![\"Sze\u015b\u0107](\"https:\/\/www.lukaswojcik.com\/blog\/wp-content\/uploads\/diagrams\/spannweite-pl.png\")
Co wesz\u0142o do Analytics 360<\/h2>\n
Meridian \u0142\u0105czy dane w\u0142asne z GA4 z wydatkami i wy\u015bwietleniami kana\u0142\u00f3w obcych, w\u015br\u00f3d wymienionych s\u0105 TikTok, Pinterest i Snap. Dochodzi do tego obs\u0142uga w j\u0119zyku naturalnym dla pyta\u0144 planistycznych postaci: co stanie si\u0119 z wynikiem, gdy cz\u0119\u015b\u0107 bud\u017cetu przejdzie z jednego kana\u0142u na drugi.<\/p>\n
Ograniczenie stoi tu\u017c obok: integracja istnieje w warstwie p\u0142atnej, nie w darmowej. Sam Meridian pozostaje otwarto\u017ar\u00f3d\u0142owy i da si\u0119 go prowadzi\u0107 niezale\u017cnie – do Analytics 360 wchodzi wygoda, nie model.<\/p>\n
Dlaczego przedzia\u0142 m\u00f3wi wi\u0119cej ni\u017c liczba<\/h2>\n
Model mieszany szacuje z szereg\u00f3w czasowych, ile ka\u017cdy kana\u0142 wni\u00f3s\u0142 do wyniku, i podaje przedzia\u0142, w kt\u00f3rym warto\u015b\u0107 prawdziwa le\u017cy z du\u017cym prawdopodobie\u0144stwem. Ta szeroko\u015b\u0107 bierze si\u0119 z danych: kto przez dwa lata wk\u0142ada\u0142 w kana\u0142 zawsze tyle samo, nie daje modelowi wahania, z kt\u00f3rego da\u0142oby si\u0119 odczyta\u0107 dzia\u0142anie – przedzia\u0142 zostaje szeroki, i to jest odpowied\u017a w\u0142a\u015bciwa.<\/p>\n
Raport przypisania wydaje natomiast liczb\u0119 pojedyncz\u0105. Wygl\u0105da dok\u0142adniej, ale nie jest; po prostu nie pokazuje niepewno\u015bci, kt\u00f3r\u0105 niesie. Dochodzi do tego r\u00f3\u017cnica \u0142atwa do przeoczenia: raport zaczynaj\u0105cy si\u0119 od dotkni\u0119cia reklamy nie utworzy w og\u00f3le wiersza dla konwersji, kt\u00f3re takiego dotkni\u0119cia nie mia\u0142y. W\u0142a\u015bnie ten wiersz – baza – bywa w wielu firmach najwi\u0119kszy, a jego brak jest powodem, dla kt\u00f3rego przypisane udzia\u0142y tak wygodnie sumuj\u0105 si\u0119 do stu procent.<\/p>\n
Co wnosi GeoX<\/h2>\n
Model szacuje, do\u015bwiadczenie dowodzi. GeoX czyni z region\u00f3w grup\u0119 por\u00f3wnawcz\u0105: w cz\u0119\u015bci kraju reklama biegnie dalej, w innej zostaje wstrzymana, wygaszona albo do\u0142o\u017cona, a r\u00f3\u017cnica w wyniku jest dzia\u0142aniem. To stwierdzenie o przyczynie, a nie za\u0142o\u017cenie modelu.<\/p>\n
Trzy układy do\u015bwiadczenia, ta sama logika\n\n wstrzymanie kanał biegnie wszędzie poza regionami testowymi\n wygaszenie kanał zostaje w regionach testowych zakończony\n dołożenie kanał dostaje w regionach testowych więcej budżetu\n\n Mierzona jest zawsze różnica między regionami testowymi\n a kontrolnymi, nigdy przebieg w samych testowych. Kilka komórek\n w jednym badaniu dzieli jedną grupę kontrolną, co obniża czas\n i koszt wobec osobnych badań.\n\n Wynik wraca do modelu mieszanego jako założenie wstępne\n i zwęża tam przedział badanego kanału.<\/code><\/pre>\nTa droga powrotna jest w\u0142a\u015bciwym zyskiem. Samo do\u015bwiadczenie mierzy jeden kana\u0142 w jednym okresie; sam model szacuje wszystkie kana\u0142y szerokimi przedzia\u0142ami. Wprowadzenie do\u015bwiadczenia jako za\u0142o\u017cenia wst\u0119pnego daje model, kt\u00f3rego przedzia\u0142y s\u0105 w\u0105skie dok\u0142adnie tam, gdzie naprawd\u0119 zmierzono.<\/p>\n
Co jeszcze og\u0142oszono<\/h2>\n
Do tej samej zapowiedzi nale\u017c\u0105 trzy dalsze nowo\u015bci. Qualified Future Conversions szacuje przy pomocy Gemini konwersje, kt\u00f3re nast\u0105pi\u0105 jeszcze w ci\u0105gu 180 dni po dotkni\u0119ciu reklamy – z uzasadnieniem, \u017ce przy Demand Gen tylko cz\u0119\u015b\u0107 konwersji przypada na pierwsze trzydzie\u015bci dni. Pojawia si\u0119 w trzech w\u0142asnych kolumnach i biegnie obecnie jako test ograniczony.<\/p>\n
Campaign Type Attribution oddziela wk\u0142ad Demand Gen od pozosta\u0142ych rodzaj\u00f3w kampanii, co wcze\u015bniej uniemo\u017cliwia\u0142a w\u0142asna deduplikacja Google. Attributed Brand Searches liczy wyszukiwania marki wywo\u0142ane reklam\u0105 na YouTube trwale, a nie w pojedynczych badaniach.<\/p>\n
Pierwsze dwie to oszacowania przybieraj\u0105ce posta\u0107 kolumn. Liczba szacowana w kolumnie obok liczb policzonych jest zaproszeniem do pomylenia ich, a nag\u0142\u00f3wek kolumny jest jedyn\u0105 wskaz\u00f3wk\u0105, \u017ce stoj\u0105 tu obok siebie dwie r\u00f3\u017cne rzeczy.<\/p>\n
Co z tego wynika w praktyce<\/h2>\n
Model mieszany nie op\u0142aca si\u0119 ka\u017cdemu. Potrzebuje kilku lat danych, waha\u0144 w wydatkach i kogo\u015b, kto czyta przedzia\u0142y, zamiast przepisywa\u0107 samo oszacowanie \u015brodkowe. Wzi\u0119cie oszacowania \u015brodkowego i pomini\u0119cie przedzia\u0142u buduje kosztown\u0105 drog\u0119 do tej samej pozornej dok\u0142adno\u015bci, kt\u00f3r\u0105 zamierzano porzuci\u0107.<\/p>\n
Do\u015bwiadczenie regionalne jest natomiast mo\u017cliwe i przy skromnej skali, a odpowiada na pytanie, na kt\u00f3re nie odpowiada \u017cadne przypisanie: czy te same konwersje przysz\u0142yby r\u00f3wnie\u017c bez wydatku. Pytanie jest niewygodne, bo uczciwa odpowied\u017a brzmi dla niekt\u00f3rych kana\u0142\u00f3w, \u017ce znaczna cz\u0119\u015b\u0107 przysz\u0142aby i tak – i w\u0142a\u015bnie dlatego warto je zada\u0107.<\/p>\n
\nPytania i odpowiedzi<\/h2>\nDlaczego do\u015bwiadczenie pomaga modelowi mieszanemu bardziej ni\u017c kolejne miesi\u0105ce niezmiennych wydatk\u00f3w?<\/h3>\n
Bo model potrzebuje waha\u0144, a sta\u0142e wydatki ich nie daj\u0105. Do\u015bwiadczenie wytwarza wahanie o znanej przyczynie: wydatki zmieniaj\u0105 si\u0119 w regionach testowych, bo zmieniono je celowo, a nie dlatego, \u017ce trwa sezon albo ro\u015bnie popyt. W\u0142a\u015bnie takiego rozdzielenia model nie jest w stanie uzyska\u0107 z w\u0142asnych szereg\u00f3w czasowych.<\/p>\n
Co ogranicza do\u015bwiadczenie regionalne prowadzone w skromnej skali?<\/h3>\n
Przede wszystkim cztery rzeczy, kt\u00f3re albo zacieraj\u0105 granic\u0119 mi\u0119dzy regionami testowymi a kontrolnymi, albo poszerzaj\u0105 przedzia\u0142 wyniku:<\/p>\n
\n- Przenikanie wp\u0142ywu mi\u0119dzy regionami. Ludzie doje\u017cd\u017caj\u0105 do pracy, podr\u00f3\u017cuj\u0105 i widz\u0105 reklamy przeznaczone dla innego regionu, a regionalne kierowanie reklam opiera si\u0119 cz\u0119sto na przybli\u017conych danych o lokalizacji. Ka\u017cdy taki przypadek upodabnia grup\u0119 testow\u0105 do kontrolnej, a zmierzone dzia\u0142anie wychodzi za ma\u0142e.<\/li>\n
- Przypisanie konwersji. Konwersja online potrzebuje regionu, na przyk\u0142ad przez adres dostawy. Tam, gdzie si\u0119 to nie udaje, brakuje jej w obu grupach albo trafia do niew\u0142a\u015bciwej.<\/li>\n
- Liczba region\u00f3w. Kilka du\u017cych region\u00f3w to niewiele punkt\u00f3w por\u00f3wnania, a w\u0142asne wahania ka\u017cdego regionu, na przyk\u0142ad z powodu pogody albo ferii, mocno wp\u0142ywaj\u0105 wtedy na wynik. Przedzia\u0142 robi si\u0119 szeroki, co jest poprawne, ale utrudnia decyzj\u0119.<\/li>\n
- Czas trwania. Do\u015bwiadczenie musi trwa\u0107 na tyle d\u0142ugo, by obj\u0105\u0107 tak\u017ce p\u00f3\u017aniejsze konwersje; uwaga z tej samej zapowiedzi, \u017ce przy Demand Gen tylko cz\u0119\u015b\u0107 konwersji przypada na pierwsze trzydzie\u015bci dni, wskazuje, \u017ce r\u00f3wnie\u017c do\u015bwiadczenie musi przeczeka\u0107 to op\u00f3\u017anienie, zanim zostanie ocenione.<\/li>\n<\/ol>\n
Do tego dochodzi cena: wstrzymanie albo wygaszenie kosztuje regiony testowe konwersje, kt\u00f3re kana\u0142 rzeczywi\u015bcie by tam przyni\u00f3s\u0142. Wysoko\u015b\u0107 tej ceny to dok\u0142adnie to, co do\u015bwiadczenie mierzy.<\/p>\n<\/div>\n