Priskyrimas rinkodaroje: modeliai ir geroji praktika

Kas paskatino pirkėją pirkti iš jūsų?
Tai paprastas klausimas, į kurį atsakyti tampa vis sunkiau.

Ar jie pamatė įrašą „Instagram“, vaizdo įrašą „TikTok“, ieškojo jūsų produkto „Google“ paieškoje, ar atvėrė reklaminį el. laišką?

Augant verslui priskyrimas rinkodaroje tampa vis sudėtingesnis. Reikia įvertinti svetainę, socialinių tinklų paskyras, nuomonės formuotojų programas, kontaktus ne skaitmeninėje erdvėje ir kitus sąlyčio taškus. O kintant vartotojų elgsenai, šis uždavinys darosi dar painesnis.

Nors tai nėra tikslusis mokslas, kuo daugiau priskyrimo rinkodaroje duomenų surinksite apie visą pirkėjo kelią, tuo geresnius sprendimus galėsite priimti savo verslui. Toliau sužinosite, kuo remiantis vykdomas priskyrimas rinkodaroje, skirtingus priskyrimo modelius ir kaip veiksmingai stebėti bei vertinti rinkodaros kanalų rezultatus.

Kas yra priskyrimas rinkodaroje?

Priskyrimas rinkodaroje – tai jūsų rinkodaros kanalų veiklos vertinimo ir sekimo procesas.

Žinoma, priskyrimo rinkodaroje tikslas yra aiškiau suprasti visas skirtingas sąveikas ir sąlyčio taškus, kuriuos klientai turi su jūsų prekių ženklu kelyje iki konversijos.

Priskyrimas rinkodaroje leidžia nustatyti, kurie kanalai ir konkrečios kampanijos prisidėjo prie konversijos. Tai padeda suprasti, kur verta investuoti laiką, dėmesį ir biudžetą. 

Kodėl priskyrimas rinkodaroje darosi vis sudėtingesnis

Nors teoriškai priskyrimo rinkodaroje apibrėžimas skamba paprastai, praktikoje efektyviai sekti rinkodaros sąlyčio taškus gali būti gana sudėtinga. Tobulėjant technologijoms ir kintant vartotojų tendencijoms, kinta ir priskyrimo sekimo būdai. Štai keli veiksniai, į kuriuos verta atsižvelgti: 

• Gyvename pasaulyje, kuriame naudojama daugybė įrenginių. Žmonės kartais turi daugiau nei vieną išmanųjį telefoną, planšetę, darbo kompiuterį, namų kompiuterį ir net išmaniojo namo įrenginį. Kiekvienas iš jų gali pasirodyti kaip unikalus jūsų svetainės lankytojas, nors iš tikrųjų jie visi priklauso tam pačiam klientui.
• Privatumo reikalavimai tampa vis griežtesni. Vis griežčiau ribojama, kokią naudotojų informaciją ir stebėjimo duomenis galima saugoti naršyklėse ir įrenginiuose. Įsigaliojus BDAR ir augant susirūpinimui dėl privatumo, naudotojai vis dažniau turi aiškiai sutikti, kad jų veikla internete būtų stebima.
• Dauguma priskyrimo modelių grindžiami paspaudimais. Kadangi dauguma priskyrimo modelių ir ataskaitų remiasi paspaudimais bei UTM žymomis (apie jas plačiau kalbėsime vėliau), toks metodas neįvertina reklamos ar turinio peržiūrų, jei naudotojas ant jų nepaspaudė. 

Pamatų geresniam priskyrimui kūrimas

Prieš kalbėdami apie tai, kaip veikia priskyrimas ir kokie yra skirtingi priskyrimo modeliai, turime aiškiai pabrėžti vieną dalyką: nėra tokio dalyko kaip 100 % tikslus priskyrimas rinkodaroje.

Net ir naudodami pažangiausius priskyrimo rinkodaroje įrankius negalite visiškai tiksliai nustatyti, kokią įtaką kiekvienas rinkodaros sąlyčio taškas turėjo kiekvieno pirkėjo kelionei. Visi priskyrimo modeliai ir įrankiai tik apytiksliai atspindi tikrąją situaciją. 

Didžiausio tikslumo pasieksite, jei:

1. teisingai nustatysite pikselių ir konversijų sekimą (pavyzdžiui, „Meta“ pikselio, „Google Ads“ konversijų sekimo ir tikslų / įvykių „Google Analytics“);
2. sukursite nuoseklią UTM (angl. Urchin Tracking Module) žymėjimo ir sekimo sistemą, kuri padėtų rinkti tikslius ir išsamius duomenis apie pirkėjo kelią; 
3. suprasite, kokiais principais grindžiami skirtingi priskyrimo modeliai ir kaip jie veikia jūsų rinkodaros sprendimus. 

Apie UTM parametrus

UTM parametrai – tai po URL adreso pridedamos žymos, prasidedančios simboliais „?“ arba „&“. Pavyzdžiui: 

www.jusuparduotuve.com?utm_source=facebook&utm_medium=cpc

Nors iš pirmo žvilgsnio jie gali atrodyti sudėtingi, UTM yra standartizuota skaitmeninės rinkodaros žymėjimo sistema. Žymas pakankamai paprasta sukurti naudojant „Campaign URL Builder“ arba „Chrome“ plėtinį, pavyzdžiui, „UTM.io“. „Google Campaign URL Builder“ automatiškai užkoduoja specialiuosius simbolius, tokius kaip tarpai ar klaustukai, kurie kitu atveju galėtų sugadinti jūsų URL adresą.

Yra penki standartiniai UTM parametrų tipai. Jie padeda analizės įrankiams suskirstyti, sugrupuoti ir analizuoti gaunamą srautą. 

Galite pasirinkti, kada ir kaip juos naudoti, tačiau svarbu nuosekliai taikyti tą pačią UTM žymėjimo ir stebėjimo sistemą:

• Kampanijos šaltinis (utm_source) apibūdina svetainę ar pagrindinį šaltinį, kuriame bus patalpinta nuoroda (pvz., jei reklamuoju nuorodą į savo parduotuvę „Instagram“ biografijoje ir vykdau daug socialinių tinklų rinkodaros veiklos, galiu pažymėti utm_source=instagram).
• Kampanijos terpė (utm_medium) apibūdina rinkodaros veiklą (pvz., jei nuorodą naudoju srautui iš „Google Ads“ kampanijos sekti, galiu ją pažymėti utm_medium=cpc, kad žinočiau, jog tai iš mokėjimo už paspaudimą reklamos).
• Kampanijos pavadinimas (utm_campaign) leidžia identifikuoti srautą iš konkrečios vykdomos kampanijos, net jei jis ateina iš to paties šaltinio (pvz., prekių ženklo paieškos kampanijai galite naudoti utm_campaign=branded%20search%20exact. Tarpus galima užkoduoti kaip „%20“, kad nesugadintumėte URL).
• Kampanijos raktažodis (utm_term) naudojamas konkretiems raktiniams žodžiams stebėti, jei vykdote „Google Ads“ kampaniją.
• Kampanijos turinys (utm_content) naudingas, jei atliekate reklamų A/B testavimą. Šiuo atveju galite sekti kiekvieną reklamą ir matyti, kuri buvo efektyviausia pritraukiant srautą.

Pasirinktiniai UTM parametrai

Taip pat galite kurti savo pasirinktinius UTM parametrus, kad srautą galėtumėte suskirstyti dar detaliau. Pavyzdžiui, naudodami parametrą „utm_season=fall“ galite stebėti konkrečią sezoninę kampaniją. 

Be to, galite naudoti įvairius „valuetrack“ parametrus (šaltinis anglų kalba) ir automatiškai žymėti skirtingus kampanijų nustatymus arba naudotojų atributus. Pavyzdžiui, parametras &utm_device={device} automatiškai pakeis {device} reikšme, nurodančia, iš kokio įrenginio naudotojas apsilankė jūsų svetainėje.

Štai pavyzdys, kaip tai atrodo praktiškai. Tarkime, norite stebėti srautą ir pardavimus iš „Google Ads“ paieškos kampanijos, reklamuojančios žiemines striukes pagal bendrinį raktažodį „žieminės striukės. Tokiu atveju URL su UTM parametrais galėtų atrodyti taip: 

www.manoparduotuve.com?utm_source=google&utm_medium=cpc&utm_campaign=bendrine

%20paieska%20ziemines%20striukes&utm_term=ziemines%20striukes

Išskaidžius tai, kiekvienas parametras kažką pasako apie srautą:

• Šaltinis: „Google“.
• Terpė: CPC (mokėjimas už paspaudimą).
• Kampanija: ne prekių ženklo paieškos kampanija, reklamuojanti žiemines striukes.
• Terminas: kainos siūlymas už raktinį žodį „žieminės striukės“.

UTM parametrai leidžia stebėti srautą iki konkrečių šaltinių, todėl galite išsamiau analizuoti jo rezultatus. Vis dėlto svarbu laikytis kelių taisyklių:

• UTM parametrus nustatote jūs. Nors yra įprasta UTM įvardijimo praktika, naudokite tai, kas jums prasminga. Svarbiausia – nuoseklumas ir aiškumas. 
• UTM parametruose svarbu didžiosios ir mažosios raidės. „utm_source=Facebook“ ir „utm_source=facebook“ „Google Analytics“ pasirodys kaip du skirtingi šaltiniai.
• Tvarkykite naudojamų parametrų sąrašą. Sukurkite nuoseklią UTM parametrų registravimo sistemą, kad jūs ir jūsų komanda žinotumėte, kas naudojama, ir pamatę suprastumėte, ką tai reiškia.
• Žymas naudokite nuosekliai. Supažindinkite naujus komandos narius su savo UTM sistema ir prieš naudodami dukart patikrinkite UTM žymas.
• Išbandykite galutinį URL. Kartais galutinis URL adresas gali neveikti dėl neteisingai suformuotų parametrų. Prieš leisdami pinigus reklamai įpraskite dukart patikrinti savo nukreipimo puslapius ir užkoduoti bet kuriuos specialiuosius simbolius (galite naudoti „URL Encoder“).
• Prireikus, naudokite URL trumpinimo įrankį. Dėl UTM parametrų nuorodos gali tapti ilgos ir nepatrauklios spausti. Jei rodote nuorodas viešai, pavyzdžiui, socialinių tinklų biografijoje ar net parodos stende, norėdami sekti srautą ir pardavimus, naudokite URL trumpinimo įrankį, pavyzdžiui, bit.ly joms sutrumpinti.

Tinkamai įdiegę galėsite grupuoti ir analizuoti srautą iš skirtingų šaltinių „Google Analytics“ ir kituose ataskaitų įrankiuose.

Pirkėjo kelio skirtinguose įrenginiuose susiejimas naudojant naudotojo ID

Tinkamai naudojami UTM parametrai – svarbus žingsnis į priekį, tačiau pagal numatytuosius nustatymus, jei tas pats vartotojas apsilanko jūsų svetainėje naudodamas kelis įrenginius, kiekvienas apsilankymas laikomas atskiro naudotojo apsilankymu ir atskiru pirkėjo keliu. 

Pavyzdžiui, naudotojas produktą pamato „Instagram Stories“, jį peržiūri, bet nebūtinai nusiperka. Tada jis gali pasidomėti produktu naršydamas telefone pakeliui namo, o galiausiai prieš miegą vėl jo ieškoti nešiojamajame kompiuteryje ir galiausiai pirkti spustelėjęs „Google Shopping“ reklamą.

Norint visus to paties naudotojo veiksmus susieti į vieną pirkėjo kelią, reikia įjungti „Google Analytics User-ID“ funkciją ir integruoti savo CRM.

„Google Analytics User ID“ funkcija kiekvienam naudotojui sukuria unikalų identifikatorių, kuriame nėra asmens tapatybę atskleidžiančios informacijos (non-PII). Šis identifikatorius perduodamas kartu su naudotojo duomenimis, todėl juo galima susieti sąveikas skirtinguose įrenginiuose, taip pat skaitmeninėje ir fizinėje aplinkoje, priskiriant jas tam pačiam klientui.

Galimybė daugybę iš pirmo žvilgsnio nesusijusių apsilankymų skirtinguose įrenginiuose sujungti į vieno naudotojo sąveikų seką yra labai svarbi. Ji padeda geriau suprasti, kaip pirkėjai sąveikauja su jūsų prekių ženklu skirtinguose įrenginiuose ir rinkodaros kampanijose.

7 priskyrimo rinkodaroje modeliai

Paprastai išskiriami septyni priskyrimo rinkodaroje modeliai, kuriuos galite pasirinkti atsižvelgdami į savo verslo tikslus ir tai, kuriai piltuvėlio daliai norite teikti daugiausia svarbos:

1. Pagal paskutinį paspaudimą. 
2. Pagal pirmą paspaudimą.
3. Pagal paskutinį netiesioginį paspaudimą. 
4. Linijinis.
5. Pagal laiko mažėjimą. 
6. Pozicinis. 
7. Algoritminis (pasirinktinis). 

Toliau aprašytas kiekvienas modelis, kad geriau suprastumėte kiekvieną priskyrimo modelį savo rinkodaros sąlyčio taškuose. Atkreipkite dėmesį, kaip ta pati kliento kelionė, priklausomai nuo naudojamo modelio, gali būti skirtingai interpretuojama.

1. Priskyrimas pagal paskutinį paspaudimą

Priskyrimas pagal paskutinį paspaudimą yra dažniausiai naudojamas modelis ir yra numatytasis daugumoje rinkodaros platformų bei priskyrimo rinkodaroje įrankių. Šis vieno sąlyčio modelis naudingas, kai aktyviai siekiate paversti srautą klientais.

Jis suteikia 100 % konversijos nuopelnų paskutinei spustelėtai reklamai ir atitinkamam raktiniam žodžiui. Todėl žemesnės piltuvėlio dalies kampanijoms, tokioms kaip prekių ženklo paieška ar pakartotinės rinkodaros kampanijos, bus suteikta daugiau svarbos, o prekių ženklo žinomumo ir aukštesnės piltuvėlio dalies kampanijoms gali būti nepriskirta jokia konversijos vertė.

2. Priskyrimas pagal pirmą paspaudimą

Pagal šį vieno sąlyčio priskyrimo modelį svarbiausias yra pirmasis sąlyčio taškas, nes jam priskiriama 100 % nuopelnų už tai, kad apskritai įtraukė klientus į jūsų piltuvėlį. Šis modelis naudingas, jei daugiausia dėmesio skiriate investicijoms į kampanijas, kurios pritraukia srautą ir padeda pasiekti naujas auditorijas. 

Visa konversijos vertė priskiriama reklamai arba su ja susijusiam raktiniam žodžiui, kuris sulaukė pirmojo paspaudimo. Todėl šiame modelyje neatsižvelgiama į didelę vertę kuriančias apatinės piltuvėlio dalies veiklas, pavyzdžiui, pakartotinės rinkodaros kampanijas. Dėl to gali būti sumažintos investicijos į šias veiklas, nors jos iš tikrųjų padeda didinti bendrą konversijų skaičių ir pajamas.

3. Priskyrimas pagal paskutinį netiesioginį paspaudimą 

Priskyrimo pagal paskutinį netiesioginį paspaudimą modelyje visa konversijos vertė priskiriama paskutiniam netiesioginiam paspaudimui prieš pirkėjui tiesiogiai apsilankant jūsų parduotuvėje ir atliekant pirkimą. Kitaip tariant, 100 % konversijos vertės priskiriama paskutiniam netiesioginiam sąlyčio taškui. 

Aukščiau pateiktame pavyzdyje tai el. paštas.

Tiesioginis srautas dažnai ateina iš klientų, kurie jau apsisprendė pirkti dėl ankstesnių rinkodaros veiksmų kituose kanaluose. Priskyrimo pagal paskutinį netiesioginį paspaudimą modelis padeda atskirti tiesioginį srautą ir sutelkti dėmesį į paskutinį rinkodaros veiksmą prieš konversiją.

Naudodami šį modelį matysite, kad galutinę konversiją iš tikrųjų paskatino el. paštas. Tiesioginiam srautui konversijos vertė bus priskirta tik tuo atveju, jei vienintelis užfiksuotas kliento sąlyčio taškas bus tiesioginis apsilankymas jūsų parduotuvėje. 

4. Linijinis priskyrimas

Pagal linijinį priskyrimo modelį konversijos vertė vienodai priskiriama visiems kliento sąlyčio taškams iki pirkimo. Tai paprasčiausia daugelio sąlyčio taškų priskyrimo forma. Taikant šį modelį, kiekvienam sąlyčio taškui priskiriama vienoda konversijos vertės dalis. Tačiau šis modelis neleidžia nustatyti, kuris rinkodaros kanalas turėjo didžiausią įtaką konversijai. 

5. Priskyrimas pagal laiko mažėjimą 

Priskyrimo pagal laiko mažėjimą modelis panašus į priskyrimą pagal paskutinį paspaudimą. Tačiau pagal jį konversijos vertė priskiriama ne tik paskutiniam paspaudimui, bet ir ankstesniems sąlyčio taškams. Didesnė konversijos vertės dalis priskiriama paspaudimams, atliktiems arčiau konversijos. 

6. Pozicinis priskyrimas

Pagal pozicinį (arba U formos) priskyrimo modelį vienoda konversijos vertės dalis priskiriama pirmajam ir paskutiniajam paspaudimui – kiekvienam iš jų tenka po 40 %. Likę 20 % konversijos vertės paskirstoma kitiems tarpiniams paspaudimams. 

Tačiau čia daroma prielaida, kad pirmasis ir paskutinis paspaudimas yra vertingiausios sąveikos, nors viduryje gali būti kampanijų ar sąlyčio taškų, kurie taip pat atlieka reikšmingą vaidmenį.

7. Algoritminis priskyrimas

Šis modelis dažnai vadinamas pritaikomu priskyrimu. Jei turite pakankamai duomenų, galite pasitelkti mašininį mokymąsi ir nustatyti, kuriems sąlyčio taškams kliento kelionėje verta priskirti daugiausia nuopelnų.

Teoriškai tai yra geriausias modelis, tačiau jis priklauso nuo to, ar turite pakankamai istorinių duomenų, kad mašininis mokymasis galėtų paskirstyti nuopelnus skirtingiems sąlyčio taškams.

Priskyrimo modelių skirtumai tarp platformų

Analizuodami rinkodaros priskyrimo duomenis „Google Ads“, „Facebook Ads“, „Google Analytics“ ar „Shopify“ ataskaitose, galite pastebėti neatitikimų. Kuris šaltinis rodo tikruosius duomenis? Techniškai visi yra „teisingi“ – tiesiog kiekviena platforma rinkodaros rezultatus vertina skirtingai. Toliau trumpai apžvelgsime, kaip veikia kiekviena iš jų. 

„Shopify“

„Shopify“ kanalų veiklos ataskaitoje priskyrimo rinkodaroje modeliai padeda susidaryti išsamų vaizdą apie kliento kelią iki konversijos. Ataskaitoje galite pasirinkti pageidaujamą priskyrimo modelį:

• Konversija pagal paskutinį paspaudimą.
• Konversija pagal paskutinį netiesioginį paspaudimą.
• Konversija pagal pirmą paspaudimą.

„Shopify“ rinkodaros įžvalgų įrankiai ir ataskaitos padeda geriau suprasti jūsų verslo rezultatus. Galite greitai peržiūrėti svarbiausias įžvalgas, analizuoti rinkodaros kanalų našumą ir pasirinkti jūsų verslui tinkamiausią priskyrimo modelį. 

„Google Ads“

„Google Ads“ seka tik „Google Ads“ srautą. Kadangi platforma nefiksuoja kitų reklamos platformų sąlyčio taškų, ji neatskiria pasikartojančių konversijų iš kitų reklamos kampanijų skirtingose platformose. Todėl, jei naudotojas bet kuriame etape sąveikavo su „Google Ads“ kampanija, konversija bus priskirta jai, net jei vėliau naudotojas taip pat sąveikavo su „Facebook“ ar „Instagram“ reklama, el. laišku arba tiesiogiai apsilankė jūsų svetainėje ir atliko konversiją. 

Pagal numatytuosius nustatymus „Google Ads“ priskyrimo laikotarpis apima veiksmus, atliktus per 30 dienų nuo reklamos paspaudimo, taikant priskyrimo pagal paskutinį paspaudimą modelį.

„Facebook Ads“

„Meta“ reklamos platforma seka tik „Facebook“ reklamos srautą ir sąveikas (tai apima ir „Meta“ priklausančias platformas, tokias kaip „Instagram“).

Kadangi platforma nefiksuoja kitų reklamos platformų sąlyčio taškų, ji negali nustatyti, ar konversijai įtakos turėjo ir kitos kampanijos. Todėl, jei naudotojas per nustatytą laikotarpį pamatė arba spustelėjo „Facebook“ reklamą, konversija bus priskirta jai, net jei vėliau naudotojas sąveikavo su „Google Ads“ kampanija, el. laišku arba tiesiogiai apsilankė jūsų svetainėje ir atliko konversiją.

Pagal numatytuosius nustatymus „Facebook Ads“ taiko priskyrimo pagal paskutinį paspaudimą modelį. Numatytasis priskyrimo laikotarpis yra 24 valandos nuo reklamos peržiūros arba 28 dienos nuo reklamos paspaudimo.

Iš išsamesnes ataskaitas teikiančių reklamos platformų tik „Facebook Ads“ gali priskirti konversiją naudotojui, kuris reklamą tik pamatė, jos nespustelėjęs, o vėliau konversiją atliko kitu būdu. Jei norite tiksliau palyginti skirtingų platformų rezultatus, rekomenduojama nustatyti, kad konversijos būtų priskiriamos tik pagal paspaudimus. 

„Google Analytics“

„Google Analytics“ ir kitos analitikos platformos seka spustelėjimus skirtinguose mokamuose ir nemokamuose kanaluose. Paprastai jas galima sukonfigūruoti taip, kad būtų prijungti išoriniai ar neinternetiniai duomenų šaltiniai, naudotojo ID ir (arba) kitos interneto platformos, kurios tiesiogiai nėra jūsų internetinės parduotuvės dalis.

„Google Analytics“ siūlo duomenų importavimo (šaltinis anglų kalba) funkciją, leidžiančią įkelti duomenis iš kitų šaltinių, kad visus juos galėtumėte analizuoti „Google Analytics“. Prijungę papildomus duomenų šaltinius ir naudodami naudotojo ID galėsite matyti didžiąją dalį klientų sąveikų skirtingose platformose vienoje sistemoje. 

„Google Analytics“ taip pat pašalina pasikartojančias konversijas iš visų kanalų ir konversijos vertę priskiria paskutiniam kliento sąlyčio taškui, nebent tai būtų tiesioginis apsilankymas jūsų svetainėje. Tokiu atveju konversijos vertė priskiriama paskutiniam netiesioginiam sąlyčio taškui. 

Apie reklamos serverius ir priskyrimą pagal parodymus 

Nors dažniausiai priskyrimas grindžiamas paspaudimais, galimas ir priskyrimas bei ataskaitos pagal parodymus.

Pagalvokite apie savo pačių patirtį. Ar spustelite kiekvieną jus sudominusią reklamą? Net kai to nedarote, tos reklamos vis tiek gali paveikti jūsų sprendimą ateityje pirkti produktą.

Reklamos serveris leidžia vienoje platformoje sukaupti rinkodaros duomenis iš skirtingų šaltinių ir pašalinti pasikartojančius jų įrašus. Šie duomenys leidžia aiškiau matyti jūsų kliento kelią iki pirkimo ir tai, į kuriuos kanalus turėtumėte investuoti.

Pavyzdžiui, paspaudimų duomenys gali rodyti, kad paieškos reklamos veikia labai gerai. Tačiau išanalizavus reklamos parodymų duomenis gali paaiškėti, kad prieš ieškodami produkto „Google“ paieškoje ir atlikdami konversiją, naudotojai pirmiausia pamatė vaizdo reklamą „YouTube“.

„Google Marketing Platform“ yra vienas tokios technologijos pavyzdžių, kur galite turėti prieigą prie parodymų lygmens duomenų tokiems kanalams kaip paieška, vaizdo įrašai, vaizdinė reklama, „Gmail“ remiamos reklamos ir kai kurios socialinių tinklų platformos.

Supraskite priskyrimo modelius ir efektyviau išnaudokite rinkodaros biudžetą 

Priskyrimo rinkodaroje principų, spragų ir skirtingų modelių, kuriuos galite taikyti, supratimas yra geras pirmas žingsnis siekiant geresnio sekimo, švaresnių klientų duomenų bazių ir protingesnio sprendimų priėmimo. Nepaisant to, kad priskyrimas rinkodaroje tampa vis sudėtingesnis, jo teikiama nauda nekelia abejonių. 

Priskyrimas rinkodaroje suteikia vertingų įžvalgų apie tai, kaip ir kokiuose kanaluose klientai sąveikauja su jūsų prekių ženklu kelyje iki pirkimo. Šie priskyrimo duomenys gali padėti formuoti rinkodaros kampanijas ir bendrą rinkodaros strategiją, kad maksimaliai padidintumėte investicijų grąžą (IG).