En attributionsmodel er den regel, der bestemmer hvilken kanal der får æren for et salg, når kunden har været i kontakt med flere. Last click giver hele æren til sidste kanal før købet. Datadrevet attribution fordeler æren på tværs af kontaktpunkter ud fra den enkelte konto. Valget ændrer ikke salget, kun regnskabet.
- En attributionsmodel fordeler æren for en konvertering mellem de kanaler, kunden har været i kontakt med, og forskellige modeller giver vidt forskellige svar på samme salg.
- Last click er standard i de fleste rapporter og giver hele æren til den sidste kanal før konverteringen, hvilket systematisk overvurderer brandsøgninger og undervurderer alt der skaber efterspørgsel.
- Datadrevet attribution i GA4 bruger kontoens egne data til at fordele æren, men kræver nok konverteringer før modellen har noget at regne på.
- Google Ads, Meta og GA4 tæller samme salg hver for sig, og derfor rapporterer kanalerne tilsammen næsten altid flere konverteringer end der er ordrer i økonomisystemet.
- UTM-parametre er den eneste måde at få trafik fra nyhedsbreve, partnere og offline-kampagner til at lande rigtigt i kanalrapporten, og de skal følge en fast navngivning for at virke.
- Den mest pålidelige kontrol er at holde kanalrapportens konverteringer op mod det faktiske antal ordrer eller leads i samme periode.
Hvad er en attributionsmodel, og hvorfor giver to rapporter forskellige svar?
En attributionsmodel er den regel, der bestemmer hvilken kanal der får æren for et salg, når kunden har klikket flere steder undervejs. To rapporter giver forskellige svar, fordi de bruger hver sin regel og hver sit vindue for hvor langt tilbage de kigger. Salget er det samme. Regnskabet er ikke.
Det er her mange ledere taber tålmodigheden med deres egne tal. Google Ads siger 14 salg, Meta siger 9, GA4 siger 17, og webshoppen har 20 ordrer. Ingen af systemerne lyver. De tæller bare det samme menneske på forskellige måder, og de kender ikke hinanden.
Attribution er fordelingen af æren for en konvertering på tværs af de kontaktpunkter kunden har haft. Modellen er den matematiske regel for fordelingen.
Hvordan fordeler modellerne ét salg på 10.000 kroner?
Lad mig regne det igennem, for det er først når kronerne står der, at forskellen bliver konkret. En kunde køber for 10.000 kroner. På vejen derhen har hun haft fire kontaktpunkter, i denne rækkefølge:
Facebook-annonce, hvor hun ser produktet første gang
Organisk Google-søgning på en produktkategori tre dage senere
Nyhedsbrev en uge efter, hvor hun klikker ind igen
Google-søgning på firmanavnet, klik på en brandannonce, køb
Last click giver hele beløbet til det sidste klik. Google Ads får 10.000 kroner, de tre andre får nul. First click vender det om: Facebook får 10.000, resten får nul. Lineær deler ligeligt, så hver kanal får 2.500 kroner. Positionsbaseret, som typisk kører 40/20/40, giver Facebook 4.000, Google Ads 4.000, og de to midterste kontaktpunkter 1.000 hver. Datadrevet attribution regner på kontoens egne data og lander et sted midt imellem, ofte med mindre til brandklikket og mere til det første møde, men det afhænger af hvad modellen har lært af din trafik.
Samme salg. Fem forskellige regnskaber. Og det er grunden til at to mennesker kan sidde med hver sin rapport og være rygende uenige om, hvorvidt Facebook virker.
Google beskriver de enkelte modeller og hvordan de beregnes i dokumentationen til GA4, hvis du vil se definitionerne fra kilden selv.
Hvornår betyder forskellen noget for dit budget?
Min vurdering, efter 15 år med den slags rapporter: forskellen betyder noget i præcis to situationer, og den betyder ingenting i resten.
Den betyder noget, når du står over for at flytte penge mellem kanaler. Hvis du overvejer at skrue Facebook ned, fordi last click giver dem to salg om måneden, så skal du vide, at samme periode ser helt anderledes ud i en positionsbaseret model. Beslutningen om at lukke en kanal bør aldrig hvile på den model, der er dårligst til at se tidlige kontaktpunkter.
Den betyder også noget, når din salgscyklus er lang. Sælger du noget, folk bruger to måneder på at beslutte sig for, så er sporingsvinduet og modellen afgørende for om de første kontaktpunkter overhovedet er med i regnestykket.
Og så er der alt det andet. Har du én primær kanal, der står for det meste af trafikken, og køber folk inden for samme dag, så flytter modelvalget stort set ingenting. Så kan du bruge last click og være færdig. Jeg har set virksomheder bruge en hel bestyrelsesdag på attributionsmodeller, selvom 80 procent af deres omsætning kom fra ét klik i én kanal. Den tid var bedre brugt på at kigge på konverteringsraten.
Start med at åbne din GA4 og kigge på gennemsnitlig tid fra første besøg til køb. Er den under et døgn for de fleste ordrer, så drop diskussionen om modeller og brug energien et andet sted. Er den over en uge, så er det værd at sætte sig ind i.
Det vigtigste at holde fast i er, at ingen af modellerne er sande. De er alle sammen forenklinger af noget, vi ikke kan måle: hvad der rørte sig i kundens hoved. Modellen er et værktøj til at træffe en bedre beslutning om næste måneds budget, ikke en facitliste over hvem der fortjener æren.
- En attributionsmodel er reglen for hvordan æren for et salg fordeles mellem de kanaler kunden har været i kontakt med.
- Ét salg på 10.000 kroner med fire kontaktpunkter kan fordeles som 10.000 til én kanal, 2.500 til hver af fire, eller 4.000/1.000/1.000/4.000, afhængigt af modellen.
- GA4, Google Ads og Meta giver forskellige tal, fordi de bruger forskellige modeller, forskellige sporingsvinduer og ikke deler data med hinanden.
- Modelvalget har størst betydning når du skal flytte budget mellem kanaler, eller når kunderne bruger uger på at beslutte sig.
- Ved korte salgscyklusser og én dominerende kanal flytter modelvalget så lidt, at det ikke er diskussionen værd.
Hvad last click skjuler for dig
Last click overvurderer systematisk de kanaler der ligger tæt på købet, og undervurderer dem der skaber efterspørgslen. Brandsøgninger og remarketing får æren for salg, der var afgjort længe inden klikket. Display, video, sociale medier og indholdssider ser døde ud, fordi de sjældent er det sidste kunden rører ved.
Mønstret er let at genkende, når man først kender det. Den kanal der står for den sidste berøring, er næsten altid den kanal kunden selv opsøger. Folk googler firmanavnet, klikker på annoncen øverst, og lægger ordren. Eller de bliver fanget af en remarketing-annonce dagen efter, klikker og køber. Begge dele registreres som et salg skabt af den kanal.
Men ingen af dem skabte noget. De høstede. Spørgsmålet er hvem der såede, og det svar findes ikke i en last click-rapport.
Hvorfor ser brandkampagnen altid så billig ud?
Fordi folk der søger på dit firmanavn allerede har besluttet sig. De har set dig et sted, hørt om dig fra en kollega, eller klikket på en annonce for tre uger siden. Når de skriver navnet i Google, er salget reelt afgjort. Annoncen leverer bare det sidste klik.
Et regneeksempel på en typisk konto med 30.000 kr. om måneden fordelt på tre kampagner. Brandkampagnen bruger 3.000 kr. og giver 30 leads, altså 100 kr. per lead. Generiske søgeord bruger 20.000 kr. og giver 50 leads, 400 kr. per lead. Display og video bruger 7.000 kr. og giver 5 leads, 1.400 kr. per lead.
Set med last click-øjne er konklusionen oplagt. Flyt pengene til brand. Så gør man det, hælder 10.000 kr. ind i brandkampagnen, og får ikke 100 leads. Man får måske 34, fordi der kun er det antal mennesker der søger på navnet, og man betalte allerede for næsten alle klikkene. Resten af pengene går til højere klikpris på de samme søgninger.
Samtidig har man skruet ned for de to kanaler der skabte navnesøgningerne. Effekten kommer ikke i næste uge. Den kommer om to til tre måneder, hvor brandsøgningerne stille og roligt falder, og ingen kan huske hvad der blev ændret. Det er den mest almindelige måde at optimere sig selv i sænk på, og rapporten ser fin ud hele vejen ned.
Den samme logik rammer indholdssiderne. En guide der henter 400 besøgende om måneden får sjældent et salg tilskrevet, fordi folk læser den, lukker fanen og kommer tilbage via Google to uger senere. Hvis du vil se den slags forløb, skal du arbejde med sti-rapporterne i GA4, og det er en af de ting jeg gennemgår i min guide til webanalyse for mindre virksomheder.
Hvornår er last click alligevel det rigtige valg?
Når kunderejsen er kort, og budgettet er lille. Det er min klare vurdering efter at have siddet med en del mindre konti. Sælger du noget folk beslutter sig for samme dag, akut vvs, dæk, en billet, et måltid, så er der ikke meget rejse at fordele æren på. Kunden søger, klikker, køber. Last click beskriver det forløb helt præcist, og en datadrevet model vil fordele æren på kontaktpunkter der nærmest ikke eksisterer.
Den anden situation er lavt budget. Kører du 5.000 kr. om måneden på én søgekampagne og ikke andet, har du ikke flere kanaler at fordele imellem. Så er diskussionen teoretisk. Brug tiden på at skrive bedre annoncetekster i stedet, det giver mere på bundlinjen end noget attributionsvalg.
Hvor det bliver dyrt at blive ved last click, er når du har tre eller flere kanaler i luften samtidig, og en kunderejse der strækker sig over uger. Så begynder tallene at pege den forkerte vej, og de peger med stor overbevisning.
Skil brandsøgninger ud i deres egen kampagne og vurder dem for sig. Så kan du se hvad resten af kontoen koster per lead, uden at brandtallene trækker gennemsnittet kunstigt ned.
- Last click giver æren til den kanal der ligger tættest på købet, typisk brandsøgninger og remarketing, selvom beslutningen blev truffet tidligere.
- Display, video, sociale medier og indholdssider ser næsten altid ineffektive ud i last click, fordi de sjældent er sidste berøring før et køb.
- Flytter man budget til den kanal med laveste pris per lead i last click, rammer man ofte et loft, fordi antallet af navnesøgninger er begrænset af efterspørgslen.
- Last click er det rigtige valg ved korte kunderejser og ved konti med kun én aktiv kanal, hvor der ikke er noget at fordele.
- Fra tre kanaler og opefter med en kunderejse på flere uger begynder last click at give anbefalinger der koster penge.
Få viden du kan bruge i din markedsføring
Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.
Hvornår giver datadrevet attribution mening, og hvornår gør den ikke?
Datadrevet attribution giver mening, når kontoen har konverteringer nok til at modellen kan se et mønster. Google angiver i sin dokumentation ingen fast minimumsgrænse længere, men modellen bygger på at sammenligne forløb der konverterede med forløb der ikke gjorde. Har du 20 salg om måneden, er sammenligningsgrundlaget for tyndt til at fordelingen betyder noget.
Modellen kigger på tusindvis af klikforløb i din egen konto og regner på hvor meget hvert kontaktpunkt rykkede sandsynligheden for et salg. Det lyder rigtigt, og det er også rigtigere end last click. Men du får aldrig at vide hvordan den regnede. Der er ingen knap der viser vægtene, og du kan ikke tage et enkelt salg og efterregne hvorfor display fik 0,3 og brandsøgningen 0,7.
Det er sådan set til at leve med, hvis du ved det på forhånd. Problemet opstår når nogen præsenterer tallene som en facitliste over for en ledelse der skal flytte budget. Så bliver en sort boks pludselig til et argument, og ingen i rummet kan udfordre den.
Hvor mange konverteringer skal der til før modellen betyder noget?
Min vurdering efter at have set det på en del konti: under cirka 100 konverteringer om måneden på tværs af kanaler er datadrevet attribution mest kosmetik. Du får nogle decimaler i stedet for hele tal, og du får en følelse af præcision. Men udsvingene fra måned til måned er større end den forskel modellen finder, og så træffer du beslutninger på støj.
Et regneeksempel. En webshop med 60 ordrer om måneden fordelt på fem kanaler. Datadrevet attribution flytter 8 procent af æren fra brandsøgning til display. Det svarer til knap fem ordrer. Næste måned har du 71 ordrer, fordi der var en helligdag mindre og et nyhedsbrev der ramte godt. Den variation er på 18 procent. Signalet drukner i støjen, og du kan ikke se forskel på om modellen fandt noget, eller om kalenderen gjorde.
Over 300 til 500 konverteringer om måneden begynder det at være interessant. Så kan du se en fordeling holde sig stabil over tre måneder, og først der tør jeg bruge den til at flytte penge. Indtil da bruger jeg hellere tiden på at få de grundlæggende ting på plads, og det starter med en ordentlig opsætning. Har du ikke styr på konverteringssporingen endnu, så begynd med opsætningen af Google Analytics 4 i stedet for at skrue på modellen.
Hvad sker der med fordelingen når halvdelen siger nej til cookies?
Så mangler modellen halvdelen af sit datagrundlag, og Google fylder hullet ud med modellerede konverteringer. Det er estimater baseret på adfærden hos dem der sagde ja, overført til dem der sagde nej. Google er åben om det i sin dokumentation om modellerede konverteringer, og det er en fornuftig løsning på et reelt problem. Men det er stadig et gæt oven på et gæt.
Det bider sig selv i halen. Datadrevet attribution skal bruge rigtige forløb for at lære noget. Når en stor del af forløbene er estimerede, lærer modellen delvist af sine egne antagelser. Jo lavere samtykkeprocent, jo mere af fordelingen er regnet frem frem for målt.
Det her er også grunden til at samtykkeprocenten er et tal jeg holder øje med hver måned, på linje med omsætning og annoncebudget. Den hører hjemme på forsiden af den månedlige Looker Studio rapport, fordi den fortæller hvor meget du skal stole på resten af siden. Falder den fra 65 til 45 procent efter en ændring i cookiebanneret, så er det ikke kanalerne der er blevet dårligere.
Find samtykkeprocenten i dit cookieværktøj, noter den sammen med antallet af konverteringer sidste måned, og skriv begge tal øverst i din rapport. Ligger samtykket under 50 procent, så behandl attributionsfordelingen som en indikation og ikke som et facit.
- Datadrevet attribution fordeler æren ud fra mønstre i din egen konto, men du kan ikke efterregne et enkelt salg.
- Under cirka 100 konverteringer om måneden er månedsudsvingene større end det modellen finder, og fordelingen bliver kosmetik.
- Lavt cookiesamtykke betyder at en del af konverteringerne er modellerede estimater, ikke målte forløb.
- Samtykkeprocenten hører øverst i rapporten, fordi den afgør hvor meget du kan stole på resten af tallene.
- Over 300 til 500 konverteringer om måneden, og med en stabil fordeling over tre måneder, er modellen værd at flytte budget efter.
Sådan sætter du UTM-parametre op uden at kanalrapporten bliver rod
UTM-parametre er de fem felter du hænger på et link, så GA4 kan se hvor trafikken kom fra. Source, medium, campaign, content og term. Reglen der holder rapporten ren er enkel: små bogstaver hele vejen, en fast liste over tilladte værdier, og aldrig UTM på links mellem sider på dit eget domæne.
De fem parametre har hver sin opgave. utm_source er afsenderen, altså google, facebook, linkedin eller navnet på det nyhedsbrevssystem du sender fra. utm_medium er typen af trafik: cpc, email, social, display. utm_campaign er navnet på det du kører, typisk med en dato i. utm_content bruges til at skelne to annoncer eller to knapper i samme mail. utm_term er oprindeligt til søgeord og bruges sjældent, når Google Ads selv sender søgeordsdata videre.
Problemet opstår aldrig på den første kampagne. Det opstår på den tolvte, når tre forskellige mennesker har sat links op over et halvt år, og den ene skrev Facebook med stort F, den anden skrev FB, og den tredje skrev meta. GA4 behandler dem som tre kanaler. Rapporten viser tre linjer der skulle have været én, og ingen af dem ligner noget du kan handle på.
Hvorfor må der aldrig stå UTM på et internt link?
Fordi et internt link med UTM starter en ny session og nulstiller den oprindelige kilde. En besøgende kommer ind fra Google Ads, klikker på en knap i din egen menu der er tagget med utm_source=hjemmeside, og fra det klik og frem tilhører vedkommende kanalen hjemmeside. Købet bliver bogført der. Google Ads-klikket, som du betalte for, ender med nul salg i GA4.
Det her sker oftere end folk tror, fordi UTM-links ofte bliver kopieret rundt. Nogen tagger en knap på forsiden for at måle hvor mange der trykker, og den måling kunne lige så godt være lavet med en event. UTM hører til på links der peger ind på dit site udefra. Intet andet sted.
Den samme logik gælder omvendt for Google Ads. Sætter nogen utm_medium=email på et annoncelink i Google Ads, fordi linket blev kopieret fra en nyhedsbrevsmail, så lander de betalte klik under email i GA4. Google Ads-rapporten viser stadig klikkene og udgiften, for den måler sit eget. Men GA4 viser dem som nyhedsbrev. Du sidder med en mailkanal der pludselig er eksploderet, en annoncekanal der er død, og et samlet salg der er uændret. Det tager en time at opdage og endnu længere at rydde op i, for historikken kan ikke rettes bagud. Google har et eget værktøj til at bygge korrekte links, og det er værd at bruge i stedet for at kopiere fra hinanden. Det ligger under Googles vejledning til kampagnetagging.
Hvordan ser en navngivningsnøgle ud i et delt regneark?
Et ark med fire faner. Første fane er listen over tilladte source-værdier. Anden fane er listen over tilladte medium-værdier, og den er kort med vilje: cpc, email, social, display, referral, affiliate. Punktum. Tredje fane er formatet på kampagnenavne, for eksempel 2026-05-lancering-ventilationsrens, altså år, måned og et navn i små bogstaver med bindestreg imellem. Fjerde fane er en log, hvor hvert link der bliver bygget skrives ind med dato og ansvarlig.
Loggen er den fane folk springer over, og den er den vigtigste. Når du tre måneder senere sidder med en kanal du ikke kan genkende, kan du slå op hvem der byggede linket og hvad meningen var. Uden loggen gætter du.
Min vurdering efter femten år er, at reglen om små bogstaver er den enkeltregel der sparer mest besvær. GA4 skelner mellem store og små bogstaver i UTM-værdier, så Email og email er to kanaler. Skriv alt i små bogstaver, også kampagnenavne, og halvdelen af problemet forsvinder før det opstår.
Styringen betyder først noget når flere kanaler kører samtidigt. Da vi lancerede ny hjemmeside for Ventipartner i maj 2026, kørte Google Ads, Meta og det organiske arbejde side om side fra dag ét, og siden gik fra under 100 visninger om dagen til over 1.000 i september. Uden en fast navngivning ville de linjer have ligget spredt ud over et dusin halvrigtige kanalnavne, og så kunne jeg ikke have set hvad der løftede hvad. Hele forløbet står i casen om lanceringen for Ventipartner.
Byg tre faste links i dag: ét til nyhedsbrevet, ét til Meta og ét til LinkedIn. Gem dem i arket. Næste gang nogen skal bruge et link, kopierer de fra arket i stedet for at bygge et nyt.
- De fem UTM-parametre er source, medium, campaign, content og term. Medium skal holdes til en kort fast liste som cpc, email, social og display.
- GA4 skelner mellem store og små bogstaver, så Facebook og facebook bliver to kanaler i rapporten. Skriv alt i små bogstaver.
- UTM på interne links starter en ny session og flytter salget væk fra den kanal der betalte for klikket.
- Et forkert utm_medium på et Google Ads-link lægger betalte klik under email i GA4, og historikken kan ikke rettes bagud.
- En delt navngivningsnøgle med tilladte værdier, kampagneformat og en log over byggede links gør kanalrapporten læsbar et halvt år senere.
Vil du have mere i indbakken?
Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.
Hvorfor rapporterer kanalerne flere salg end du har?
Fordi hver platform tæller sine egne konverteringer uden at vide hvad de andre har registreret. Google Ads, Meta og GA4 bruger forskellige konverteringsvinduer, forskellige regler for hvornår et visning tæller med, og forskellige tidspunkter at bogføre salget på. Summen bliver derfor højere end antallet af ordrer i økonomisystemet.
Det er ikke snyd, og ingen af platformene lyver. De svarer bare på hvert sit spørgsmål. Google Ads svarer på hvor mange af de ordrer, der kan spores tilbage til et klik på en Google-annonce. Meta svarer på det samme for sine egne annoncer. GA4 svarer på hvilken kanal der var sidste ikke-direkte kilde. Tre spørgsmål, tre svar, ét salg.
Hvordan opstår 142 konverteringer ud af 100 ordrer?
Et regneeksempel. En webshop har 100 ordrer i økonomisystemet i en måned. Google Ads melder 68 konverteringer. Meta melder 51. GA4 melder 23 fra organisk søgning, nyhedsbrev og direkte trafik. I alt 142 rapporterede konverteringer fordelt på tre platforme.
De 42 ekstra er ikke opfundne ordrer. De er ordrer, der er talt to gange. En kunde ser en annonce på Facebook mandag, søger virksomhedens navn på Google torsdag, klikker på en annonce og køber. Meta tæller salget, fordi kunden har set annoncen inden for sit visningsvindue. Google Ads tæller salget, fordi der var et klik. GA4 giver måske æren til betalt søgning alene. Samme ordre, tre regnskaber.
Regnestykket her er konstrueret for at vise mekanikken. Fordelingen varierer med branche og kanalmix, men mønsteret er det samme hver gang jeg sætter tre platforme op mod bogholderiet: summen ligger over antallet af ordrer, og overlappet er størst mellem de kanaler der arbejder i samme uge.
Hvad er forskellen på view-through og click-through?
Click-through betyder at kunden klikkede på annoncen og derefter købte. View-through betyder at annoncen blev vist i browseren eller feedet, uden at kunden klikkede, og at købet skete bagefter. Meta tæller som standard både dele, og det er her de fleste ekstra konverteringer gemmer sig.
Et visningsbaseret salg er ikke værdiløst. En annonce kan sagtens sætte et køb i gang uden et klik. Men den er betydeligt svagere som bevis end et klik, og den overlapper næsten altid med en anden kanal, der får det afsluttende klik. Min vurdering er, at man skal kigge på click-through-tallene når man skal beslutte om et budget skal op eller ned, og bruge view-through som en indikation af rækkevidde, ikke som salgstal.
Konverteringsvinduet gør forskellen større. Google Ads bruger som udgangspunkt 30 dage efter et klik, mens Meta som standard bruger syv dage efter klik og én dag efter visning. Du finder de gældende indstillinger i Google Ads Hjælp. To forskellige vinduer på samme kampagneperiode giver to forskellige tal, selv hvis alt andet var ens.
Hvornår bogføres konverteringen?
Google Ads bogfører konverteringen på den dag hvor klikket skete, ikke på den dag hvor købet skete. GA4 bogfører på selve købsdagen. Kører du en kampagne der slutter den 28., kan Google Ads fortsat tilskrive salg til den 28. flere dage senere, fordi kunden først købte i den efterfølgende uge. Det alene kan flytte tal mellem to måneder, uden at nogen har rørt ved opsætningen.
Luk aldrig en måned af før der er gået mindst syv dage. Trækker du rapporten den 1. om morgenen, mangler du de konverteringer der stadig er på vej ind i det sidste vindue.
Dobbelttælling på tværs af platforme er én ting. Dobbelttælling inde i din egen opsætning er en anden, og den er lettere at rette. Har du både en indkøbt sporingsmodul og en manuel tag, tæller du det samme køb to gange i samme platform. Jeg har skrevet om hvordan du undgår at samme køb bliver talt to gange i sporingen, og det er det første sted jeg kigger, når tallene ser for gode ud.
Når sporingen bliver sat op gennem én container frem for løse scripts spredt på tværs af temaet, bliver det også markant nemmere at se hvad der egentlig affyrer. Min gennemgang af Google Tag Manager fra tom container til styret måling viser hvordan du får overblikket.
- Tre platforme der tilsammen melder 142 konverteringer på 100 ordrer har ikke fejl, de tæller bare det samme salg flere gange.
- Meta tæller både klik og visninger som konverteringer, Google Ads tæller klik inden for typisk 30 dage. Forskellige vinduer giver forskellige tal på samme periode.
- Google Ads bogfører salget på klikdagen, GA4 på købsdagen. Derfor flytter tal sig mellem måneder uden at nogen har ændret noget.
- Læg aldrig platformenes konverteringer sammen. Brug hver platform til at styre sin egen kanal, og hold det samlede antal op mod ordrerne i økonomisystemet.
- Vent mindst syv dage med at lukke en måned, ellers mangler du de sene konverteringer.
Sådan afstemmer du tallene mod ordrerne i bogholderiet
Afstemningen laver du én gang om måneden ved at vælge bogholderiet eller CRM som eneste sandhedskilde, trække samme periode og samme konverteringsvindue i alle platforme, og notere hvilken model tallene er aflæst med. Afviger kanalrapporten mindre end 10 til 15 procent fra ordrerne, er det normalt og skal ikke rettes.
Det tager omkring en halv time, når rutinen sidder. Første gang tager det længere, fordi du skal finde ud af hvor vinduerne står, og hvilken model hver rapport er sat op med. Den tid er givet godt ud, for du laver kun det arbejde én gang.
Jeg gør det i et regneark med fem kolonner. Måned, ordrer i bogholderiet, konverteringer i Google Ads, konverteringer i Meta, sessioner i GA4. Så en kolonne til afvigelsen i procent. Efter tre til fire måneder kan du se hvad dit normale afvigelsesbånd er, og så er det kun udsvingene udenfor båndet du skal bruge tid på.
Hvilken kilde skal have ret når tallene ikke stemmer?
Bogholderiet. Altid. Ordrer der er faktureret og betalt er det eneste tal i hele opstillingen der ikke bygger på cookies, modellering eller estimater. Sælger du på abonnement eller kredit, bruger du ordredatoen og ikke betalingsdatoen, ellers flytter du salg mellem måneder uden grund.
For leadforretninger er CRM sandhedskilden. Men så skal du blive enig med dig selv om hvad der tæller som et lead. Er det enhver formularudfyldelse, eller er det kun dem der er kvalificeret af en sælger? Jeg anbefaler at du tæller begge dele i hver sin kolonne, for det er forskellen mellem dem der fortæller dig om en kanal leverer kvalitet eller bare volumen. En kanal kan sagtens levere dobbelt så mange leads til halv pris og alligevel være den dyreste, når du regner på hvor mange af dem der bliver til noget.
Når bogholderiet er valgt, låser du perioden. Kalendermåned, første til sidste, i alle rapporter. Platformene har forskellige standardindstillinger for tidszone, og Meta kører som udgangspunkt på kontoens tidszone mens GA4 kører på ejendommens. Står de to forskelligt, flytter du salg hen over månedsskiftet uden at opdage det.
Hvordan håndterer du opkald og leads der først lukkes måneder senere?
Ved at føre dem tilbage på den måned hvor leadet kom ind, ikke den måned hvor ordren blev skrevet. Ellers sammenligner du marts' annonceforbrug med juni's salg, og så giver tallene ingen mening. Det kræver at du gemmer kilden på leadet i det øjeblik det oprettes, og ikke når det lukkes.
Er din salgscyklus på tre måneder, kan du ikke vurdere sidste måneds annoncer på sidste måneds omsætning. Du måler på leads nu, og laver en separat opgørelse hvert kvartal hvor du går tilbage og ser hvor mange af de leads der blev til ordrer, fordelt på kanal. To forskellige rapporter, to forskellige formål.
Telefonopkald er den post hvor flest taber tråden. Et opkald efterlader ingen cookie, og hvis nummeret står statisk på siden, ved du kun at telefonen ringede. Det billigste du kan gøre er at skrive kilden ned manuelt. Et felt i CRM der hedder "hvor hørte du om os", udfyldt af den der tager telefonen. Det er ikke præcist, men det er bedre end ingenting, og efter 50 opkald har du et mønster. Vil du have det målt rigtigt, skal du bruge dynamisk nummervisning, hvor hver besøgende ser sit eget nummer koblet til kilden. Det koster penge og giver kun mening hvis telefonen står for en reel del af salget.
Leads uden kilde skal ikke fordeles ud på kanalerne efter samme nøgle som de kendte. Det ville bare forstørre det billede du allerede har, og den skjulte kanal er typisk netop dem der ikke bliver målt. Lad dem stå som deres egen linje. Vokser linjen fra 10 til 30 procent, er det et måleproblem du skal løse, ikke et tal du skal gætte dig ud af. Jeg hjælper jævnligt virksomheder med at rydde op i netop den slags, og det ligger under min rådgivning om data og analyse.
Skriv øverst i regnearket hvilken model og hvilket vindue tallene er aflæst med. For eksempel datadrevet attribution, 30 dages klik og 1 dags visning. Ændrer nogen indstillingen i kontoen seks måneder senere, kan du se at springet i tallene kom fra opsætningen og ikke fra markedet.
- Bogholderiet eller CRM er sandhedskilden. Platformenes tal er estimater der skal holdes op mod den.
- Samme periode, samme tidszone og samme konverteringsvindue i alle rapporter, ellers sammenligner du ikke det samme.
- Et afvigelsesbånd på 10 til 15 procent er normalt. Reager først når udsvinget ligger udenfor båndet to måneder i træk.
- Leads føres tilbage på den måned de kom ind, ikke den måned ordren blev skrevet.
- Leads uden kilde får deres egen linje og fordeles aldrig ud på de kendte kanaler.
Skal vi tage en snak?
Tag en uforpligtende snak om hvor du står. Du går fra samtalen med mindst tre konkrete ting du kan gøre.
Skriv til mig