Attribution (Attribúciós modell)

Az attribution (attribúciós modell) azt szabályozza, hogy egy konverziót (vásárlás, lead) mely marketing-érintés vagy csatorna milyen mértékben "okozta" — más szóval: hogyan osztjuk fel a konverzió "érdemét" a különböző touchpoint-ok között. Egy felhasználó tipikusan 5-12 érintés (ad, email, organikus search, social) után konvertál — ki kapja az "érdemet"?

Attribúciós modellek 2026-ban: (1) Last-click (a legutolsó érintés kap mindent — egyszerű, de elavult), (2) First-click (az első érintés kap mindent — discovery-fókusz), (3) Linear (egyenlő arányban minden érintés), (4) Time-decay (a konverzióhoz közelebbi érintések több érdemet kapnak), (5) Position-based (U-shape) (40% first + 40% last + 20% middle), (6) Data-driven attribution (DDA) — Google AI-vezérelt, machine learning alapú.

Data-Driven Attribution (DDA): a Google 2023 óta default-tá tette — az AI elemzi a teljes funnel-t és pontosabban osztja fel az érdemet mint a szabály-alapú modellek. A magyar Google Ads kampányok átlag +15-30% jobb ROAS-számítást produkálnak DDA-val.

Cross-channel attribution: a Google Ads + Meta Ads + organikus + email között az attribution nehéz — minden platform a saját konverzió-ját nézi, így "double-counting" jellemző. Megoldás: (1) Server-side GTM + GA4 cross-platform tracking, (2) Marketing Mix Modeling (MMM) (statisztikai modellezés a teljes traffic-on), (3) Incrementality testing (külön A/B-tesztek a csatornák tényleges hozzájárulásának méréséhez).

2026-os attribution kihívások: (1) iOS 17+ tracking szigorítás → MMM és first-party data fontosabb, (2) Cookie-mentes browser-ek → server-side tracking elengedhetetlen, (3) AI-vezérelt automated bidding → az attribution-modell közvetlenül befolyásolja a bid-eket.

Mire jó: a helyes attribution-modell 20-40% ROAS-számítási eltérést okoz — egy kampány "nyertesnek" vagy "vesztesnek" tűnhet attól függően, milyen modellt használsz. A 2026-os arany-standard a Data-Driven Attribution + MMM kombinációja.