Attribusjon
Attribusjon tildeler konverteringskreditt på tvers av kanalene og kontaktpunktene som påvirket en kunde på veien til et kjøp.

Hva er attribusjon?
Attribusjon er metoden for å tildele kreditt for en konvertering på tvers av markedsføringskanalene og kontaktpunktene en kunde samhandlet med før kjøp. I praksis avgjør din attribusjonsmodell hvilken kanal som får æren når en kunde klikker på en Facebook-annonse, senere søker etter butikken på Google, og til slutt kjøper gjennom et nyhetsbrev. Vanlige modeller er siste-klikk, første-klikk, lineær, tidsforfall, posisjonsbasert (U-formet) og datadrevet attribusjon - og ingen av dem er objektivt “riktige”.
Hvorfor er attribusjon viktig?
Attribusjon former hvordan du leser tallene dine og deler budsjettet. Velg siste klikk og de siste kanalene i reisen (ofte merkevaresøk og retargeting) tar hele æren, mens kanalene i toppen av trakten ser undervurderte ut. Det påvirker direkte hvor du skalerer opp eller ned – og derfor din virkelige ROAS. Samtidig gjør personvernendringer som Apples ATT, Safaris ITP og avviklingen av tredjeparts informasjonskapsler nettleserbaserte målinger mindre nøyaktige, noe som er en viktig grunn til at butikker flytter til server-side tracking.
Vanlige brukstilfeller
- Budsjettfordeling. Vurder om en kanal faktisk driver salget eller bare høster kreditt sent på reisen.
- Modellvalg. Velg siste klikk for korte salgssykluser og multi-touch for lange, vurderte kjøp.
- Kampanjesporing. Merk koblinger med konsekvente
utm_source,utm_mediumogutm_campaignslik at økter tilskrives riktig. - Forene plattformer. Forklar hvorfor Meta, Google Ads og Shopify teller det samme salget forskjellig.
Shopify-perspektiv
Shopifys markedsføringsrapporter har historisk brukt siste klikk (siste ikke-direkte klikk), selv om nyere analyser også tilbyr bredere attribusjonsvisninger. Bruk UTM-parametere konsekvent på hver betalte og organiske lenke slik at trafikken havner i de riktige kanalene i rapportene. Forvent at Shopify, Meta og Google Ads viser forskjellige tall for samme ordre – de bruker forskjellige modeller og attribusjonsvinduer – og velg én kilde som referanse i stedet for å legge tallene sammen.