מודלי ייחוס (Attribution Models) הם הכללים הקובעים כיצד הקרדיט על המרה מחולק בין נקודות המגע השונות (קליקים וחשיפות) במסע הלקוח – ולא רק לקליק האחרון. הם עוזרים להבין איזה ערוץ, קמפיין, מודעה או מילת מפתח ראויים לקרדיט, ובכך משפיעים ישירות על החלטות הבידינג והתקציב.
למה מודל הייחוס משנה הכול
אותה המרה יכולה להיראות יקרה או זולה תלוי במודל. אם כל הקרדיט הולך לקליק האחרון, ערוצי תחילת מסע (וידאו, גילוי, מותג) ייראו חלשים – גם אם הם אלו שיצרו את הביקוש. בחירת מודל נכון מבטיחה שהבידינג יזרים תקציב לערוצים שבאמת תורמים – החלטה שדורשת ראייה אסטרטגית של מומחה פרסום בגוגל.
סוגי מודלים
- קליק אחרון (Last Click) – כל הקרדיט לאינטראקציה האחרונה; פשוט אך מטה לטובת תחתית המשפך.
- קליק ראשון – כל הקרדיט לאינטראקציה הראשונה.
- ליניארי – חלוקה שווה בין כל נקודות המגע.
- דעיכת זמן – יותר קרדיט לאינטראקציות הקרובות להמרה.
- מבוסס נתונים (Data-Driven) – האלגוריתם של גוגל מחלק קרדיט לפי תרומה בפועל; כיום ברירת המחדל ב-Google Ads וב-GA4.
השינוי הגדול
גוגל הוציאה משימוש את רוב מודלי הייחוס מבוססי-הכללים (קליק ראשון, ליניארי, דעיכת זמן ומבוסס-מיקום) להמרות חדשות, והותירה בעיקר את הייחוס מבוסס-הנתונים ואת קליק-אחרון. ייחוס מבוסס-נתונים מנתח את הנתיבים בפועל ומשקלל את הערך של כל נקודת מגע באופן דינמי.
מה לשים לב
שינוי מודל ייחוס משנה למפרע איך נראים הנתונים ההיסטוריים, ולכן צריך להשוות תפוחים לתפוחים. בנוסף, ייחוס מבוסס-נתונים פועל טוב רק כשיש מספיק נפח המרות להזין את המודל.
הטיפ של Boostit
מהניסיון שלנו ב-Boostit, ייחוס מבוסס-נתונים הוא היום ברירת המחדל המומלצת ברוב החשבונות – הוא מחלק קרדיט הוגן יותר ומיטיב עם הבידינג החכם. עם זאת, כשאנחנו מדווחים ללקוח אנחנו מסבירים שהמעבר ממודל קליק-אחרון ישנה את המספרים, ולכן משווים תקופות באותו מודל. בחשבונות עם מעט המרות לפעמים עדיף עדיין קליק-אחרון עד שייצבר נפח.
השפעה על הקמפיין – יתרונות ונקודות לתשומת לב
יתרונות
- מחלקים קרדיט הוגן יותר וחושפים את הערך של ערוצי תחילת מסע
- ייחוס מבוסס-נתונים משקלל תרומה בפועל ומשפר את החלטות הבידינג החכם
- מאפשרים להזרים תקציב לפי תרומה אמיתית ולא לפי הקליק האחרון בלבד
למה לשים לב
- החלפת מודל משנה למפרע את הנתונים ההיסטוריים ומקשה על השוואות
- ייחוס מבוסס-נתונים דורש נפח המרות מספק כדי לפעול היטב
- מודל לא מתאים עלול לתעדף ערוץ שגוי ולהטות תקציב למקום הלא נכון
שאלות נפוצות על מודלי ייחוס
מה הם מודלי ייחוס?
מודלי ייחוס הם כללים הקובעים כיצד מחולק הקרדיט על המרה בין נקודות המגע השונות (קליקים ומודעות) במסע הלקוח. הם עוזרים להבין איזה ערוץ, קמפיין, מודעה או מילת מפתח ראויים לקרדיט, ולא רק הקליק האחרון.
למה מודל הייחוס משפיע על החלטות אופטימיזציה?
מודל הייחוס קובע אילו ערוצים ומילות מפתח נראים כ"מצליחים", ולכן הוא משפיע ישירות על היכן תשקיעו תקציב. בחירת מודל לא נכון עלולה להטות את ההחלטות לכיוון הערוצים הלא נכונים.
מה החיסרון של ייחוס לקליק האחרון בלבד?
ייחוס לקליק האחרון מעניק את כל הקרדיט לאינטראקציה הסופית ומתעלם מנקודות המגע שפתחו את המסע ועוררו עניין. כך ערוצים שתרמו בשלבים מוקדמים נראים פחות יעילים ממה שהם באמת.
מה הקשר בין מודלי ייחוס לנתיבי המרה?
נתיבי המרה מתארים את כל נקודות המגע במסע הלקוח, ומודלי הייחוס הם הכללים שקובעים כיצד לחלק את הקרדיט בין אותן נקודות. השניים עובדים יחד כדי להבין מי באמת תרם להמרה.
למה הבנת מודלי ייחוס חשובה למפרסם?
החשיבות עצומה להבנה אמיתית של ביצועי הקמפיינים ולקבלת החלטות אופטימיזציה מושכלות. בלעדיה קל לתת קרדיט שגוי ולהקצות תקציב באופן לא יעיל.
מונחים קשורים
נתיבי המרה · המרות · שיעור המרה · בדיקות אינקרימנטליות · Looker Studio (לוקר סטודיו)
רוצים שמומחי הפרסום של Boostit ינהלו עבורכם את הקמפיינים בגוגל וישיגו יותר תוצאות? לשירות ניהול קמפיינים בגוגל »
נכתב ונבדק על ידי צוות המומחים של Boostit – סוכנות Google Partner מובילה בישראל עם ניסיון בפרסום בגוגל מאז 2007, המתמחה בהגדלת המרות והורדת עלות הרכישה ללקוחותיה. עודכן לאחרונה: יוני 2026.
למידע נוסף: מעקב המרות בגוגל אדס | התיעוד הרשמי של גוגל
מושגים קשורים: ייחוס מבוסס-נתונים (Data-Driven Attribution) · נתיבי המרה · המרות לאחר צפייה (View-Through Conversions)
