W skrócie
Cytuj to hasło
Zaznacz przypis i skopiuj: Data-driven attribution. W: Słownik pojęć e-commerce, Pro1.pl. https://pro1.pl/slownik/data-driven-attribution (sprawdzono 13 września 2026).
Data-driven attribution (atrybucja oparta na danych) to model, w którym udział punktów styku w konwersji wylicza algorytm z danych konta.
Na tej stronie (5)
Model atrybucji, w którym udział każdego punktu styku w konwersji wylicza algorytm z danych konta, zamiast reguły ustalonej z góry (ostatnie kliknięcie, podział liniowy). Model porównuje ścieżki użytkowników, którzy dokonali konwersji, ze ścieżkami tych, którzy jej nie dokonali, i przypisuje większą zasługę interakcjom, po których konwersja jest bardziej prawdopodobna. Jest modelem domyślnym w GA4 i Google Ads; w 2023 r. Google wycofało większość modeli regułowych, zostawiając DDA i ostatnie kliknięcie.
Zanim to zrozumiesz
Jak się tego używa
W raportach atrybucji GA4 (porównanie modeli) i w Google Ads, gdzie model atrybucji działania konwersji wpływa na dane, które widzi Smart Bidding. Model liczy zasługę tylko wśród interakcji widocznych dla narzędzia: Google Ads uwzględnia kliknięcia i zaangażowania w reklamy Google, GA4 wszystkie źródła sesji.
Dlaczego warto to znać
Przejście z ostatniego kliknięcia na DDA zmienia raportowane wyniki kanałów bez zmiany sprzedaży: kampanie generyczne i górne części lejka zyskują, brand i remarketing tracą. To korekta w dobrą stronę wobec strukturalnej wady ostatniego kliknięcia opisanej przez Bermana, ale nadal atrybucja, nie pomiar przyrostu.
Na co uważać
Model jest czarną skrzynką: Google nie ujawnia wag, a ich zmiana w czasie utrudnia porównania między miesiącami. Google nie publikuje dla GA4 progu danych, od którego model działa; liczby z blogów (setki konwersji miesięcznie) nie pochodzą z dokumentacji. DDA rozdziela zasługę za zakupy, które się wydarzyły, i nie mówi, czy bez reklamy by nie nastąpiły; metody obserwacyjne zawyżają efekt reklamy (Gordon i in., 2019).
Przykład
Liczby umowne: ścieżka to reklama produktowa, po trzech dniach wpis blogowy z wyszukiwarki, potem kliknięcie w reklamę brandową i zakup za 400 zł. W ostatnim kliknięciu kampania brandowa dostaje 400 zł, produktowa zero. W DDA system może przypisać produktowej 220 zł, organicznemu 60 zł i brandowej 120 zł. Suma się zgadza, ale jeśli klient i tak wpisałby nazwę sklepu, żaden podział nie mówi, ile z 400 zł reklama dołożyła; to sprawdza dopiero eksperyment z grupą kontrolną.
Co z tym zrobić w sklepie
W Google Ads warto sprawdzić, który model przypisuje zakupy, i porównać w raporcie modeli atrybucji wynik data-driven z ostatnim kliknięciem dla kampanii generycznych i brandowych. Model oparty na danych zwykle przesuwa część wartości z kampanii na markę do kampanii ogólnych, co zmienia decyzje o budżecie, choć liczba zamówień w sklepie zostaje ta sama. Skąd różnice między systemami, wyjaśnia pytanie o różne konwersje w Google Ads i GA4; więcej w temacie atrybucja i przyrost.
Zobacz też
Atrybucja
Atrybucja to reguła podziału wartości konwersji między punkty styku na ścieżce klienta, np.
Last click
Last click (atrybucja ostatniego kliknięcia) to model przypisujący całą wartość konwersji ostatniemu punktowi styku przed zakupem.
Okno atrybucji
Okno atrybucji to czas od kliknięcia lub wyświetlenia reklamy, w którym późniejsza konwersja zostanie przypisana temu kontaktowi.
Inkrementalność
Inkrementalność (incrementality) to część sprzedaży, która nie wydarzyłaby się bez danego działania reklamowego, mierzona porównaniem z grupą kontrolną.
Holdout
Holdout (grupa kontrolna) to część odbiorców lub obszarów celowo wyłączona z kampanii, by porównać ją z grupą, która działanie zobaczyła.
Pytania o to pojęcie
Źródła
- Beyond the Last Touch: Attribution in Online Advertising (Marketing Science 37(5), 2018), R. Berman (wersja autorska), odczyt
- A Comparison of Approaches to Advertising Measurement: Evidence from Big Field Experiments at Facebook (Marketing Science 38(2), 2019), B. Gordon, F. Zettelmeyer i in. (kopia PDF), odczyt