10 min di letturaFunzionalità

Attribuzione first touch vs last touch: i modelli a confronto

Attribuzione first touch vs last touch, più lineare, time-decay e basata sulla posizione, applicate a un unico percorso dal QR all'email con numeri reali e i punti in cui ogni modello mente.

Ana Kowalska
Marketing solutions engineering
Un grafico a barre in stile pixel che confronta come l'attribuzione first touch vs last touch ripartisce il merito tra una scansione QR e due click su email, nella palette cromatica di Elido

Il first touch assegna il 100% del merito di una vendita alla prima cosa che ha raggiunto il cliente. Il last touch assegna il 100% all'ultima cosa prima dell'acquisto. Il lineare lo divide in parti uguali, il time decay favorisce i contatti recenti e il modello basato sulla posizione dà il 40% a ciascuna estremità e il 20% al centro. Sono cinque modi di dividere lo stesso fatturato, e su un percorso dall'aspetto realistico possono attribuire il merito a cinque canali diversi.

Questa distanza è tutta la storia dell'attribuzione first touch vs last touch. Il modello che scegli non è una misurazione, è un'opinione su cosa meriti il merito, e decide silenziosamente quale canale riceverà il budget del trimestre successivo. Questa guida applica tutti e cinque i modelli a una campagna che puoi immaginare: un codice QR su un poster, un link breve in una newsletter e un'email di promemoria. Se vuoi prima la definizione più ampia, parti da cos'è l'attribuzione di marketing, poi torna qui per l'aritmetica.

Mi occupo di come questi numeri vengono costruiti a partire dai dati dei link, e l'errore più comune che vedo non è scegliere il modello sbagliato. È sceglierne uno senza mai guardare cosa direbbero gli altri.

La campagna che valuteremo

Una cliente, Maya, acquista un piano annuale da EUR 120. Il suo percorso, come lo mostrerebbe il registro dei click:

  1. Giorno 0: scansiona un codice QR su un poster di una conferenza. Punta a un link breve con il tag utm_medium=qr.
  2. Giorno 4: clicca il link breve nella tua newsletter, con i tag utm_medium=email&utm_campaign=newsletter.
  3. Giorno 8: clicca un'email di promemoria e acquista lo stesso giorno.

Tre contatti, una conversione, EUR 120 da distribuire. Ogni link breve porta i propri tag di campagna, ed è proprio questo che rende i contatti distinguibili. Se l'etichettatura è la parte debole della tua configurazione, i parametri UTM spiegati descrive le convenzioni, e tracciare le UTM end to end descrive l'infrastruttura.

Un percorso del cliente con tre contatti: una scansione QR al giorno 0, un click sulla newsletter al giorno 4 e un click sull'email di promemoria al giorno 8 che si conclude con un acquisto da EUR 120

I cinque modelli a confronto

Ciascun modello qui sotto prende i EUR 120 di Maya e applica una regola. Leggili in ordine, perché i successivi sono reazioni ai precedenti.

Attribuzione first touch

Il first touch assegna tutti i EUR 120 alla scansione QR. La logica è che la prima interazione ha creato l'opportunità, e tutto ciò che è venuto dopo era il cliente già in cammino.

Si guadagna il suo posto quando la tua domanda è "da dove arrivano i nuovi clienti?" I canali di consapevolezza come poster, podcast, eventi e link dei creator appaiono deboli con il last touch perché raramente chiudono qualcosa da soli. La panoramica di Shopify sul modello lo imposta allo stesso modo: misura la parte alta del funnel.

Il problema: non dà alcun merito alle email che hanno convinto. Leggendo solo il first touch continuerai a finanziare il poster e a lasciare a secco la sequenza di nurturing che ha trasformato una scansione in una vendita. Premia inoltre qualunque cosa capiti per prima, compreso un click anticipato e fortunato di qualcuno che avrebbe comunque comprato.

Attribuzione last touch

Il last touch assegna tutti i EUR 120 all'email di promemoria. È l'impostazione predefinita nella maggior parte degli strumenti di analytics, e a ragione: è semplice, è riproducibile e corrisponde a come il click subito prima di un acquisto sia il più facile da osservare.

Funziona bene per i cicli brevi, gli acquisti ripetuti e le campagne a risposta diretta, dove la spinta finale è davvero la decisione. Il confronto di Factors.ai fa la stessa osservazione per il B2B: entrambi i modelli a contatto singolo sono semplici ed entrambi sono incompleti non appena il percorso coinvolge più persone e più passaggi.

Sopravvaluta chi chiude. Le email di promemoria, la ricerca di brand e il retargeting stanno per natura alla fine del percorso, quindi il last touch li lusinga ogni volta. L'email di promemoria ha fatto superare a Maya la linea del traguardo, ma esisteva solo perché la scansione QR e la newsletter l'avevano inserita nella lista. Il last touch tende anche a gonfiare il traffico "diretto" quando l'ultima visita è un URL digitato.

Attribuzione lineare

Il lineare divide il merito in parti uguali. Tre contatti, EUR 40 ciascuno.

È il modello per chi non si fida della versione di nessuno. Niente è invisibile e nessuno riceve un bonus per la posizione. È un primo passo ragionevole per allontanarsi dal contatto singolo, perché non può ignorare del tutto alcun canale comparso.

Ma presuppone che la scansione di un poster e un promemoria nel giorno dell'acquisto abbiano contribuito allo stesso modo. Quasi mai è così. Il lineare diluisce inoltre il merito man mano che i percorsi si allungano: un percorso di dieci contatti dà a ogni passaggio il 10% e fa sembrare tutto poco importante.

Attribuzione time decay

Il time decay dà più peso ai contatti più vicini alla conversione, di solito con un tempo di dimezzamento. Con un tempo di dimezzamento di 7 giorni, un contatto perde metà del suo peso ogni 7 giorni che lo separano dall'acquisto. I contatti di Maya risalivano a 8, 4 e 0 giorni prima dell'acquisto, il che dà pesi di circa 0.45, 0.67 e 1.00. Normalizzati, sono circa 21%, 32% e 47%.

Si adatta alle promozioni e agli acquisti rapidi, dove recente significa davvero influente. È anche il modello con una manopola nascosta: cambia il tempo di dimezzamento da 7 a 30 giorni e i numeri cambiano molto, quindi la scelta del tempo di dimezzamento è una decisione, non un valore predefinito.

I cicli lunghi lo mandano in crisi. Se un affare richiede sei mesi, il contatto che l'ha avviato decade quasi a zero nel momento in cui si chiude, quindi il time decay si trasforma silenziosamente in last touch con qualche passaggio in più.

Attribuzione basata sulla posizione

Il modello basato sulla posizione, spesso detto a U, dà il 40% al primo contatto, il 40% all'ultimo e il 20% condiviso tra quelli intermedi. Per Maya sono EUR 48, EUR 24 e EUR 48.

Codifica una convinzione che molti marketer già hanno: il passaggio che ha trovato il cliente e il passaggio che l'ha chiuso meritano la maggior parte del merito, e il centro ha svolto un lavoro di supporto. Tende a sembrare giusto per i percorsi con un chiaro passaggio di scoperta e un chiaro passaggio di chiusura.

La ripartizione 40/20/40 è una convenzione, non un risultato. Nessuno l'ha misurata sul tuo business. Se il tuo contatto intermedio (diciamo un webinar) è il vero motivo per cui le persone comprano, il modello basato sulla posizione lo sottovaluterà per costruzione.

I cinque modelli affiancati

Ecco gli stessi EUR 120 sotto ogni modello. Ogni colonna somma a EUR 120.

ContattoFirstLastLineareTime decay (7 giorni)Basato sulla posizione
Scansione QR, giorno 0120.000.0040.0025.5648.00
Click newsletter, giorno 40.000.0040.0037.9924.00
Email di promemoria, giorno 80.00120.0040.0056.4548.00

Leggi la tabella per righe. Il codice QR vale da EUR 0 a EUR 120 a seconda del modello, e la newsletter, che entrambi i modelli a contatto singolo ignorano, riceve tra EUR 0 e EUR 40. Nessuno di questi è sbagliato. Rispondono a domande diverse: il first touch risponde a "cosa trova i clienti", il last touch risponde a "cosa li chiude", e i modelli multi-touch rispondono a "come faccio a smettere di discuterne".

Se hai tempo per una sola abitudine, scegli questa: calcola first e last affiancati per ogni campagna. Quando concordano, puoi smettere di preoccuparti. Quando divergono nettamente, hai trovato un canale che svolge un lavoro diverso da quello che il tuo report presume.

Ripartizione del merito di un acquisto da EUR 120 tra una scansione QR, un click sulla newsletter e un'email di promemoria con attribuzione first touch, last touch, lineare, time decay e basata sulla posizione

Cosa nessun modello può risolvere

Tutti e cinque condividono un punto cieco. Dividono il merito solo tra i contatti che puoi vedere. Un link incollato in una chat privata, un collega che nomina il tuo brand, un podcast ascoltato il mese scorso: niente di tutto ciò entra nel modello, e il merito finisce su ciò che era visibile. L'attribuzione del dark social è la versione lunga di questo problema, e vale la pena conoscerla prima di fidarsi dell'output di qualsiasi modello.

Un'altra avvertenza, per esperienza. Google ha rimosso first click, lineare, time decay e basato sulla posizione da GA4 e da Google Ads a novembre 2023, lasciando data-driven e last click (report dei modelli di attribuzione di GA4, Google Ads: informazioni sui modelli di attribuzione). Se il tuo strumento di analytics non mostra più i modelli qui sopra, questo non li rende obsoleti. Significa che li calcoli tu, cosa facile una volta che hai le righe per contatto.

Cosa possono e non possono dirti i dati a livello di click

Un link breve registra il click stesso, che è il contatto più affidabile di una campagna perché avviene su un'infrastruttura che controlli. Un evento di click riporta il link, il timestamp, il paese, la classe di dispositivo, il browser, l'host del referrer e i tag UTM, e lo fa senza cookie né indirizzo IP memorizzato (vedi campi dell'evento di click). Questo ne fa una fonte pulita di righe di "contatto", anche per le scansioni QR che tracci come link e per i click sulle email che puoi distinguere.

Ecco a cosa può rispondere bene:

  • Quale canale ha toccato per primo e quale per ultimo, in una data finestra.
  • Quanto è durato l'intervallo tra i contatti, che è esattamente ciò che serve al time decay.
  • Quali tag di campagna fanno il lavoro pesante a ogni posizione.

Ed ecco a cosa non può rispondere:

  • Chi è la persona. Una riga di click da sola non ha identità. Per collegare i tre click di Maya serve un identificatore presente sia nei click sia nella conversione.
  • Se il click era di un essere umano. Gli scanner delle email e le anteprime delle chat aprono i link. Click contro sessioni GA4 spiega perché i numeri differiscono e cosa è normale.
  • Cosa è successo fuori dal link. Le visualizzazioni di un poster senza scansione, un'impression pubblicitaria senza click e un consiglio a pranzo sono tutti invisibili.
  • L'unione tra dispositivi. Scansione da telefono, acquisto da portatile: i due percorsi sembrano due persone, a meno che qualcosa non li colleghi.

In Elido, una conversione viene associata a un click o in modo esatto, tramite il click ID restituito con il redirect, oppure tramite l'email del cliente rispetto al click più recente entro la tua finestra di attribuzione (1, 7, 30 o 90 giorni). Quel comportamento predefinito è l'associazione last-touch, ed è esatto quando passi il click ID. Il funnel builder ti permette inoltre di scegliere first touch, last touch o lineare per un funnel. Time decay e basato sulla posizione non sono integrati. Per quelli, esporta gli eventi di click e le conversioni (vedi esportare i dati di analytics e la API di analytics dei link), uniscili sul tuo identificatore ed esegui i pesi in un foglio di calcolo o nel tuo warehouse. L'aritmetica qui sopra è tutto ciò che serve.

Se vuoi le righe di contatto senza costruire prima una pipeline, crea un link breve con etichette in Elido per ogni canale della tua prossima campagna e parti dal confronto first contro last.

Quale modello usare

Abbina il modello alla decisione che stai prendendo, non a ciò che uno strumento propone di default.

  • Ciclo breve, risposta diretta, acquirenti ricorrenti: last touch, con il time decay come verifica di coerenza.
  • Spesa per brand e consapevolezza, domande sui nuovi clienti: first touch per la decisione sul budget, last touch per vedere cosa lo converte.
  • Percorsi con un chiaro passaggio di scoperta e un chiaro passaggio di chiusura: basato sulla posizione, accettando che i pesi 40/20/40 siano un'ipotesi.
  • Lunghi cicli B2B con molti stakeholder: nessuno dei modelli semplici basta. Considera un modello basato su regole come una guida approssimativa e guarda le sequenze e le coorti.

In ogni caso, i limiti dell'attribuzione senza cookie meritano di essere letti prima di fidarsi di un numero al centesimo. E abbina qualsiasi modello alla configurazione da click a conversione del tracciamento delle conversioni di Elido, così il lato conversione ha un identificatore su cui unire i dati.

La conclusione onesta è che l'attribuzione è più vicina alla contabilità che alla fisica. I modelli non scoprono la verità, applicano una regola in modo coerente così puoi confrontare le campagne. Scegli una regola, dichiara qual è e mantienila stabile abbastanza a lungo da imparare qualcosa.

Leggi la serie cornerstone

Questo articolo fa parte del cluster delle funzioni, insieme alle definizioni in cos'è l'attribuzione di marketing. Per la configurazione completa di etichettatura e inoltro, leggi il cornerstone sul tracciamento UTM.

Correlati sul blog

Domande frequenti

Qual è la differenza tra attribuzione first touch e last touch?

Il first touch assegna il 100% del merito alla prima interazione che un cliente ha avuto con te, e il last touch assegna il 100% all'ultima interazione prima della conversione. Il first touch ti dice cosa ha creato la consapevolezza. Il last touch ti dice cosa ha chiuso la vendita. Nessuno dei due vede i contatti intermedi.

Qual è il miglior modello di attribuzione?

Non esiste un modello migliore in assoluto, ma solo quello che si adatta al tuo ciclo di vendita e alla domanda che ti stai ponendo. Gli acquisti brevi e d'impulso sono ben serviti dal last touch o dal time decay. I percorsi più lunghi, con un chiaro passaggio di scoperta e un chiaro passaggio di chiusura, si adattano al modello basato sulla posizione. Usa due modelli affiancati e considera la distanza tra i due come l'incertezza.

Qual è la differenza tra attribuzione lineare e time decay?

L'attribuzione lineare ripartisce il merito in parti uguali tra tutti i punti di contatto, mentre il time decay dà più merito ai contatti più vicini alla conversione. Il lineare tratta una prima impressione a freddo e un promemoria finale come equivalenti. Il time decay parte dal presupposto che la vicinanza nel tempo equivalga a influenza, di solito con un tempo di dimezzamento come 7 giorni.

Cos'è l'attribuzione basata sulla posizione?

L'attribuzione basata sulla posizione (detta anche a U) assegna il 40% del merito al primo contatto, il 40% all'ultimo e ripartisce equamente il restante 20% tra i contatti intermedi. Premia il passaggio che ha dato il via al percorso e quello che lo ha concluso. Con soli due contatti il merito si divide semplicemente 50/50.

GA4 offre ancora i modelli first click, lineare, time decay e basato sulla posizione?

No. Google ha rimosso first click, lineare, time decay e basato sulla posizione da GA4 e da Google Ads a novembre 2023, lasciando solo data-driven e last click. Se rivuoi i modelli basati su regole, devi calcolarli da te a partire dai dati degli eventi esportati.

I soli dati dei click bastano a supportare l'attribuzione multi-touch?

Solo in parte. I dati dei click registrano quale link è stato seguito, quando e con quali tag di campagna, ma non sanno chi sia la persona. Per pesare più contatti serve un identificatore condiviso tra i click e la conversione, come un click ID passato fino al checkout o un indirizzo email raccolto alla conversione.

Prova Elido

Incolla un URL, ottieni un link breve

Senza registrazione. Il link vive 30 giorni. Iscriviti per conservarlo.

Gratis, nessuna registrazione richiesta · 2 al giorno

Prova Elido

Accorciatore di URL ospitato nell'UE: domini personalizzati, analisi approfondite e API aperta. Piano gratuito - senza carta di credito.

Tag
first touch vs last touch attribution
attribution models
multi-touch attribution
linear attribution
time decay attribution
position based attribution

Continua a leggere