So odpovedali atribucijski modeli ali naša predstava o 100-odstotni natančnosti?
- natasasmirnov
- 7 hours ago
- Branje traja 3 min
V času razdrobljenih uporabniških poti, omejenega sledenja in vse več avtomatiziranega prometa atribucija ni postala nepomembna, temveč zahtevnejša. Zoran Savin opozarja, da težava ni v tem, da merjenje ne deluje več, ampak v pričakovanju, da nam lahko ponudi popolnoma natančen odgovor.
Razprave o tem, da atribucija v digitalnem marketingu ne deluje več in da jo morajo nadomestiti pristopi, ki bolje ugotavljajo vzročno-posledične povezave, postajajo vse pogostejše. V IAB novičniku z dne 13. julija, 2026, Zoran Savin opozarja, da takšna izhodišča pogosto temeljijo na napačni predpostavki in sicer, da smo v preteklosti natančno vedeli, kaj se dogaja in kateri kanal je povzročil posamezno konverzijo.
Kot pravi Savin, atribucija nikoli ni ponujala dokončnega dokaza o delovanju enega kanala. Njena naloga je bila vedno drugačna.
Atribucija ne odgovarja na vprašanje, kdo je ustvaril konverzijo
Atribucijo pogosto razumemo kot odgovor na vprašanje: kateri kanal je ustvaril konverzijo? V resnici pa gre za dogovor oziroma model, s katerim zasluge za določeno dejanje razdelimo med različne stične točke na uporabnikovi poti.
Gre torej za pripisovanje vpliva, ne za nesporen dokaz vzročnosti.
Če smo od atribucijskih modelov pričakovali, da bodo popolnoma jasno pokazali, kateri oglas, kanal ali klik je povzročil nakup, smo od njih pričakovali nekaj, česar nikoli niso mogli zanesljivo dati.
Problem zato ni nujno v tem, da atribucija danes ne deluje več, ampak v pričakovanjih, ki smo jih v digitalnem marketingu povezali z vsemogočnim merjenjem.
Obljuba digitalnega marketinga je bila, da lahko izmerimo vse
Digitalni marketing je svojo prednost pred tradicionalnimi mediji dolgo gradil na trditvi, da je na spletu mogoče izmeriti skoraj vse.
V veliki meri je to tudi držalo. Na voljo je bilo več podatkov, uporabnikovo pot je bilo mogoče spremljati podrobneje, rezultate pa hitreje povezovati z aktivnostmi. Pri tem pa se je pogosto pozabljalo, da sistemi praviloma niso merili ljudi, temveč naprave, brskalnike, račune in druge prepoznavne signale.
Danes so tudi ti signali manj popolni in bistveno bolj razdrobljeni. Dovoljenja za uporabo piškotkov so oslabila enega od temeljev digitalnega merjenja: predpostavko, da lahko posamezno napravo dovolj zanesljivo prepoznamo in ji sledimo skozi daljše časovno obdobje.
Hkrati se povečuje delež avtomatiziranega spletnega prometa. Z razvojem sistemov umetne inteligence, spletnih pajkov in avtomatiziranih agentov postaja meja med resničnim uporabnikom, napravo in tehničnim signalom vse manj jasna.
Kdo določa, kaj pomeni uspeh?
Savin izpostavlja tudi vprašanje lastništva metrik. Kadar je ponudnik oglaševalske platforme hkrati tisti, ki določa definicijo posamezne metrike, meri rezultate in je plačan glede na uspešnost, ki jo ta metrika prikazuje, je pri interpretaciji potrebna določena previdnost. To ne pomeni, da so podatki platform neuporabni. Pomeni pa, da jih ne bi smeli avtomatično razumeti kot popolno meritev oziroma kot neodvisno sliko.
Dodatno težavo predstavlja dejstvo, da se vse manj uporabniških aktivnosti zaključi neposredno na spletni strani oglaševalca ali založnika. Vse več informacij, odgovorov in priporočil uporabnik prejme že v iskalniku, na družbenem omrežju, znotraj platforme ali v odgovoru generativne umetne inteligence.
Odločitev se lahko tako oblikuje brez klika, obiska spletne strani ali drugega dejanja, ki bi ga klasični analitični sistemi lahko preprosto zaznali in pripisali posameznemu kanalu.
Uporabniška pot ni več preprosta in linearna
V obdobju, ko so uporabniki informacije iskali predvsem prek spletnih iskalnikov, je bila pot do odločitve razmeroma pregledna. Uporabnik je vpisal iskalni pojem, kliknil na rezultat in obiskal spletno stran.
Danes na odločitev vpliva bistveno več različnih dejavnikov: objave na družbenih omrežjih, video, priporočila ustvarjalcev vsebin, spletne ocene, pogovori z drugimi uporabniki, odgovori umetne inteligence, pretekle izkušnje in moč blagovne znamke.
Posamezne stične točke se med seboj dopolnjujejo, uporabnik pa se med njimi premika na načine, ki jih ni vedno mogoče neposredno opazovati.
Zato ni presenetljivo, da v novi realnosti tudi atribucijski modeli ponujajo le delni pogled na celotno pot.
Atribucija ni manj pomembna, le težje jo je pravilno uporabljati
Bolj realističen pogled na merjenje ne pomeni, da bi morali atribucijo opustiti. Nasprotno. Zoran Savin meni, da je zaradi vse bolj kompleksnih uporabniških poti atribucija morda pomembnejša kot kadarkoli prej. Toda namesto da od nje pričakujemo en sam, dokončen odgovor, jo moramo razumeti kot enega od virov informacij.
Naloga marketinga ni več le zbiranje čim večjega števila podatkov, temveč pravilna interpretacija različnih signalov. Atribucijske modele je zato smiselno povezovati z drugimi pristopi: eksperimenti, primerjavami rezultatov, raziskavami, podatki o blagovni znamki in širšim razumevanjem vedenja uporabnikov.
Še vedno nam merjenje pove veliko, ne more pa zagotoviti stoodstotne natančnosti, ki je v marketingu najverjetneje nikoli ni bilo.
Vprašanje prihodnosti tako ni, ali bomo lahko znova dosegli popolno natančnost. Verjetneje je, da se bomo morali naučiti sprejemati odločitve tudi takrat, ko je slika nepopolna.
Vir: Zoran Savin, IAB novičnik, 13. julij 2026
Ostanite obveščeni.
