Cross‑device attribution

Czym jest atrybucja cross-device?

Atrybucja cross-device to proces identyfikacji i łączenia interakcji tego samego użytkownika na różnych urządzeniach (takich jak smartfon, laptop, tablet, a nawet smart TV) w celu przypisania wartości (konwersji) do odpowiednich punktów styku na całej ścieżce klienta. Zamiast traktować sesję na telefonie i sesję na komputerze jako działania dwóch różnych osób, atrybucja między urządzeniami rozpoznaje je jako część podróży jednego, tego samego użytkownika.

Do czego służy atrybucja cross-device w marketingu?

Strategiczne wdrożenie atrybucji cross-device pozwala marketerom uzyskać pełniejszy i bardziej precyzyjny obraz efektywności swoich działań. Główne cele jej stosowania to:

• Uzyskanie pełnego obrazu ścieżki klienta: Pozwala zrozumieć, jak różne kanały i urządzenia współgrają ze sobą w procesie prowadzącym do konwersji, eliminując „ślepe punkty” w analizie.
• Efektywniejsza alokacja budżetu: Dzięki wiedzy, że np. reklama mobilna generuje konwersje na desktopie, można trafniej inwestować w kanały, które faktycznie inicjują lub wspierają sprzedaż, nawet jeśli nie prowadzą do niej bezpośrednio na danym urządzeniu.
• Poprawa doświadczeń użytkownika (UX): Umożliwia dostarczanie spójnych i spersonalizowanych komunikatów na różnych urządzeniach. Klient nie zobaczy reklamy produktu, który właśnie kupił na innym urządzeniu.
• Dokładniejszy pomiar zwrotu z inwestycji (ROI): Prawidłowe przypisanie konwersji do wszystkich punktów styku, które miały na nią wpływ, prowadzi do bardziej wiarygodnych wskaźników, takich jak ROAS (zwrot z wydatków na reklamę).

Jak działa atrybucja cross-device (metody dopasowania)?

Łączenie aktywności użytkownika między urządzeniami opiera się na dwóch głównych metodach dopasowania.

Dopasowanie deterministyczne

Jest to najdokładniejsza metoda, która opiera się na jednoznacznym identyfikatorze łączącym użytkownika na różnych urządzeniach. Takim identyfikatorem jest najczęściej informacja o zalogowaniu (np. konto Google, Apple ID, konto w sklepie internetowym). Jeśli użytkownik jest zalogowany na to samo konto na swoim smartfonie i laptopie, system ma 100% pewności, że to ta sama osoba. Metoda ta jest stosowana głównie w ramach zamkniętych ekosystemów (tzw. „walled gardens”) jak Google czy Meta.

Dopasowanie probabilistyczne

Gdy brakuje danych deterministycznych, stosuje się podejście statystyczne. Metoda probabilistyczna analizuje tysiące anonimowych sygnałów i danych (takich jak adres IP, typ i model urządzenia, system operacyjny, strefa czasowa, rozdzielczość ekranu, używane czcionki) w celu stworzenia prawdopodobnego profilu użytkownika. Na podstawie tych danych algorytmy szacują z określonym prawdopodobieństwem, że aktywność na różnych urządzeniach należy do tej samej osoby. Jest to metoda mniej precyzyjna, a jej skuteczność maleje w dobie rosnących ograniczeń dotyczących prywatności.