Blog
Modele atrybucji w marketingu: który kanał dostaje zasługi za sprzedaż?
W tym wpisie model atrybucji opisujemy w kontekście marketingu internetowego, a nie teorii atrybucji znanej z psychologii.

Spis treści:
- Czym jest atrybucja w marketingu?
- Rodzaje modeli atrybucji – różne modele i ich zasady
- Atrybucja w GA4 i Google Ads
- Dlaczego kanały „kradną” sobie konwersje?
- Jak porównać modele atrybucji w GA4? Przykład analizy danych
- Ograniczenia atrybucji – wyzwania związane z pomiarem
- Jak wybrać odpowiedni model atrybucji?
- Atrybucja w praktyce sklepu
- Najczęściej zadawane pytania
Klientka sklepu widzi reklamę na Instagramie, tydzień później wpisuje w Google nazwę produktu, a kupuje po kliknięciu w link z newslettera. Który kanał zarobił na tę sprzedaż? Rozstrzyga to model atrybucji, czyli zestaw reguł, który dzieli wartość konwersji między punkty kontaktu na ścieżce klienta. Klient może też szukać produktu w wyszukiwarce opartej na sztucznej inteligencji, a na taką ścieżkę sklep przygotowuje się przez AISO, czyli optymalizację kart produktowych.
Tekst jest dla właścicieli sklepów internetowych, marketerów i osób, które planują budżet reklamowy firmy i chcą wiedzieć, które działania marketingowe naprawdę przyprowadzają klientów. Dowiesz się, jakie są różne modele atrybucji, który model atrybucji ustawić w Google Analytics 4 i Google Ads oraz dlaczego panele reklamowe pokazują różne liczby. To ważne, bo od modelu zależy, które kampanie uznasz za skuteczne, a którym obetniesz budżet.
Czym jest atrybucja w marketingu?
Atrybucja co to takiego? Atrybucja konwersji to proces przypisywania wartości zakupu źródłom ruchu, z których klient korzystał przed dokonaniem zakupu. Robi to narzędzie analityczne albo system reklamowy. Atrybucja marketingowa odpowiada więc na pytanie, który punkt kontaktu na etapach ścieżki zakupowej klienta przyczynił się do sprzedaży i w jakim stopniu.
Innymi słowy, model atrybucji to umowa, według której liczysz zasługi kanałów marketingowych. Klient przed dokonaniem konwersji ma zwykle kilka kontaktów z marką: widzi reklamę, czyta wpis na blogu, wraca z wyszukiwarki, otwiera e-mail. Każdy model inaczej ocenia te interakcje klienta z marką i inaczej opisuje przebieg ścieżki zakupowej, dlatego ta sama kampania w jednym raporcie ma dużo konwersji, a w innym mało. Opis klienta, który przechodzi taką ścieżkę, warto oprzeć na personie UX zbudowanej z danych sklepu.
Dlaczego atrybucja marketingowa ma kluczowe znaczenie?
Od atrybucji zależy ocena kampanii i podział budżetu reklamowego. Ten sam budżet może wyglądać na zyskowny albo stratny w zależności od modelu, bo jeden model przypisze zakup reklamie na Instagramie, a inny newsletterowi. Na tej podstawie firma przesuwa pieniądze między kanałami, dlatego zły model może doprowadzić do wyłączenia kanału, który przyprowadza potencjalnych klientów na początku ścieżki.
Dobrze dobrany model pomaga w optymalizacji strategii marketingowej: pokazuje, które działania marketingowe otwierają ścieżkę, które ją podtrzymują, a które domykają sprzedaż. Dzięki temu dostosowywanie strategii marketingowej do wyników opiera się na danych, a nie na tym, który panel reklamowy pokazuje najwięcej konwersji.
Rodzaje modeli atrybucji – różne modele i ich zasady
Różne modele atrybucji dzielą się na dwie grupy. Modele jednopunktowe przypisują całą wartość konwersji jednemu punktowi kontaktu, pierwszemu albo ostatniemu. Modele wielopunktowe dzielą wartość między kilka punktów styku na całej ścieżce zakupowej, czyli między etapy ścieżki zakupowej od pierwszej wizyty do ostatniego punktu przed zamówieniem, według stałych reguł albo według danych.
| Model | Komu przypisuje zasługę | Kogo faworyzuje |
|---|---|---|
| Ostatnie kliknięcie | ostatniemu punktowi kontaktu przed zakupem | wyszukiwania marki, e-maile |
| Pierwsze kliknięcie | pierwszemu punktowi kontaktu | reklamy zasięgowe, media społecznościowe |
| Liniowy | równo wszystkim punktom kontaktu | kanały obecne na długich ścieżkach |
| Z rozkładem czasowym | więcej punktom bliżej zakupu | kanały domykające sprzedaż |
| Pozycyjny | najwięcej pierwszemu i ostatniemu punktowi | kanały otwierające i domykające |
| Oparty na danych | według udziału w ścieżkach zakończonych zakupem | zależy od danych sklepu |
Atrybucja ostatniego kliknięcia (atrybucja ostatniego kontaktu)
Ten model przypisuje całą wartość konwersji ostatniemu punktowi kontaktu, czyli ostatniemu punktowi styku przed zakupem. Działanie modelu jest stosunkowo proste i czytelne, dlatego dobrze nadaje się do porównań z wcześniejszymi okresami. Zaniża jednak rolę reklam, które klient zobaczył na początku ścieżki, i zawyża rolę wyszukiwań nazwy marki oraz e-maili, bo te kanały często pojawiają się tuż przed zakupem. Atrybucja ostatniego kontaktu pomija wpływ wcześniejszych interakcji, które odbyły się przed ostatnim punktem, więc ścieżka klienta z marką skraca się w raporcie do jednego kroku i nie widać, skąd klient w ogóle dowiedział się o sklepie.
Atrybucja pierwszego kliknięcia (atrybucja pierwszego kontaktu)
Atrybucja pierwszego kliknięcia przypisuje całą wartość konwersji źródłu, które przyprowadziło klienta po raz pierwszy. Pokazuje, które działania marketingowe zdobywają nowych klientów, ale pomija wszystko, co działo się później. Kampania, która przyprowadziła osobę do sklepu, dostaje całą zasługę, nawet jeśli klient kupił po kilku tygodniach i kilku kolejnych kontaktach z marką. Model pierwszego punktu kontaktu przydaje się przy ocenie kampanii zasięgowych, które docierają do potencjalnych klientów, i przy wejściu na nowy rynek.
Atrybucja liniowa
Atrybucja liniowa przydziela równą wartość wszystkim punktom kontaktu na ścieżce. Jeśli klient miał cztery kontakty z marką, poszczególnym punktom przypada po 25% wartości zakupu. Model atrybucji liniowej daje względnie równe znaczenie wszystkim kanałom i pasuje do firm, w których klient długo poznaje ofertę. Jego słabością jest to, że reklama zobaczona przypadkiem ma takie samo znaczenie jak rozmowa z doradcą tuż przed zakupem. Model atrybucji liniowej dobrze pokazuje za to, jak działania marketingowe w różnych kanałach wspierają się nawzajem.
Atrybucja czasowa (atrybucja rozkładu czasowego)
Atrybucja rozkładu czasowego daje większe znaczenie punktom kontaktu bliżej zakupu, a mniejsze tym z początku ścieżki. Większe znaczenie mają więc kanały, które pojawiły się tuż przed dokonaniem zakupu, a ostatniemu punktowi styku przypada najwięcej. Atrybucja czasowa dobrze opisuje krótkie kampanie promocyjne, w których liczą się ostatnie interakcje. Przy długich ścieżkach zaniża jednak rolę kanałów, które otworzyły ścieżkę klienta.
Atrybucja pozycyjna
Atrybucja pozycyjna, nazywana też modelem uwzględniającym pozycję, przypisuje najwięcej wartości pierwszemu punktowi i ostatniemu punktowi styku, zwykle po 40%, a pozostałe 20% dzieli między kontakty pośrednie. To zrównoważone podejście, które docenia zarówno kanał otwierający, jak i domykający sprzedaż.
W 2023 roku Google wycofał modele pierwszego kliknięcia, liniowy, z rozkładem czasowym i uwzględniający pozycję z Google Analytics 4 i Google Ads (źródło: Google, 2023). Ich logika nadal pomaga zrozumieć raporty innych narzędzi i porównywać ścieżki klientów.
Atrybucja oparta na danych (algorytmiczna atrybucja)
Atrybucja oparta na danych, nazywana też algorytmiczną atrybucją, porównuje ścieżki zakończone zakupem ze ścieżkami bez zakupu i na tej podstawie, z pomocą algorytmów, w których działa uczenie maszynowe, przypisuje wartość poszczególnym punktom kontaktu. Ten typ atrybucji Google najczęściej stosuje dziś w GA4 i Google Ads, bo jest tam modelem domyślnym. Zaawansowane modele tego typu wymagają poprawnie mierzonych konwersji i odpowiedniej liczby dostępnych danych, więc przy małym ruchu i niewielkiej liczbie zakupów wynik bywa mniej stabilny. Uczenie maszynowe w analityce to tylko jeden z obszarów, w których widać, jak AI zmieni marketing i codzienną pracę marketerów.
Atrybucja niestandardowa
Atrybucja niestandardowa pozwala ustalić własne reguły, na przykład nadać większą wagę konkretnym kanałom albo pominąć wizyty z określonych źródeł. Ustawienie własnych wag oferują niektóre narzędzia analityczne i platformy do analizy danych z różnych źródeł, ale GA4 takiej opcji nie ma. Model niestandardowy ma sens tylko wtedy, gdy firma dobrze zna ścieżki oraz wzorce zachowań klientów i potrafi uzasadnić każdą wagę.
Atrybucja w GA4 i Google Ads
W Google Analytics 4 model atrybucji i okno ruchu wstecz, czyli okres, z którego brane są wcześniejsze punkty kontaktu, ustawia się w ustawieniach administracyjnych usługi. Do wyboru są atrybucja oparta na danych, ustawiona domyślnie, i ostatnie kliknięcie. Zmiana modelu działa także wstecz na raporty. Nazwy menu w GA4 zmieniają się po aktualizacjach, dlatego opisujemy kroki ogólnie:
- Otwórz ustawienia administracyjne usługi w GA4.
- Przejdź do ustawień wyświetlania danych i atrybucji.
- Wybierz model raportowania.
- Ustaw okno ruchu wstecz dla konwersji.
W Google Ads model wybiera się osobno dla każdej akcji konwersji. Wybór wpływa na liczby przy kampaniach i na automatyczne strategie ustalania stawek, które uczą się na tych konwersjach, dlatego przy prowadzeniu, jakim są kampanie Google Ads, model ustala się na początku i nie zmienia bez powodu. Odpowiedni model atrybucji w Google Ads pomaga też w zwiększeniu liczby konwersji, bo strategia stawek widzi rolę kampanii na całej ścieżce, a nie tylko ostatnie kliknięcie.
Dlaczego kanały „kradną” sobie konwersje?
Każdy system reklamowy liczy konwersje we własnym oknie czasowym i według własnych reguł. Google Ads widzi kliknięcia w swoje reklamy, a Menedżer reklam, w którym prowadzi się Meta Ads, liczy także zakupy po samym obejrzeniu reklamy. Ten sam zakup trafia więc do dwóch paneli naraz, a suma konwersji z paneli bywa wyższa niż liczba zamówień w sklepie. Do tego dochodzą klienci bez zgody na pliki cookie, zakupy na kilku urządzeniach i kontakty poza internetem, których żaden system nie widzi.
Dlatego wyniki z paneli reklamowych trzeba opisywać jako dane z paneli. Tak robimy w realizacjach: przy Prawdzic Resort & Wellness podajemy „średni ROAS z paneli reklamowych” 1303%, a przy sklepie Vegano 2082 zakupy „bezpośrednio z panelu”. Więcej o różnicach w danych przeczytasz we wpisie Google Analytics kłamie? Dlaczego raporty ze sklepu pokazują inną prawdę.
Porada: Porównuj kanały w jednym narzędziu, czyli w GA4, a panele reklamowe traktuj jako źródło do optymalizacji wewnątrz danego kanału.
Jak porównać modele atrybucji w GA4? Przykład analizy danych
Google Analytics 4 ma raporty reklamowe, w których można zestawić wyniki kanałów w dwóch modelach obok siebie i zobaczyć, jak zmienia się przypisana im wartość konwersji. Jeśli kanał w modelu opartym na danych dostaje wyraźnie więcej konwersji niż w modelu ostatniego kliknięcia, to znaczy, że często pojawia się wcześniej na ścieżce i pomaga w sprzedaży, choć jej nie domyka. Odwrotna sytuacja oznacza kanał, który głównie zbiera zakupy klientów zdecydowanych już wcześniej. W tych samych raportach można obejrzeć typowe etapy ścieżki zakupowej klienta: ile punktów kontaktu mają klienci przed zakupem i ile dni mija od pierwszej wizyty do zamówienia. Kanałem, który zbiera zakupy zdecydowanych klientów, bywa na przykład reklama produktowa Google, widoczna przy wyszukiwaniu konkretnego towaru.
Takie porównanie przydaje się przed decyzją o budżecie i zmianą strategii marketingowej. Zanim wyłączysz kampanię, która w raportach ostatniego kliknięcia wygląda słabo, sprawdź, jak wypada w modelu opartym na danych i jak często pojawia się na ścieżkach zakończonych zakupem. Wnioski z analizy danych zapisuj razem z datą i modelem, w którym je wyciągnięto, żeby za kilka miesięcy porównać wyniki na tych samych zasadach.
Ograniczenia atrybucji – wyzwania związane z pomiarem
Żaden model atrybucji nie widzi pełnej ścieżki klienta. Osoby, które nie wyraziły zgody na pliki cookie, są mierzone w ograniczonym zakresie, a klient, który oglądał produkt na telefonie, a kupił na komputerze, może być liczony jako dwie różne osoby. Poza zasięgiem narzędzi zostają też rozmowy z polecenia, wizyty w sklepie stacjonarnym czy telefon do handlowca. Dlatego atrybucja pokazuje przybliżony udział, jaki działania marketingowe mają w sprzedaży, a nie dokładny rachunek. Podobnie trudno policzyć wzmianki o marce w odpowiedziach ChatGPT czy Gemini, nad którymi pracuje się w ramach SEO AI.
Potencjalne problemy z atrybucją to także źle oznaczone linki w kampaniach, brak pomiaru wysyłki w formularzach kontaktowych i podwójnie liczone zakupy. Każdy z tych błędów zniekształca wyniki, niezależnie od tego, jaki model wybierzesz.
Uzupełnieniem atrybucji są testy, na przykład czasowe wyłączenie kampanii w jednym regionie i porównanie sprzedaży z regionem, w którym kampania działała. Pomaga też proste pytanie zadane klientom w formularzu zamówienia: skąd dowiedzieli się o sklepie. Odpowiedzi nie są dokładne, ale pokazują kanały komunikacji, których nie widać w danych.
Jak wybrać odpowiedni model atrybucji?
Wybór odpowiedniego modelu atrybucji zależy od celów biznesowych i celów marketingowych, specyfiki działalności firmy oraz liczby konwersji. Przy poprawnym pomiarze i wystarczającej liczbie konwersji zostaw model oparty na danych. Ostatnie kliknięcie wybierz wtedy, gdy potrzebujesz prostego raportu do porównań z przeszłością albo gdy sklep ma za mało zakupów, żeby model oparty na danych działał stabilnie. Modelu nie zmieniaj w trakcie oceny kampanii, bo dane przestaną być porównywalne z poprzednimi okresami.
Wybór odpowiedniego modelu atrybucji zależy też od tego, jaka jest długość cyklu sprzedaży. Przy krótkich ścieżkach, na przykład w sklepie z tanimi produktami, różnice między modelami są małe. Przy długich ścieżkach, na przykład przy drogich meblach czy usługach dla firm, kontakt klienta z marką powtarza się wiele razy i model mocno zmienia ocenę kanałów.
| Sytuacja firmy | Odpowiedni model | Dlaczego |
|---|---|---|
| dużo konwersji, poprawny pomiar | oparty na danych | wykorzystuje wszystkie dostępne dane o ścieżkach |
| mało konwersji, krótkie ścieżki | ostatnie kliknięcie | daje stabilne i proste raporty |
| długi cykl sprzedaży, wiele kanałów | oparty na danych plus przegląd ścieżek | pokazuje rolę kanałów otwierających ścieżkę |
| ocena kampanii zasięgowej | porównanie dwóch modeli | pokazuje udział kampanii przed ostatnim kontaktem |
Tabela to punkt wyjścia, a ostateczny wybór zależy od specyfiki działalności firmy i od tego, jakie działania marketingowe prowadzi.
Kanały otwierające ścieżkę, takie jak reklamy zasięgowe i działania w mediach społecznościowych, ocenia się także po wskaźnikach wcześniejszych etapów, na przykład po liczbie nowych użytkowników i wyszukiwań nazwy marki, a nie tylko po przypisanych zakupach. Bez tego łatwo uznać je za nieskuteczne i odciąć kanał, który zaczynał ścieżkę wielu klientów. Model dobiera się więc do celów marketingowych: inny sprawdzi się przy zdobywaniu nowych klientów, a inny przy sprzedaży obecnym klientom.
Atrybucja w praktyce sklepu
W sklepie, który prowadzi kampanie w Google Ads i Meta, wysyła newsletter i ma ruch z wyszukiwarki, atrybucja marketingowa pomaga ustalić rolę każdego kanału. Kampanie w Meta często otwierają ścieżkę i przyprowadzają nowych klientów, wyszukiwarka i kampanie produktowe zbierają klientów, którzy szukają konkretnego produktu, a newsletter i automatyzacje domykają sprzedaż u osób, które już znają sklep. Każdy z tych kanałów ocenia się inną miarą, ale budżet planuje się dla całości, bo wyłączenie jednego kanału zwykle obniża wyniki pozostałych. Plan budżetu jest częścią strategii marketingowej, więc bez odpowiedniego modelu atrybucji łatwo ocenić kanały tylko po fragmencie ścieżki.
Dla sklepu Your Skin kampanie Google Ads osiągnęły ROAS 17,66 i wzrost wartości konwersji o 19% w dwa miesiące, a taki wynik ocenialiśmy na tych samych zasadach pomiaru przez cały okres. Stały model i stałe zasady liczenia pozwalają porównywać działania marketingowe miesiąc do miesiąca i osiągać lepsze wyniki dzięki decyzjom opartym na tych samych danych.
Najczęściej zadawane pytania
Na czym polega teoria atrybucji?
Teoria atrybucji to pojęcie z psychologii, które opisuje, jak ludzie wyjaśniają przyczyny zachowań. Z marketingową atrybucją konwersji łączy ją tylko nazwa.
Co to jest wskaźnik konwersji?
To odsetek wizyt lub użytkowników zakończonych wybraną akcją, na przykład zakupem. Model atrybucji decyduje, któremu kanałowi ta konwersja zostanie przypisana.
Czy zmiana modelu atrybucji zmienia liczbę konwersji?
W GA4 łączna liczba konwersji zostaje ta sama, zmienia się tylko jej podział między kanały. W Google Ads model wpływa też na liczby przy poszczególnych kampaniach i na działanie strategii stawek.
Czy atrybucja ma sens w małej firmie?
Tak, nawet przy kilku kanałach warto wiedzieć, który przyprowadza klientów, a który domyka sprzedaż. Przy małej liczbie konwersji wystarczy model przypisujący zakup ostatniemu źródłu, uzupełniony o przegląd ścieżek w GA4.
Jakie okno ruchu wstecz ustawić?
To zależy od długości cyklu sprzedaży. W sklepie z produktami kupowanymi szybko wystarczy krótsze okno, a przy drogich produktach i usługach, w których klient długo porównuje oferty, warto ustawić dłuższe.
Dlaczego suma konwersji z paneli reklamowych jest wyższa niż liczba zamówień?
Każdy panel przypisuje sobie zakup, jeśli klient miał kontakt z jego reklamą, więc ten sam zakup bywa liczony w kilku panelach. Liczbę zamówień zawsze sprawdzaj w sklepie albo w GA4.
Czy model atrybucji wpływa na budżet reklamowy?
Pośrednio tak. Model zmienia ocenę kanałów, a na podstawie tej oceny firma przesuwa budżet, dlatego przed dużą zmianą budżetu warto porównać wyniki kanałów w dwóch modelach.
Który model atrybucji jest dostępny w GA4?
W Google Analytics 4 do wyboru są model oparty na danych i model ostatniego kliknięcia. Pozostałe modele, takie jak atrybucja liniowa czy pozycyjna, Google wycofał w 2023 roku.










