Affiliate provize jsou dnes připisovány nejčastěji poslednímu partnerovi, od kterého zákazník přišel. Ve skutečnosti se ale uživatelé před svým nákupem proklikávají na web z mnoha různých zdrojů, kampaní i partnerů, s různými motivacemi a záměry. Klasický způsob rozdělování odměn tak vůbec nezohledňuje dnešní chování zákazníků na internetu ani míru vlivu toho kterého partnera i dalších propagačních kanálů na nákupní rozhodování.
Přednáška je určena zejména pokročilejším e-shopům, které již mají rozjetý svůj provizní systém a chtějí optimalizovat rozložení nákladů v rámci svého marketingového mixu. Na své si ale určitě přijdou i začínající inzerenti a publisheři. Jan Tichý ukáže, co vše je dobré v dnešní době zohledňovat, jak lze partnerské odměny také rozdělovat a jak vůbec stanovit jejich výši nejen vůči ostatním partnerům, ale i vůči dalším propagačním aktivitám a marketingovým nákladům e-shopu.
4. MULTICHANNEL V AFFILU
• Více různých partnerů přivede stejného zákazníka:
Partner 1 > Partner 2 > Partner 3 > $$$
• Vyřešeno - obvykle dostane poslední partner
• Last-click atribuce
7. TOP CONVERSION PATHS
• Používejte filtr a naučte se regulární výrazy
• Vše, kde byla PPCčka a zároveň affil:
cpc.*affil|affil.*cpc
• Vše, kde bylo víc jak pět prokliků z PPC:
cpc.*cpc.*cpc.*cpc.*cpc
8. JAK ŘEŠIT PŘEKRYVY V AFFILU
A. Neřeším to a doufám :)
B. Od začátku nasadím ponížené affil provize
C. Budu počítat provize dle skutečného přínosu
9. ATRIBUČNÍ MODELY
• Kterému zdroji v cestě připíšu objednávku?
• Affiliate si standardně připisuje konverze všech
přivedených uživatelů, bez ohledu na pozici v cestě
(agresivní atribuce)
• Last-click attribution (Last non-direct click)
• First-click attribution
10. AGRESIVNÍ ATRIBUCE
• Affiliate si připíše všechny objednávky:
Seznam > CJ > Google > Adwords > $$$
11. LAST CLICK ATTRIBUTION
• Objednávku připisujeme vždy poslednímu:
Seznam > CJ > Google > Adwords > $$$
13. FIRST / LAST CLICK ATRIBUCE
• GA lepší než interní statistiky reklamních systémů
• Deduplikace!
• Neumím snadno rozlišit konkrétní objednávku
• Udělat si koeficient překryvů (rozdíl mezi agresivní a last-click
atribucí) a maximální provize o něj pokrátit
• Uvnitř CJ i nadále dostává provizi poslední partner
14. DEDUPLIKACE V CJ
• Všechny své kampaně zavedu jako partnera
• Musím za ně platit provize do CJ / VIV
• I nadále odměňujeme jen posledního - last click
15. LINEÁRNÍ ATRIBUCE
• Rozpočítáme mezi všechny zúčastněné zdroje,
tedy dostaneme skutenčný přínos každého zdroje:
Seznam > CJ > Google > Adwords > $$$
16. LINEÁRNÍ ATRIBUCE
• http://bit.ly/linear-attribution
• Při srovnání s agresivní atribucí opět dostávám poměr,
o který musím maximální provize pokrátit
• Dostávám spravedlivě skutečný přínos každého zdroje
• Můžu rozšířit o zohlednění pozice v cestě - dát o
něco víc prvnímu a poslednímu zdroji apod.
17. AUTOMATIZACE
• Skript pro krácení provizí v CJ
• Bere z Google Analytics konverzní cestu pro každou transakci,
přepočítává provize zvoleným atribučním modelem a aktualizuje výši
provizí skrz API v CJ
• Přesnější a spravedlivější - zohledňuje každou cestu a skutečný přínos
každého partnera pro získání každé jedné objednávky, nekrátí provize
paušálně vše jedním koeficientem
• Bohužel celá provize jde stále jen poslednímu partnerovi = omezení CJ
18. UŽIVATELÉ, NIKOLIV COOKIES
• Chci odměňovat přivedené uživatele, ne cookies
(nový uživatel = nový e-mail, ne nová cookie)
• Pak bych uměl udělat lineární rozpočet každé objednávky na všechny
zdroje daného uživatele napříč časem i jeho různými prohlížeči a zařízeními
• Otevírá se prostor pro zcela nové typy odměn:
• „Zpětné bonusy“ za customer lifetime value
• Odměny za znovupřivedení ztraceného uživatele
• Google Analytics na to samy o sobě nestačí
19. PÁROVACÍ SLUŽBA
• Speciální služba od Medio Interactive
• Inteligentně páruje uživatele z různých zařízení, cookies a systémů
• Umožňuje propojit data o uživatelích mezi různými systémy, jako je Google
Analytics, affiliate systém, CRM, intrerní objednávkový systém apod.
• Zpětné přepočítání a upřesňování reportů v Google Analytics nebo CJ
• Umožňuje výpočet provizí „za člověka“ místo „za cookie“, výpočet provizí
odpovídajících skutečnému pří
• Další možná využití – data import, segmentace, personalizace, (re)targeting…
20. PROČ SE TÍM VŠÍM TRÁPIT?
+ odráží skutečný přínos
+ férovější pro e-shopy
+ přínosní affiláci vydělají víc
+ a naopak
+ „papírově“ vyšší provize
– složitější na implementaci
– malá podpora v affil systémech
– složitější na pochopení
– partner dopředu neví, kolik má
– demotivující optické krácení