Attribution באיקומרס: איך למדוד PPC כשגוגל, מטא ושופיפיי מספרים סיפורים שונים

אתם מסתכלים על Google Ads ורואים מכירות. נכנסים למטא ורואים שגם שם “הכול עובד”. ואז מגיע הרגע של שופיפיי או מערכת הסליקה, ושם המספרים נמוכים יותר. התחושה ברורה: מישהו פה טועה, והכסף נוזל בלי הסבר.

בפועל, רוב הפערים האלה מגיעים מאיך שכל מערכת מגדירה Attribution: חלונות המרה שונים, מודלים שונים, התנהגות שונה של משתמשים בין מכשירים, ומדידה שנפגעת מחסימות. במאמר הזה נבנה דרך פרקטית להבין את הפערים, לקבוע מקור אמת, ולמדוד PPC בצורה שאפשר לנהל איתה תקציב.

שלושה דוחות, שלוש גרסאות למציאות: למה הפערים קורים בכלל

הפערים מתחילים כבר בהגדרה של “מי קיבל קרדיט”. Google Ads ומטא הן פלטפורמות מדיה שרוצות לשייך לעצמן ערך. שופיפיי היא מערכת מכירה שמנסה לייחס הזמנה למקור תנועה לפי הפרמטרים שהגיעו בדפדפן. עכשיו תוסיפו חסימות של Cookies, מעבר בין מכשירים, וקנייה שמתרחשת יום אחרי הקליק, וקיבלתם שלושה דוחות אמיתיים, רק שלא מספרים את אותו סיפור.

עוד שכבה היא חלון ההמרה. מטא מאפשרת לייחס המרה גם לצפייה במודעה בלי קליק (view-through) במסגרת ההגדרות של האטריביושן, בעוד שבשופיפיי זה כמעט תמיד מתכנס ל-last non-direct click לפי מה שנשמר ב-UTM. בגוגל זה תלוי אם אתם מסתכלים על “Conversions” או “All conversions”, ואיזה conversion action הוגדר כ-primary.

אם אתם מנהלים תקציב משמעותי, כדאי להתייחס למדידה כחלק בלתי נפרד מ-ניהול קמפיינים ממומנים, ולא כמשהו שמתקנים כשכבר כואב.

• חלונות המרה שונים בין פלטפורמות ובין אירועים (קליק מול צפייה).
• מודלי Attribution שונים (data-driven, last click, ועוד), וגם ברירת מחדל אחרת.
• אובדן מידע בגלל iOS, Consent Mode, חוסמי פרסומות, דפדפנים שמוחקים Cookies.
• כפילויות: אותה הזמנה מיוחסת לכמה ערוצים במקביל בדוחות המדיה.

השלב שמונע שריפת תקציב: מגדירים מקור אמת אחד, ומקור בקרה אחד

אם כל ישיבת שיווק מתחילה בוויכוח על מספרים, אין לכם מערכת ניהול, יש לכם מערכת אמונות. הפתרון הפשוט הוא לקבוע שני מקורות: מקור אמת תפעולי לקבלת החלטות מדיה, ומקור בקרה פיננסי שמולו בודקים שהדברים הגיוניים.

לרוב חנויות שופיפיי בישראל, מקור האמת התפעולי יהיה GA4 עם אירוע purchase תקין ושיוך תנועה שמבוסס UTM, כי הוא מאפשר לנתח משפכים, קהלים והתנהגות באתר. מקור הבקרה יהיה שופיפיי עצמה או מערכת סליקה, כי שם הכסף נסגר בפועל. Google Ads ו-Meta Ads נשארות חשובות, רק שאיתן מקבלים החלטות על אופטימיזציה בתוך הפלטפורמה, לא החלטות על אמת פיננסית.

1. בחרו מקור אמת תפעולי אחד לקבלת החלטות שיווק שבועיות (לרוב GA4).
2. בחרו מקור בקרה פיננסי אחד לפי הזמנות ששולמו בפועל (שופיפיי או סליקה).
3. סגרו מראש איזה חלון זמן אתם בודקים: יום, שבוע, 28 יום. בלי זה אין השוואה.
4. קבעו מילון אחיד: מה נחשב רכישה, מה נחשב ליד, מה נחשב החזר.

צ'ק ליסט מדידה לחנות שופיפיי: מה חייב להיות נכון לפני שנוגעים בתקציב

לפני שמדברים על מודלים מתקדמים, בודקים בסיס. בחנויות שופיפיי אנחנו רואים שוב ושוב פערים שמגיעים מתיוג חסר, כפילויות של פיקסלים, או אירוע purchase שנורה פעמיים. כל אחד מהדברים האלה מייצר אופטימיזציה שגויה. פלטפורמה שמאמינה שהיא מייצרת יותר מכירות, תדחוף יותר כסף לאותו כיוון.

אם האתר עצמו איטי, המדידה גם נפגעת. משתמשים נוטשים לפני שהאירוע נשלח, ובמובייל זה מורגש עוד יותר. ההמלצות של Shopify בנושא ביצועים נותנות כיוון טוב לבעיות נפוצות בתבניות ואפליקציות כבדות: https://shopify.dev/docs/storefronts/themes/best-practices/performance

• UTM עקבי בכל קמפיין: source, medium, campaign, ולפעמים גם content ו-term.
• GA4 מותקן פעם אחת, עם purchase שמושך value ו-currency בצורה עקבית.
• אין כפילות של Google tag או Meta Pixel דרך כמה אפליקציות במקביל.
• Enhanced conversions בגוגל מופעלים כשאפשר, בהתאם למדיניות הפרטיות.
• בדיקה של Thank You Page: טעינה אחת לא שולחת פעמיים purchase בגלל רענון.

אם אתם ממילא עושים עבודת תשתית, כדאי לנצל אותה גם לחיזוק אורגני. ברוב החנויות אנחנו מחברים את ניהול המדידה לתיקונים שמשפרים עמודי קטגוריה ומוצרים במסגרת שירות SEO לחנויות ועסקים, כדי שהדאטה לא יהיה רק של ממומן.

מודלים וחלונות המרה: איך להשוות תפוחים לתפוחים בלי להתבלבל

כשאתם רואים ב-Meta ROAS גבוה יותר ממה ששופיפיי מציגה, הרבה פעמים זה לא “שקר”. זה חלון המרה שונה, ושילוב של click-through עם view-through. בגוגל זה יכול להיות הבדל בין data-driven לבין last click, או בין ספירה של primary conversions בלבד לבין כל הפעולות שמסומנות כהמרה.

במקום לנסות לאחד את כולם לאותו מספר, בוחרים סט השוואה אחד ומיישרים הגדרות סביבו. לדוגמה, אם החלטתם ש-GA4 הוא מקור אמת תפעולי, תבנו דשבורד שמציג את ההכנסה לפי Default channel group, ותשוו אליו את Google Ads ו-Meta במגמה ולא בערך מוחלט.

אם אתם עובדים עם Performance Max, חשוב להבין איך גוגל סופרת המרות ואיך זה מתחבר ליעדי המרה. ההסבר הרשמי על יצירת פעולות המרה בגוגל אדס נמצא כאן: https://support.google.com/google-ads/answer/2684489

איפה באמת נשרף התקציב: 6 תבניות שמסתתרות מאחורי Attribution מבולגן

Attribution הוא לא רק דיווח. הוא מראה לכם איפה אתם משלמים פעמיים, איפה אתם משקיעים בקהל שכבר היה בדרך לקנייה, ואיפה אתם מפספסים את תחילת המסע. אלה תבניות שחוזרות הרבה בחנויות ישראליות, במיוחד כשיש שילוב של חיפוש, שופינג, רימרקטינג ומודעות סושיאל.

• מותג שמנופח בדוחות: קמפיין חיפוש על שם המותג לוקח קרדיט על רכישות שהיו מגיעות גם מאורגני או ישיר.
• רימרקטינג אגרסיבי: Meta או Display “סוגרים” את ההזמנה ומקבלים קרדיט, גם כשהלקוח כבר הכיר את המוצר.
• קמפיינים בלי UTM: התנועה נכנסת כ-direct או referral, ואז שופיפיי מייחס אחרת לגמרי.
• כפילות אירועים: purchase או add_to_cart נורים פעמיים בגלל התקנה כפולה.
• מעבר לדומיין סליקה חיצוני שמנתק סשן, ואז הייחוס מתאפס.
• נייד מול מחשב: המשתמש רואה מודעה בנייד, קונה במחשב, והקרדיט מתפצל או נעלם

בנקודה הזו, הרבה עסקים מגלים שצריך גם תהליכי follow-up יותר נקיים, כדי שההכנסה לא תישען רק על רימרקטינג. כאן אוטומציות AI לעסקים יכולות לעזור עם זרימות נטישת עגלה, אחרי רכישה, וחזרה למלאי, כשהכול מדיד לפי UTM ומקורות.

איך בונים שכבת מדידה שמחזיקה גם כשהדאטה חלקי

המציאות היא שהדאטה יהיה חלקי. תמיד. המטרה היא לבנות שכבה שמקטינה פערים ומשאירה לכם מספיק אמת כדי לקבל החלטות. זה כולל server-side איפה שנכון, שימוש ב-Consent Mode בגוגל לפי הצורך, ושיפור איכות האותות שאתם שולחים לפלטפורמות.

בגוגל, Enhanced conversions יכולים לשפר התאמה בין קליקים לרכישות כשהתנאים מאפשרים זאת. בנוסף, אם אתם עובדים עם Google Tag Manager, תוודאו שהטריגרים והדדופליקציה של purchase מסודרים. ההנחיות הרשמית של גוגל לנושא Enhanced conversions מופיעות כאן: https://support.google.com/google-ads/answer/10724817

במטא, CAPI דרך האינטגרציה של שופיפיי או דרך GTM server-side יכולה לשפר דיווח והעברת אירועים, אבל היא גם יכולה לייצר כפילות אם אין event_id עקבי שמאפשר deduplication בין הדפדפן לשרת. כאן הרבה חנויות מסתבכות, ואז נראה “שיפור” בביצועים שהוא בעצם ספירה כפולה.

אם יש לכם גם מוקד טלפוני או הזמנות בווטסאפ, Attribution מסתבך עוד יותר. במקרים כאלה אנחנו מחברים נקודות מגע לעסק דרך כלים משלימים כמו מענה קולי AI או בוט וואטסאפ לעסקים, ואז מתייגים את המקור גם בשיחה או בצ'אט, כדי שההזמנה לא תיעלם מהדאטה.

תהליך עבודה שבועי שמתרגם Attribution להחלטות: מה עושים ביום ראשון בבוקר

בסוף, Attribution הוא כלי ניהולי. אם לא הופכים אותו לרוטינה, חוזרים לניחושים. הנה תהליך שבועי שעובד טוב בעסקים קטנים ובינוניים, גם כשאין אנליסט במשרה מלאה.

1. משווים הכנסה ושורות הזמנה: שופיפיי מול GA4. הפער סביר, או שיש קפיצה מוזרה שדורשת בדיקה.
2. בודקים מגמות לפי ערוץ ב-GA4: Search, Paid Social, Email, Direct. מחפשים שינוי חד.
3. בוחנים בקמפיינים ממומנים שני דברים: עלות לקליק/אלף חשיפות, ושינוי בשיעור המרה באתר. אם רק אחד משתנה, הסיבה בדרך כלל ברורה יותר.
4. מפרקים Brand מול Non-brand בגוגל, ומסתכלים על אחוז ההוצאה של Brand מתוך כל התקציב.
5. רצים על 5 הזמנות ידניות ובודקים: UTM, מקור סשן, ושיוך בקמפיינים. זה לוקח 15 דקות ומונע שבועות של אופטימיזציה שגויה.

אם אתם רוצים לחבר את כל זה למבנה אתר ועמודי נחיתה שמעלים את שיעור ההמרה, לפעמים הפתרון נמצא דווקא ביסודות של האתר ולא בפרסום עצמו. במצבים כאלה אנחנו משלבים את המדידה עם ייעוץ ובניית אתרים, כדי שהדאטה יתורגם לשיפור אמיתי במסע לקוח.

שאלות נפוצות