Attribution Models: أي قناة تستحق الفضل في البيع؟ | نماذج الإسناد التسويقي
شاهد العميل فيديو على TikTok.
بعد يومين ضغط على إعلان في Instagram.
بعدها بحث في Google عن اسم الشركة.
قرأ مقالًا من نتائج البحث.
اشترك في القائمة البريدية.
فتح Email بعد عدة أيام.
ثم شاهد Retargeting Ad.
وفي النهاية عاد إلى الموقع مباشرة وأتم عملية الشراء.
البيع تم.
لكن الآن يبدأ السؤال الذي يسبب واحدة من أكبر الخلافات بين فرق التسويق:
من الذي يستحق الفضل في البيع؟
TikTok لأنها صنعت Awareness؟
Meta لأنها أعادت جذب العميل؟
SEO لأنها أجابت عن أسئلته؟
Google Ads لأنها التقطت Intent؟
Email لأنها حافظت على العلاقة؟
Retargeting لأنها أعادته؟
أم Direct لأنها كانت آخر زيارة قبل Purchase؟
والأصعب:
Meta قد تقول:
"أنا حققت البيع."
Google تقول:
"البيع عندي."
Analytics تعرض نتيجة مختلفة.
والـCRM لديها Journey أخرى.
بينما Finance تقول:
"أنا عندي عملية بيع واحدة فقط!"
مرحبًا بك في عالم:
Marketing Attribution.
نماذج الإسناد التسويقي
وفي هذا الدليل من اشرف الحسيني سنفهم Attribution Models بعمق: ما هي، وما الفرق بين First Click وLast Click وLinear وTime Decay وPosition-Based وData-Driven Attribution، ولماذا لا يوجد نموذج Attribution يستطيع وحده أن يخبرك بالحقيقة الكاملة، وكيف تنتقل من سؤال:
"من يأخذ Credit؟"
إلى السؤال الأكثر أهمية:
"ما الذي أحدث فرقًا فعليًا في قرار العميل؟"
أولًا: ما هو Marketing Attribution؟
Marketing Attribution هو عملية محاولة تحديد:
القنوات ونقاط التواصل التسويقية التي ساهمت في حدوث Conversion أو Sale، وكيف يتم توزيع الفضل بينها.
بمعنى:
Customer Journey تحتوي على:
Touchpoints متعددة.
ونريد معرفة:
ما الدور الذي لعبته كل Touchpoint؟
مثل:
Paid Social.
Organic Social.
Google Ads.
SEO.
Email.
Influencers.
YouTube.
Direct.
Referral.
Display.
Retargeting.
Events.
Sales.
لماذا نحتاج Attribution أصلًا؟
نماذج الإسناد التسويقي
لأن Budget محدودة.
وتحتاج الإدارة إلى اتخاذ قرارات:
أين نستثمر أكثر؟
ما Channel التي تعمل؟
ما Campaign التي نوقفها؟
هل SEO تحقق Revenue؟
هل Social Media تخلق Customers؟
هل Email تساعد Sales؟
هل Retargeting تضيف قيمة؟
هل Influencers تستحق الاستثمار؟
إذا لم تفهم Customer Journey، قد تنقل Budget من Channel مهمة إلى أخرى تبدو أفضل فقط بسبب:
Measurement Bias.
المشكلة: العميل لا يشتري بالطريقة التي تعرضها Dashboards
Dashboards تحب:
Funnels مرتبة.
Customer يرى Ad.
يضغط.
يشتري.
لكن الواقع غالبًا:
أكثر فوضوية.
قد تكون Journey:
Instagram→ Google→ YouTube→ Website→ Email→ Google→ Direct→ Purchase.
أو في B2B:
LinkedIn Post→ Website→ Whitepaper→ Webinar→ Sales Email→ Demo→ Proposal→ Procurement→ Contract.
أي Touchpoint "حققت" البيع؟
هذا ليس سؤالًا بسيطًا.
Attribution تحاول تبسيط رحلة معقدة
نماذج الإسناد التسويقي
لدينا Conversion واحدة.
ولدينا عدة Touchpoints.
Attribution Model تضع:
Rule
لتوزيع Credit.
مثلاً:
100% لأول Touchpoint.
أو:
100% لآخر Touchpoint.
أو:
25% لكل واحدة من أربع Touchpoints.
لكن لاحظ:
هذا:
Model.
وليس تسجيلًا كاملًا لما حدث داخل عقل العميل.
Attribution ≠ Reality
هذه قاعدة مركزية.
Attribution Model ليست:
Truth Machine.
إنها:
Decision Model.
تحاول تنظيم البيانات لمساعدتك على فهم رحلة العميل واتخاذ قرارات أفضل.
لكنها تعتمد على:
Tracking.
Identity Resolution.
Cookies.
Consent.
Platforms.
Attribution Windows.
Cross-Device Tracking.
Offline Data.
Model Assumptions.
وبالتالي:
كل Attribution Model لديها:
Blind Spots.
مثال بسيط
Customer Journey:
Facebook Ad → SEO Article → Email → Google Search Ad → Purchase
Revenue:
1,000 ريال.
كيف نوزعها؟
يعتمد على:
Attribution Model.
1. Last Click Attribution
في:
Last Click
يذهب 100% من Credit إلى:
آخر Touchpoint قبل Conversion.
في المثال:
Google Search Ad = 1,000 ريال Credit
Facebook = 0.
SEO = 0.
Email = 0.
هل Google مهمة؟
نعم.
لكن هل صنعت Journey بالكامل؟
لا نعرف.
لماذا Last Click جذابة؟
لأنها:
Simple.
Clear.
Easy to Explain.
وتربط Conversion بأقرب Touchpoint.
لكنها تميل إلى إعطاء أفضلية لـ:
Bottom-of-Funnel Channels.
مثل:
Branded Search.
Retargeting.
Direct في بعض طرق التحليل.
مشكلة Last Click
تخيل أن Customer لم يكن يعرف Brand أصلًا.
شاهد YouTube Video.
ثم Social Content.
ثم عاد بعد أسبوع وبحث عن اسم Brand.
وضغط Branded Search Ad.
Last Click تقول:
Google Ads حققت البيع.
لكن السؤال:
من خلق Demand التي جعلته يبحث عن Brand؟
Last Click لا تجيب جيدًا عن ذلك.
Last Click Bias
قد يؤدي الاعتماد المفرط عليها إلى:
خفض الاستثمار في:
Brand.
Content.
Video.
Influencers.
Social.
Upper Funnel.
ثم زيادة:
Search + Retargeting.
الأرقام قد تتحسن مؤقتًا.
لكن:
Future Demand Creation
قد تضعف.
2. First Click Attribution
العكس تقريبًا.
100% من Credit يذهب إلى:
أول Touchpoint مسجلة.
في المثال:
Facebook Ad = 1,000 ريال.
SEO = 0.
Email = 0.
Google = 0.
متى تفيد First Click؟
إذا كنت مهتمًا جدًا بسؤال:
ما القنوات التي تبدأ Customer Journey؟
قد تكون مفيدة لفهم:
Discovery.
Acquisition Entry Points.
Demand Creation.
لكنها تتجاهل:
كل ما حدث بعد أول Interaction.
مشكلة First Click
قد يرى العميل:
Random Social Post
ثم بعد 3 أشهر:
يدخل Funnel كاملة من Google + Email + Sales.
هل أول Social Touch تستحق:
100% من Credit؟
غالبًا هذا تبسيط شديد.
First Touch vs Last Touch
يمكن التفكير:
First Touch = من فتح الباب؟
Last Touch = من أغلق الباب؟
لكن Customer Journey قد تحتاج أيضًا من:
شرح.
طمأن.
أثبت.
ذكّر.
تابع.
أزال الاعتراض.
ولهذا ظهرت:
Multi-Touch Attribution Models.
3. Linear Attribution
Linear Model توزع Credit بالتساوي بين Touchpoints.
إذا لدينا:
Facebook→ SEO→ Email→ Google Ads
وRevenue:
1,000.
كل Channel تحصل على:
250 ريال Credit.
بسيطة.
لكن هل كل Touchpoints متساوية في تأثيرها؟
ليس بالضرورة.
مشكلة Linear Attribution
المساواة ليست دائمًا:
Fairness.
قد يكون Customer شاهد:
Blog Post عرضيًا.
ثم شاهد Demo مهمة جدًا.
Linear Model قد تعطيهما:
نفس الوزن.
لذلك:
Equal Credit ≠ Equal Influence.
4. Time Decay Attribution
هذا النموذج يعطي وزنًا أكبر للـTouchpoints الأقرب إلى Conversion.
مثلاً:
Social قبل 30 يومًا.
SEO قبل 14 يومًا.
Email قبل 3 أيام.
Google Ads قبل ساعة.
سيحصل Google على Credit أكبر.
ثم Email.
ثم SEO.
ثم Social.
منطق Time Decay
كلما اقتربت Touchpoint من:
Purchase،
يفترض النموذج أن تأثيرها:
أقوى.
هذا قد يكون مناسبًا لبعض:
Short Sales Cycles.
Promotions.
Conversion-Oriented Journeys.
لكن ليس دائمًا.
مشكلة Time Decay
ماذا لو أهم Touchpoint حدثت:
قبل شهر؟
مثلاً:
Webinar جعل العميل يقرر أن Solution مناسبة.
ثم انتظر Budget Approval.
بعد شهر ضغط Email ووقع Contract.
هل Email أكثر تأثيرًا لمجرد أنها:
حدثت لاحقًا؟
ليس بالضرورة.
5. Position-Based Attribution
تسمى أحيانًا:
U-Shaped Attribution.
تعطي عادةً وزنًا أكبر:
لأول Touchpoint.
وآخر Touchpoint.
ثم توزع الباقي على:
Middle Touchpoints.
مثال شائع نظريًا:
40% First.
40% Last.
20% Middle.
لكن هذه النسب ليست قانونًا عالميًا.
لماذا Position-Based مفيدة؟
لأنها تعترف بقيمة:
Discovery.
و:
Conversion.
لكنها قد تقلل من دور:
Nurturing.
Education.
Comparison.
التي حدثت في المنتصف.
Middle of Funnel Problem
في Journeys طويلة، قد تكون أهم Touchpoint:
في المنتصف.
مثلاً:
Case Study.
Product Demo.
Comparison Page.
Consultation.
Webinar.
لكن Position-Based Model قد تمنحها:
Credit محدودة.
6. W-Shaped Attribution
يستخدم أكثر في بعض B2B Contexts.
يمكن إعطاء أوزان أكبر لـ:
First Touch.
Lead Creation.
Opportunity Creation.
ثم توزيع الباقي.
الفكرة:
هناك Milestones مهمة في:
Revenue Journey.
لماذا قد تكون مفيدة في B2B؟
لأن B2B Funnel قد تكون:
Anonymous Visitor→ Lead→ MQL→ SQL→ Opportunity→ Customer.
وتريد معرفة القنوات التي ساعدت على:
Discovery.
Lead Creation.
Opportunity Creation.
لكن مرة أخرى:
الأوزان نفسها اختيار Model.
7. Full-Path Attribution
يمتد أكثر ليشمل:
Customer Conversion / Revenue
بعد Opportunity.
ويحاول توزيع Credit عبر:
Full Revenue Journey.
مفيد عندما تريد:
Marketing + Sales View.
لكن كلما زادت Touchpoints:
زادت:
Data Complexity.
8. Data-Driven Attribution
هنا ننتقل من:
Fixed Rules
إلى:
Model يعتمد على Data.
بدل أن نقول:
First = 40%.
Last = 40%.
يحاول Data-Driven Model تقدير مساهمة Touchpoints بناءً على أنماط البيانات المتاحة.
الفكرة جذابة جدًا:
Let the Data Decide.
لكنها ليست سحرًا.
Data-Driven ≠ Perfect Truth
جودة النموذج تعتمد على:
Data Volume.
Tracking Quality.
Observed Journeys.
Model Design.
Privacy Constraints.
Missing Touchpoints.
Platform Data.
Identity Resolution.
إذا Data ناقصة:
Model تتعلم من:
Incomplete Reality.
Garbage In → Model Out
إذا:
Offline Sales غير موجودة.
WhatsApp غير متتبعة.
Organic Social غير واضحة.
Cross-Device Journey ناقصة.
Cookies محذوفة.
Consent يمنع بعض Tracking.
Dark Social غير مرئي.
فـData-Driven Attribution لا تستطيع:
اختراع البيانات المفقودة.
Attribution Models مقارنة سريعة
Model | من يحصل على Credit؟ | القوة | الضعف |
First Click | أول Touchpoint | Discovery | يتجاهل بقية Journey |
Last Click | آخر Touchpoint | بسيط وقريب من Conversion | يتحيز لـBottom Funnel |
Linear | الجميع بالتساوي | يرى Journey كاملة | يفترض مساواة التأثير |
Time Decay | الأقرب للشراء أكثر | مناسب لبعض Conversion Journeys | يقلل من Touchpoints القديمة |
Position-Based | البداية والنهاية أكثر | يوازن Discovery/Conversion | قد يظلم Middle Funnel |
W-Shaped | Milestones رئيسية | مفيد لبعض B2B Funnels | أكثر تعقيدًا |
Data-Driven | حسب Model/Data | أكثر ديناميكية | يعتمد بشدة على جودة البيانات |
لكن لا تسأل:
أي Model هي الأفضل عالميًا؟
السؤال الصحيح:
Which Model Fits the Decision?
Attribution Window
هذه نقطة خطيرة جدًا.
إذا Customer ضغط Ad اليوم واشترى بعد:
1 يوم.
7 أيام.
30 يومًا.
هل الإعلان يأخذ Credit؟
يعتمد على:
Attribution Window.
ما هي Attribution Window؟
هي الفترة التي تسمح فيها المنصة أو نظام القياس بإسناد Conversion إلى Touchpoint سابقة.
مثلاً:
7-Day Click.
1-Day View.
أو إعدادات أخرى بحسب النظام والمنصة.
وهذا يعني أن تغيير Window يمكن أن يغيّر:
Reported Performance
حتى لو لم تتغير:
Actual Sales.
نفس Campaign، ROAS مختلفة
تخيل أن Campaign لديها:
100 Purchase خلال 7-Day Window.
لكن:
140 Purchase داخل 30-Day Window.
ROAS المعلنة ستختلف.
هل Campaign أصبحت أفضل؟
لا.
أنت فقط غيرت:
Measurement Window.
Click-Through vs View-Through Attribution
هناك فرق كبير.
Click-Through
Customer ضغط Ad ثم Conversion.
View-Through
Customer شاهد Ad دون Click، ثم Conversion لاحقًا.
View-Through يمكن أن تكون مفيدة لفهم بعض:
Display / Video / Social Influence.
لكنها أيضًا تحتاج حذرًا أكبر.
هل مشاهدة الإعلان سببت البيع؟
ليس بالضرورة.
Customer ربما:
كان سيشتري أصلًا.
وهنا نعود إلى:
Correlation vs Causation.
Attribution تقول:
Ad كانت ضمن Journey.
لكن:
Incrementality تسأل:
هل Ad غيرت النتيجة؟
Platform Attribution Problem
لنفترض:
Revenue الحقيقية للشركة:
1,000,000 ريال.
Meta Dashboard:
700,000 Revenue.
Google Ads:
600,000.
TikTok:
300,000.
هل Revenue = 1.6M؟
لا.
هناك:
Overlapping Attribution.
أكثر من Platform قد تطالب بالفضل لنفس Conversion.
Self-Attributing Networks
كل Advertising Platform ترى Journey من:
زاويتها.
Meta ترى:
Meta Interactions.
Google ترى:
Google Interactions.
TikTok ترى:
TikTok Interactions.
كل واحدة تستخدم:
Tracking + Models + Windows
الخاصة بها.
لذلك:
Platform ROAS ≠ Company Revenue Truth.
مصدر الحقيقة المالية
في معظم الشركات يجب أن يكون لديك تمييز بين:
Optimization Source
Platform Data.
تستخدم لتحسين Campaigns داخل المنصة.
Journey Source
Analytics.
تستخدم لفهم Behavior وPaths.
Customer Source
CRM.
تعرف:
Lead → Customer → Revenue.
Financial Source
ERP / Finance / Backend.
تعرف:
Actual Revenue + Refunds + Margin.
هذه الأنظمة لا يجب أن تتنافس.
لكل منها:
Different Job.
Direct Traffic: هل هي Channel فعلًا؟
Direct قد تعني:
Customer كتب URL.
استخدم Bookmark.
أو أحيانًا لم يستطع Analytics تحديد Referrer بشكل واضح.
لذلك:
Direct ليست دائمًا:
"Customer جاء بدون Marketing."
قد تكون نتيجة:
Brand.
Word of Mouth.
Offline.
Dark Social.
Previous Marketing Exposure.
Dark Social
شخص أرسل لصديقه:
Screenshot.
WhatsApp Message.
Private LinkedIn Message.
Slack.
Telegram.
ثم الصديق دخل Direct.
Analytics قد تقول:
Direct.
لكن Journey الحقيقية:
كانت Social / Word of Mouth.
وهذا يسمى في سياقات التسويق:
Dark Social.
كيف نقيس Dark Social؟
لن تراها كاملة.
لكن يمكن تحسين الفهم عبر:
Self-Reported Attribution.
مثلاً عند Lead Form:
كيف سمعت عنا؟
خيارات:
Google.
LinkedIn.
YouTube.
Friend.
Podcast.
Event.
Other.
ثم اترك:
Free Text
عندما يكون مناسبًا.
Self-Reported Attribution
هذه من أقوى الأدوات التي يتم تجاهلها.
CRM تقول:
Last Touch = Google.
لكن Customer يقول:
"أتابع فيديوهاتكم على YouTube منذ 6 أشهر."
هذه معلومة مهمة جدًا.
ليست Perfect Data.
لكنها تضيف:
Human Context.
Software-Reported vs Self-Reported Attribution
استخدم الاثنين.
Software:
ماذا حدث رقميًا؟
Customer:
ماذا يتذكر أنه أثر عليه؟
قد يختلفان.
والاختلاف نفسه:
Insight.
Attribution وCustomer Journey
في مقالة Customer Journey أوضحنا أن العميل لا يتحرك دائمًا:
Awareness → Consideration → Purchase
بشكل خطي.
قد يتحرك:
Forward.
Backward.
Pause.
Compare.
Return.
Switch Device.
Talk to Sales.
Ask a Friend.
لذلك Attribution Model هي:
Simplified Map of a Complex Journey.
Multi-Device Problem
Customer يرى Ad على Mobile.
يبحث على Laptop.
ثم يشتري من Tablet.
هل النظام يعرف أنه:
نفس الشخص؟
أحيانًا نعم.
أحيانًا لا.
بحسب:
Login.
Tracking.
Consent.
Platform.
Identity Infrastructure.
وهذا أحد أسباب:
Attribution Gaps.
Offline Conversion Problem
Customer يرى Google Ad.
يتصل.
يزور الفرع.
يدفع Cash.
إذا Offline Conversion غير متصلة:
Google قد ترى:
Phone Click فقط.
وليس:
Revenue.
فتبدو Campaign أضعف من حقيقتها.
Online-to-Offline Attribution
مهم جدًا في:
Healthcare.
Automotive.
Real Estate.
Education.
Restaurants.
Retail.
Professional Services.
يجب ربط:
Digital Lead
بـ:
CRM / Booking / POS / Actual Sale
قدر الإمكان.
B2B Attribution أصعب
لأن:
Sales Cycle طويلة.
Buying Committee متعددة.
Channels كثيرة.
Offline Touchpoints.
Sales Team.
Events.
Demos.
Proposals.
Procurement.
Customer قد يتفاعل عشرات المرات.
لذلك:
Last Click
قد تكون شديدة التضليل.
B2B Journey Example
CEO يرى LinkedIn Post.
Marketing Manager يقرأ Blog.
Operations Manager يحضر Webinar.
IT يشاهد Technical Demo.
Procurement يدخل Pricing Page.
Sales Team ترسل Proposal.
CEO يوافق.
من "حقق" الصفقة؟
الأدق:
Buying Journey Created the Deal.
Account-Level Attribution
في B2B، قد يكون تحليل:
Account
أكثر من Individual.
لأن عدة أشخاص من نفس الشركة يتفاعلون.
يمكن تحليل:
Account Engagement.
Buying Committee.
Pipeline Influence.
Opportunity Creation.
Revenue.
Marketing-Sourced vs Marketing-Influenced Revenue
مفهومان شائعان.
Marketing-Sourced
Marketing بدأت Journey أو أنشأت Lead وفق تعريف الشركة.
Marketing-Influenced
Marketing Touchpoint ساهمت في Opportunity أو Sale.
لكن يجب تعريفهما بدقة.
وإلا ستجد:
Marketing Influenced Revenue
أكبر من Revenue الشركة عدة مرات.
Influenced Revenue Trap
إذا كل Touchpoint أخذت:
Full Revenue Credit،
يمكن أن تقول:
Email influenced 10M.
Content influenced 12M.
Events influenced 8M.
Paid influenced 15M.
بينما Revenue الحقيقية:
20M.
هذا لا يعني:
45M Revenue.
إنها:
Overlapping Influence.
Attribution ليست Accounting
هذه نقطة شديدة الأهمية.
Accounting تقول:
Revenue = رقم مالي محدد.
Attribution تقول:
كيف نوزع Credit لفهم Marketing Journey؟
لا تعامل:
Attributed Revenue
كأنها:
Financial Revenue
دون توضيح.
Attribution vs Incrementality
وهنا نصل إلى أهم جزء.
Attribution تسأل:
من كان موجودًا في Journey؟
Incrementality تسأل:
ما الذي كان سيحدث لو لم نفعل هذا النشاط التسويقي؟
وهذا فرق ضخم.
مثال Retargeting
Customer زار الموقع وأضيف إلى:
Retargeting Audience.
شاهد Ad.
ثم اشترى.
Attribution:
Retargeting حققت Purchase.
لكن ماذا لو كان سيعود غدًا ويشتري بدون Ad؟
حينها Retargeting حصلت على:
Credit.
لكن ربما لم تخلق:
Incremental Sale.
Counterfactual
Incrementality تحتاج تصور:
What would have happened otherwise?
وهو ما يسمى:
Counterfactual.
لكن لا يمكنك مشاهدة:
نفس Customer
في عالمين:
عالم شاهد الإعلان.
وعالم لم يشاهده.
لذلك نستخدم:
Experiments.
Holdout Test
قسّم جمهورًا مناسبًا إلى:
Exposed Group.
Control / Holdout Group.
ثم قارن:
Conversion Rate.
Revenue.
Profit.
الفرق يمكن أن يساعد في تقدير:
Incremental Lift.
Incremental Lift
بصورة مبسطة:
Incremental Lift = Outcome with Marketing – Expected Outcome without Marketing
مثلاً:
Test Group Conversion = 5%.
Control = 4%.
الفرق:
1 Percentage Point.
هذا قد يكون أقرب إلى:
Incremental Effect
من أن تقول:
كل 5% سببها الإعلان.
Incremental ROAS
iROAS = Incremental Revenue ÷ Incremental Ad Spend
Campaign:
Spend = 100,000.
Attributed Revenue = 600,000.
Platform ROAS = 6x.
لكن Experiment تشير إلى:
Incremental Revenue = 250,000.
iROAS:
2.5x.
هل 2.5 جيدة؟
يعتمد على:
Margin.
CAC.
LTV.
Business Economics.
Attribution ≠ Causation
احفظ هذه المعادلة الفكرية:
Touchpoint before Purchase ≠ Touchpoint caused Purchase
وجود Channel قبل Conversion لا يثبت:
Causal Impact.
لذلك الشركات الأكثر نضجًا تجمع:
Attribution + Experiments + Economics.
Marketing Mix Modeling — MMM
عندما يصبح Marketing Mix كبيرًا، يمكن استخدام:
Marketing Mix Modeling
في بعض المؤسسات.
MMM تحاول تقدير تأثير:
Media Channels.
Seasonality.
Promotions.
Pricing.
External Factors.
على Outcomes
باستخدام بيانات مجمعة ونماذج إحصائية.
لماذا MMM عادت للاهتمام؟
لأنها لا تعتمد بنفس الدرجة على:
User-Level Tracking
مثل بعض Attribution Approaches.
وهذا مهم في بيئة:
Privacy.
Cookie Restrictions.
Cross-Device Complexity.
لكن MMM أيضًا ليست:
Magic.
قيود MMM
تحتاج:
Data جيدة.
Time Series.
Variation.
Statistical Expertise.
Model Validation.
وقد تكون أقل فائدة في بعض القرارات شديدة التفصيل مثل:
أي Creative نوقف غدًا؟
لذلك:
Different Measurement Tools Answer Different Questions.
MTA vs MMM
Multi-Touch Attribution — MTA
تركز أكثر على:
User-Level / Journey Touchpoints
عندما تكون البيانات متاحة.
Marketing Mix Modeling — MMM
تركز على:
Aggregate Channel Effects.
الأولى قد تساعد في:
Journey Optimization.
الثانية في:
Strategic Budget Allocation.
لكن هذا تبسيط، والتطبيق يعتمد على النظام والبيانات.
Experiments تكمل الاثنين
يمكن التفكير في:
Attribution → Direction
Experiments → Causality
MMM → Strategic Allocation
Finance → Economic Truth
الجمع بينها أقوى من:
Single Measurement Method.
Measurement Triangulation
بدل البحث عن:
One Perfect Number،
استخدم:
Triangulation.
قارن:
Platform Attribution.
Analytics.
CRM.
Self-Reported Attribution.
Experiments.
MMM عندما يناسب.
Backend Revenue.
Finance.
إذا عدة مصادر تشير إلى الاتجاه نفسه:
Confidence ↑.
Attribution Confidence
لا تتعامل مع كل رقم كأنه:
100% Accurate.
يمكن أن تستخدم:
High Confidence.
Medium Confidence.
Low Confidence.
مثلاً:
Purchase Backend:
High Confidence.
Customer Survey:
Medium.
View-Through Attribution:
قد تحتاج تقييمًا مختلفًا حسب السياق.
هذا يجعل Decision-Making:
أكثر واقعية.
Attribution وROAS
في المقالة السابقة عن ROAS vs ROI أوضحنا أن ROAS تعتمد على:
Attributed Revenue.
إذن إذا Attribution Model تغيرت:
ROAS قد تتغير.
حتى إذا:
Actual Business Revenue
لم تتغير.
وهذه نقطة خطيرة.
مثال
Spend:
100,000.
Last Click Attributed Revenue:
300,000.
ROAS:
3x.
Data-Driven Model:
450,000.
ROAS:
4.5x.
Platform Model:
600,000.
ROAS:
6x.
كم Revenue الحقيقية للشركة؟
هذا سؤال مختلف.
لذلك اسأل دائمًا:
عندما ترى:
ROAS = 7.3
اسأل:
حسب:
أي Attribution Model؟
أي Window؟
Click أم View؟
Gross أم Net Revenue؟
New أم Returning Customers؟
Platform أم Backend؟
هذه الأسئلة تحولك من:
Dashboard Reader
إلى:
Marketing Analyst.
Attribution وCAC
CAC أيضًا يمكن أن تتأثر بطريقة Attribution.
إذا Customer تفاعل مع:
Meta + Google + Email،
أي Channel تتحمل:
Acquisition Cost؟
إذا نسبت Customer بالكامل إلى Google:
Google CAC تبدو ممتازة.
Meta تبدو بلا Customers.
لكن Meta ربما خلقت Demand.
لذلك:
Channel CAC
يجب قراءتها بحذر.
Blended CAC
من الأدوات المهمة:
Blended CAC = Total Acquisition Investment ÷ Total New Customers
هذه لا تحل Attribution.
لكنها تعطي:
Business-Level View.
إذا كل Platforms تتجادل على Credit،
Blended CAC تقول:
صرفنا كم إجمالًا، واكتسبنا كم Customer؟
Blended ROAS / MER
يمكن أيضًا النظر في بعض الأنشطة إلى:
Total Revenue ÷ Total Ad Spend
أو Marketing Spend بحسب التعريف.
ميزة ذلك:
لا تحتاج توزيع كل Sale بين Platforms.
لكنها تتأثر أيضًا بـ:
Organic.
Brand.
Seasonality.
Existing Customers.
لذلك:
ليست بديلًا كاملًا.
Attribution وLTV
لا تنسب فقط:
First Purchase.
اربط Source / Journey بـ:
Customer Cohorts.
قد تجلب:
Channel A
Customers ذات:
First Purchase Revenue منخفضة.
لكن:
LTV عالية.
Channel B:
First Purchase عالية.
لكن:
Retention ضعيفة.
إذن:
Attribution to Revenue ≠ Attribution to Customer Value.
LTV-Based Attribution
في الأنظمة الأكثر تقدمًا، يمكن التفكير في:
Value of Customers Acquired
وليس فقط:
Initial Revenue.
مثلاً:
Google Customers:
12-Month LTV = 5,000.
Meta Customers:
12-Month LTV = 8,000.
حتى لو Initial ROAS لـGoogle أعلى.
هذا يغير:
Budget Allocation.
Customer Quality Attribution
اسأل لكل Channel:
New Customer Rate.
Gross Margin.
Retention.
Repeat Purchase.
Refund Rate.
Churn.
LTV.
Payback.
وبذلك تنتقل من:
Who Generated the Sale?
إلى:
Who Generated Valuable Customers?
Attribution وBrand
Brand هي واحدة من أصعب الأشياء في Attribution.
Customer قد يرى:
20 فيديو.
5 Posts.
Podcast.
Recommendations.
Outdoor Ad.
ثم يبحث:
Brand Name.
Last Click تقول:
Branded Search.
لكن:
Search قد تكون:
Demand Capture.
بينما Brand Activities:
Demand Creation.
Demand Creation vs Demand Capture
هذه التفرقة مهمة جدًا.
Demand Creation
تخلق:
Awareness.
Interest.
Preference.
Mental Availability.
Demand Capture
تلتقط:
Existing Intent.
مثل:
High-Intent Search.
Retargeting.
لا تجعل Attribution Model تكافئ:
Capture
وتقتل:
Creation.
Attribution وSEO
SEO قد تلعب أدوارًا متعددة:
Discovery.
Education.
Comparison.
Intent Capture.
Brand Search Support.
Conversion.
إذا تستخدم Last Click فقط:
قد تقلل من قيمة:
Top/Mid-Funnel Content.
لذلك حلل:
Assisted Conversions.
Content Journeys.
Landing Pages.
Customer Research.
Attribution وContent Marketing
شخص يقرأ:
10 مقالات
ثم يدخل Direct ويشتري.
هل Content حققت:
Zero Revenue؟
ليس بالضرورة.
لكن لا تقل أيضًا:
"كل Direct Revenue سببها Content."
الحل:
Evidence.
CRM.
Surveys.
Journey Data.
Experiments حيث يمكن.
Attribution وEmail
Email غالبًا تأتي بعد:
Lead Acquisition.
إذا Email أخذت Last Click Credit:
لا يعني أنها اكتسبت Customer وحدها.
لكنها قد تكون:
Critical Nurturing Channel.
لذلك افصل:
Acquisition Role.
Nurturing Role.
Conversion Role.
Retention Role.
Attribution وInfluencers
Influencer Marketing مثال ممتاز لمشكلة Attribution.
Customer يرى Creator.
لا يضغط Link.
بعد يوم يبحث عن Brand.
يشتري من Google.
Google تحصل على Credit.
Influencer تبدو:
الحلول قد تشمل:
Promo Codes.
Dedicated URLs.
Post-Purchase Surveys.
Search Lift.
Geo Tests.
Brand Lift.
Incrementality Experiments.
بحسب Scale.
Attribution وOffline Marketing
Billboard.
Radio.
TV.
Events.
Conferences.
Print.
Word of Mouth.
قد تؤثر في:
Search.
Direct.
Store Visits.
لكن Digital Analytics قد لا تراها.
لذلك لا تجعل:
What We Can Measure
يساوي:
What Matters.
Measurability Bias
هذا من أخطر أخطاء Marketing.
الأشياء الأسهل قياسًا تحصل على:
Budget.
والأشياء الأصعب قياسًا يتم تقليلها.
ليس لأنها أقل قيمة...
بل لأنها:
أصعب في Attribution.
وهذا يسمى:
Measurement Bias.
Attribution Biases
هناك عدة انحيازات محتملة:
Recency Bias.
Last-Touch Bias.
Platform Bias.
Survivorship Bias.
Measurability Bias.
Selection Bias.
Existing Demand Bias.
Brand Search Bias.
Retargeting Bias.
المسوق المحترف يعرف أن:
Measurement System itself can bias Strategy.
Attribution في E-commerce
راقب:
First Purchase.
New Customer.
Returning Customer.
Channel.
Campaign.
Discount.
Refunds.
Margin.
Cohort LTV.
ثم استخدم:
Platform Attribution
للـOptimization،
لكن لا تجعلها وحدها:
Budget Truth.
Attribution في SaaS
Journey:
Ad.
Content.
Trial.
Email.
Product.
Sales.
Subscription.
ثم:
Retention.
إذا نسبت كل Revenue إلى:
Trial Source
قد تتجاهل:
Product Activation.
Lifecycle.
Sales.
Customer Success.
SaaS تحتاج:
Revenue Journey Attribution.
Attribution في الخدمات المحلية
مثلاً:
Customer يرى Instagram.
يبحث Google Maps.
يتصل.
يحجز.
يزور.
يدفع.
إذا Tracking تقف عند:
Call Click،
فلن تعرف:
Actual Customer Revenue.
الحل:
ربط:
Call / Booking / CRM / POS
قدر الإمكان.
Attribution في المجال الطبي
نماذج الإسناد التسويقي
المريض قد:
يشاهد Content.
يرى Doctor Video.
يبحث عن Clinic.
يدخل Google Business Profile.
يتصل.
يحجز.
يزور.
الدفع يحدث Offline.
لذلك:
Appointment
ليست دائمًا:
Revenue.
و:
Lead
ليست Patient.
تحتاج:
Offline Outcome Measurement
مع احترام خصوصية البيانات الطبية ومتطلبات التعامل معها.
Attribution في Personal Branding
Customer قد يتابعك:
6 أشهر.
يشاهد عشرات الفيديوهات.
يقرأ مقالات.
ثم يرسل:
ويطلب Consultation.
Analytics قد تقول:
Direct.
لكن Journey الحقيقية:
Content-Led.
هنا Self-Reported Attribution مفيدة جدًا.
كيف تختار Attribution Model؟
لا تبدأ:
"ما أفضل Model؟"
ابدأ بـ:
Decision.
إذا تريد معرفة:
من أين تبدأ Journeys؟
انظر إلى:
First Touch.
إذا تريد:
آخر Touchpoint قبل Conversion؟
Last Touch.
إذا تريد:
Full Journey View؟
Multi-Touch.
إذا لديك Data كافية:
Data-Driven قد تضيف قيمة.
إذا تريد:
Causal Impact؟
تحتاج:
Incrementality.
إذا تريد:
Strategic Channel Allocation على Scale كبير؟
قد تحتاج:
MMM + Experiments + Business Data.
D.E.C.I.D.E Attribution Framework
أقترح إطارًا عمليًا من اشرف الحسيني:
D — Define the Decision
ما القرار الذي نريد اتخاذه؟
Budget؟
Campaign Optimization؟
Channel Strategy؟
E — Establish the Journey
ما Customer Journey الحقيقية؟
C — Connect the Data
Ads + Analytics + CRM + Backend + Finance.
I — Identify the Model
اختر Attribution Model المناسبة للسؤال.
D — Determine Incrementality
ما الذي أضافته Marketing فعليًا؟
E — Evaluate Economics
CAC + LTV + Margin + ROI.
بهذا لا تصبح Attribution مجرد:
Credit Distribution.
بل:
Decision System.
إطار آخر: C.R.E.D.I.T
لفهم من "يستحق الفضل":
C — Customer Journey
ماذا حدث بالفعل؟
R — Role of Each Channel
هل القناة Create أم Capture أم Nurture؟
E — Evidence
ما البيانات المتوفرة؟
D — Duplication
هل Platforms تنسب نفس Conversion؟
I — Incrementality
هل القناة أضافت نتيجة؟
T — Total Economics
هل الاستثمار مربح؟
وهنا كلمة:
Credit
نفسها تصبح Framework.
Channel Role Mapping
بدل إجبار كل Channel على:
Same KPI،
حدد دورها.
Channel | الدور المحتمل | KPI محتملة |
Video | Demand Creation | Reach / Attention / Lift |
Social | Discovery/Trust | Engagement / Qualified Visits |
SEO | Education/Capture | Organic Demand / Leads |
Search Ads | Demand Capture | Conversion / CAC |
Nurture/Retention | Conversion / LTV | |
Retargeting | Recovery | Incremental Conversion |
Sales | Close | Win Rate / Revenue |
هذه أدوار محتملة وليست قواعد ثابتة.
Role-Based Measurement
هذا أفضل من:
ROAS لكل شيء.
اسأل:
هل Channel تنفذ:
وظيفتها؟
ثم:
هل المنظومة كلها تحقق:
Business Outcome؟
هذه:
System-Level Measurement.
Assisted Conversions
بعض Touchpoints لا تغلق Sale لكنها:
Assist.
مثلاً:
YouTube Video.
Case Study.
Email.
يمكن تحليل:
Assisted Conversions.
لكن لا تقع في فخ:
كل Assist = Full Revenue.
الهدف:
فهم:
Journey Contribution.
Path Analysis
بدل النظر إلى Channel منفردة:
حلل Paths.
مثلاً:
Meta → Direct.
Meta → Google → Direct.
SEO → Email → Direct.
YouTube → Google.
Influencer → Brand Search.
قد تكتشف:
Channel Combinations
أقوى من Channel منفردة.
Channel Synergy
قد يكون:
1 + 1 > 2.
مثلاً:
YouTube يزيد:
Brand Search.
SEO يزيد:
Retargeting Pool.
Paid Social يزيد:
Email Subscribers.
Email يزيد:
Conversion من Paid Acquisition.
لذلك Attribution التقليدية قد تقلل من:
Channel Interaction Effects.
Halo Effect
Campaign في Channel A قد تحسن:
Performance في Channel B.
مثلاً:
Brand Campaign
قد تزيد:
Search Volume.
CTR في Search.
Direct Traffic.
Organic Conversion.
هذا:
Halo Effect.
إذا قست Channel A وحدها:
قد تفوت جزءًا من قيمتها.
Cannibalization
العكس أيضًا ممكن.
Channel قد تأخذ Credit من:
Channel أخرى
دون خلق Demand جديدة.
مثلاً:
Branded Search Ad
قد تحصل على Click كان سيذهب إلى:
Organic Result.
السؤال:
ما الجزء:
Incremental؟
Attribution وBudget Allocation
لا تقل:
"Meta ROAS 5 وGoogle 7، إذن ننقل كل Budget إلى Google."
قد يكون Google تلتقط Demand التي صنعتها Meta.
إذا أوقفت Meta:
بعد فترة قد ينخفض:
Search Demand.
وهنا ترى أهمية:
System Thinking.
Marginal Return
حتى إذا Channel تحقق:
Average ROAS عالية،
ماذا عن:
Next $ / Next Riyal?
مثلاً:
أول 100k في Google:
ROAS = 8.
ثاني 100k:
ثالث 100k:
2.5.
بينما Meta:
Average = 4.
لكن الريال الإضافي قد يحقق:
3.5.
إذن Budget Allocation تحتاج:
Marginal Economics.
Attribution + Marginal ROI
السؤال الإداري الأفضل:
أين أضع الريال القادم ليحقق أفضل Incremental Economic Return؟
ليس:
من حصل على أعلى Credit تاريخيًا؟
هذا ينقل Marketing من:
Reporting
إلى:
Capital Allocation.
Attribution Dashboard
أنصح بعدم إنشاء Dashboard واحدة فقط.
يمكن تقسيمها:
Business Truth
Actual Revenue.
New Customers.
Gross Margin.
Profit.
Blended CAC.
Platform View
Spend.
Platform Conversions.
Platform ROAS.
Journey View
First Touch.
Last Touch.
Assisted Touches.
Paths.
Customer View
CRM Source.
Sales Cycle.
LTV.
Retention.
Incrementality View
Lift.
Incremental Revenue.
iROAS.
Strategic View
Marginal CAC.
Marginal ROI.
Channel Role.
Attribution Reconciliation
كل شهر مثلًا:
Platform says X.
Analytics says Y.
CRM says Z.
Finance says A.
لا تحاول إجبارها على التطابق التام.
اسأل:
لماذا تختلف؟
Tracking?
Window?
Definition?
Refunds?
Offline Sales?
Cross Device?
View Through?
Timezone?
Identity?
هذه الاختلافات نفسها تساعدك على:
Improve Measurement.
Attribution Dictionary
أنشئ وثيقة داخل الشركة تحدد:
Conversion.
Lead.
Qualified Lead.
Customer.
Revenue.
New Customer.
Source.
First Touch.
Last Touch.
Attributed Revenue.
Incremental Revenue.
Attribution Window.
ROAS.
CAC.
لأن فريقين قد يستخدمان نفس الكلمة بمعنيين مختلفين.
Attribution Governance
حدد:
من يملك Definition؟
Marketing؟
Analytics؟
Finance؟
RevOps؟
الأفضل:
Cross-Functional Agreement.
حتى لا يحدث:
Marketing تقول Revenue = 10M.
Sales تقول = 8M.
Finance تقول = 7M.
والجميع "صح" وفق تعريف مختلف.
Single Source of Truth لا يعني Single Tool
يمكن أن يكون لديك:
Financial Source of Truth.
Customer Source of Truth.
Campaign Optimization Source.
Journey Analytics Source.
المهم:
Clear Hierarchy of Truth.
UTM Governance
UTMs تبدو تفصيلًا صغيرًا.
لكن Chaos فيها يدمر Attribution.
ضع Standard لـ:
utm_source.
utm_medium.
utm_campaign.
utm_content.
utm_term.
Naming Conventions.
Case Sensitivity.
حتى لا تجد:
facebook.
Facebook.
FB.
meta.
MetaAds.
كأنها:
6 Channels.
CRM Hygiene
إذا Sales لا تحدث:
Lead Status.
Opportunity.
Closed Won.
Revenue.
فـMarketing Attribution في B2B ستظل:
ناقصة.
لذلك:
Attribution is partly an Operations Problem.
Offline Conversion Import
إذا Conversion النهائية تحدث خارج الموقع:
أعد ربط Outcomes بالقنوات حيث تسمح البنية والسياسات.
مثل:
Qualified Lead.
Appointment Attended.
Closed Deal.
Purchase.
هذا يساعد Platforms أيضًا على:
Optimization for Better Outcomes.
لا Optimize للـLead إذا كنت تريد Customer
إذا Algorithm تعرف:
Form Submitted
فقط،
ستبحث عن أشخاص:
يملؤون Forms.
ليس بالضرورة:
يشترون.
إذا استطعت إعطاءها:
Qualified Lead.
Customer.
Customer Value.
تقترب Optimization من:
Business Objective.
Attribution Maturity Model
Level 1 — Platform Reporting
كل Platform نصدقها منفردة.
Level 2 — Last Click Analytics
لدينا Central Analytics.
Level 3 — Multi-Touch
نحلل Journey كاملة.
Level 4 — CRM + Revenue
نربط Touchpoints بـCustomers.
Level 5 — Customer Economics
CAC + LTV + Margin + Cohorts.
Level 6 — Incrementality
Experiments + Lift.
Level 7 — Decision Intelligence
Attribution + MMM + Experiments + Marginal Economics + Finance.
هذا هو الانتقال من:
"مين جاب البيع؟"
إلى:
"كيف نصنع نموًا أكثر ربحية؟"
90-Day Attribution Plan
الأيام 1–30: Measurement Foundation
حدد:
Business Goals.
Conversions.
Revenue Definition.
Customer Definition.
Attribution Windows.
UTM Standards.
Tracking.
CRM.
Offline Data.
Sources of Truth.
الأيام 31–60: Journey Visibility
حلل:
First Touch.
Last Touch.
Top Paths.
Assisted Channels.
New vs Returning.
Channel Roles.
Sales Feedback.
Self-Reported Attribution.
الأيام 61–90: Causality & Economics
ابدأ:
Holdout Tests حيث يمكن.
Incrementality Experiments.
Cohort LTV.
Blended CAC.
Margin Analysis.
Marginal Return.
ثم:
Budget Reallocation
بناءً على:
Multiple Evidence Sources.
Attribution Scorecard
لكل Channel اسأل:
Role: ماذا تفعل؟
First Touch: كم Journey تبدأ؟
Assist: كم Journey تدعم؟
Last Touch: كم Conversion تغلق؟
New Customers: كم؟
CAC: كم؟
LTV: كم؟
Margin: كم؟
Incrementality: ماذا تضيف؟
Marginal Return: هل يمكن Scale؟
هذه الصورة أقوى من:
ROAS Ranking.
25 سؤالًا قبل نقل الميزانية بين القنوات
ما Attribution Model المستخدمة؟
ما Attribution Window؟
هل Click وView كلاهما محسوبان؟
ما Revenue Source؟
هل Revenue Gross أم Net؟
هل Refunds محسوبة؟
هل هناك Platform Overlap؟
ما First Touch؟
ما Last Touch؟
ما Assisted Channels؟
ما Top Conversion Paths؟
ما Channel Role؟
هل القناة Create أم Capture Demand؟
ما New Customer Rate؟
ما CAC؟
ما Blended CAC؟
ما LTV؟
ما Margin؟
ما Payback؟
ما Self-Reported Source؟
هل Offline Conversions متصلة؟
هل لدينا Incrementality Evidence؟
ما Marginal Return؟
ماذا يحدث إذا أوقفنا Channel؟
هل القرار يزيد Total Business Profit؟
إذا لم تعرف إلا:
"Platform ROAS"،
فأنت لا تملك بعد صورة كافية لاتخاذ:
Strategic Budget Decision.
أشهر أخطاء Attribution
أهمها:
اعتبار Last Click الحقيقة.
اعتبار First Click الحقيقة.
الثقة المطلقة في Platform Attribution.
جمع Revenue المنسوبة من كل Platforms.
تجاهل Attribution Window.
عدم التمييز بين Click-Through وView-Through.
تجاهل Cross-Device.
تجاهل Offline.
تجاهل Dark Social.
عدم استخدام CRM.
عدم سؤال Customer.
إعطاء Full Revenue لكل Assisted Channel.
اعتبار Attributed Revenue = Incremental Revenue.
مكافأة Demand Capture وإهمال Demand Creation.
نقل Budget بناءً على Average ROAS فقط.
وتوقع:
Perfect Attribution.
Perfect Attribution Myth
لن تعرف دائمًا:
100%
من كل شيء أثر على Customer.
قد يكون:
Friend Recommendation.
Podcast.
Old Content.
Billboard.
Conversation.
Previous Employer.
Competitor Comparison.
ولا يوجد Pixel داخل:
عقل العميل.
لذلك الهدف ليس:
Perfect Attribution.
بل:
Better Decisions under Imperfect Information.
Attribution ليست غاية
إذا قضيت:
6 أشهر
تحاول بناء Attribution Model مثالية،
لكن لم تحسن:
Creative.
Offer.
Product.
Conversion.
Retention.
فقد تحولت Measurement إلى:
Analysis Paralysis.
الهدف من Attribution:
Better Decisions.
أسئلة شائعة عن Attribution Models
ما هي Attribution Models؟
هي نماذج تستخدم لتحديد كيفية توزيع الفضل في Conversion أو Sale بين نقاط التواصل التسويقية المختلفة في Customer Journey.
ما هو Last Click Attribution؟
يعطي الفضل للـTouchpoint الأخيرة قبل Conversion وفق تعريف النظام.
ما هو First Click Attribution؟
يعطي الفضل لأول Touchpoint مسجلة في Journey.
ما هو Linear Attribution؟
يوزع Credit بالتساوي على Touchpoints الموجودة في المسار.
ما هو Time Decay Attribution؟
يعطي وزنًا أكبر للـTouchpoints الأقرب زمنيًا إلى Conversion.
ما هو Data-Driven Attribution؟
يستخدم البيانات والنماذج لتقدير مساهمة Touchpoints بدل الاعتماد على أوزان ثابتة فقط.
ما أفضل Attribution Model؟
لا توجد Model واحدة أفضل لكل الشركات والقرارات. الاختيار يعتمد على Customer Journey والبيانات والقرار المطلوب.
هل Last Click سيئة؟
ليست سيئة في حد ذاتها؛ هي View مفيدة لبعض الأسئلة، لكنها لا تمثل كل Journey.
هل Data-Driven Attribution دقيقة 100%؟
لا. تعتمد على جودة وحجم البيانات وما يمكن للنظام ملاحظته وقياسه.
ما الفرق بين Attribution وIncrementality؟
Attribution توزع Credit بين Touchpoints، بينما Incrementality تحاول معرفة ما النتائج الإضافية التي حدثت بسبب النشاط التسويقي.
هل Platform ROAS موثوقة؟
مفيدة جدًا للـOptimization داخل المنصة، لكن لا ينبغي اعتبارها وحدها الحقيقة المالية الكاملة للشركة.
لماذا تختلف Meta وGoogle وAnalytics؟
لاختلاف Tracking وAttribution Models وWindows وIdentity وClick/View Rules وغيرها.
كيف أقيس Word of Mouth وDark Social؟
لن تستطيع قياسهما بالكامل، لكن Self-Reported Attribution وSurveys وCRM وتحليل Search/Direct يمكن أن تضيف رؤية مهمة.
الخلاصة: أي قناة تستحق الفضل في البيع؟
بعد كل ما سبق...
هل يمكننا أخيرًا الإجابة؟
أي Channel تستحق Credit؟
الإجابة الأكثر نضجًا:
السؤال نفسه يحتاج إعادة صياغة.
لأن البيع قد لا يكون نتيجة:
Channel واحدة.
قد يكون:
Social خلق Awareness.
Content بنى Trust.
SEO أجاب عن السؤال.
Email حافظ على العلاقة.
Retargeting ذكّر العميل.
Google التقط Intent.
Sales أغلق Deal.
ثم:
Customer اشترى.
لذلك بدلاً من سؤال:
من يأخذ الفضل؟
اسأل:
ما الدور الذي لعبته كل قناة في رحلة العميل؟
ثم اسأل:
ما الذي كان سيحدث لو أزلنا هذه القناة؟
ثم:
ما Incremental Value التي أضافتها؟
ثم:
هل Economics تبرر الاستثمار؟
وهذه هي النقلة التي أؤكد عليها في منهج اشرف الحسيني:
Attribution ليست مسابقة بين القنوات للحصول على Credit.
بل نظام يساعدك على:
فهم كيف تعمل القنوات معًا لصناعة النمو.
لذلك لا تجعل Measurement System:
Channel → Sale → Credit.
بل اجعلها:
Customer Journey↓Touchpoints↓Channel Roles↓Attribution↓CRM & Revenue↓Customer Economics↓Incrementality↓Marginal Return↓Budget Allocation↓Profitable Growth
وعندها لن يكون السؤال:
"Meta ولا Google؟"
ولا:
"SEO ولا Paid؟"
ولا:
"مين جاب البيع؟"
بل يصبح السؤال الإداري الأكثر قيمة:
"كيف تتكامل قنواتنا لصناعة العميل، وأين سيحقق الريال القادم أكبر قيمة إضافية للشركة؟"
وهنا تتحول Attribution من مجرد:
تقسيم الفضل
إلى:
تعليقات