Sätt rätt tidsgräns för kampanj i Google Analytics för att förstå vad dina kampanjer verkligen ger

Tidsgräns för kampanj är ofta en bortglömd eller missförstådd inställning i Google Analytics. Hur sätter man egentligen bästa Campaign Timeout?
Jag läste någonstans att tidsgräns för kampanj är en underskattad och ofta förbisedd inställning i Google Analytics. Jag håller med om det senare men skulle i stället för det förra säga att tidsgräns för kampanj är en såväl underskattad som överskattad och missförstådd inställning i Google Analytics.

Jag har brottats en del med frågan om hur sätter den bästa tidsgränsen för kampanjer den senaste tiden och har kommit fram till att det beror på hur du förstår ”bästa”.

Tidsgräns för kampanj eller campaign timeout är en inställning i Google Analytics som bestämmer hur många dagar från att en användare klickar på en länk med en kampanj angiven i UTM-parametern utm_campaign som en efterföljande konvertering via direkttrafik (användaren kommer till webbplatsen genom att fylla i en URL i sin webbläsare) ska tillskrivas kampanjen. Standardinställningen är sex månader.

Syftet med tidsgräns för kampanj

Google Analytics använder attributionsmodellen Sista icke-direkta klicket (Last Non-Direct Click) som standard i alla rapporter utom Flerkanalstrattar (Multi-Channel Funnels). Det innebär att hundra procent av konverteringsvärdet tillskrivs den senaste kanalen som kunden klickade från före köpet eller konverteringen exklusive Direct som ignoreras (förutsatt att det finns en tidigare icke-direkt kanal).

Modellen Sista icke-direkta klicket ignorerar direkttrafik och tillskriver hundra procent av konverteringsvärdet till den senaste kanalen som kunden klickade från före köpet eller konverteringen.

Bevekelsegrunden för Sista icke-direkta klicket-modellen är att direkttrafik inte uppstår ur tomma intet utan föranleds av något slags utlösare; att det är rimligt att anta att utlösaren är en marknadsföringsaktivitet, som t ex köpt sök eller displayannonsering, och att det därför är fördelaktigt ur ett agerbarhetsperspektiv att tillskriva marknadsföringsaktiviteten och inte direkttrafiken sessionen eller konverteringsvärdet. (Direkttrafiken är i sig inget vi kan påverka men vi kan optimera vår marknadsföring.)

Om jag jämför attributionsmodellerna Sista icke-direkta klicket och Sista interaktionen (som inte exkluderar direkttrafik) för några webbplatser som jag förfogar över så skiljer sig antalet konverteringar för direktkanalen 20-60 % mellan modellerna.

Syftet med inställningen Tidsgräns för kampanj är att bestämma hur länge en kampanj (”icke-direkt klick”) ska tillskrivas sessioner och konverteringar som kommer av direkttrafik (”direkt klick”) i attributionsmodellen Sista icke-direkta klicket. Och som framgår av ovan så kommer den här inställningen att ha en betydande inverkan på alla standardrapporter i Google Analytics (bortsett från MCF-rapporterna).

Den bästa inställningen för tidsgräns för kampanjer

Vad är då den bästa inställningen för tidsgräns för kampanjer? Jag har kommit fram till att man kan närma sig frågan i olika syften och att den ”bästa” inställningen beror på vad man vill uppnå:

  1. Minimera effekten av Sista icke-direkta klicket-modellen
  2. Låta tidsgränsen motsvara en säljcykel
  3. Säkerställa datakonsistens
  4. Jämföra data med andra webbplatser

1. Minimera effekten av Sista icke-direkta klicket-modellen

Även om Sista icke-direkta klicket-modellen gör data mer agerbar så finns det vissa som menar att modellen förvränger data och i stället för att applicera en modell som särbehandlar en specifik kanal önskar att Google applicerade en attributionsmodell som behandlar alla kanaler enhetligt och låter Google Analytics-användaren själv fatta beslut om vilken attributionsmodell som passar henne bäst.

Om man delar den här bilden bör Tidsgräns för kampanj sättas till minsta möjliga värde, vilket i dagsläget är fyra timmar.

2. Låta tidsgränsen motsvara en säljcykel

Ett annat sätt att resonera är att första interaktionen mellan en kampanj och en potentiell kund utgör första steget i säljcykeln. Utifrån den förståelsen är det rimligt att försöka sätta tidsgränsen för kampanjer till längden på säljcykeln för företaget i fråga. En e-handel som säljer dagligvaror har sannolikt en kortare säljcykel (dagar-veckor) än en e-handel för sällanköpsvaror (veckor-månad) vilken i sin tur har en kortare säljcykel än ett B2B-företag som säljer komplexa tjänster (månader). Time Lag-rapporten i Google Analytics kan vara användbar för att förstå längden på sin säljcykel.

Om man köper in på det här resonemanget bör man försöka få Tidsgräns för kampanj att motsvara längden på sin säljcykel.

Testa olika värden för Tidsgräns för kampanj

Ett sätt att testa hur stor andel av klickkedjorna eller säljprocessen som man fångar med olika tidsgränser för kampanj är att använda Assisted Conversions-rapporten i Google Analytics och laborera med olika värden för Look-back Window:

  1. Sätt Look-back Window till nittio dagar (vilket är det maximala möjliga värdet) och notera antalet assisterade konverteringar.
  2. Sätt Look-back Window till en dag (minimum) och lägg sedan successivt på en dag i taget och notera antalet assisterade konverteringar för varje värde på Look-back Window.
  3. Dela antalet assisterade konverteringar för varje värde på Look-back Window med antalet assisterade konverteringar för nittio dagar.
  4. Nu har du för varje antal dagar andelen assisterade konverteringar som fångas.
För den här webbplatsen finns 80 % av alla assisterade konverteringar (inom nittio dagar) inom tolv dagar tillbaka i tiden från konverteringen.

3. Säkerställa datakonsistens

Datakonsistens är ett annat perspektiv på frågan. Om datakonsistens är en väsentlig faktor bör man överväga att sätta tidsgräns för kampanj till minsta möjliga värde eftersom Sista icke-direkta klicket-modellen aktivt särbehandlar en kanal.

Om man emellertid inte vill förkasta Sista icke-direkta klicket-modellen, har en kortare säljcykel och samtidigt bekymrar sig för datakonsistens bör man i stället ta hänsyn till externa förutsättningar som t ex hur olika webbläsare hanterar kakor. I och med till exempel Apples Intelligent Tracking Prevention (ITP) raderas kakor från Safari efter sju dagar. Det innebär att sju dagar kommer att gälla som tidsgräns för kampanjer för Safari-användare oavsett vad vi väljer för inställning för Tidsgräns för kampanj i Google Analytics. Eftersom ungefär trettio procent av svenska internetanvändare (20 % globalt) använder Safari så är det en avsevärd andel trafik som kommer att lyda under andra regler än resten av trafiken. Om vi använder samma graf som i exemplet ovan (Testa olika värden för Tidsgräns för kampanj) och lägger till derivatan kan vi se att så är fallet:

Derivatan för assisterade konverteringar per dag gör ett hopp mellan dag sju och åtta vilket beror på Apples Intelligent Tracking Prevention (ITP)

Om du bekymrar dig om datakonsistens men inte helt vill förkasta Sista icke-direkta klicket-modellen så bör du i dagsläget sätta Tidsgräns för kampanj till sju dagar.

4. Jämföra data med andra webbplatser

Ett annat perspektiv är jämförbarheten med andra webbplatser, dvs möjligheten att t ex jämföra kanalmixen för en webbplats med andra webbplatser inom samma bransch. Ur mitt perspektiv är det här en väldigt viktig faktor att överväga. Dock har jag inte lyckats hitta några allmänt vedertagna branschstandarder utöver att svenska e-handlare tenderar att sätta Tidsgräns för kampanj till en månad, till synes baserat på slentrian snarare än goda argument.

Om du värderar jämförbarhet med andra webbplatser bör du försöka sätta Tidsgräns för kampanj till standarden för din bransch.

Leave a Reply