ייחוס בשיווק דיגיטלי קובע איזה ערוץ מקבל קרדיט על המרה. מודל הקליק האחרון מעדיף את הערוץ שסגר, ומתעלם מכל מה שבנה את ההחלטה לפניו.
יש משהו מאוד מפתה ב-Last click. הוא נקי, פשוט, חד משמעי, ובעיקר נותן תחושת שליטה. רואים המרה, רואים את הערוץ האחרון לפני הפעולה, ומסיקים שזה הערוץ שעבד. מנהל שיווק מקבל מספר, מנהל כספים מקבל סיפור, והארגון מרגיש שיש תשובה ברורה לשאלה מי הביא את התוצאה.
אבל המציאות השיווקית כמעט אף פעם לא עובדת כך.
לקוח אמיתי כמעט never נע בתוך משפך ליניארי. הוא נחשף למותג בלינקדאין, שומע פודקאסט של מנהל החברה, רואה מודעת רימרקטינג, מבצע חיפוש מותג בגוגל שבועיים אחר כך, נכנס לאתר, לא ממיר, מקבל מייל, חוזר דרך חיפוש אורגני, ואז משאיר ליד. ב-B2B הוא אפילו לא לבד. לעיתים כמה אנשים בארגון נחשפים, משווים, שואלים, דוחים, חוזרים, ורק אחרי חודשיים נפתחת הזדמנות ב CRM. ב ecommerce התהליך לעיתים מהיר יותר, אבל גם שם יש רצף של חשיפה, השוואה, ביקור חוזר, קופון, ביקורת גולשים, ורק אז רכישה.
ברגע שמודדים רק את הנגיעה האחרונה, לא באמת מודדים איך הביקוש נבנה. מודדים רק מי היה שם בסוף.
למה Last click נותן אשליית שליטה
Last click לא בהכרח משקר, הוא פשוט מספר סיפור חלקי. הוא מיטיב עם ערוצים שנמצאים קרוב להמרה, ופוגע בערוצים שיוצרים ביקוש, מחממים קהל ומקדמים את הלקוח לאורך הדרך.
לכן קורה שוב ושוב אותו דפוס: חיפוש ממותג, רימרקטינג, מייל, או ערוצים שמנצלים ביקוש קיים נראים כמו גיבורים. תוכן, סושיאל אורגני, וובינרים, פודקאסטים, וידאו עליון במשפך, ופעילויות יחסי ציבור נראים חלשים מדי. התוצאה היא לא רק דוח מעוות, אלא החלטת תקציב מעוותת. הארגון חותך את מה שבנה ביקוש, ומגדיל את מה שרק סגר אותו.
זה דומה למצב שבו צוות מכירות נותן את כל הקרדיט לסוגר העסקה, ומתעלם ממי שיצר את הקשר, ממי שטיפח את הלקוח, וממי שטיפל בהתנגדויות. הסגירה חשובה, אבל היא לא כל הסיפור.
מסע לקוח אמיתי הוא רב ערוצי ורב שלבי
מסע לקוח טוב יותר מתואר כרצף של השפעות, לא כרגע אחד של אמת. יש בו:
חשיפה ראשונית
יצירת עניין
בדיקה והשוואה
חזרה לאתר או לשיחה
בשלות לפעולה
המרה
ולעתים גם סגירה מאוחרת, אופליין, או בכלל בערוץ אחר
בין השלבים האלה יכולים לעבור ימים, שבועות ולעיתים חודשים. לכן מי שמנהל תקציב כאילו כל החלטת קנייה היא מיידית, למעשה מעניש את הערוצים שנועדו לעבוד עם זמן השהיה, עם חינוך שוק ועם בניית אמון.
המודלים המרכזיים באטריביושן
אטריביושן הוא ניסיון לחלק קרדיט בין נגיעות שונות לאורך המסע. אין מודל מושלם. יש מודל מתאים יותר או פחות לסוג העסק, למחזור המכירה, לנפח הנתונים, ולרמת הבשלות הארגונית.
First touch
הקרדיט כולו הולך לנגיעה הראשונה.
היתרון: עוזר להבין מה יוצר ביקוש חדש ומה ממלא את ראש המשפך.
החיסרון: מתעלם מכל מה שקרה אחר כך, גם אם רוב העבודה האמיתית הייתה באמצע או בסוף.
מתי הוא מועיל: כשחשוב להבין אילו ערוצים פותחים דלת ומייצרים מודעות ראשונית.
Last click
הקרדיט כולו הולך לנגיעה האחרונה לפני ההמרה.
היתרון: פשוט מאוד להסבר, להשוואה ולדיווח.
החיסרון: מעניש ערוצי גילוי ובניית ביקוש, ומתגמל ערוצי סגירה.
מתי הוא מועיל: כשצריך תמונת מצב תפעולית מהירה, או כשמחזור המכירה קצר מאוד.
Linear
הקרדיט מתחלק באופן שווה בין כל הנגיעות.
היתרון: נותן הכרה לכך שמסע הלקוח כולל כמה שלבים.
החיסרון: מניח שכל נגיעה שווה, למרות שבפועל לא כל נגיעה באמת דחפה את הלקוח קדימה.
מתי הוא מועיל: בארגונים בתחילת הדרך שרוצים להיגמל מהטיית הנגיעה האחרונה.
Time decay
נגיעות מאוחרות מקבלות יותר קרדיט, מוקדמות פחות.
היתרון: משקף מצב שבו השפעות קרובות להמרה נוטות להיות משמעותיות יותר.
החיסרון: עדיין מקטין את תרומת בניית הביקוש, במיוחד במסעות ארוכים.
מתי הוא מועיל: כשיש מחזור מכירה בינוני והארגון רוצה לשלב בין מורכבות לפשטות.
Position based, או U shaped
המודל נותן משקל גבוה לנגיעה הראשונה ולנגיעה שקדמה להמרה, ואת היתר מחלק בין האמצע.
היתרון: מכיר גם במי שפתח את הדלת וגם במי שסייע לסגירה.
החיסרון: מבוסס על הנחת חלוקה שרירותית יחסית, שלא תמיד תואמת את המציאות.
מתי הוא מועיל: בעסקים שבהם גם גילוי וגם המרה חשובים, והאמצע פחות ברור למדידה.
Data driven
הקרדיט מחולק על בסיס דפוסים שנלמדים מהנתונים בפועל.
היתרון: פוטנציאל טוב יותר לשקף מציאות מורכבת, במיוחד כשיש הרבה נתונים.
החיסרון: קשה יותר להסביר אותו, קשה יותר לבקר אותו, ולעיתים הוא יוצר תחושת קופסה שחורה. בנוסף, בארגונים עם מעט נתונים הוא עלול להיות פחות יציב.
מתי הוא מועיל: כשיש נפח, משמעת דאטה, חיבור סביר בין מערכות, ורצון לנהל ברמת דיוק גבוהה יותר.
טבלת השוואה בין מודלי אטריביושן
| מודל | איך הוא מחלק קרדיט | יתרון מרכזי | חיסרון מרכזי | מתאים במיוחד ל |
|---|---|---|---|---|
| First touch | כל הקרדיט לנגיעה הראשונה | מבין מה יוצר ביקוש חדש | מתעלם מהמשך המסע | מדידת מודעות ויצירת ביקוש |
| Last click | כל הקרדיט לנגיעה האחרונה | פשוט וברור | מעוות חלוקת תקציב לטובת ערוצי סגירה | דיווח תפעולי בסיסי |
| Linear | חלוקה שווה בין כל הנגיעות | מכיר במסע רב נגיעות | מניח שכל נגיעה שווה | שלב מעבר מארגון בסיסי לבוגר יותר |
| Time decay | יותר קרדיט לנגיעות מאוחרות | מתאים למסעות עם התקרבות הדרגתית להמרה | מחליש ערוצי עליון משפך | מחזור מכירה בינוני |
| Position based | משקל גבוה לראשונה ולאחרונה | איזון בין גילוי לסגירה | חלוקה מעט שרירותית | עסקים עם מסלול ברור יחסית |
| Data driven | חלוקה לפי דפוסים בנתונים | גמיש יותר למציאות מורכבת | דורש נפח נתונים ואמון במודל | ארגונים עם בגרות מדידה |
איך B2B שונה מ ecommerce
כאן הרבה ארגונים נופלים, מפני שהם מאמצים שיח של ecommerce על עולם B2B.
ב ecommerce, לרוב יש נפח גבוה יותר, המרות רבות יותר, ופער זמן קצר יותר בין חשיפה לרכישה. לכן אפשר לזהות תבניות מהר יותר, לבצע ניסויים תכופים יותר, ולהסתמך יותר על אותות דיגיטליים ישירים.
ב B2B, הסיפור אחר לגמרי. מחזורי המכירה ארוכים יותר, יש יותר בעלי תפקידים מעורבים, חלק מהאינטראקציות קורות מחוץ לאתר, וחלק מהערך האמיתי מופיע רק בשלב מאוחר, למשל כשהליד הופך ל SQL, להצעת מחיר, לפגישה או להכנסה בפועל. לכן אם B2B מודד רק מילוי טופס או Last click, הוא כמעט תמיד בונה לעצמו תמונת מציאות חלקית.
במילים פשוטות: ב ecommerce לעיתים אפשר לנהל על בסיס המרה מהירה. ב B2B צריך לנהל על בסיס איכות, התקדמות והכנסה.
מתי מודל פשוט עדיף על מודל מתוחכם
זו נקודה חשובה, מפני שארגונים רבים ממהרים לחפש מערכת נוצצת לפני שהם יודעים למדוד בסיס.
מודל מתוחכם לא יפתור בעיית דאטה גרועה. אם ה UTM לא עקביים, אם יש self referrals, אם האתר לא מודד נכון, אם ה CRM לא מקבל מקור ליד, אם אין חיבור בין טפסים, שיחות ומכירות, אז Data driven רק ייתן תשובה מתוחכמת על נתונים בעייתיים.
לכן בהרבה מקרים מודל פשוט עדיף, בתנאי שהוא שקוף, עקבי ומגובה בשכל ישר. למשל:
לנהל במקביל First touch ו Last click
להסתכל גם על יצירת ליד וגם על הכנסה סגורה
להשוות מגמות, לא רק מספרים מוחלטים
ולבצע בדיקות תקופתיות של מסלולי המרה בפועל
עדיף ארגון שמבין היטב שני מודלים פשוטים, מאשר ארגון שקנה מודל מורכב שאיש לא באמת יודע לפרש.
איך אטריביושן משפיע על חלוקת תקציב
בסוף, כל ויכוח על אטריביושן הוא ויכוח על כסף.
אם Last click שולט, התקציב יזרום בדרך כלל לחיפוש ממותג, לרימרקטינג, לאימיילים, ולאזורים קרובים מאוד להמרה. זה ייראה יעיל בטווח הקצר, אבל ייצור שחיקה בצמיחה. הסיבה פשוטה: ערוצי הסגירה לא מייצרים ביקוש חדש, הם רק קוטפים חלק גדול יותר מהביקוש שכבר קיים.
כאשר עוברים לגישת מדידה רב נגיעתית, קורים שני דברים:
הארגון מתחיל לראות אילו ערוצים מייצרים כניסה ראשונית למשפך
והוא מבין אילו ערוצים מסייעים להבשלה, להחזרה, ולאמון
בנקודה הזו, דיון התקציב משתנה. במקום לשאול מי סגר, שואלים מי יצר, מי קידם, מי החזיר, ומי סגר. זו כבר שאלה הרבה יותר עסקית.
טעויות נפוצות בפרשנות של Assisted conversions
Assisted conversions הם כלי חשוב, אבל גם כאן קל מאוד ליפול לפרשנות שגויה.
טעות ראשונה, לחשוב שסיוע שווה סיבתיות
ערוץ יכול להופיע הרבה במסלולי המרה בלי להיות גורם דוחף אמיתי. למשל, אם כמעט כל ליד עובר דרך מייל או חיפוש מותג בשלב מאוחר, זה לא אומר שהערוץ הזה יצר את הביקוש.
טעות שנייה, לספור סיוע בלי לשאול באיזה שלב
יש הבדל גדול בין ערוץ שפותח מסע לבין ערוץ שרק מופיע בדרך. לא כל סיוע הוא בעל אותו משקל עסקי.
טעות שלישית, להתעלם מאיכות ההמרה
ערוץ יכול להופיע בהרבה מסלולים ולהביא לידים חלשים. אם לא מחברים CRM, סטטוס הזדמנות והכנסה, אפשר לייחס ערך גבוה מדי לפעילות שמביאה נפח אך לא תוצאה עסקית.
טעות רביעית, להתעלם מבעיות מדידה
לעיתים assisted conversions מנופחים או מדוכאים בגלל תיוג לא תקין, חלונות ייחוס לא מתאימים, כפילויות, קוקיז חסומים, או חוסר בחיבור לאירועי אופליין.
טעות חמישית, לבחון כל ערוץ בנפרד
הערך האמיתי נמצא לעיתים בשילוב. תוכן בלי רימרקטינג יכול להיראות חלש. רימרקטינג בלי תוכן נראה מעולה. בפועל, אחד מייצר ביקוש והשני מממש אותו.
למה דאטה כמותית לבדה לא מספיקה
הנה אחת האמיתות הפחות נוחות בעולם המדידה: לא כל מה שמשפיע ניתן למדידה מלאה, ובוודאי לא ברמת דיוק קלינית.
לכן גישת מדידה בוגרת משלבת שלושה מקורות:
דאטה כמותית, כמו מסלולי המרה, מקורות תנועה, המרות, הכנסה ויחסי המרה
דאטה תפעולית, כמו סטטוס ליד, מהירות תגובה, איכות פגישות והתקדמות בצינור
דאטה איכותנית, כמו שיחות מכירה, שאלוני איך שמעתם עלינו, תמלילי שיחות, סקרים קצרים ללקוחות, ופידבק של אנשי מכירות
לא פעם איש מכירות יגלה מה הדשבורד מפספס. למשל, שלקוחות מזכירים וובינר שלא נמדד, או תוכן מקצועי שהגיע בוואטסאפ פנימי בארגון, או חשיפה תקשורתית שייצרה אמון הרבה לפני הליד.
ארגון שמסתכל רק על קליקים, כמעט תמיד מפספס הקשר. ארגון שמשלב נתונים עם שיחה אנושית, מתחיל לראות תמונה עסקית.
איך לבנות גישת מדידה בוגרת גם בלי מערכת enterprise
לא צריך מערכת ענק כדי להפסיק לנהל בעיוורון. צריך משמעת.
הבסיס הוא להגדיר מה באמת נחשב תוצאה. לא רק ליד, אלא גם ליד איכותי, פגישה, SQL, הצעת מחיר, עסקה סגורה, והכנסה.
אחר כך צריך סדר בנתונים:
שפה אחידה ל UTM
הפרדה ברורה בין חיפוש מותג לחיפוש כללי
זיהוי של ערוצי גילוי מול ערוצי סגירה
שמירת שדות מקור ראשון, מקור אחרון, קמפיין, ותאריך יצירה ב CRM
קליטה של המרות אופליין, לפחות ברמה בסיסית
ושאלה פשוטה בטופס או בשיחת המכירה: איך שמעתם עלינו
מכאן אפשר לבנות שכבת מדידה פרקטית גם בלי enterprise:
להחזיק שני מבטי אמת במקביל, First touch ו Last click
להפיק פעם בשבוע או חודש דוח מסלולים מובילים
לבדוק איזה ערוצים מופיעים בתחילת מסע ואיזה בסופו
להצליב בין מקור הליד לבין מקור ההכנסה
ולזהות פערים בין מה שמערכת הפרסום טוענת לבין מה שה CRM מספר
זו כבר קפיצת מדרגה אמיתית.
חלק מעשי, איך להתחיל לבדוק השפעה מרובת נגיעות גם בארגון קטן
שלב 1, להחליט על מדדי עסק ולא רק על מדדי שיווק
בחרו שלושה עד חמישה מדדים בלבד: ליד, ליד איכותי, פגישה, עסקה, הכנסה. אם הכל חשוב, שום דבר לא חשוב.
שלב 2, לסדר היגיינת מדידה
ודאו ש UTM עקביים, שהערוצים מסווגים נכון, שאין כפילויות המרה, ושדפי תודה, טפסים ושיחות מסומנים כמו שצריך.
שלב 3, לשמור מקור ראשון ומקור אחרון
גם בקובץ פשוט או CRM בסיסי, אפשר לשמור מה הביא את הקשר הראשוני ומה הייתה הנגיעה האחרונה לפני ההמרה. כבר כאן מתחילים לראות פערים.
שלב 4, להוסיף מקור מדווח עצמי
שאלת איך שמעתם עלינו היא לא פתרון מושלם, אבל היא לעיתים משלימה פערים שאף פיקסל לא יתפוס, במיוחד ב B2B.
שלב 5, לבנות דוח חודשי פשוט
לא צריך מודל מתקדם. מספיק דוח עם:
הערוצים שפתחו מסע
הערוצים שסגרו מסע
הערוצים שמופיעים הכי הרבה במסלולים מנצחים
והקשר בין מקור ליד להכנסה בפועל
שלב 6, להשוות החלטות תקציב לפי שני מבטים
קחו את אותה תקופה, וראו מה היה קורה אם הייתם מקצים תקציב לפי Last click בלבד, מול מצב שבו אתם מסתכלים גם על פתיחת מסע וגם על סיוע לאורך הדרך. ברוב הארגונים תגלו שערוצי בניית ביקוש קיבלו תת השקעה.
שלב 7, להתחיל ניסויים קטנים
למשל, להגדיל תוכן או וידאו לתקופה מוגדרת, ולבדוק האם אחרי כמה שבועות יש עלייה בחיפושי מותג, בחזרות ישירות, בשיעור סגירה, או בהופעת ערוץ מסוים בתחילת המסלולים. זו לא הוכחת מעבדה, אבל זו למידה עסקית טובה.
השורה התחתונה
Last click לא צריך להיעלם, אבל הוא חייב לרדת מכס המלכות. הוא יכול להיות כלי אחד בארגז, לא האמת היחידה שלפיה מחלקים כסף.
אטריביושן בוגר לא מחפש תשובה אחת מושלמת, אלא בונה מערכת החלטה טובה יותר. כזו שמבינה שמסע לקוח הוא תהליך, לא רגע. שכסף גדול אובד לא רק כשקמפיין נכשל, אלא גם כשארגון מתגמל שוב ושוב את מי שהיה בסוף ומתעלם ממי שבנה את הדרך לשם.
המעבר מניהול לפי Last click לניהול לפי השפעה מצטברת הוא לא רק שיפור בדיווח. הוא שיפור באסטרטגיה, בהקצאת תקציב, ובסיכוי לצמוח בלי לאכול את מנועי הצמיחה של עצמך.
להמשך קריאה
שאלות נפוצות
מה זה ייחוס בשיווק דיגיטלי
השיטה שקובעת איזה ערוץ מקבל קרדיט על פנייה או על מכירה. לקוח נחשף בדרך כלל לכמה ערוצים לפני שהוא פונה.
למה לא לנהל לפי הקליק האחרון
כי הקליק האחרון מתגמל את הערוץ שסגר ומתעלם מהערוצים שיצרו את העניין. כך מקצצים בתוכן וביחסי ציבור שהביאו את הלקוח מלכתחילה.
מה עושים במקום
משלבים נתוני מערכת עם שאלה ישירה ללקוח איך שמע עליכם, ובודקים פעם ברבעון אילו ערוצים הופיעו במסלול של העסקאות שנסגרו.













