Atribusi pemasaran dijelaskan: perbandingan model utama, apa yang masih ditawarkan GA4, mengapa klik melewatkan sebagian perjalanan, dan cara memberi kredit pada trafik AI.

Singkatnya
atribusi pemasaran adalah metode untuk memberi setiap titik sentuh pemasaran (iklan, artikel, email, jawaban AI) bagiannya dari kredit atas sebuah konversi. Model berbasis aturan seperti last click, first click, linear, atau position-based membagi kredit itu dengan rumus tetap; model data-driven menghitungnya dari jalur konversi Anda sendiri. Sejak November 2023, Google Analytics 4 hanya menawarkan model data-driven dan last-click, dan tidak ada model berbasis klik yang melihat pengaruh jawaban AI dan pencarian zero-click, sehingga atribusi harus dilengkapi dengan data yang dilaporkan sendiri, pelacakan sebutan AI, dan uji inkrementalitas.
Ingin tahu lebih banyak? Tanyakan kepada
Atribusi pemasaran menjawab pertanyaan yang diajukan setiap rapat anggaran: kanal mana yang sebenarnya menghasilkan pelanggan? Entri Wikipedia tentang atribusi dalam pemasaran mendefinisikannya sebagai mengidentifikasi tindakan pengguna yang berkontribusi pada suatu hasil dan memberi nilai pada masing-masing. Panduan ini membandingkan model-model tersebut, menjelaskan apa yang terlewat, dan menunjukkan cara memperhitungkan pengunjung yang pertama kali bertemu merek Anda di ChatGPT, Gemini, atau Perplexity.
Pelanggan jarang berkonversi setelah satu interaksi. Perjalanan B2B tipikal mungkin seperti ini: iklan LinkedIn, pencarian Google yang mendarat di artikel blog, newsletter, perbandingan yang ditanyakan ke ChatGPT, lalu pencarian merek dan permintaan demo. Setiap langkah adalah titik sentuh; permintaan demo adalah konversi. Atribusi memutuskan berapa banyak dari konversi itu yang diperoleh setiap titik sentuh.
Jawabannya mengubah anggaran. Pada last click, pencarian merek mengambil 100% kredit dan artikel tampak tidak berguna; pada first click, iklan LinkedIn mengambil semuanya. Atribusi berada di jantung marketing analytics dan harus dibaca bersama setiap tahap marketing funnel Anda, karena kanal di bagian atas funnel secara sistematis dinilai terlalu rendah oleh model yang mengutamakan langkah terakhir.
Model terbagi dalam dua keluarga: single-touch (satu titik sentuh mengambil semua kredit) dan multi-touch (kredit dibagi).
Interaksi pertama yang tercatat menerima 100% kredit. Berguna untuk melihat kanal mana yang membawa orang baru ke dalam perjalanan, buta terhadap semua yang menutup penjualan.
Interaksi terakhir sebelum konversi menerima 100%. Last non-direct click mengabaikan kunjungan langsung dan memberi kredit kepada kanal terakhir yang dapat diidentifikasi. Sederhana dan stabil, tetapi menilai terlalu tinggi pencarian merek, retargeting, dan email, yang sering memanen permintaan yang dibentuk di tempat lain.
Setiap titik sentuh menerima bagian yang sama. Tampak adil, tetapi memberi newsletter yang dibuka karena kebiasaan bobot yang sama dengan artikel yang memicu pembelian.
Titik sentuh yang lebih dekat dengan konversi menerima lebih banyak kredit. Cocok untuk siklus penjualan pendek dan promosi; merugikan konten yang memulai pertimbangan panjang.
Titik sentuh pertama dan terakhir masing-masing menerima 40%, dan 20% sisanya disebar di bagian tengah. Model ini menghargai penemuan sekaligus penutupan, dengan bobot tetap yang memang sewenang-wenang secara desain.
Sebuah algoritma membandingkan jalur yang berkonversi dengan yang tidak dan memperkirakan kontribusi inkremental setiap titik sentuh. Model ini menyesuaikan dengan bisnis Anda tetapi memerlukan volume konversi yang cukup dan tetap berupa kotak hitam.
| Model | Cara kredit dibagi | Paling cocok untuk | Bias utama |
|---|---|---|---|
| First click | 100% ke titik sentuh pertama | Mengukur kanal penemuan | Mengabaikan penutupan |
| Last click | 100% ke titik sentuh terakhir | Perjalanan pendek dan sederhana | Menilai terlalu tinggi pencarian merek dan retargeting |
| Linear | Bagian yang sama | Pandangan multi-touch pertama | Memperlakukan semua langkah setara |
| Time decay | Lebih banyak kredit mendekati konversi | Promosi, siklus pendek | Menilai terlalu rendah konten awal |
| Position-based | 40% pertama, 40% terakhir, 20% tengah | Menyeimbangkan penemuan dan penutupan | Bobot sewenang-wenang |
| Data-driven | Dihitung dari jalur konversi Anda | Situs dengan volume konversi stabil | Tidak transparan, hanya melihat klik yang terlacak |
Google menyederhanakan pilihannya. Menurut pusat bantuan Google Analytics, model first click, linear, time decay, dan position-based tidak lagi tersedia sejak November 2023. Google Analytics 4 kini menawarkan tiga opsi:
Untuk mempertahankan pandangan first-touch, gunakan dimensi sumber dan medium pengguna pertama pada laporan akuisisi GA4, atau simpan sumber pertama setiap lead di CRM Anda. Untuk membandingkan kanal, buat laporan khusus: panduan kami tentang dasbor Google Analytics menunjukkan caranya.
Setiap model berbasis klik memiliki titik buta yang sama, apa pun rumusnya:
Artikel Wikipedia mencatat bahwa model multi-touch dan berbasis aturan sering menyimpang dari lift yang diukur dalam eksperimen terkontrol. Atribusi memberi arah, bukan pembukuan yang tepat.
Ini titik buta terbaru. Semakin besar porsi riset terjadi di dalam ChatGPT, Gemini, Perplexity, Claude, atau AI Overviews Google, dan sebagian besar tidak menghasilkan klik sama sekali.
Trafik rujukan AI terlihat saat asisten meneruskan referrer atau tag. OpenAI menyatakan dalam FAQ penerbit-nya bahwa ChatGPT menambahkan utm_source=chatgpt.com pada tautan yang dikutipnya. Asisten lain muncul sebagai referrer seperti perplexity.ai, gemini.google.com, atau copilot.microsoft.com. Buat channel group khusus di GA4 yang mengumpulkan sumber-sumber ini; tutorial kami tentang mengukur kutipan AI dengan Google Analytics memberikan regular expression yang dipakai.
Sebagian trafik yang dihasilkan AI datang tanpa referrer: tautan yang disalin ke browser, aplikasi seluler, atau pengguna yang membaca jawaban lalu mengetik nama merek Anda. AI dark traffic ini menggelembungkan kunjungan langsung dan pencarian merek. Pantau tren kedua baris ini bersamaan dengan visibilitas AI Anda.
Atribusi zero-click bertumpu pada sinyal hulu: seberapa sering asisten AI mengutip merek Anda untuk pertanyaan yang diajukan pembeli Anda, dan AI share of voice Anda dibanding pesaing. Pelacakan sebutan AI Sorank memantau 25 hingga 150 prompt di ChatGPT, Claude, dan Gemini (ditambah Perplexity dan Grok mulai paket Pro) dan menunjukkan siapa yang dikutip menggantikan Anda. Studi kutipan ChatGPT kami merinci sumber apa yang disukai asisten tersebut.
Tim yang matang melakukan triangulasi tiga metode alih-alih memercayai satu model:
| Metode | Yang diukur | Kekuatan | Batasan |
|---|---|---|---|
| Atribusi multi-touch | Klik yang terlacak per konversi | Harian, granular, per kampanye | Buta terhadap tayangan, jawaban AI, offline |
| Marketing mix modeling | Hubungan statistik antara belanja dan penjualan dari waktu ke waktu | Mencakup semua kanal, tidak butuh cookie | Butuh data dua sampai tiga tahun, pandangan bulanan |
| Uji inkrementalitas | Penjualan dengan dan tanpa kampanye (holdout, uji geografis) | Mengukur dampak kausal yang sebenarnya | Satu pertanyaan per uji, butuh volume |
| Atribusi yang dilaporkan sendiri | Kolom "Dari mana Anda mengetahui kami?" | Menangkap podcast, dari mulut ke mulut, AI | Bias ingatan, teks bebas yang harus dibersihkan |
Marketing mix modeling kini menjadi terjangkau: Google menerbitkan Meridian, model open-source. Bagi perusahaan yang lebih kecil, kolom yang dilaporkan sendiri adalah kemenangan tercepat: tambahkan "ChatGPT atau asisten AI lain" sebagai jawaban eksplisit dan Anda akan melihat kanal yang disembunyikan data klik.
Konten organik paling dirugikan oleh atribusi last-click: artikel dan panduan memulai perjalanan yang berakhir pada pencarian merek atau email. Hal yang sama berlaku untuk GEO, tempat kutipan AI memengaruhi pembeli yang tidak akan pernah mengklik. Ukur pencarian organik dan visibilitas AI bersamaan dalam dasbor GEO / SEO, dan nilai konten berdasarkan konversi first-touch, konversi bantuan, dan kutipan, bukan hanya pendapatan last-click.
Model atribusi yang tepat adalah yang Anda jaga tetap stabil, periksa silang dengan metode lain, dan perluas ke jawaban AI. Untuk melihat seberapa sering ChatGPT, Claude, dan Gemini mengutip merek Anda dan pesaing mana yang menggantikan Anda, mulailah dengan Sorank, software SEO dan GEO secara autopilot, dengan uji coba gratis 3 hari.
Tidak ada model yang terbaik untuk setiap perusahaan. Atribusi data-driven paling akurat jika Anda memiliki cukup konversi, karena belajar dari jalur Anda sendiri. Dengan volume rendah, last non-direct click lebih stabil, asalkan Anda juga memeriksa laporan first-touch agar tidak menilai terlalu rendah kanal yang memulai perjalanan.
Atribusi mengikuti klik individual yang terlacak dan membagi kredit setiap konversi di antara klik tersebut. Marketing mix modeling bekerja pada data agregat, menghubungkan belanja per kanal dengan penjualan dari waktu ke waktu secara statistik. Atribusi granular dan cepat tetapi buta terhadap pengaruh yang tidak terlacak; mix modeling mencakup setiap kanal tetapi butuh data bertahun-tahun dan memberi pandangan bulanan.
Kunjungan dari ChatGPT membawa sumber chatgpt.com, dan asisten lain muncul sebagai referrer seperti perplexity.ai atau gemini.google.com. Buat channel group khusus di GA4 dengan regular expression yang cocok dengan domain ini dan tempatkan di atas kanal Referral. Pantau juga trafik langsung dan trafik merek, karena sebagian trafik yang digerakkan AI datang tanpa referrer.
MEREKA MENCOBA SORANK SEBELUM ANDA
