Iluzja atrybucji ostatniego kliknięcia w e-commerce
Współczesny e-commerce zmaga się z fundamentalnym, strukturalnym paradoksem, który można określić mianem atrybucyjnej iluzji efektywności. Z jednej strony, menedżerowie marketingu i dyrektorzy e-commerce dysponują historycznie bezprecedensowym dostępem do danych o konwersjach w czasie rzeczywistym, obserwując w panelach reklamowych platform takich jak Google Ads czy Meta imponujące, często rosnące wskaźniki zwrotu z nakładów reklamowych (ROAS). Z drugiej strony, sprawozdania finansowe wielu z tych przedsiębiorstw wykazują stagnację przychodów całkowitych, erozję marży lub wzrost, który jest nieproporcjonalnie niski w stosunku do rosnących nakładów na media cyfrowe. To rozdźwięk między „sukcesem” raportowanym przez narzędzia atrybucji a rzeczywistą kondycją biznesu wynika z błędnego, lecz powszechnego utożsamiania efektywności (efficiency), rozumianej jako minimalizacja kosztu pozyskania pojedynczej transakcji, ze skutecznością (effectiveness), czyli zdolnością do generowania całkowitego wzrostu i przepływów pieniężnych netto⁵.
W środowisku biznesowym zdominowanym przez presję na wyniki kwartalne, marketerzy wpadają w pułapkę optymalizacji pod kątem łatwo mierzalnych, deterministycznych metryk pośrednich, ignorując fakt, że marketing jest procesem wielowymiarowym i nieliniowym, obejmującym aspekty attitudinalne, behawioralne i finansowe, które są ze sobą słabo skorelowane w krótkim okresie⁵. Prowadzi to do systematycznego niedoinwestowania działań budujących popyt (demand generation) na rzecz działań jedynie go przechwytujących (demand capture), co w długim terminie podcina gałąź, na której siedzi wzrost firmy.
U podstaw tej iluzji leży krytyczny błąd poznawczy i metodologiczny: poleganie na deterministycznych modelach atrybucji, w szczególności na modelu „last-click” lub prostych wariantach modeli wielodotykowych (MTA – Multi-Touch Attribution), które z natury faworyzują kanały znajdujące się na samym końcu lejka sprzedażowego. Modele te, choć technicznie zaawansowane w śledzeniu cyfrowych punktów styku, są fundamentalnie ślepe na wpływ mediów offline, działań brandingowych oraz naturalnej bazowej sprzedaży, która wynika z siły marki, a nie z ostatniego kliknięcia w reklamę. Zgodnie z prawami wzrostu marek, zdefiniowanymi m.in. przez Byrona Sharpa, to dostępność mentalna i fizyczna są nadrzędnymi czynnikami determinującymi udział w rynku, a reklama działa głównie poprzez odświeżanie struktur pamięciowych u szerokiego grona lekkich i niekupujących konsumentów⁹.
Atrybucja cyfrowa, ignorując te mechanizmy, przypisuje nieproporcjonalnie dużą wartość kanałom takim jak brand search (wyszukiwanie nazwy marki) czy retargeting, które w rzeczywistości często jedynie „domykają” sprzedaż wygenerowaną wcześniej przez inne media lub wynikającą z wcześniejszych doświadczeń klienta. Badania naukowe nad atrybucją, takie jak prace Shao i Li, dowodzą, że proste reguły atrybucji są wysoce wadliwe, ponieważ całkowicie pomijają wpływ wcześniejszych ekspozycji reklamowych, co w erze wielokanałowej konsumpcji mediów prowadzi do rażących błędów w ocenie rzeczywistej kontrybucji poszczególnych kanałów do wyniku finansowego⁸. Co więcej, zjawiska takie jak „cookie bombing” – masowe emitowanie tanich wyświetleń, by „złowić” użytkownika tuż przed konwersją – są bezpośrednim skutkiem gier pod systemy atrybucji, co sztucznie pompuje wyniki kanałów displayowych kosztem realnej efektywności⁸.
Problem ten ulega dramatycznemu pogłębieniu w obliczu fragmentacji ekosystemu pomiarowego i silosowej struktury wielu organizacji. Typowa firma e-commerce operuje w dwóch rozłącznych rzeczywistościach analitycznych. Zespoły odpowiedzialne za performance marketing korzystają z modeli MTA opartych na danych na poziomie użytkownika (user-level data), optymalizując kampanie niemal w czasie rzeczywistym pod kątem kosztu pozyskania (CPA) lub ROAS. Równolegle, działy strategii, brandingu czy zarząd opierają się na modelowaniu miksu marketingowego (MMM – Marketing Mix Modeling), które wykorzystuje dane zagregowane (top-down) do oceny wpływu szerokich kategorii wydatków, takich jak telewizja, promocje cenowe czy czynniki makroekonomiczne⁷.
