מה ההבדל בין ייחוס לאינקרמנטליות?
לפי התיעוד של Google, ייחוס הוא הקצאת קרדיט על פעולות חשובות של משתמשים למודעות, לקליקים ולגורמים שונים לאורך המסלול שלהם. מודל ייחוס הוא כלל, קבוצת כללים או אלגוריתם שמחליט איך הקרדיט מתחלק. נקודת המוצא של ייחוס היא שההמרה קרתה והוא רק מחליט של מי היא.
אינקרמנטליות לא מקבלת את נקודת המוצא הזאת. היא משווה עולם שבו הפרסום רץ לעולם שבו הוא לא רץ, כך שההפרש בין השניים הוא התוספת שהפרסום יצר.
| ייחוס | אינקרמנטליות | |
|---|---|---|
| השאלה | איזו נקודת מגע מקבלת קרדיט על ההמרה | כמה המרות נוספו בגלל הפרסום |
| השיטה | כללים או מודל על מסלולים שנצפו | ניסוי מבוקר עם קבוצת טיפול וקבוצת ביקורת |
| הזמינות | רציפה, בכל דוח ובכל יום | נקודתית, לניסוי שתוכנן מראש |
| המדדים | המרות מיוחסות, ROAS, עלות להמרה | המרות אינקרמנטליות, iCPA, iROAS |
| החולשה | נותן קרדיט גם על המרות שהיו קורות בכל מקרה | דורש נפח, תקציב וויתור זמני על חשיפה |
למה ייחוס לבדו לא מוכיח שהפרסום עבד?
כי ייחוס רואה רק את מי שהמיר. שני מקרים שחוזרים כמעט בכל חשבון:
- רימרקטינג. הקמפיין פונה לאנשים שכבר היו באתר, חלקם עם מוצר בעגלה. חלק מהם היו קונים גם בלי המודעה. בייחוס כל רכישה כזאת נרשמת לזכות הקמפיין.
- חיפוש על שם המותג. מי שמקליד את שם החברה כבר החליט לאן הוא הולך. הקליק על המודעה מקבל קרדיט מלא, גם אם התוצאה האורגנית מתחתיה הייתה מביאה אותו לאותו עמוד.
בשני המקרים ה-ROAS המיוחס נראה מצוין. השאלה כמה מהמכירות היו נעלמות אם הקמפיין היה נעצר נשארת פתוחה.
ייחוס מבוסס נתונים מתקרב לשאלה הזאת אבל לא פותר אותה. לפי התיעוד של Google, המודל ב-GA4 לומד ממסלולים שהסתיימו בהמרה וממסלולים שלא ומשווה בין מה שקרה למה שהיה יכול לקרות. זה עדיין מודל על נתונים שנצפו בתוך הערוצים שנמדדים, לא ניסוי שבו קבוצה אמיתית לא נחשפה לפרסום. על המודלים עצמם ועל רמות המימד פירטנו בייחוס ב-GA4, מודלים ורמות מימד.
איך עובד ניסוי lift?
לפי התיעוד של Google, Conversion Lift הוא ניסוי מבוקר שמחלק את הקהל לשתי קבוצות: קבוצת טיפול שרואה את המודעות וקבוצת ביקורת שלא רואה אותן. ה-lift הוא ההפרש בהמרות בין הקבוצות. Google מתארת את הכלי כדרך למדוד את ההשפעה הסיבתית של המודעות.
מבנה של ניסוי lift
מהקהל ועד ההמרות שהפרסום הוסיף
המדדים שהניסוי מחזיר, לפי ההגדרות בתיעוד של Google:
incremental conversions =
treatment conv. - control conv.
relative lift =
incremental conv. / control conv.
iCPA =
total ad spend / incremental conv.
iROAS =
incremental conv. value / ad spendהדוגמה שמופיעה בתיעוד: הוצאה של 10,000 דולר ו-800 המרות אינקרמנטליות נותנות iCPA של 12.50 דולר. ההבדל מ-ROAS רגיל הוא במונה: ב-ROAS המונה הוא ערך ההמרות המיוחסות, בעוד שב-iROAS הוא ערך ההמרות של קבוצת הטיפול פחות ערך ההמרות של קבוצת הביקורת.
לדוגמה, בנתוני דמו: קמפיין רימרקטינג הוציא 20,000 שקלים ויוחסו לו המרות בערך של 160,000 שקלים, כלומר ROAS של 800%. בניסוי lift נרשם בקבוצת הטיפול ערך המרות של 500,000 שקלים ובקבוצת ביקורת באותו גודל 460,000 שקלים. הערך האינקרמנטלי הוא 40,000 שקלים וה-iROAS הוא 200%. הקמפיין עדיין מוסיף מכירות, אבל רבע ממה שהדוח מייחס לו. את המספר הזה משווים לנקודת האיזון של העסק ולא ל-ROAS שבדוח.
עוד הבדל שהתיעוד מדגיש: המרות מיוחסות נספרות לפי הגדרות ההמרה וחלונות הייחוס שלכם. Conversion Lift מתעלם מההגדרות האלה וסופר את כל הפרש ההמרות בין הקבוצות לאורך הניסוי.
מה Google ו-Meta מציעות למדידת lift?
ב-Google Ads יש שני סוגים של Conversion Lift. לפי התיעוד הכלי לא זמין לכל חשבון וכדי להשתמש בו פונים לנציג Google של החשבון.
| מבוסס משתמשים | מבוסס גיאוגרפיה | |
|---|---|---|
| יחידת החלוקה | משתמשים | אזורים בתוך מדינה (Google Marketing Areas) |
| סוגי קמפיינים | Display, Search, Video, Demand Gen, App ו-Performance Max | App, Demand Gen, Discovery, Display, Video, Search, Shopping ו-Performance Max |
| דרישות סף | לפחות 1,000 המרות נצפות, תקציב קמפיין מינימלי של 5,000 דולר ופעולת המרה אחת לפחות שתואמת ל-Conversion Lift | קמפיינים שמכוונים למדינה אחת ופעולת המרה תואמת אחת לפחות או נתוני אופליין |
| בדיקת היתכנות | study power, עם יעד של 90% | סטטוס היתכנות: High, Medium או Low |
כמה פרטים נוספים מהתיעוד על הניסוי מבוסס המשתמשים. קבוצת הביקורת היא בין 1% ל-50% מהמשתמשים, כשכל אחוז שמוסיפים לה הוא קהל שלא רואה מודעות בזמן הניסוי. אפשר להריץ ניסוי של 7 ימים, אבל ההמלצה הרגילה היא יותר מ-14 ימים, במיוחד כשעובר אצלכם זמן רב בין חשיפה להמרה. קמפייני App ל-iOS וקמפייני Travel Ads לא נתמכים. קמפיין יכול להשתתף רק בניסוי lift אחד בכל זמן נתון.
הניסוי הגיאוגרפי מסומן בתיעוד כבטא ולפי התיעוד הוא תומך גם בנתוני אופליין, דרך צוות החשבון ב-Google. החשש המרכזי בו הוא זליגה, כלומר משתמש שנחשף באזור אחד וממיר באזור אחר. לפי התיעוד זליגה כזאת מקטינה את ההפרש הנמדד.
ב-Meta קיים כלי מקביל. לפי התיעוד של Meta למפתחים, Conversion Lift Measurement זמין באופן מוגבל ודורש פנייה לנציג Meta. Meta מחלקת את הקהל באקראי לקבוצת טסט ולקבוצת ביקורת בזמן הקמת הניסוי ומשווה את ההמרות בין הקבוצות. בין התוצאות: המרות אינקרמנטליות, רמת ביטחון ועלות להמרה אינקרמנטלית.
שימו לב להבדל מול ניסוי A/B רגיל של קמפיינים. לפי התיעוד, custom experiments ב-Google Ads בודקים שינוי מוצע מול הקמפיין המקורי, למשל אסטרטגיית בידינג אחרת. בשתי הזרועות המודעות מוצגות, לכן ניסוי כזה עונה על השאלה איזו גרסה טובה יותר ולא על השאלה אם הפרסום מוסיף.
מתי צריך ניסוי lift ומתי ייחוס מספיק?
ניסוי lift שווה את המאמץ כשמתקיימים שלושה תנאים: ההחלטה גדולה, יש חשד שהייחוס מנפח את התרומה ויש מספיק נפח כדי לקבל תשובה. המצבים האופייניים:
- קמפיין רימרקטינג או חיפוש מותג שמקבל חלק גדול מהתקציב.
- ערוץ של חשיפה, כמו וידאו או Display, שכמעט לא מקבל קרדיט בייחוס ורוצים לדעת אם הוא תורם.
- הגדלה משמעותית של תקציב שצריך להצדיק מול ההנהלה.
- פער עקבי בין מה שהפלטפורמות מדווחות למה שרואים במכירות בפועל.
ייחוס מספיק כשמשווים בין קמפיינים, קריאייטיבים או מילות מפתח מאותו סוג: ההטיה דומה בכולם, לכן ההשוואה היחסית עדיין מועילה. הוא גם הכלי היחיד שזמין ברמה היומית.
כשאין נפח לניסוי רשמי, האפשרויות הן הפסקה מתוכננת של קמפיין באזור אחד או לתקופה מוגדרת והשוואה לאזור או לתקופה דומים. זה פחות נקי מניסוי עם חלוקה אקראית, לכן מציגים את התוצאה כהערכה ולא כמדידה. על ההיגיון של החלטות עם מעט נתונים כתבנו במתי אין מספיק נתונים לניסוי A/B.
איך מתכננים ניסוי lift צעד אחר צעד?
- מנסחים את ההחלטה. מה תעשו אם ה-iROAS ייצא נמוך מהיעד ומה אם גבוה. ניסוי שלא משנה החלטה מיותר.
- בוחרים את ההמרה. המרה עם מספיק נפח. כשלהמרה הסופית אין מספיק נתונים, התיעוד של Google מציע להוסיף כמדד משני המרה מוקדמת יותר במשפך, כמו צפייה בעמוד או טופס ליד.
- בודקים זמינות והיתכנות. פנייה לנציג הפלטפורמה ובדיקת ה-study power או סטטוס ההיתכנות לפני שמתחייבים לתאריכים.
- קובעים את גודל קבוצת הביקורת ואת משך הניסוי. לפי זמן ההמרה האופייני אצלכם, לא לפי הלו"ז של הרבעון.
- מקפיאים את מה שאפשר. לפי התיעוד שינויים שגרתיים בבידים ובתקציבים מותרים, אבל שינוי של קריאייטיבים או קהלים במהלך הניסוי עלול להשפיע על הניסוי ולהקשות על פירוש התוצאות.
- מחכים לסוף. Google ממליצה לחכות לסיום הניסוי כדי לקבל את התוצאות המדויקות ביותר, גם אם תוצאות מצטברות מוצגות בדרך.
- מתרגמים להחלטה. משווים iROAS ל-ROAS המיוחס של אותם קמפיינים באותה תקופה. היחס ביניהם אומר עד כמה אפשר לסמוך על הייחוס בקמפיינים האלה.
אילו טעויות נפוצות בקריאת תוצאות lift?
השוואה של lift יחסי בין ניסויים. התיעוד של Google מזהיר שה-lift היחסי עלול להטעות בהשוואה בין ניסויים שונים. כשלקבוצת הביקורת יש מעט המרות קל לקבל אחוז גבוה מאוד.
תוצאה לא מובהקת נקראת כאפס. ניסוי שלא הצליח לזהות lift לא הוכיח שאין השפעה, כי ייתכן שלא היה לו מספיק כוח סטטיסטי. לפי התיעוד, תוצאות עם study power בין 50% ל-90% הן כיווניות בלבד.
הכללה מעבר למה שנבדק. התוצאה נכונה לקמפיינים, לקהלים ולתקופה של הניסוי. היא לא מקדם קבוע שמכפילים בו את כל הדוחות לשנה הקרובה.
ערך המרה תנודתי. לפי התיעוד, ערך ההמרות האינקרמנטלי תנודתי יותר ממספר ההמרות האינקרמנטליות, מה שעלול להרחיב את רווחי הסמך של התוצאה. בעסק עם פיזור גדול בגודל ההזמנה כדאי לקרוא קודם את ההמרות ורק אחר כך את הערך.
איך התוצאות האלה נכנסות להחלטה על חלוקת התקציב בין ערוצים הסברנו בהקצאת תקציב שיווק לפי נתונים.
שאלות נפוצות
מה ההבדל בין ייחוס לאינקרמנטליות?
ייחוס מחלק קרדיט על המרות שכבר קרו בין נקודות המגע במסלול של המשתמש, לפי כלל או מודל. אינקרמנטליות מודדת כמה המרות נוספו בגלל הפרסום, בעזרת ניסוי שבו קבוצת ביקורת לא רואה את המודעות. ייחוס זמין כל יום בכל דוח. אינקרמנטליות נמדדת נקודתית בניסוי שתוכנן מראש.
מה זה ניסוי lift?
ניסוי lift הוא ניסוי מבוקר שמחלק את הקהל לקבוצת טיפול שרואה את המודעות ולקבוצת ביקורת שלא רואה אותן. ההפרש בהמרות בין הקבוצות הוא ה-lift, כלומר ההמרות שהפרסום הוסיף. לפי התיעוד של Google, Conversion Lift ב-Google Ads פועל כך ומדווח על המרות אינקרמנטליות, lift יחסי, iCPA ו-iROAS.
מה ההבדל בין ROAS ל-iROAS?
ב-ROAS המונה הוא ערך ההמרות שיוחסו לקמפיין חלקי ההוצאה. ב-iROAS המונה הוא ערך ההמרות האינקרמנטלי, כלומר ערך ההמרות של קבוצת הטיפול פחות ערך ההמרות של קבוצת הביקורת, חלקי אותה הוצאה. לכן iROAS מנכה המרות שהיו קורות גם בלי הפרסום. לדוגמה, בנתוני דמו, קמפיין עם ROAS מיוחס של 800% יכול להציג בניסוי iROAS של 200% בלבד.
מה נדרש כדי להריץ Conversion Lift ב-Google Ads?
לפי התיעוד של Google הכלי לא זמין לכל חשבון ודורש פנייה לנציג Google. לניסוי מבוסס משתמשים נדרשות לפחות 1,000 המרות נצפות ותקציב קמפיין מינימלי של 5,000 דולר. קבוצת הביקורת היא בין 1% ל-50% מהמשתמשים. אפשר להריץ ניסוי של 7 ימים, אבל ההמלצה הרגילה היא יותר מ-14 ימים.
מתי ייחוס מספיק ומתי צריך ניסוי lift?
ייחוס מספיק להשוואה שוטפת בין קמפיינים, קריאייטיבים או מילות מפתח מאותו סוג, כי ההטיה דומה בכולם. ניסוי lift נדרש כשההחלטה גדולה ויש חשד שהייחוס מנפח את התרומה: רימרקטינג, חיפוש על שם המותג, ערוצי חשיפה כמו וידאו או הגדלה משמעותית של תקציב. תנאי נוסף הוא נפח המרות שמאפשר לקבל תשובה.
האם ניסוי A/B ב-Google Ads מודד אינקרמנטליות?
לא. לפי התיעוד של Google, custom experiments בודקים שינוי מוצע מול הקמפיין המקורי, למשל אסטרטגיית בידינג אחרת. בשתי הזרועות המודעות מוצגות. הניסוי עונה על השאלה איזו גרסה טובה יותר. כדי לדעת אם הפרסום עצמו מוסיף המרות צריך ניסוי עם קבוצת ביקורת שלא נחשפת למודעות, כמו Conversion Lift.
מה השורה התחתונה?
ייחוס ואינקרמנטליות הם לא שיטות מתחרות. ייחוס הוא כלי העבודה היומי: הוא אומר איפה ההמרות נרשמות ומאפשר להשוות בין קמפיינים דומים. ניסוי lift הוא כלי הכיול: מעת לעת, על הקמפיינים שבהם הפער בין קרדיט לתרומה אמיתית הוא כנראה הגדול ביותר. מי שמריץ רק ייחוס משלם לפעמים על המרות שהיו מגיעות בכל מקרה. מי שמחכה לניסוי על כל החלטה לא מקבל החלטות. תכנון ניסויים כאלה, קריאת התוצאות והחיבור שלהן לדוחות השוטפים הם חלק מהעבודה בשירות ליווי אנליטי שוטף שלנו, שאת תחילתה תיארנו בהחודש הראשון של אנליסט חיצוני. אם אתם מתלבטים אם קמפיין מסוים באמת מוסיף מכירות, כתבו לנו.
מקורות
Google Ads Help: About Conversion Lift, Google Ads Help: Set up Conversion Lift based on users, Google Ads Help: Set up Conversion Lift based on geography, Google Ads Help: Understand your Conversion Lift based on users measurement data, Google Ads Help: About custom experiments, Meta for Developers: Lift Study, Google Analytics Help: Get started with attribution
יועץ אנליטיקה דיגיטלית ומייסד DigiKnowledge. מרצה לאנליטיקה דיגיטלית באוניברסיטת תל אביב, באוניברסיטה הפתוחה ובאוניברסיטת אריאל. לעמוד האישי