytössäsi on pelkästään Googlen syksyllä 2020 lanseeraama Google Analytics 4 -käyttöliittymä. Koska Google Universal Analytics tulee poistumaan siis verrattain pian (reilun vuoden päästä tätä kirjoittaessa), sinun on aika valmistautua tulevaan muutokseen ja asentaa Google Analytics 4 (GA4) Universal Analyticsin (UA) rinnalle dataa keräämään.
Pelkkä asentaminen ei kuitenkaan riitä, koska Google Analytics 4:n mittaamisen ja datan keruun malli (eventti- ja parametripohjainen) eroaa täysin Universalin mallista (istuntopohjainen). Sinun tulee siis miettiä koko analytiikan strategiasi ja kerätyn tiedon järjestely täysin uudella tavalla. Suosittelen aloittamaan valmistautumisen heti, koska perusteellisen ja hyvin mietityn analytiikkarakenteen suunnittelu ja toteutus vie aikaa. Jos tämä kaikki kuulostaa vieraalta tai omat resurssisi ei riitä, autamme vaihdoksen suunnittelussa ja sen läpiviemisessä oikein mielellämme!
Mutta nyt varsinaisen blogiaiheeni pariin, kun saimme käsiteltyä tärkeät huomiot koskien Google Analytics 4:n käyttöönottoa. Olemme jo aiemmin esitelleet eroavaisuuksia Universal Analyticsin ja Google Analytics 4:n käyttöliittymien välillä, joten emme keskity tässä blogissa enää niihin. Suosittelenkin tutustumaan aikaisempiin Google Analytics 4 -blogikirjoituksiimme, jos ne on jääneet sinulle vielä vieraiksi.
Tässä blogissa syvennymme puolestaan Google Analytics 4:n tarjoamiin attribuutiomalleihin ja miten pystyt hyödyntämään niitä ostopolkujen analyyseissä.
Attribuutiomallit ovat pysyneet melko lailla samoina Universal Analyticsiin nähden, mutta yksi merkittävä muutos on tapahtunut: oletusattribuutiomallina toimii dataan perustuva malli, joka oli aikaisemmin vain Google 360-asiakkaiden hyödynnettävissä.
Google Analytics 4:n attribuutiomallien esittely
Attribuution mittaamiseen tarkoitettuja malleja on lukuisia, ja jotta asiasta tulee vielä vähän monimutkaisempaa, tämän lisäksi eri alustat ja työkalut mittaavat attribuutiota erilaisilla tavoilla. Lyhyt infopaketti tähän väliin: attribuutiomallihan on sääntö tai sääntöjoukko, joka määrittää, miten kunnia konversioista kirjataan asiakkaittesi konversioreitin (ostoprosessin) eri kohtauspisteille.
Olemme jo aiemmin esitelleet Googlen Universal Analytics -käyttöliittymän eri attribuutiomallit, joten otetaan katsaus nyt Google Analytics 4:n tarjoomaan, jossa on käytössä lähes samat mallit yhä edelleen, mutta niiden ryhmittely on hiukan muuttunut. Suurin muutos on se, että aiemmin 360-asiakkaille vain saatavilla ollut dataan perustuva malli on nyt kaikkien vapaasti käytettävissä.
Käytännössä Google Analytics 4 tarjoaa kolmentyyppisiä attribuutiomalleja:
- kaikki kanavat huomioivia sääntöpohjaisia malleja
- Google Adsia suosivan, sääntöihin perustuvan mallin
- dataan perustuvan mallin.
Seuraavaksi kerron eri malleista enemmän keskittyen enemmän dataan perustuvaan malliin.
Dataan perustuva attribuutiomalli (Data Driven Attribution, DDA)
Dataan perustuvassa attribuutiossa kunnia konversiosta annetaan jokaisesta konversiotapahtumasta kerätyn datan perusteella. Tämä on uusin saatavilla oleva attribuutiomalli Google Analytics 4:ssa (vuoden 2022 alussa julkaistu) ja se eroaa muista malleista, koska sitä käytettäessä kunkin klikkauksen todellinen vaikutus lasketaan tilin dataan perustuen.
Jokainen dataan perustuva malli on mainostaja- ja konversiotapahtumakohtainen ja tämä malli toimii myös oletusattribuutiomallina tileillä.
Dataan perustuva attribuutio käyttää koneoppimisalgoritmeja sekä konversioita tekevien, että ei-konvertoituvien konversioreittien arviointiin. Tuloksena syntyvä dataan perustuva malli oppii, miten asiakaspolun eri kontaktipisteet myötävaikuttavat konversioiden syntymiseen. Malli yhdistää esimerkiksi seuraavia tekijöitä:
- mainosten aikaansaamien interaktioiden määrä
- mainosten näkyvyysjärjestys sekä
- konversiosta kulunut aika ja laitetyyppi.
Malli vertaa todellisia tapahtumia siihen, mitä olisi voinut tapahtua, jotta voidaan määrittää, mitkä kontaktipisteet johtavat todennäköisimmin konversioihin. Dataan perustuva attribuutiomalli laskee konversiot näiden kontaktipisteiden ansioksi tämän todennäköisyysarvion perusteella.
Kerätyn konversioreittidatan perusteella voidaan selvittää, miten tiettyjen markkinoinnin kontaktipisteiden kuuluminen konversioreittiin ja niiden ajoitus voivat puolestaan vaikuttaa siihen, kuinka todennäköisesti käyttäjät tekevät tavoitellun toimenpiteen (pääkonversion).
Jos kontaktipisteet kuulostavat vieraalta, niin niiden voidaan ajatella olevan ns. mikrokonversioita, jotka ovat itse pääkonversiota tukevia toimenpiteitä asiakkaasi ostopolulla. Tällaisia voi olla esimerkiksi sisältöjen lataamiset, uutiskirjeen tilaaminen, verkkokaupoissa tuotteen lisääminen ostoskoriin tai sisältöjen kuluttaminen sisältörikkailla laskeutumissivuilla.
Kaikki kanavat huomioivat sääntöpohjaiset mallit (Cross-channel rules-based models)
Minkä tahansa kanavan kautta tullut viimeinen klikkaus
Tämä malli on sama kuin Universal Analyticsin oletuksena toimiva Last non-direct click -malli (viimeinen epäsuora klikkaus) eli minkä tahansa kanavan (pl. suora liikenne) kautta tullut viimeinen klikkaus.
Suora liikenne sivuutetaan siis aina Google Analytics 4:n mallissa, eikä saatavilla ole enää erillistä viimeisen klikkauksen mallia, kuten Universal Analyticsin puolella.
Tässä mallissa konversiosta kirjataan 100 % viimeiselle kanavalle, jota asiakas on klikannut ennen konversion suorittamista.
Minkä tahansa kanavan kautta tullut ensimmäinen klikkaus
Konversio kirjataan tulleeksi kokonaan ensimmäisestä kanavasta, jota asiakas on klikannut ennen konvertoitumistaan.
Kaikki kanavat huomioiva lineaarinen
Lineaarisessa mallissa kunnia konversiosta jakautuu tasaisesti kaikkien konversion syntymiseen vaikuttaneiden kanavien kesken.
Kaikki kanavat huomioiva sijaintiperusteinen
Konversiosta 40 % katsotaan aiheutuneeksi ensimmäisestä ja viimeisestä klikkauksesta ja lopun 20 %:n painoarvon saa tasapuolisesti kaikki muut kontaktipisteet ostopolulla.
Kaikki kanavat huomioiva aikavaikutus
Suurempi kunnia konversiosta menee niille kontaktipisteille, jotka ovat ajallisesti lähempänä konversiota eli tässä tapauksessa asiakkaasi ostoprosessin loppupään klousaava kanava saa suuremman painoarvon.
Google Adsia suosiva malli (Ads-preferred model)
Google Adsia suosiva viimeinen klikkaus: 100 % kunnia konversiosta annetaan viimeiselle Google Ads ‑kanavalle, jota asiakas on klikannut ennen konvertoitumistaan. Jos Google Ads -kanavaa ei ole konversioreitillä, kunnia menee ”Minkä tahansa kanavan kautta tullut viimeinen klikkaus ‑attribuutiomallille” (ensimmäisenä esitelty malli sääntöpohjaisissa malleissa).
Asiakaspolkujen analysointi Google Analytics 4:ssa: miten pääset alkuun?
Kun olet kirjautuneena Google Analytics 4 -tililäsi, pääset tarkastelemaan Mainonnan yhteenvedosta, Mallien vertailu ja Konversioreitit -kohdista erilaisia attribuutiomalleja. Siellä luotavissa raporteissa pääset hyödyntämään käytännössä äsken esittelemiäni attribuutiomalleja.
Tilillä käytettävän oletusattribuutiomallin pääset myös vaihtamaan halutessasi tilin attribuutioasetuksista, mutta Google suosittaa dataan perustuvan mallin käyttöä oletuksena.
Muistathan myös, että kerätyn datan tulee olla mahdollisimman eheää ja luotettavaa – laadukkaasti ja ”oikein” tehty tekninen toteutus antaa pohjan luotettavalle ja yrityksesi tarpeiden mukaiselle verkkopalvelun mittaamiselle.
Tutustu web-analytiikan palveluihin!
Konversioreitit (conversion paths) ja Mallien vertailu (model comparison): näin käyt käsiksi kerättyyn dataan
Mainonnan yhteenvedosta (Advertising snapshot), Mainonta-työtilan alta löydät Konversioreitit ja Mallien vertailu -työkalut. Niiden tarkoituksena on auttaa sinua ymmärtämään asiakaspolkuja ja eri kanavien rooleja asiakkaan konversioreiteillä sekä pääset tarkastelemaan kerättyä konversiodataa.
Kuva: Google analytics 4: Mainonnan yhteenveto
Mallien vertailu -kohdassa pystyt valitsemaan, mitä attribuutiomallia haluat tarkastelussasi käyttää.
Attribuutiomallien vertailu ja konversioreittien tutkiminen auttaa sinua saamaan vastauksia mm. seuraaviin kysymyksiin:
- Kuinka kauan kului aikaa kiinnostuksen herättämisestä ostoksen toteutumiseen?
- Millaisia ovat yleisimmät kävijäpolut, jotka johtavat pääkonversion (esim. osto, yhteydenotto) tekemiseen.
- Millaisia rooleja eri kanavilla ja liikenteenlähteillä asiakkaasi ostopolulla on.
- Millaisia pääkonversiota tukevia toimenpiteitä, nk. mikrokonversioita, asiakkaasi suorittavat ennen konvertoitumista.
Konversioreitit-raportissa on kaksi osiota: datan visualisointi ja datataulukko. Datan visualisointi auttaa sinua hahmottamaan, mistä kanavista eri konversioiden asiakaspolut alkavat, mitkä kanavat auttavat konversioiden tuottamisessa ja mitkä kanavat puolestaan lopulta aikaansaavat konversioita.
Mallien vertailu ‑raportin avulla voit selvittää, miten erilaiset attribuutiomallit vaikuttavat markkinointikanaviesi suorituskyvyn arviointiin. Tuloksia analysoidessa on aina hyvä muistaa huomioida kanavakohtaiset erityispiirteet: toisen kanavan on tarkoituskin enemmän toimia huomiota ja kiinnostusta herättelevänä kanavana, kun taas toisen toimia kaupan pääsääntöisesti klousaavana kanavana.
Yhteenveto
Kuten olemme aiemminkin attribuutioaiheisissa blogeissamme todenneet: aukotonta attribuutiomallia ei ole olemassa.
Oikean mallin löytäminen perustuu siihen, millaisiin kysymyksiin haluat saada vastauksia. Mieti siis ensin, mitä haluat tietää ja valitse käytettävä attribuutiomalli sitten sen pohjalta. Oli käytössä oleva analytiikan työkalusi sitten Google Analytics 4 tai mikä muu tahansa.
Kun yhä haluat jatkaa Googlen analytiikkatyökalujen käyttämistä, suosittelen ottamaan käyttöön Google Analytics 4:n tarjoamat toiminnallisuudet asiakaspolkujen ja konversioreittien ymmärtämiseksi niin pian kuin mahdollista.
Universal Analytics tulee poistumaan käytöstä 2023 kesäkuun jälkeen, ja siirtymää on hyvä alkaa valmistella viimeistään nyt, eikä niillä kuuluisilla viime metreillä. Mitä aikaisemmin aloitat datan keräämisen Google Analytics 4:n kautta, sitä enemmän dataa sinulla on hyödynnettävänä ja analysoitavana sitten ensi vuonna!
Tuntuuko, että kaipaat apua Google Analytics 4:n käyttöönotossa ja sen maksimaalisen potentiaalin hyödyntämisessä? Anna meidän auttaa!
Kyllä, haluan ehdottomasti laittaa analytiikka-asiani kuntoon ja ajan tasalle!
Haluatko opiskella vielä lisää itsenäisesti? Siinä tapauksessa:
Opi lisää analytiikasta lukemalla blogimme Google Analytics 4:n perusteista
Tilaa digitaalisen markkinoinnin hiljainen tieto sähköpostiisi
Julkaistu 22.03.2022
Päivitetty 24.02.2026
