ייחוס בעידן השיווק המודרני יכול להיות מבלבל, אבל צוותי שיווק עדיין מחויבים "להוכיח מה עובד". באופן מסורתי, למשווקים היו נתונים מסוימים שתמיד יכולנו לסמוך עליהם, אבל מאגר הנתונים שממנו נוכל לשאוב כיום ובעתיד, נראה גדל ומצטמצם בו זמנית.
בין אילוצי פרטיות, חיפושים ללא קליקים, בינה מלאכותית וגנים סגורים או כאלה עם חומות תשלום – משווקים נאלצים לנווט בעיוורון גדול יותר מאי פעם. ייחוס תמיד היה מדע לא מושלם, ובימינו הוא הופך ממעורפל למקוטע.
אם אתם מתכננים תקציבי שיווק ומנסים להוכיח לאן הולכות ההוצאות שלכם, אין צורך להיכנס לפניקה. ייחוס שיווקי אפשרי, למרות שהוא לא נראה כמו פעם. אם אתם עדיין מסתמכים רק על מודלים מבוססי מגע או דוחות קליק אחרון, ייתכן שאתם מודדים את הדברים הלא נכונים לחלוטין.
ייחוס דטרמיניסטי מבוסס נקודות מגע, מפנה את מקומו לשיטות מידול והסתברות. בינה מלאכותית היא לא רק הבעיה, היא גם חלק מהפתרון. אתם לא צריכים נתונים מושלמים – אתם צריכים נתונים שיעזרו לכם לקבל החלטות טובות יותר.
הפנים החדשות של הייחוס
ייחוס (Attribution) נשען בעבר על חיבור בין נתוני קליקים. כיום הקליקים במגמת צניחה, והקונים מקפצים בין פלטפורמות שונות במספר מכשירים ותוכן שנוצר על ידי בינה מלאכותית. הם מושפעים מפרסומות בטלוויזיה או מאזכורי מוצר בשרשורי צ'ט ג'יפיטי, ואף אחד מהם לא משאיר שובל דיגיטלי נקי.
בינתיים, פלטפורמות פרסום כמו מטא וגוגל נשענות חזק על אוטומציה. משמעות הדבר היא פחות אפשרויות לאופטימיזציה אנושית, ויותר מדדי ביצועים של "קופסה שחורה". אז אומנם יש ייחוס, אבל התשתית סביבו נראית שבורה מתמיד.
מציאת נקודות העיוורון בשיווק
למרבה הצער, המציאות היא ששדות ראייה מתים של ייחוס לא מגיעים עם נורת אזהרה. ייתכן שאתם בוהים ישירות בלוח הנתונים, ולא שמים לב שתנועה מצטברת באזורים שאתם לא עוקבים אחריהם. בנוסף ייתכן שכמות הנקודות העיוורות גדלה.
נקודות העיוורון העיקריות:
- גנים סגורים – פלטפורמות כמו גוגל, מטא ואמזון כולן חזקות, אך הפכו למסתוריות הרבה יותר ככל שהחיפוש מתפתח. אתם שוכרים את החלל שלהם, אבל אם לא תשחקו לפי הכללים שלהם, ייתכן שלא תקבלו נראות מלאה.
- מכירות לא מקוונות – לידים הופכים לעסקאות במערכות CRM, מרכזי שירות ועוד. הם אולי התחילו כקליק, אבל מסע הלקוח מסתיים במיקום פיזי או בפלטפורמה שונה לחלוטין מהקליק המקורי.
- מסעות בין מכשירים – המודעה שמישהו ראה בנייד עשויה להמיר מהטלפון שלו, אבל היא יכולה באותה מידה להפוך למכירה במחשב השולחני או בטלוויזיה החכמה שלו.
- בניית מודעות – הוצאות במשפך העליון מוערכות בחסר, מכיוון שהן לעיתים רחוקות מובילות להמרה ישירה.
- רשתות אפלות – שיתוף פרטי (כגון וואטסאפ, SMS וכו') מופיע כ"ישיר", אבל הוא לא.
- כלי AI – אנשים מגלים מותגים באמצעות מודלים של LLM, והפניות אלו לרוב בלתי נראות באנליטיקס.
כדי להחמיר את המצב, נקודות עיוורות אלו יכולות להצטבר. לפני שאתם שמים לב, אתם מוצאים את עצמכם בתרחיש בעייתי שבו אתם לא רק מפספסים אות נתונים אחד אלא שילובים שלהם, מה שמקשה עוד יותר על האופטימיזציה.
מגמות וטכנולוגיות ייחוס חדשות
אפשר בהחלט להישאר מעודכנים ולתת מענה, אלא שזה דורש שינוי פרספקטיבה. משווקים צריכים להעריך את הקמפיינים שלהם באמצעות שילוב בין מודל ייחוס ובין מדדים מסורתיים מבוססי נקודות מגע. ייתכן שלעולם לא תחברו במלואה כל נקודה, וזה בסדר. המטרה אינה שלמות, רק מספיק בהירות כדי להצדיק את חלוקת תקציב השיווק.
משווקים מודרניים משתמשים בכלים כגון:
- מחקרים אינקרמנטליים – בדיקת יעילות השיווק באמצעות השוואת קבוצות שנחשפו ולא נחשפו לקמפיין.
- מידול תמהיל שיווקי (MMM) – שימושי במיוחד עבור תקציבים גדולים יותר או אסטרטגיות של ערוצים מעורבים.
- ניתוח קורלציה – בדיקות לפני/אחרי, שינויי מודעות למותג (Lift) ונפח חיפושי מותג.
- נתוני צד ראשון – נתוני CRM ונתוני אינטרנט המזינים הן את המודלים והן את הפלטפורמות שלכם.
האסטרטגיות הטובות ביותר משלבות שיטות אלו על סמך רמת ההוצאות, המורכבות ונפח ההמרות. שימוש בבינה מלאכותית הוא אחת הדרכים הטובות ביותר להפוך את המחקר הזה לאוטומטי ככל האפשר, ולמקסם את התועלת שלו.
בינה מלאכותית ונקודות מתות
חלק מהמשווקים עשויים להרגיש ש-AI שוחק את הייחוס. אומנם זה יכול להיות נכון, אך הטכנולוגיה הזו גם עוזרת לבנות אותו מחדש:
- בינה מלאכותית יוצרת – מודלים של LLM כמו צ'ט ג'יפיטי הם כעת פלטפורמות לגילוי מותגים, מוצרים ושירותים. הם מייצרים גם תנועה, אך לא תמיד מזהים את עצמם אלא אנו מתייגים אותם.
- סוכני AI – בינה מלאכותית אג'נטית מדמה התנהגות משתמשים, בודקת מסרים ואף יכולה לעזור להגדיר מעקב אנליטיקס באופן אוטומטי.
- מודלים של למידת מכונה – משמשים כדי לחדד תחזיות, להקצות ייחוס ולבצע ניבויים.
עם זאת, רק 55% מהמשווקים סומכים על תובנות שנוצרות על ידי בינה מלאכותית. המפתח הוא להתייחס ל-AI כאל עוזר, לא כאל סמכות. השתמשו בו כדי להאיץ את הבדיקות ולבנות מודלים, אך בצעו אימות באמצעות הנתונים שלכם.
פלטפורמות אנליטיקה כמו Adobe Analytics גם הן נוקטות בצעדים להצגת ייחוס טובה יותר של כלי בינה מלאכותית. באוקטובר אדובי השיקה כלי חדש להצגת התנועה מצ'ט ג'יפיטי ומודלים אחרים, כדי לבדל אותם מהאפיקים המסורתיים האחרים.
סגירת הפער בעזרת אסטרטגיות ייחוס
אז איך עוברים מנקודות עיוורות לתכנון טוב יותר? אתם לא צריכים בהירות מושלמת. אתם צריכים אותות עקביים ואסטרטגיה חכמה יותר.
להלן כמה דרכים לעשות זאת:
- נקו נתוני צד ראשון – נתונים ממקורות פנימיים, כמו האתר וה-CRM שלכם, צריכים להיות אמינים. אלה מקורות האמת החשובים ביותר שלכם.
- השתמשו במכפילים – התאימו ביצועים על סמך שינויי מודעות למותג באזורים גיאוגרפיים או לפי תוצאות ניסוי. לא כל קליק נחשב באותה מידה.
- עודדו שאלות – מודלים הם קירובים בלבד. עודדו צוותים לאתגר אותם ולבצע שיפורים עם הזמן.
- ערכו סקרי לקוחות – שאלו היכן הם שמעו עליכם. זה אולד סקול אבל יעיל להפליא.
- השתמשו בקודי מבצע ובדפי נחיתה – גם אם הם לא מושלמים, הם יוצרים אותות חדשים שניתן לעקוב אחריהם ברשתות החברתיות האפלות או במצב לא מקוון.
- עקבו אחר הפניות AI – צרו ערוצים מותאמים אישית, כולל ב-GA4, כדי לפלח ביצועים מתנועת LLM.
קישור הייחוס לתוצאות עסקיות
ייחוס ותוצאות עסקיות הולכים יד ביד. הבנת מקור הלידים הרווחיים ביותר שלכם חיונית לצמיחת כל עסק, ללא קשר לגודלו.
יש לחבר את הנתונים להחלטות בפועל, כגון תחזיות, תקציבים והקצאת משאבים. מומלץ לעקוב אחר מדדים כגון:
- סך כל ההמרות וכן המרות מצטברות (אינקרמנטליות).
- ערך המרה לאורך זמן.
- עלות להמרה מצטברת.
- ספי הוצאות לפי טקטיקה.
- שינוי כיוון (מודל ישן לעומת חדש).
גם אם המודלים אינם מושלמים, כל עוד הם מקרבים אתכם להוצאה אופטימלית, זה עובד. שיפור מתמיד באסטרטגיית הייחוס יקרב אתכם עוד ועוד.
רגע לפני סיום
כשמדובר בייחוס יעיל, צריך רק לראות מספיק כדי להתקדם. בעולם השיווק המודרני מדובר פחות בקבלת הקרדיט הנכון, ויותר בקבלת החלטות חכמות יותר עם מה שאתם יכולים למדוד.
המפתח הוא להפסיק לרדוף אחר שלמות, ולהתחיל לבנות מערכת שעוזרת לכם לתכנן ולהסתגל לנתונים שאתם אוספים מבדיקות בזמן אמת. ייחוס אינו התמונה המלאה, אך הוא נותר הכלי הטוב ביותר שיש לנו כדי להאיר את הדרך קדימה, כולל הנקודות המתות.
מטבע הדברים, אנחנו עדיין יכולים ללמוד משיטות שיווק מוכחות ואמיתיות. ייתכן שנצטרך לחשוב מחוץ לקופסה כיצד ליישם אותן בסביבת החיפוש ובמסע הלקוח של ימינו.
