نماذج الأتربيوشن في الإعلانات: اتنين بس فضلوا

لسنين كان في نقاش ثابت في كل حساب: نستخدم أي نموذج أتربيوشن؟ وكان في وجهات نظر محترمة لكل نموذج، وجداول مقارنة، وناس بتغير النموذج عشان الأرقام تطلع أحسن.

النقاش ده انتهى، ومش لأن حد كسبه. جوجل شالت أغلب الخيارات من على الترابيزة.

اللي اتغير: أربعة نماذج اتسحبوا

صفحة توثيق جوجل عن نماذج الأتربيوشن بتقول الجملة دي حرفياً: "The first click, linear, time decay, and position-based attribution models are no longer supported by Google."

ونفس الصفحة بتوضح مصير التحويلات اللي كانت شغالة عليهم: "Conversion actions that used the deprecated attribution models have been upgraded to use data-driven attribution"، مع إمكانية إنك تحول للنموذج المبني على آخر نقرة اللي لسه مدعوم.

يعني عملياً الحساب بتاعك اتغير من غير ما تعمل حاجة. ولو كنت بتقارن أداء الشهر ده بالشهر اللي فات في حساب كان بيستخدم واحد من الأربعة دول، انت بتقارن رقمين متحسبين بطريقتين مختلفتين، وده مش انخفاض ولا ارتفاع في الأداء.

الاتنين اللي فضلوا، وايه الفرق بينهم

التوثيق بيعرّف آخر نقرة إنه "gives all credit for the conversion to the last-clicked ad and corresponding keyword"، وبيعرّف المبني على البيانات إنه "distributes credit for the conversion based on your past data for this conversion action".

الفرق الجوهري مش في توزيع النسب. الفرق إن الأول قاعدة ثابتة تقدر تحسبها بنفسك وتتوقعها، والتاني نموذج بيتعلم من بيانات حسابك انت، يعني نتيجته بتختلف من حساب لحساب حتى لو نفس القطاع.

المفاضلة الحقيقية: شفافية مقابل واقعية

آخر نقرة نموذج انت فاهمه بالكامل، وبالتالي تقدر تدافع عنه قدام صاحب البيزنس وتفسر أي رقم فيه. عيبه إنه بيدي كل الفضل لآخر خطوة، فبيقلل من قيمة أي حاجة بتشتغل في أول الرحلة، وده بيخلي القرارات تميل ناحية حملات الحصاد على حساب اللي بيخلق الطلب.

المبني على البيانات أقرب للواقع نظرياً، لكنه صندوق مقفول. مش هتعرف ليه الكلمة دي أخدت نص تحويل والتانية أخدت ربع، ولما صاحب البيزنس يسأل، الإجابة الوحيدة الأمينة إن النموذج حسبها من بياناتنا.

واللي بيتقال أقل: النموذج ده محتاج بيانات كفاية عشان يشتغل. حساب بعدد تحويلات صغير بيدي نتيجة أقل استقراراً، وده مش عيب في النموذج، ده حدوده.

نافذة الإحالة: المتغير اللي بيتنسى في النقاش

النقاش كله بيدور حول النموذج، والنموذج مش المتغير الوحيد اللي بيحدد الرقم. في متغير تاني بيأثر بنفس القوة على الأقل، وهو نافذة الإحالة: فترة الوقت اللي المنصة بتفضل تنسب فيها التحويل للنقرة أو المشاهدة.

حسابين على نفس النموذج بنافذتين مختلفتين بيديوا رقمين مختلفين، من غير أي فرق في الأداء الحقيقي. وده بيبقى واضح جداً في القطاعات اللي رحلة الشراء فيها طويلة، زي العقارات والتعليم والخدمات بتذكرة عالية، حيث الفرق بين نافذة قصيرة وطويلة ممكن يكون فرق جوهري في عدد التحويلات المنسوبة.

الخلاصة العملية: لما تقارن حسابين أو فترتين، اتأكد إن النافذة نفسها متساوية قبل ما تفسر أي فرق. ده فحص بياخد دقيقة وبيمنع استنتاجات غلط كتير.

المشكلة الأكبر: مفيش أتربيوشن عابر للمنصات

كل اللي فوق ده جوه جوجل. لما تيجي تشوف الصورة كاملة، بتكتشف إن ميتا بتحسب لنفسها وجوجل بتحسب لنفسها وتيك توك بتحسب لنفسها، وكل واحدة شايفة جزء من الرحلة ومش شايفة الباقي.

النتيجة المعروفة إنك لو جمعت التحويلات المنسوبة من كل المنصات، الرقم بيطلع أكبر من مبيعاتك الفعلية، أحياناً بفرق كبير. ومفيش نموذج أتربيوشن جوه أي منصة بيحل ده، لأن كل واحدة بتجاوب على سؤال ضيق: ايه اللي حصل بعد التفاعل مع إعلاناتي أنا.

الحل الوحيد اللي بيشتغل عملياً هو إن يكون عندك مصدر واحد للحقيقة برة المنصات، سواء نظام مبيعاتك أو تحليلات مستقلة، وتستخدم أرقام المنصات كمؤشر على الاتجاه مش كحقيقة مطلقة. والتعامل مع تأثير نتائج الذكاء الاصطناعي على نفس الصورة تناولته في تأثير AI Overviews على الإعلانات المدفوعة.

الأتربيوشن مش بيحل مشكلة الأرقام اللي مش متطابقة

دي أكتر نقطة بيحصل فيها خلط. تغيير نموذج الأتربيوشن بيغير توزيع الفضل جوه المنصة الواحدة. هو مش بيقرّب أرقام المنصة من أرقام مبيعاتك الحقيقية، لأن الفجوة دي أسبابها تانية خالص: نافذة الإحالة، والتحويلات المنمذجة، وإن كل منصة بتحسب لنفسها.

يعني لو كنت بتدور على نموذج يخلي الأرقام تتطابق، مفيش. الحل مسار تاني كتبت فيه قبل كده في ليه ROAS المنصة مختلف عن المبيعات الحقيقية والحل العملي.

تصرفات عملية بعد الترحيل

• حدد تاريخ الترحيل في تقاريرك. أي مقارنة بتعدي على التاريخ ده محتاجة ملحوظة، وإلا هتفسر تغير في طريقة الحساب كأنه تغير في الأداء.
• ما تغيّرش النموذج عشان الأرقام تحسن. ده مش تحسين، ده إعادة تسمية لنفس المبيعات.
• راجع تعريفات التحويل الأول. نموذج ممتاز فوق تتبع غلط بيديك رقم غلط بثقة أعلى.
• لو حجم التحويلات صغير، آخر نقرة خيار محترم. الشفافية هنا بتساوي أكتر من دقة نظرية على بيانات قليلة.
• خلي عندك مصدر تاني للحقيقة. أرقام مبيعاتك الفعلية هي الحكم، والمنصة مؤشر.

الجزء اللي بيتنسى: التقرير نفسه

لو التقرير الشهري بيتعمل يدوي، أي تغيير زي ده بيكلفك ساعات إعادة بناء، وغالباً بيتعمل غلط مرة على الأقل. الجزء ده مش موضوع إعلاني، وفيه معالجة عملية كويسة من رِڤل في أتمتة التقارير اليدوية من غير ما تشتري منصة تحليلات، وهي مكتوبة بالإنجليزية وموجهة لناحية الأنظمة مش الإعلانات.

ولو بتشتغل على حساب فيه مطابقة واسعة وإشارات، فقراءة الأتربيوشن بتتقاطع مع اللي كتبته في المطابقة الواسعة في جوجل ادز، لأن الاتنين بيعتمدوا على جودة نفس الإشارات.

ايه اللي بيتغير في شغلك اليومي

لو كنت بتغير النموذج كأداة تحسين، الأداة دي راحت وما راحش معاها حاجة مهمة، لأن تغيير طريقة العد ما كانش بيغير المبيعات أصلاً. اللي راح فعلاً هو القدرة على مقارنة قراءتين مختلفتين لنفس البيانات، ودي كانت بتساعد أحياناً في فهم وزن أول الرحلة.

البديل العملي إنك تبني الفهم ده من برة المنصة: من أسئلة عند نقطة البيع، ومن الفرق بين حركة البحث على اسم البراند قبل وبعد حملات الوعي، ومن بيانات مبيعاتك نفسها. أدوات أقل دقة نظرياً، لكنها بتقيس حاجة حقيقية بدل ما تعيد توزيع نفس الرقم.

الخلاصة

الاختيار اتقلص لاتنين، والافتراضي بقى المبني على البيانات. الشغل اللي فضل مش اختيار نموذج، هو إنك تعرف أي رقم بيتحسب ازاي، وتحط علامة على التاريخ اللي اتغيرت فيه الطريقة، وتفضل تحكم على الشغل من مبيعاتك الحقيقية. النموذج أداة قراءة، مش مصدر حقيقة.