Skill מודלי ייחוס (Attribution Modeling) ל-Claude

מתי להשתמש

כשמישהו אומר: "Attribution", "מודל ייחוס", "מאיפה הגיעו הלקוחות", "Multi-touch attribution", "MMM", "iOS 14 השפיע על הdata", "GA4 attribution".

מקור / רקע מקצועי

• Google Analytics 4 — Attribution settings
• Forrester — MMM frameworks
• Avinash Kaushik — Web Analytics
• Northbeam, Triple Whale — modern attribution platforms

הוראות עבודה

1. למה זה חשוב

אם 100% מההמרות מיוחסות ל-"Last Click" — אתה תכבה ערוצים שעובדים על awareness.

דוגמה: לקוח ראה Reels באינסטגרם → קרא בלוג → חיפש בגוגל → המיר. Last-click נותן את הקרדיט לגוגל בלבד, אבל בלי הReels הוא לא היה מגיע.

2. המודלים העיקריים

א. Last Click (ברירת מחדל היסטורית)

• 100% קרדיט לערוץ האחרון.
• בעיה: מתעלם מ-touchpoints קודמים.
• שימוש: כש funnel קצר (< 24 שעות).

ב. First Click

• 100% קרדיט לערוץ ראשון.
• שימוש: מבטא הערך של top-funnel.

ג. Linear

• כל touchpoint מקבל אותו אחוז.
• בעיה: לא מבדל בין touchpoints משמעותיים לרעש.

ד. Time Decay

• Touchpoints קרובים יותר ל-conversion מקבלים יותר קרדיט.
• שימוש: B2C, מסעות קצרים-בינוניים.

ה. Position-Based (U-Shaped)

• 40% First touch, 40% Last touch, 20% middle (חלוקה).
• שימוש: מבטא חשיבות פתיחה וסגירה.

ו. Data-Driven Attribution (DDA) — GA4 default

• אלגוריתם ML שמחלק קרדיט לפי תרומה אמיתית.
• דורש: 600+ conversions ב-30 ימים.
• המומלץ ביותר אם יש מספיק data.

3. GA4 Attribution Settings

ב-GA4: Admin → Property → Attribution Settings:

• Default Attribution Model: Data-Driven (אם זמין) או Position-Based.
• Attribution Window:
  • Acquisition (First touch): 30 ימים.
  • Engagement (Touchpoints): 90 ימים.

4. iOS 14.5+ — האתגר הגדול

בעיה

• 70-80% מ-iPhone users סירבו לtracking.
• Pixel data חלקי בלבד.
• Attribution במכשיר/אפליקציה — לא חוצה.

פתרונות

1. Server-side Tracking (GTM Server-Side, Conversions API).
2. First-party data — CRM, Email, Login.
3. UTM parameters — תמיד.
4. Modeled Conversions (Meta/Google) — ML משלים פערים.
5. Marketing Mix Modeling (MMM) — לא תלוי cookies.

5. Marketing Mix Modeling (MMM) — חוזר באופנה

מה זה

• מודל סטטיסטי שמודד תרומה של כל ערוץ ל-revenue, על בסיס:
  • Spend by channel (חודשי).
  • Revenue.
  • גורמים חיצוניים (עונתיות, מבצעים, חופשות, מתחרים).

יתרונות

• לא תלוי בcookies/pixel.
• חוצה ערוצים (כולל TV, OOH, ולא רק דיגיטל).
• מאוזן — מבין lift incremental.

חסרונות

• דורש 6-12 חודשים של data.
• מורכב סטטיסטית — דרוש analyst.
• לא real-time.

כלים

• Robyn (Meta open-source).
• LightweightMMM (Google).
• Northbeam, Rockerbox (commercial).

6. Multi-Touch Attribution Platforms

7. Hybrid Attribution Approach

Layer 1: Platform-level (Meta, Google)

• כל פלטפורמה מציגה ROAS משלה.
• בעיה: כפילויות (אותה המרה נספרת ב-3 מקומות).

Layer 2: Multi-touch (GA4 / Northbeam)

• מאחד touchpoints חוצה ערוצים.

Layer 3: MMM (אם data מספיק)

• מודד lift incremental.

Layer 4: Survey ("How did you hear about us?")

• שואל לקוחות בעת checkout / signup.
• 30-50% ידעם על המקור האמיתי.

8. Incrementality Testing

Lift Studies (Meta, Google)

• מעלים קמפיין רק לחצי קהל.
• משווים conversions בין שתי הקבוצות.
• ההפרש = lift אמיתי של הקמפיין.

Geo Holdout

• כיבוי ערוץ במדינה/אזור אחד.
• השוואה עם אזור דומה שכן רץ.

9. דוגמה מספרית — חשיבות הבחירה

100 conversions ב-Black Friday:

• Last Click: Email = 40, Google = 35, Meta = 20, Direct = 5.
• DDA: Email = 25, Google = 30, Meta = 35, Direct = 10.

הבדל! ב-Last Click ייראה Email "יותר חשוב". ב-DDA נראה ש-Meta תרם משמעותית גם אם לא היה האחרון.

10. המלצות מעשיות

אם תקציב < $50K/חודש

• GA4 + Position-Based attribution.
• UTMs קבועים.
• שאלה ב-checkout: "How did you hear about us?".

תקציב $50-500K/חודש

• GA4 DDA + Server-side tracking + Conversions API.
• כלי MTA (Northbeam / Triple Whale).
• קבוצת lift testing על Meta/Google.

תקציב $500K+

• כל הנ"ל + MMM (Robyn / LightweightMMM).
• צוות analytics dedicated.

11. אסיים בהמלצה.

קלט נדרש

פלט צפוי

כללי עבודה

• פלט בעברית. מונחים מקצועיים באנגלית.
• אין מודל אחד מושלם — שילוב שכבות.
• iOS 14.5 שינה הכל — חובה Server-side.
• MMM > Click-based ב-2026 ואילך.

דגלים אדומים

• 🚨 Last Click only — תקציב מוקצה לא נכון.
• 🚨 כפילויות בין פלטפורמות — מנפח ROAS מדומה.
• 🚨 אין UTMs — אי אפשר לאחד data.
• ⚠️ תלות מלאה בPixel — נתון חסר 30-50%.

הערות חשובות

• GA4 ≠ Universal Analytics — model אחר, צריך setup חדש.
• iOS 17 SKAdNetwork 4.0 — יותר privacy יותר אתגר.
• Hashed first-party data (email/phone) — להעלות לMeta/Google ל-Enhanced Conversions.
• שינוי תקציב על בסיס attribution data — לא לעשות אם data לא יציב.

פרומפט לדוגמה

eCommerce $200K/חודש, Meta + Google + Email. ROAS לא מתואם. איך לבנות attribution נכון?

SaaS B2B, sales cycle 6 חודש. אילו touchpoints למדוד? איזה מודל?

שינינו לGA4 DDA. ROAS שינה משמעותית. למה?

© 2026 כל הזכויות שמורות | CMO Online Israel Pro גרסה: 1.0.0 | עדכון אחרון: מאי 2026