En annonsör summerar konverteringarna från ChatGPT, sökannonser och sociala kampanjer och får ett större antal än butikens order. Det betyder inte automatiskt att köpevent skickas dubbelt. Olika plattformar kan var för sig tillskriva samma köp till sina annonser enligt sina egna regler.
Den praktiska uppgiften är att välja vilken vy som stödjer ett beslut om budget mellan kanaler. Behåll plattformarnas attribuering för att förstå respektive kanal, men ha en separat affärssumma som räknar verkliga order eller kunder en gång. Om vyerna blandas utan etiketter kan samma försäljning se ut som flera försäljningar.
Återskapa det enklaste överlappet
Tänk dig en hypotetisk kund som klickar på en annons i ChatGPT på måndagen, klickar på en sökannons på onsdagen och handlar på torsdagen. Om båda interaktionerna uppfyller respektive rapports regler kan båda plattformarna visa en attribuerad konvertering. Ordersystemet innehåller fortfarande bara en order.
Anta sedan att en plattform även räknar utfall efter annonsvisning medan den andra rapporten bara gäller klick. Totalsummorna har då olika omfattning redan innan spårningens kvalitet bedöms. En direkt jämförelse av CPA kan gynna rapporten med bredare attribuering i stället för kanalen med bättre ekonomi.
OpenAI:s rapportdokumentation definierar valen för klick- och visningsbaserad rapportering av annonser i ChatGPT. Anteckna de verkliga inställningarna i er rapport. Härled inte en annan plattforms regler från OpenAI:s benämningar och anta inte att mått med samma namn har samma innebörd.
Ett köp kan finnas i flera rapporter
- ChatGPT-klick
En annonsinteraktion ingår i kanalens valda fönster.
- Senare kanalklick
En annan plattform kan också tillskriva sig utfallet.
- En order
Ordersystemet räknar fortfarande ett faktiskt köp.
Håll tre rapportlager åtskilda
Affärsregistret visar order, återbetalningar och nya kunder enligt företagets definitioner. Plattformarnas rapporter visar utfall som tillskrivs respektive plattform. En intern fördelningsmodell delar kredit mellan kanaler enligt en vald regel. Alla tre kan användas samtidigt, men de ska inte beskrivas som utbytbara fakta.
En modell som använder senast kända källa kan exempelvis ge ordern till sök medan ChatGPT fortfarande rapporterar en giltig tidigare interaktion. Det behöver inte vara en motsägelse. Den interna modellen och plattformens rapport svarar på olika frågor, och fördelningsregeln fastställer inte vilken interaktion som orsakade köpet.
Välj ett lager för varje beslutskolumn. Ekonomitabellen kan använda unika nya kunder och total anskaffningskostnad. En tabell för kanaldiagnos kan behålla respektive plattforms attribuerade resultat. En modelljämförelse kan visa hur olika fördelningsregler ändrar kanalernas andelar utan att antalet verkliga order ändras.
Lös inte överlapp genom godtycklig subtraktion
En hypotetisk butik har 100 order medan två plattformar rapporterar 70 respektive 60 attribuerade köp. Överskottet på 30 bevisar inte att exakt 30 order överlappar. Det kan finnas order som ingen plattform tillskriver sig, olika datumfördelning och antal som omfattar upprepade handlingar.
Det behövs lämpligt underlag på gemensam nivå för att uppskatta faktiskt överlapp. Om tillåten matchning på ordernivå saknas ska begränsningen redovisas och plattformssummorna hållas icke summerbara. Ett skenbart exakt deduplicerat tal från aggregerad subtraktion kan vara mer vilseledande än öppet separata totalsummor.
Kontrollera tekniska dubbletter separat genom felsökning av eventdeduplicering. Att samma köp skickas två gånger till en mätkälla är ett annat problem än att två plattformar tillskriver sig ett korrekt registrerat köp. Åtgärden för det ena löser inte automatiskt det andra.
Bestäm villkoren för kanaljämförelsen
Ange affärsutfall, datumgrund, valutor, hantering av återbetalningar, definition av ny kund och rapportens brytdatum. Dokumentera väsentliga skillnader som inte går att samordna. Målet är en rättvis jämförelse med synliga begränsningar, inte att skapa ett intryck av perfekt enhetlighet mellan systemen.
Om analysen gäller kundanskaffning kan blandad anskaffningskostnad användas för att jämföra alla relevanta kostnader med en deduplicerad affärsnämnare. Måttet kan visa om den samlade effektiviteten förändrades samtidigt som de enskilda plattformarna var för sig visar gynnsam attribuering.
Behåll kanalernas detaljer för operativt lärande. En ökning av attribuerade utfall i ChatGPT kan motivera en granskning av trafik och erbjudande även om verksamhetens totala efterfrågan är oförändrad. Nästa steg är då undersökning, inte ett omedelbart påstående om att kanalen skapade alla extra rapporterade konverteringar.
Använd rätt underlag för orsaksfrågan
Attribueringsregler ordnar observerade interaktioner. De visar inte vad som hade hänt om en kanal saknats. Om budgetbeslutet kräver kunskap om tillkommande effekt behövs ett genomförbart experiment eller en annan trovärdig analys av orsak, med öppet redovisade antaganden och begränsningar.
Guiden om attribuering och tillkommande intäkt skiljer den frågan från vanlig kampanjrapportering. En kanal kan få liten kredit för sista kontakten men ändå bidra till efterfrågan. En annan kan få mycket attribuerad kredit för kunder som skulle ha handlat ändå. Ingendera möjligheten ska beskrivas som konstaterat faktum utan stöd.
Avsluta rapportdiskussionen med en tydlig läsregel: kanalernas attribuerade kolumner summeras inte till affärens försäljning, orderregistret ger den unika totalen och varje fördelningsmodell namnges och versionshanteras. Stäm av populationerna med rutinen för CRM och affärsposter. Då bevaras plattformsinformationen utan att ett rapportöverlapp blir en budgetprognos eller ett påstått intäktsresultat.
Källor och avgränsning
Förklara varför kanalernas attribuerade totalsummor överlappar och välj en konsekvent vy för kanalbeslut.
Arbetsmetoder och exempel är redaktionella förslag. Kontrollera aktuella plattformsvillkor och funktioner inför genomförandet.