Modele atrybucji w Google Ads - jak działają?

Modele atrybucji w Google Ads to reguły, które decydują, któremu kliknięciu, słowu kluczowemu i kampanii system przypisze zasługę za konwersję, gdy użytkownik zetknął się z reklamą więcej niż raz. Google Ads udostępnia dziś dwa modele: ostatnie kliknięcie oraz atrybucję opartą na danych (data-driven attribution), która rozdziela udział w konwersji na podstawie historii rzeczywistych ścieżek w danym koncie. Model atrybucji nie zmienia liczby sprzedaży w firmie - zmienia to, jak ta sprzedaż zostaje rozpisana na kampanie w raportach i jakie sygnały dostaje algorytm ustalania stawek.

Prawie każda rozmowa o „nieopłacalnych” kampaniach zaczyna się od tej samej pomyłki: właściciel firmy patrzy na kolumnę „Konwersje” przy kampanii brandowej, widzi tam większość sprzedaży i wyciąga wniosek, że reszta konta nie działa. Tymczasem to nie kampanie się zmieniły, tylko sposób księgowania zasługi. Przez lata audytowania kont Google Ads nauczyłem się, że model atrybucji jest jednym z tych ustawień, które wyglądają na techniczny detal, a potrafią przesunąć kilkadziesiąt procent raportowanych konwersji z jednej kampanii na drugą - bez jednej dodatkowej złotówki wydanej na reklamę.

Czym są modele atrybucji w Google Ads i co dokładnie rozdzielają?

Model atrybucji w Google Ads to reguła podziału jednej konwersji między wszystkie kliknięcia i zaangażowane obejrzenia, które ją poprzedziły w oknie konwersji.

Jeżeli użytkownik kliknął w ciągu tygodnia reklamę na frazę generyczną, potem reklamę produktową, a na końcu reklamę brandową - system musi zdecydować, czy zasługa idzie w całości do ostatniego kontaktu, czy rozkłada się na wszystkie trzy. Ta decyzja jest właśnie modelem atrybucji.

Konwersja w Google Ads jest jednostką dzielną. Przy atrybucji opartej na danych w kolumnie „Konwersje” zobaczysz wartości ułamkowe: 0,42 przy jednej kampanii i 0,58 przy drugiej. To nie błąd raportu, tylko zapis udziału. Suma udziałów z jednej ścieżki zawsze daje jedną konwersję.

Warto rozdzielić dwa pojęcia, które w rozmowach ciągle się zlewają. Atrybucja odpowiada na pytanie „któremu kontaktowi zapisać sprzedaż”, a pomiar konwersji odpowiada na pytanie „czy sprzedaż w ogóle została zarejestrowana”. Zły pomiar psuje wszystko powyżej - żaden model atrybucji nie naprawi tagu, który nie odpala się na stronie podziękowania.

• Punkt styku: pojedyncze kliknięcie reklamy lub zaangażowane obejrzenie wideo w sieci Google, które trafia do ścieżki konwersji.
• Ścieżka konwersji: uporządkowana chronologicznie lista punktów styku jednego użytkownika, zakończona konwersją.
• Udział w konwersji: ułamek konwersji przypisany konkretnemu punktowi styku przez model atrybucji.
• Okno konwersji: maksymalny czas między kontaktem z reklamą a konwersją, po przekroczeniu którego kontakt przestaje się liczyć.

Jakie modele atrybucji są dziś dostępne w Google Ads?

W Google Ads dostępne są dwa modele atrybucji: ostatnie kliknięcie oraz atrybucja oparta na danych, przy czym ta druga jest domyślna dla większości nowych działań powodujących konwersję.

Ostatnie kliknięcie oddaje całą zasługę ostatniemu kliknięciu i powiązanemu z nim słowu kluczowemu. Atrybucja oparta na danych rozdziela udział na podstawie historii ścieżek zarejestrowanych dla tego konkretnego działania.

Różnica między nimi nie jest kosmetyczna. Ostatnie kliknięcie jest modelem deterministycznym: identyczna ścieżka zawsze da identyczny wynik, niezależnie od konta i branży. Atrybucja oparta na danych jest modelem statystycznym: ten sam układ kliknięć na dwóch różnych kontach może dostać inny podział, bo model uczy się na lokalnych wzorcach.

W praktyce wybór jest więc węższy, niż sugerują starsze poradniki krążące po sieci. Jeżeli czytasz materiał, który każe Ci porównywać model liniowy z pozycyjnym, patrzysz na treść opisującą interfejs sprzed kilku lat. Podstawy działania systemu reklamowego opisuję szerzej w poradniku Google Ads dla początkujących, a szerszy kontekst atrybucji wielokanałowej - w tekście o atrybucji konwersji w praktyce.

Dlaczego Google wycofał modele regułowe z Google Ads?

Google wycofał modele pierwszego kliknięcia, liniowy, spadku znaczenia i pozycyjny, ponieważ korzystało z nich mniej niż 3% konwersji z witryn w Google Ads, a ich sztywne reguły nie odwzorowywały realnych ścieżek zakupowych.

Decyzja została ogłoszona wiosną 2023 roku: od czerwca 2023 nie można było wybrać tych modeli dla nowych działań powodujących konwersję, a od września 2023 pozostałe działania zostały automatycznie przeniesione na atrybucję opartą na danych.

Argument o niskim wykorzystaniu jest prawdziwy, ale to nie cała historia. Modele regułowe rozdzielały zasługę według z góry ustalonego wzoru: liniowy dawał każdemu kontaktowi tyle samo, pozycyjny przyznawał po 40% pierwszemu i ostatniemu, a spadek znaczenia zmniejszał udział wraz z odległością w czasie. Żaden z tych wzorów nie wynikał z zachowania klientów. Wynikał z decyzji projektowej podjętej raz, dla wszystkich reklamodawców na świecie.

1. Kwiecień 2023 - Google ogłasza wycofanie czterech modeli regułowych z Google Ads i Google Analytics 4.
2. Czerwiec 2023 - nowe działania powodujące konwersję nie mogą już korzystać z wycofywanych modeli.
3. Wrzesień 2023 - działania nadal ustawione na modele regułowe zostają przełączone na atrybucję opartą na danych.
4. Stan obecny - w interfejsie zostają dwie opcje: ostatnie kliknięcie i atrybucja oparta na danych.

Uważam, że dla przeciętnego reklamodawcy była to zmiana korzystna, choć została wprowadzona w sposób, który wielu kontom zaburzył ciągłość raportowania. Kiedyś broniłem modelu pozycyjnego jako rozsądnego kompromisu dla firm z długim procesem zakupowym. Zmieniłem zdanie, gdy zobaczyłem na kilku kontach B2B, że 40% zasługi przypisywane pierwszemu kliknięciu regularnie lądowało na przypadkowej frazie informacyjnej, która nigdy nie prowadziła do zapytania ofertowego.

Jak działa atrybucja oparta na danych w Google Ads?

Atrybucja oparta na danych porównuje ścieżki użytkowników, którzy dokonali konwersji, ze ścieżkami użytkowników, którzy jej nie dokonali, i przypisuje większy udział tym punktom styku, które statystycznie zwiększały prawdopodobieństwo konwersji.

Model analizuje wszystkie interakcje - kliknięcia i zaangażowane obejrzenia wideo - w obsługiwanych sieciach, a następnie buduje rozkład udziałów osobno dla każdego działania powodującego konwersję.

Mechanizm najłatwiej zrozumieć na kontrfaktycznym pytaniu: „o ile spadłoby prawdopodobieństwo zakupu, gdyby tego jednego kontaktu zabrakło?”. Punkt styku, po którym prawdopodobieństwo rośnie wyraźnie, dostaje wyższy udział. Punkt styku, który pojawia się równie często u kupujących i niekupujących, dostaje udział bliski zeru.

Ile danych potrzebuje model data-driven, żeby liczyć wiarygodnie?

Google podaje w dokumentacji Google Ads, że atrybucja oparta na danych działa optymalnie przy co najmniej 200 konwersjach i 2000 interakcji z reklamą w obsługiwanych sieciach w ciągu 30 dni. Model jest dostępny dla wszystkich działań powodujących konwersję, ale poniżej tych wartości jego rozkład udziałów staje się niestabilny i przy niewielkim wolumenie potrafi dawać wyniki zbliżone do ostatniego kliknięcia.

Z moich obserwacji wynika, że próg praktyczny leży wyżej niż formalny. Na kontach z około 60 konwersjami miesięcznie rozkład udziałów potrafił zmienić się o kilkanaście punktów procentowych z tygodnia na tydzień, co uniemożliwiało jakiekolwiek wnioskowanie o wartości kampanii górnego lejka. To moja interpretacja, nie stanowisko Google - ale przy takim wolumenie wolę oceniać kampanie w oknie kwartalnym niż tygodniowym.

Ten czwarty punkt jest najczęściej ignorowany. Widziałem konta, na których jako główną konwersję ustawiono wspólne działanie „Kontakt”, łączące kliknięcie w numer telefonu, otwarcie czatu i wysłanie formularza. Model uczył się wtedy średniej z trzech zupełnie różnych zachowań i żaden z jego wniosków nie nadawał się do decyzji budżetowych.

Jak okno konwersji zmienia wynik atrybucji w Google Ads?

Okno konwersji wyznacza granicę czasową, w której kontakt z reklamą w ogóle wchodzi do puli dzielonej przez model atrybucji, i w Google Ads ustawia się je w zakresie od 1 do 90 dni dla konwersji po kliknięciu oraz do 30 dni dla konwersji po obejrzeniu i po zaangażowanym obejrzeniu. Kontakt starszy niż okno konwersji nie dostaje żadnego udziału, nawet jeśli faktycznie zapoczątkował proces zakupowy.

Konsekwencja jest praktyczna: dwa konta z identycznym modelem atrybucji i identycznymi kampaniami mogą pokazywać różne rozkłady zasługi tylko dlatego, że jedno ma okno 7-dniowe, a drugie 60-dniowe. Krótsze okno faworyzuje kampanie zamykające sprzedaż, dłuższe podnosi wartość kampanii otwierających ścieżkę.

• Okno 1-7 dni: sensowne przy zakupach impulsowych, gastronomii, usługach ratunkowych i produktach kupowanych od ręki.
• Okno 14-30 dni: domyślny wybór dla większości sklepów internetowych z koszykiem średniej wartości.
• Okno 60-90 dni: uzasadnione w B2B, usługach medycznych i przy produktach o wysokiej cenie jednostkowej.
• Osobne okno dla obejrzeń: ustawiane niezależnie od okna po kliknięciu, maksymalnie 30 dni.

Punktem wyjścia powinna być mediana czasu od pierwszego kontaktu do zakupu, a nie wartość domyślna. Na 23 kontach, które audytowałem w ciągu ostatniego roku, 14 miało okno po kliknięciu zostawione na domyślnej wartości mimo zupełnie innego realnego cyklu zakupowego - w tym jedno konto usług remontowych z medianą 38 dni i oknem ustawionym na 30. To dokładnie ten rodzaj rozjazdu, który sprawdzam na początku każdego audytu konta Google Ads.

Jak zmienić model atrybucji w Google Ads krok po kroku?

Model atrybucji zmienia się w ustawieniach pojedynczego działania powodującego konwersję, a nie na poziomie kampanii ani całego konta.

Ścieżka prowadzi przez menu Cele, sekcję Konwersje i podsumowanie działań, gdzie po wejściu w konkretne działanie znajdziesz ustawienia okna konwersji oraz modelu atrybucji.

Najważniejsza zasada dotyczy nie kliknięć w interfejsie, tylko momentu oceny. Po zmianie modelu dane historyczne w raportach zostają przeliczone dla obsługiwanych sieci, ale kampanie potrzebują pełnego cyklu zakupowego, zanim nowy rozkład udziałów będzie porównywalny.

Jeżeli w koncie masz kilka działań głównych, zmieniaj je pojedynczo. Magda, e-commerce manager w sklepie z odzieżą dziecięcą, przełączyła jednocześnie zakup, zapisy do newslettera i kontakt telefoniczny, po czym przez trzy tygodnie nie potrafiła powiedzieć, czy wzrost raportowanego CPA z 34 zł do 51 zł wynika ze zmiany modelu, czy z sezonowego spadku konwersji po wyprzedaży. Rozdzielenie zmian w czasie kosztuje tydzień cierpliwości i oszczędza miesiąc zgadywania.

Co zmiana modelu atrybucji robi z raportami i Smart Biddingiem?

Zmiana modelu atrybucji zmienia wartości, na których uczą się strategie automatyczne, więc po przełączeniu Smart Bidding przez pewien czas licytuje na podstawie innego obrazu wartości kampanii niż wcześniej.

Algorytm nie dostaje nagle więcej konwersji - dostaje inaczej rozłożone konwersje, co przekłada się na przesunięcie stawek w stronę fraz i kampanii, które w nowym modelu dostały wyższy udział.

W raporcie zobaczysz to najszybciej w trzech miejscach. Po pierwsze, w kolumnie „Konwersje” pojawią się wartości ułamkowe. Po drugie, kampanie brandowe zwykle tracą część udziału na rzecz kampanii generycznych i Performance Max. Po trzecie, kampanie wideo, które przy ostatnim kliknięciu miały zero konwersji, zaczynają pokazywać niezerowe wartości.

• Docelowy CPA i docelowy ROAS: wymagają weryfikacji, bo te same cele przy nowym rozkładzie oznaczają inny poziom agresywności licytacji.
• Porównania rok do roku: tracą porównywalność w momencie zmiany modelu, warto oznaczyć tę datę w raportach zarządczych.
• Ocena kampanii górnego lejka: zyskuje sens dopiero przy modelu opartym na danych, bo ostatnie kliknięcie systemowo zeruje ich wkład.
• Rozliczenia z partnerami zewnętrznymi: jeśli premia zależy od liczby konwersji, zmiana modelu wymaga aneksu do zasad rozliczenia.

Mechanikę samych strategii automatycznych rozwijam w osobnym materiale o Smart Biddingu w Google Ads. Jeżeli natomiast po zmianie modelu liczby w Google Ads przestały zgadzać się z panelem analitycznym, przyczyny opisuję w tekście o tym, dlaczego Google Ads, GA4 i Meta pokazują różne liczby konwersji - to osobne zagadnienie, którego atrybucja w panelu Google Ads nie rozwiązuje.

Jak ocenić, czy Twoje konto jest gotowe na atrybucję opartą na danych?

Gotowość konta na atrybucję opartą na danych ocenia się na czterech poziomach: jakości pomiaru konwersji, wolumenu danych, dopasowania okien konwersji i rozdzielenia działań makro od mikro.

Konto, które przechodzi trzy z czterech, dostanie z modelu użyteczne wnioski. Konto, które przechodzi jeden, dostanie precyzyjnie policzoną bzdurę.

Kolejność napraw jest odwrotna do kolejności ocen. Najpierw rozdziel działania, potem urealnij okna, dopiero na końcu dyskutuj o wyborze modelu. Zmiana modelu przy zepsutym pomiarze przypomina wymianę termometru w pokoju, w którym ktoś zostawił otwarte okno.

Jakie błędy w konfiguracji atrybucji najczęściej psują dane w Google Ads?

Najczęstszym błędem atrybucji w Google Ads nie jest wybór złego modelu, tylko ocenianie kampanii w oknie krótszym niż okno konwersji ustawione w koncie.

Przy oknie 30-dniowym raport z ostatnich 7 dni zawsze pokaże zaniżoną liczbę konwersji, bo część ścieżek jeszcze się nie domknęła - a decyzja o wyłączeniu kampanii zapada właśnie na podstawie takiego raportu.

• Wyłączanie kampanii na świeżych danych: ocena kampanii górnego lejka po tygodniu przy oknie 30-dniowym systematycznie zaniża jej wynik.
• Podwójne liczenie konwersji: tag Google i równoległy import z GA4 dla tego samego zdarzenia dublują dane wejściowe modelu.
• Zmiana modelu i okna jednocześnie: uniemożliwia przypisanie przesunięcia wyników do konkretnej przyczyny.
• Porównywanie Google Ads z panelem analitycznym jeden do jednego: systemy stosują inne modele i inne okna, więc równość liczb byłaby anomalią, a nie normą.
• Ustawienie wszystkich konwersji jako główne: algorytm optymalizuje wtedy pod sumę zdarzeń o różnej wartości biznesowej.

Jest jeszcze błąd, którego nie widać w interfejsie: brak zapisanej daty zmiany. W pracy z klientami zawsze prowadzę prosty dziennik zmian z datą, opisem i osobą odpowiedzialną. Bez niego po kwartale nikt nie pamięta, czy przesunięcie CPA wynikało ze zmiany modelu atrybucji, z nowej strony docelowej, czy z podwyżki cen w sklepie. Jeżeli rozpoznajesz w swoim koncie choć trzy z powyższych wzorców, model atrybucji nie jest tu głównym problemem do rozwiązania.

Podsumowanie

Modele atrybucji w Google Ads sprowadzają się dziś do wyboru między ostatnim kliknięciem a atrybucją opartą na danych, ale realna praca nie polega na tym wyborze.

Polega na doprowadzeniu pomiaru konwersji, okien i podziału działań do stanu, w którym którykolwiek model ma co liczyć. Model jest ostatnim elementem układanki, nie pierwszym.

Przestań traktować atrybucję jak ustawienie techniczne, które raz się klika i zapomina. Zacznij postrzegać ją jako reguły księgowania zasługi, według których podejmujesz decyzje o przenoszeniu budżetu między kampaniami - a więc jako element zarządzania firmą, nie panelu reklamowego.

1. Sprawdź podział działań - zakup, formularz i telefon jako osobne konwersje, jedna główna na cel biznesowy.
2. Urealnij okna konwersji - punktem odniesienia jest mediana czasu od kliknięcia do zakupu, nie wartość domyślna.
3. Zmieniaj jedno ustawienie naraz - z datą zapisaną w dzienniku zmian konta.
4. Oceniaj po pełnym oknie - porównuj okresy dopiero wtedy, gdy ścieżki zdążyły się domknąć.

Kolejne lata przyniosą prawdopodobnie dalsze upraszczanie panelu i przesuwanie decyzji w stronę modeli statystycznych. Tym bardziej opłaca się dziś zadbać o dane wejściowe: to jedyna warstwa, na którą reklamodawca ma pełny wpływ, niezależnie od tego, ile modeli zostawi w interfejsie Google.

Ten wpis należy do obszaru Pomiar i analityka - zobacz pozostałe teksty z tego obszaru albo wróć do bazy wiedzy Google Ads.

Samodzielny Specjalista Google Ads

Artur Smolicki

Od ponad 15 lat specjalizuję się w przygotowaniu, wdrożeniu i optymalizacji kampanii Google Ads. W 2024 roku uzyskałem status Google Premier Partner dla 3% najlepszych specjalistów i agencji w Polsce. Prowadzę kampanie reklamowe na 29 rynkach zagranicznych, tak dla segmentu e-commerce jak i B2B.

Współpraca →Poznaj mnie →