Time Decay Attribution eli aikaperusteinen attribuutio on malli, jossa konversiota lähempänä olevat kosketuspisteet saavat enemmän arvoa kuin aikaisemmat. Mitä lähempänä konversiota vuorovaikutus tapahtui, sitä suuremman osuuden se saa konversion arvosta.
Miten Time Decay Attribution toimii?
Time Decay -mallissa arvo jakautuu eksponentiaalisesti — uudemmat kosketuspisteet saavat merkittävästi enemmän painoa kuin vanhat:
Esimerkki: Asiakas aloittaa ostopolun Facebook-mainoksella maanantaina, lukee blogin keskiviikkona, avaa sähköpostin perjantaina ja konvertoi Google Ads -mainoksesta sunnuntaina.
Arvon jakautuminen voisi olla:
- Facebook (6 päivää ennen): 10 %
- Blogi (4 päivää ennen): 20 %
- Sähköposti (2 päivää ennen): 30 %
- Google Ads (konversiopäivä): 40 %
Konversiohetkeä lähimmät kanavat saavat suurimman osuuden, mutta aikaisemmatkin saavat tunnustusta.
Milloin Time Decay sopii?
Time Decay -malli on erityisen hyvä seuraavissa tilanteissa:
- Pitkä harkinta-aika — kun ostopäätös kypsyy päivien tai viikkojen aikana
- B2B-myynti — pitkät myyntisyklit, joissa viimeisimmät kontaktit ovat usein ratkaisevimpia
- Aikaherkkä mainonta — kampanjat, joissa tuoreempi vuorovaikutus on arvokkaampaa
- Sesonkikampanjat — lähellä ostopäätöstä tapahtuva kontakti on todennäköisemmin päätökseen vaikuttanut
Pk-yritykselle Time Decay sopii erityisesti silloin, kun asiakkaan ostopolku kestää useita päiviä tai viikkoja — esimerkiksi verkkosivusuunnittelun tai remontin kaltaisissa palveluissa.
Time Decay vs. muut mallit
Time Decay sijoittuu ominaisuuksiltaan Last-Click- ja lineaarisen mallin väliin:
- Last-Click — 100 % viimeiselle kanavalle (äärimmäinen painotus)
- Time Decay — enemmän arvoa viimeisille, mutta myös aikaisemmat saavat osuutensa
- Lineaarinen — kaikki saavat saman arvon (ei painotusta)
- First-Click — 100 % ensimmäiselle kanavalle (vastakkainen ääripää)
Time Decay on usein realistisempi kuin lineaarinen, koska todellisuudessa viimeisimmät kontaktit vaikuttavat ostopäätökseen enemmän kuin viikkoja aikaisemmat.
Time Decay Attributionin rajoitukset
Mallilla on kuitenkin omat heikkoutensa:
- Aliarvioi tietoisuuskanavia — Facebook-mainonta ja Display, jotka tuovat asiakkaan ensimmäisen kerran yrityksen piiriin, saavat vähän arvoa
- Kiinteä aika-algoritmi — arvo vähenee ajan funktiona, vaikka aikaisempi kosketuspiste olisi voinut olla ratkaiseva
- Ei opi datasta — toisin kuin dataohjattu malli, Time Decay noudattaa kiinteää kaavaa
Yhteenveto
Time Decay Attribution painottaa konversiota lähellä olevia kosketuspisteitä ja antaa silti tunnustusta aikaisemmille vuorovaikutuksille. Se on realistinen malli pitkien ostopolkujen seurantaan ja sopii pk-yritykselle erityisesti silloin, kun asiakkaan päätösprosessi kestää useita päiviä. Parhaimmillaan Time Decay toimii yhtenä näkökulmana — vertaile tuloksia eri mallien välillä kokonaiskuvan muodostamiseksi.