Perjungti į DDA nuo 200 konversijų: Google Ads gairės PPC specialistams
DMNT – MB Daimanata marketingo agentūra
Nemokama konsultacija
Marketingas

Perjungti į DDA nuo 200 konversijų: Google Ads gairės PPC specialistams

September 2, 2026 · dmnt

Analitikas nagrinėja daugiakanalių konversijų kelius

Duomenimis pagrįstas priskyrimas (data-driven attribution, DDA) yra pranašesnis pasirinkimas daugumai daugiakanalių paskyrų, turinčių stabilų konversijų srautą, nes jis proporcingai paskirsto kreditą visiems reikšmingiems prisilietimams. Paskutinio paspaudimo modelis tinka tada, kai duomenų trūksta arba kai reikia paprasto, greitai suprantamo matavimo. Skirtumas tarp jų slypi kreditavimo logikoje: vienas skiria 100 % konversijos vienam taškui, kitas dalija ją proporcingai remiantis istoriniais duomenimis.

Trumpai:

  • Data-driven priskyrimo modelis geriau atspindi tikrą klientų kelionę ir išskiria dažnai ignoruojamus ankstyvus kanalus, pavyzdžiui, video ar socialinius tinklus.
  • Last-click modelis tinka mažoms paskyroms su mažai konversijų ir trumpais pirkimo ciklais, tačiau nuvertina prospektavimo kanalus ir skatina biudžetą nukreipti tik į uždarymo taškus.
  • Norint pereiti prie DDA, būtina turėti mažiausiai 200 konversijų ir 2000 sąveikų per mėnesį, taip pat atlikti duomenų auditą prieš sprendžiant perjungti.
  • Sėkmingam diegimui svarbu turėti išsamius eventų duomenis, patikrinti GA4 ir konversijų API, bei planuoti 3–8 savaičių stebėjimo laikotarpį.
  • Mažoms paskyroms su mažesniu duomenų kiekiu patartina naudoti last-click, o daugiakanalėms ir didelėms naudotis DDA, jei duomenys leidžia.

Turinys

Data-driven vs last click: kaip kiekvienas modelis skaičiuoja kreditą

Skirtumas tarp šių dviejų modelių nėra kosmetinis. Jis keičia, kuris kanalas ataskaitose atrodo „vertingas“, o kuris tiesiog stovi šešėlyje.

Paskutinio paspaudimo modelis visą konversijos kreditą priskiria paskutiniam sąveikos taškui prieš pirkimą ar užklausą. Jei klientas pamatė jūsų reklamą „YouTube“, po savaitės paspaudė Facebook skelbimą, o galiausiai konvertavosi per Google paieškos paspaudimą su prekės ženklo raktažodžiu, visas 100 % kredito atitenka paieškai. YouTube ir Facebook ataskaitose lieka tušti.

DDA veikia kitaip. Jis naudoja jūsų paskyros duomenis ir mašininį mokymąsi, kad įvertintų, kiek kiekvienas prisilietimas realiai prisidėjo prie sprendimo pirkti, ir paskirsto dalinį (fractional) kreditą proporcingai. Skaičiai nėra fiksuoti, jie kinta pagal tai, kaip panašūs keliai realiai konvertuojasi jūsų paskyroje.

Praktikoje tai reiškia:

  • last-click ataskaitose top-of-funnel kanalai (video, display, socialiniai tinklai) sistemingai atrodo neefektyvūs, nors jie inicijuoja didelę dalį kelionių;
  • DDA ataskaitos dažnai parodo, kad brand paieška gauna mažiau kredito nei anksčiau, nes dalis jo persikelia į kanalus, kurie klientą „atvedė“ pirmą kartą;
  • kai konversijos kelias yra vienas paspaudimas per vieną seansą (dažnas mažoms, impulsyvaus pirkimo prekėms), abu modeliai duoda praktiškai identišką rezultatą.

Google savo dokumentacijoje pabrėžia, kad modelių palyginimo ataskaita leidžia pamatyti šį skirtumą konkrečiai jūsų paskyroje, o ne teoriškai.

Paskutinio paspaudimo modelis: privalumai ir trūkumai praktikoje

Last-click išlieka populiarus dėl vienos priežasties: jį lengva paaiškinti klientui, direktoriui ar sau pačiam per penkias sekundes. Vienas taškas, visas kreditas, be diskusijų.

Šis modelis tinka, kai paskyra maža, konversijų per mėnesį nedaug arba kai pardavimo ciklas yra trumpas ir su minimaliu kanalų kiekiu. Statybinių medžiagų parduotuvei, kuri gauna 20 užklausų per mėnesį vien per paiešką, sudėtingas priskyrimo modelis tiesiog neturi ką skaičiuoti.

Problema atsiranda, kai paskyra auga arba naudoja kelis kanalus vienu metu. Last-click sistemingai:

  • nuvertina prospektavimo kanalus (YouTube, display, socialinius tinklus), nes jie retai yra paskutinis taškas prieš konversiją;
  • pervertina brand paiešką ir remarketingą, kurie natūraliai atsiranda kelio gale;
  • skatina biudžetą nukreipti į kanalus, kurie „uždaro“ pardavimą, o ne į tuos, kurie jį sukuria.

Ilgainiui tai kuria savipildantį ciklą: biudžetas keliauja į paskutinį tašką, prospektavimo kanalai gauna mažiau lėšų, jų srautas mažėja, ir kito ciklo pradžioje pirkėjų tampa mažiau. Mažoms paskyroms su ribotu duomenų kiekiu tai vis tiek gali būti priimtinas kompromisas, nes alternatyva (nepakankamai duomenų paremtas DDA modelis) gali būti dar mažiau stabilus.

Duomenimis pagrįstas modelis: kodėl veikia ir kokie kompromisai

DDA principas yra paprastas idėjos lygmenyje, bet sudėtingas skaičiavimo lygmenyje: algoritmas lygina konversijų kelius, kuriuose dalyvavo konkretus kanalas, su keliais, kuriuose jo nebuvo, ir iš šio skirtumo išveda kanalo realią įtaką. Google tai vadina numatytuoju modeliu daugumai konversijų veiksmų, ir tai nėra atsitiktinumas, nes ši metodika geriausiai atspindi tikrą klientų kelionę.

DDA dažniausiai atskleidžia undervalued kanalus tuose atvejuose, kai display ir turinio kampanijos prisideda prie konversijų, tačiau last-click jas ignoruoja, kaip dažnai nagrinėja naujausios technologijų naujienos. Tai ypač pastebima e-komercijos ir DTC prekių ženklų paskyrose, kur pirkimo kelias apima kelis prisilietimus per kelias dienas ar savaites.

Statistinis pastebėjimas: Google rekomenduoja, kad paskyra turėtų apytiksliai 200 konversijų ir 2 000 sąveikų per 30 dienų, kad DDA modelis galėtų patikimai identifikuoti pasikartojančius šablonus. Su mažesniu kiekiu modelis vis tiek veiks, bet rezultatai gali būti mažiau stabilūs.

Kompromisai, kuriuos verta žinoti prieš perjungimą:

  • duomenų kokybė tiesiogiai lemia modelio tikslumą: žymėjimo spragos ar prarasti eventai iškreipia skaičiavimą;
  • YouTube, Display ir Search kanalai DDA aplinkoje pradeda konkuruoti pagal realią įtaką, ne pagal paskutinio prisilietimo dažnumą;
  • trumpuoju laikotarpiu po perjungimo galimi metrikų svyravimai, kol sistema surenka naujus duomenis.

Kada pereiti prie DDA: parengiamumo kontrolinis sąrašas

Sprendimas perjungti modelį neturėtų būti intuityvus. Jis turėtų būti patikrinamas per konkrečius skaičius jūsų paskyroje.

  1. Patikrinkite konversijų tūrį. Jei paskyra pastoviai generuoja apie 200 konversijų per 30 dienų vienam konversijos veiksmui, DDA turi pakankamai duomenų dirbti stabiliai.
  2. Peržiūrėkite sąveikų skaičių. Apytiksliai 2 000 paspaudimų ar sąveikų per tą pačią laikotarpį yra antras signalas, kad modeliui yra iš ko mokytis.
  3. Patikrinkite kanalų įvairovę. Jei paskyra naudoja tik vieną kanalą (pvz., vien paiešką), DDA naudos bus minimali, nes nėra ko lyginti tarpusavyje.
  4. Paleiskite modelių palyginimo ataskaitą. Ji parodo, kiek kredito pasiskirstymas pasikeistų, prieš jūs padarant faktinį perjungimą.
  5. Nustatykite stebėjimo laikotarpį. Suplanuokite 3–8 savaičių stebėjimo langą su konkrečia hipoteze, ką tikitės pamatyti pasikeičiant.

Profesionalus patarimas: Neperjunkite modelio prieš didelį sezoninį piką (Kalėdas, Juodąjį penktadienį). Learning period sutaps su didžiausiu paskyros nestabilumu, ir bus sunku atskirti, ar svyravimus sukėlė modelis, ar sezoniškumas.

Jei paskyra neatitinka minimalių tūrio reikalavimų arba turi tik vieną dominuojantį kanalą, verta atidėti perjungimą ir stiprinti duomenų rinkimą pirmiausia.

Praktinis diegimas: techninis kontrolinis sąrašas

Sėkmingas perjungimas prasideda ne nuo mygtuko paspaudimo Google Ads sąsajoje, o nuo duomenų audito.

  1. Atlikite eventų auditą. Patikrinkite, ar visi svarbūs įvykiai (pirkimas, užklausos forma, skambutis) žymimi teisingai ir ar nėra dublikatų.
  2. Peržiūrėkite e-komercijos schemą GA4. Įsitikinkite, kad produktų ir pajamų duomenys perduodami korektiškai, be praleistų parametrų.
  3. Įvertinkite server-side sekimą. Jei naudojate Meta ar Google konversijų API, palyginkite duomenis su standartiniu pikseliu ir patikrinkite, kur atsiranda praradimo taškai; tai plačiau aptaria CAPI ir Pixel palyginimas.
  4. Patikrinkite sutikimų valdymą (consent management). Su GDPR reikalavimais atmestas sutikimas reiškia trūkstamus duomenis, kurie tiesiogiai mažina DDA tikslumą.
  5. Sinchronizuokite GA4 ir Google Ads konversijų veiksmus. Įsitikinkite, kad importuoti konversijos veiksmai neduplikuojasi su native Google Ads sekimu.
  6. Stebėkite Smart Bidding mokymosi laikotarpį. Sistema pradeda vertinti anksčiau ignoruotus prisilietimus, todėl kai kurie raktažodžiai gali laikinai gauti didesnius siūlymus, kol algoritmas persimoko.
  7. Interpretuokite pirmąsias ataskaitas atsargiai. Lyginkite savaitę su savaite, ne dieną su diena, kad išvengtumėte klaidingų išvadų dėl trumpalaikio triukšmo.

Profesionalus patarimas: Prieš perjungimą užfiksuokite esamus CPA ir ROAS rodiklius bent 4 savaičių vidurkiu. Be šio bazinio lygio negalėsite objektyviai įvertinti, ar pokyčiai po DDA yra modelio, ar sezoniškumo pasekmė.

Biudžeto perskirstymo klausimais, ypač jei valdote didesnes kampanijas, verta pasižiūrėti, kaip kinta Google Ads kaštai Lietuvoje po tokių pokyčių.

Matavimo rizikos ir dažniausios klaidos diegiant DDA

Techninis perjungimas yra lengvoji dalis. Sunkioji – neleisti duomenų spragoms sukelti klaidingų sprendimų.

Dažniausia klaida: nepilni duomenys dėl žymėjimo spragų arba atmesto sutikimo lieka nepastebėti, ir komanda priima sprendimus remdamasi iškreiptu vaizdu. Antra dažna problema – offline, telefono ar parduotuvėje įvykusios konversijos neintegruojamos į sistemą, todėl DDA modelis „nemato“ didelės dalies realios kelionės, ypač statybų ir NT sektoriuose, kur skambutis dažnai yra galutinis konversijos taškas.

Trečia rizika yra psichologinė, ne techninė: komandos linkusios per anksti daryti išvadas iš mažo duomenų kiekio, pamatę pirmąsias savaites po perjungimo. Statistinis pastebėjimas: rekomenduojama nustatyti 3–8 savaičių stebėjimo laikotarpį su aiškia hipoteze prieš pradedant vertinti rezultatus, nes trumpesnis langas tiesiog nesuteikia statistiškai patikimo vaizdo.

Ką stebėti kaip gerų operacijų signalus:

  • stabilus konversijų kiekis savaitę po savaitės, ne vienkartiniai šuoliai;
  • CPA/ROAS svyravimai mažėja po 3-4 savaičių, ne didėja;
  • modelių palyginimo ataskaita rodo logišką, ne chaotišką kredito persiskirstymą tarp kanalų.

DMNT perspektyva ir praktiniai pastebėjimai iš klientų kampanijų

Perjungimas prie DDA retai vyksta be trumpo neramumo periodo. Tai natūrali sistemos reakcija, kai Smart Bidding pradeda pervertinti duomenis, kurie anksčiau buvo nematomi last-click ataskaitose. Klientams, kurie iš anksto žino, ko tikėtis, šis periodas atrodo suprantamas etapas, ne problema.

NT ir statybų projektų kampanijoms DDA aktyvavimas turi prasmę tik tada, kai pardavimo kelias apima kelis kanalus ir pakankamai ilgą sprendimo priėmimo laiką, kad būtų ką lyginti. Projektui su vienu skelbimo formatu ir trumpu ciklu paprastesnis modelis dažnai duoda panašų rezultatą su mažesniu triukšmu.

Prieš perjunkite modelį paskyroje, kuri valdo reikšmingą biudžetą, verta atlikti trumpą duomenų parengiamumo auditą. Jei norite, kad tai atliktų komanda, kuri kasdien dirba su Google Ads kampanijomis statybų ir NT projektams, DMNT gali padėti įvertinti, ar jūsų paskyra jau pasiekė reikiamą duomenų tūrį.

— DMNTAgency

Santrauka: greiti veiksmai pagal paskyros dydį

Mažoms paskyroms (mažiau nei 200 konversijų per mėnesį) last-click išlieka pragmatiškas pasirinkimas. Vidutinėms ir didelėms, daugiakanalėms paskyroms DDA duoda tikslesnį biudžeto paskirstymo vaizdą, jei duomenų kiekis leidžia. Prieš perjungdami: patikrinkite tūrio ribas, atlikite eventų auditą, nustatykite 3–8 savaičių stebėjimo langą.

Šaltiniai

Google Ads dokumentacija apie DDA principus ir priskyrimo modelius yra pagrindiniai autoritetingi šaltiniai šia tema.

Dažniausiai užduodami klausimai

Kuo skiriasi data-driven ir last click priskyrimas?

Last-click priskiria 100 % konversijos kredito paskutiniam sąveikos taškui, o DDA proporcingai paskirsto kreditą tarp visų prisilietimų, remdamasis paskyros duomenimis ir mašininiu mokymusi.

Kas yra duomenimis pagrįstas pavyzdys?

Klasikinis pavyzdys: vartotojas pamato YouTube reklamą, tada paspaudžia Facebook skelbimą, o galiausiai konvertuojasi per paieškos raktažodį. DDA šiuo atveju dalinį kreditą skirtų visiems trims taškams, ne vien paieškai.

Ką reiškia last-click priskyrimas?

Last-click priskyrimas reiškia, kad visas konversijos kreditas atitenka paskutiniam kanalui ar skelbimui, su kuriuo vartotojas sąveikavo prieš pirkimą ar užklausą, nepaisant ankstesnių sąveikų.

Kuo skiriasi last click ir first click priskyrimas?

Last-click visą kreditą skiria paskutiniam prisilietimui prieš konversiją, o first-click, atvirkščiai, visą kreditą skiria pirmajam prisilietimui, kuris inicijavo vartotojo kelionę. Abu modeliai ignoruoja viską, kas įvyko tarp šių dviejų taškų, todėl skiriasi tik nuo to, į kurį kelionės galą sutelkiamas dėmesys.

Rekomendacijos