Pk-yrityksen markkinointipäällikkö katsoo Google Analytics 4:n raporttia ja huomaa, että hakumainonta näyttää tuottavan 80 % konversioista. Sijoituksia lisätään, sosiaalisen median budjetti leikataan, ja kolmen kuukauden päästä myynti alkaa hiipua. Syy löytyy attribuutiomallista: last-click-malli antoi kaiken ansion viimeiselle klikkaukselle ja piilotti ne seitsemän muuta kosketuspistettä, joiden avulla asiakas alun perin löysi yrityksen. Forrester Researchin mukaan 58 % B2B-markkinointiorganisaatioista pitää monikanavaista attribuutiomittausta yhtenä kolmesta suurimmasta mittaushaasteestaan, ja juuri tämä kuilu ymmärryksen ja todellisuuden välillä maksaa yrityksille miljoonia vuosittain.
Mitä attribuutiomalli tarkoittaa käytännössä
Attribuutiomalli on sääntöjoukko, joka määrittää, miten konversion ansio jaetaan asiakkaan ostopolun eri kosketuspisteille. Kun potentiaalinen asiakas näkee ensin LinkedIn-mainoksen, googlettelee yrityksen nimen, klikkaa hakutulosta, poistuu sivulta, saa viikon kuluttua sähköpostimarkkinointiviestin ja tekee lopulta oston, kuka sai ansion? Attribuutiomalli vastaa tähän kysymykseen.
Ilman selkeää attribuutiomallia markkinointibudjetti kohdennetaan usein tunteella tai viimeksi nähtyjen lukujen perusteella. Seurauksena tehokkaat kanavat saavat liian vähän rahaa ja heikot liikaa. Oikea attribuutio on perusta kaikelle markkinoinnin ROI:n laskennalle – markkinoinnin ROI:n laskemisesta kerrotaan tarkemmin täällä.
Attribuutiomallien historia lyhyesti
Ennen digitaalista markkinointia myyntiansio jaettiin yksinkertaisesti: viimeisin myyjä tai kampanja sai pisteet. Tämä logiikka siirtyi suoraan verkkoanalytiikkaan, kun Google Analytics toi last-click-mallin oletukseksi 2000-luvun alussa. Malli sopi aikakaudelle, jolloin asiakkaat ostivat usein yhden istunnon aikana ja ostopolut olivat lyhyitä.
2010-luvun puolivälissä B2B-ostopolut pitenivät ja kuluttajat alkoivat käyttää useita laitteita ostoprosessin eri vaiheissa. Analytiikkamyyjät, kuten Google, Adobe ja Bizible, alkoivat tarjota monitouchmalleja. Vuoteen 2020 mennessä koneoppimispohjaiset data-driven-mallit olivat teknisesti mahdollisia suuremmille toimijoille, mutta pk-yrityksille ne pysyivät pitkään saavuttamattomissa datapulan vuoksi.
Käännekohdaksi muodostui kesäkuu 2023, kun Google teki data-driven-attribuutiosta GA4:n oletusmallin kaikille konversiotapahtumille. Samaan aikaan Google Ads poisti first-click-, linear-, time-decay- ja position-based-mallit tuetuista vaihtoehdoista, pakottaen mainostajat kohti algoritmipohjaista mittausta.
Kuusi keskeistä attribuutiomallia selitettynä
Alla olevassa taulukossa on tiivistetty kuusi yleisintä mallia, niiden logiikka ja soveltuvuus eri tilanteisiin. Käytännössä yritykset käyttävät usein kahta tai kolmea mallia rinnakkain vertaillakseen tuloksia.
| Malli | Ansion jakaminen | Paras käyttökohde | Heikkous |
|---|---|---|---|
| Last-click | 100 % viimeiselle kosketukselle | Yksinkertainen verkkokauppa, lyhyt polku | Piilottaa brändirakennuksen ja ylätunnelin kanavat |
| First-click | 100 % ensimmäiselle kosketukselle | Bränditietoisuuden mittaus | Ignoroi konversiovaiheen kanavat |
| Linear | Tasan kaikille kosketuksille | Pitkä B2B-myyntisykli, tasapainoinen näkymä | Ei erota kriittisiä vaiheita vähemmän tärkeistä |
| Time-decay | Enemmän lähellä konversiota oleville | Lyhyet kampanjat, ajan funktio merkitsee | Aliarvioi tietoisuusvaiheen työn |
| Position-based (U-shape) | 40 % ensimmäiselle, 40 % viimeiselle, 20 % muille | Brändi- ja sulkemisvaiheen arvostus | Keski-vaiheen kanavat jäävät vähemmälle |
| Data-driven (DDA) | ML jakaa ansion dataan perustuen | Riittävä data (>300 konversiota/kk) | Vaatii datamäärää; musta laatikko – logiikka ei aina avaudu |
Data-driven-attribuutio ja GA4: mitä muutos tarkoittaa pk-yritykselle
Kesäkuussa 2023 Google teki merkittävän muutoksen: GA4 siirtyi käyttämään data-driven-attribuutiota oletuksena kaikille konversiotapahtumille. Koneoppimisalgoritmi analysoi asiakaspolkuja ja jakaa konversioansion kosketuspisteiden todellisen vaikutuksen mukaan – ei ennaltamäärätyn säännön perusteella. Googlen virallinen dokumentaatio selittää mallin toiminnan yksityiskohtaisesti.
Samanaikaisesti Google Ads poisti first-click-, linear-, time-decay- ja position-based-mallit tuetuista vaihtoehdoistaan syyskuussa 2023. Käytännössä tämä tarkoittaa, että Google ohjaa kaikki mainostajat kohti algoritmipohjaista mittausta. Pienelle yritykselle, jonka sivustolla on alle 300 kuukausittaista konversiota, tämä luo epäselvän tilanteen: GA4 ilmoittaa käyttävänsä data-driven-mallia, mutta tosiasiassa palautuu last-clickiin datapulan vuoksi.
Ratkaisuna monet kasvuyritykset Helsingissä ja Tampereella ovat ottaneet käyttöön hybridimallin: GA4 hoitaa verkkoanalytiikan, HubSpot tai Salesforce CRM-pohjaisen attribuution, ja näiden yhdistelmä antaa kokonaiskuvan eri pituisista myyntisykleistä. Markkinointiteknologiapinon rakentamisesta löytyy lisätietoa tässä MarTech-oppaassa.
"Attribuutiomalli ei ole tekninen yksityiskohta – se on strateginen valinta siitä, mitä markkinoinnin työtä arvostetaan ja mitä ei."
iOS-muutokset, evästeet ja GDPR: Suomen erityishaasteet
Pohjoismaisessa markkinakontekstissa attribuutioon vaikuttavat kolme toisiinsa kietoutuvaa tekijää: Applen ATT-kehys, evästeiden murros ja tiukka GDPR-valvonta.
Apple julkaisi App Tracking Transparency -kehyksen iOS 14.5:n myötä huhtikuussa 2021. Seurantaan suostuvien käyttäjien osuus laski globaalisti 25–30 %:iin (Flurry Analytics / Branch.io 2022). Meta arvioi Q3 2021 tulosraportissaan iOS-muutosten aiheuttaneen noin 10 miljardin dollarin tulojen menetyksen vuodelle 2022 – ei pelkästään tulojen vaan myös mittausdatan katoamisen kautta. Pohjoismainen Apple-käyttäjäkanta on suurempi kuin globaalin keskiarvon, joten vaikutus korostuu erityisesti suomalaisessa mobiilimainonnassa.
GDPR (EU:n asetus 2016/679) edellyttää, että analytiikka- ja markkinointievästeet vaativat käyttäjän aktiivisen suostumuksen – tätä linjaa vahvistaa myös Euroopan tietosuojaneuvoston (EDPB) lausunto 5/2019 ePrivacy-direktiivin ja GDPR:n yhteensovittamisesta. EDPB:n lausunto on luettavissa tietosuojaneuvoston sivustolta. IAB Europen TCF-datan mukaan Pohjoismaissa mainosseurantaan suostuu vain 45–55 % käyttäjistä – merkittävästi vähemmän kuin Etelä-Euroopassa.
Tämä tarkoittaa rakenteellista datakatkoa: suomalaisen yrityksen attribuutiodata kuvaa vain sen osan asiakaspolusta, jonka seurantaan lupauksen antaneet käyttäjät osallistuvat. Last-click- ja position-based-mallit vääristyvät eniten, koska ne ovat täysin riippuvaisia evästepohjaisesta seurannasta. Server-side-tagging Google Tag Managerin kautta on yleistynyt nopeasti Suomen pk-yrityskentässä juuri tähän ongelmaan vastaamiseksi.
Multi-touch-attribuutio vs. Marketing Mix Modeling: mikä sopii pk-yritykselle
Monikanavainen attribuutio (MTA) ja Marketing Mix Modeling (MMM) ovat kaksi erilaista lähestymistapaa saman ongelman ratkaisemiseen. Ne täydentävät toisiaan, mutta palvelevat eri tarpeita.
| Ominaisuus | Multi-touch-attribuutio (MTA) | Marketing Mix Modeling (MMM) |
|---|---|---|
| Datatasolla | Yksilötason kosketuspisteet | Aggregoitu markkinataso |
| GDPR-yhteensopivuus | Vaatii suostumusta, haasteellinen EU:ssa | Täysin GDPR-turvallinen – ei henkilödataa |
| Dataviive | Reaaliaikainen tai lähes reaaliaikainen | Viikkojen/kuukausien jälkeiskäsittely |
| Budjettiraja | Saatavilla ilmaiseksi GA4:ssä (rajoituksin) | Perinteisesti kallis; Googlen Meridian (2024) ilmainen |
| Offline-kanavat | Vaikea mitata | Sisältää TV, radio, ulkomainonta |
| Pk-yrityksen sopivuus | Kyllä, jos >300 konversiota/kk | Kyllä, erityisesti Meridian-työkalulla |
Googlen Meridian-työkalu, julkaistu 2024 avoimena lähdekoodina, on muuttanut MMM:n saatavuutta. Aiemmin MMM oli vain suurten yritysten ulottuvilla 50 000–200 000 euron konsulttikuluineen. Meridian mahdollistaa markkinointimixin mallinnuksen myös kasvuvaiheen pk-yritykselle, jolla on riittävästi historiallista myyntidataa. B2B-markkinointistrategian näkökulmasta MMM sopii erityisesti pitkiin myyntisykleihin – lisätietoa löytyy B2B-markkinointistrategian oppaastamme.
Inkrementaalisuustestaus (holdout-kokeilu tai geo-pohjainen lift-testi) on kolmas, usein unohdettu työkalu. Siinä toisessa markkinassa tai asiakassegmentissä katkotaan tietty kanava kokonaan ja mitataan myynnin muutos. Menetelmä on totuudenmukaisin tapa mitata kanavien todellista lisäarvoa, mutta vaatii riittävää volyymia tilastolliseen merkittävyyteen.
"Suomalaisessa markkinakontekstissa, jossa joka toinen kävijä kieltäytyy seurannasta, evästeistä riippumaton Marketing Mix Modeling on usein luotettavampi budjettipäätösten pohja kuin last-click-attribuutio."
Attribuution käytännön toteutus: vaiheittainen prosessi
Attribuutiomallin valinta ja käyttöönotto on prosessi, ei yksittäinen päätös. Alla on kuusivaiheinen etenemistapa suomalaiselle pk-yritykselle.
- Kartoita asiakaspolkusi. Listaa kaikki markkinointikanavat ja selvitä, missä järjestyksessä asiakkaat tyypillisesti kohtaavat ne. Google Analytics 4:n Polut-raportti ja CRM:n kosketuspisteraportit ovat lähtöpisteitä.
- Mittaa konversiomäärät. Jos sivustollasi on alle 300 konversiota kuukaudessa, data-driven-attribuutio ei toimi luotettavasti. Siinä tapauksessa position-based tai linear on parempi lähtökohta kuin last-click.
- Varmista suostumusrakenne. Tarkista, että Consent Mode v2 (Google) on aktivoitu ja suostumusdata siirtyy GA4:ään oikein. Tämä parantaa merkittävästi attribuutiodatan kattavuutta GDPR-ympäristössä.
- Yhdistä offline- ja online-data. B2B-yrityksissä iso osa konversioista tapahtuu CRM:ssä, ei verkkokaupassa. HubSpotin tai Salesforcen offline-konversiotuonti Google Adsiin sulkee tämän dataraon.
- Valitse pääattribuutiomalli ja testivertailumalli. Esimerkiksi käytä data-driven-mallia pääanalytiikkaan ja linear-mallia rinnakkaisena tarkistuksena. Suuri ero mallien välillä paljastaa kanavat, joilla on epätasaisesti jakaantunut kosketuspistevaikutus.
- Tarkista neljännesvuosittain. Asiakaspolut muuttuvat sesonkien, uusien kanavien ja kilpailutilanteen myötä. Attribuutiomalli, joka toimi vuosi sitten, saattaa johtaa harhaan tänään. Markkinointistrategian mittaaminen KPI-tasolla käsitellään erillisessä oppaassamme.
Attribuutiotyökalut: vaihtoehdot eri budjettitasoille
Työkalukenttä on laajentunut viime vuosina merkittävästi. GA4 ja Google Ads muodostavat perustan, jonka päälle rakentuu erikoistuneempia ratkaisuja.
- Google Analytics 4 – Ilmainen, data-driven-attribuutio oletuksena, integroituu suoraan Google Adsiin. Riittää suurimmalle osalle suomalaisista pk-yrityksistä verkkokonversioiden seuraamiseen.
- HubSpot Marketing Hub – CRM-pohjainen multi-touch-attribuutio, erittäin sopiva B2B-yrityksille, jotka haluavat yhdistää myynti- ja markkinointiattribuution yhteen järjestelmään. Tarjolla Starter-tasolta 50 €/kk alkaen.
- Rockerbox – Erikoistunut markkinointiattribuutioalusta, joka yhdistää server-side-seurannan, MMM:n ja MTA:n. Suosittu kasvuvaiheen verkkokaupassa.
- Northbeam – DTC-verkkokauppoihin suuntautunut attribuutiotyökalu, joka käyttää koneoppimista iOS-datakatkoksen paikkaamiseen.
- Googlen Meridian – Avoimen lähdekoodin MMM-työkalu, julkaistu 2024, vaatii Python-osaamista mutta on ilmainen. Soveltuvin vaihtoehto yrityksille, joilla on sisäistä data-analyysiosaamista.
- Triple Whale – Shopify-ekosysteemin suosituimpia attribuutiotyökaluja, yhdistää pikseliseurannan ja MMM:n kojelaudaksi.
Valinta riippuu ensisijaisesti liiketoimintamallista. Verkkokaupalle riittää usein GA4 ja Google Ads -attribuutio yhdistettynä Triple Whaleen tai Northbeamiin. B2B-palveluyrityksille HubSpot tai Salesforce CRM-pohjainen attribuutio on käytännöllisempi, koska myyntisyklit ovat pitkiä ja konversiot tapahtuvat usein puhelimitse tai tapaamisissa. Markkinointibudjettia kannattaa suunnitella yhdessä attribuutiomallivalinnan kanssa – markkinointibudjetin suunnitteluopas auttaa resurssien kohdentamisessa.
Usein kysytyt kysymykset attribuutiomalleista
Mikä attribuutiomalli sopii parhaiten B2B-yritykselle?
B2B-ostoprosessit ovat tyypillisesti pitkiä ja monivaiheisia: Demand Gen Reportin tutkimuksen mukaan vain 23 % B2B-markkinoijista hyödyntää multi-touch-attribuutiota. Pitkissä myyntisykleissä position-based-malli tai linear-malli toimii usein paremmin kuin last-click, koska ne huomioivat sekä ensikontaktin (bränditietoisuus) että loppuvaiheen kanavat. Parhaimmillaan B2B-yritys yhdistää GA4:n verkkoattribuution CRM-dataan, jolloin sekä digitaaliset että offline-kosketuspisteet (myyntikokoukset, puhelut, referenssit) saavat ansionsa. Jos konversiovolyymi on yli 300 kuukaudessa, data-driven-attribuutio on pitkällä aikavälillä luotettavin vaihtoehto. Kriittistä on myös varmistaa, että CRM ja analytiikka puhuvat samaa kieltä – johtolangan siirtyminen markkinoinnista myyntiin merkitsee usein attribuution katkeamista, ellei integrointia ole tehty huolellisesti.
Miten GDPR vaikuttaa markkinoinnin attribuutiomittaukseen Suomessa?
GDPR ja ePrivacy-direktiivi edellyttävät, että analytiikka- ja markkinointievästeiden käyttö vaatii käyttäjän aktiivisen suostumuksen. Suomessa mainosseurantaan suostuu IAB Europen TCF-datan (2022) mukaan vain 45–55 % kävijöistä. Tämä tarkoittaa, että evästepohjaiset attribuutiomallit – kuten last-click tai position-based – näkevät vain osan asiakaspoluista ja voivat systemaattisesti aliarvioida kanavia, joita käyttävät yksityisyystietoiset asiakkaat. Ratkaisuna suomalaiset markkinoijat siirtyvät kohti server-side-taggingia, Consent Mode v2:ta, first-party-dataa CRM-järjestelmissä ja GDPR-turvallista Marketing Mix Modelingia. Tietosuojavaltuutetun toimiston linjaukset ovat linjassa EDPB:n kanssa siitä, että analytiikkaevästeet eivät ole välttämättömiä ja vaativat suostumuksen.
Mitä eroa on last-click- ja data-driven-attribuution välillä?
Last-click-attribuutio antaa 100 % konversioansion sille kanavalle, jonka kautta asiakas teki viimeisen klikkauksen ennen ostoa. Data-driven-attribuutio (DDA) käyttää koneoppimista analysoidakseen tuhansia asiakaspolkuja ja jakaa ansion kanavien todellisen vaikutuksen mukaan. Käytännössä last-click ylikorostaa hakumainonnan ja orgaanisen haun osuutta, koska ne ovat usein viimeisiä klikkauksia ennen konversiota. DDA voi paljastaa, että YouTube-video tai LinkedIn-mainos kasvatti ostotodennäköisyyttä merkittävästi, vaikka se tapahtui viikko ennen ostoa. Google teki DDA:sta GA4:n oletusmallin kesäkuussa 2023, ja Google Ads poisti muut sääntöpohjaiset mallit tuetuista vaihtoehdoista samana vuonna. DDA vaatii kuitenkin vähintään 300 kuukausittaista konversiota toimiakseen luotettavasti.
Onko multi-touch-attribuutio käytännöllinen pienelle suomalaiselle yritykselle?
Riippuu mittakaavasta. GA4:n data-driven-attribuutio on teknisesti multi-touch ja ilmainen, mutta vaatii 300+ konversiota kuukaudessa. Useimmille alle 50 hengen suomalaisille yrityksille tämä kynnys ei täyty, jolloin GA4 palautuu automaattisesti last-clickiin. Käytännöllinen kompromissi on yhdistää GA4:n raportit HubSpotin tai Pipedrive CRM:n kontaktitarinoihin: näet, mistä kanavasta asiakas tuli ensimmäistä kertaa, ja mitkä kosketuspisteet edelsivät tarjouspyyntöä. Tämä ei ole täydellinen MTA, mutta on huomattavasti kertovampi kuin pelkkä last-click. Yli 100 000 euron vuosimarkkinointibudjeteilla erikoistuneet alustat kuten Rockerbox tai Northbeam alkavat olla perusteltuja investointeja.
Miksi GA4 vaihtoi oletusattribuutiomallinsa?
Google siirtyi data-driven-attribuutioon GA4:n oletukseksi kesäkuussa 2023 kahdesta syystä. Ensinnäkin koneoppimismallit ovat kehittyneet riittävästi, jotta ne pystyvät luotettavasti arvioimaan kosketuspisteiden todellisen vaikutuksen suurella datamäärällä. Toiseksi yksinkertaiset sääntöpohjaiset mallit – kuten last-click tai position-based – antavat systemaattisesti virheellisiä signaaleja monikanavaisessa markkinointiympäristössä, mikä johtaa vääränlaisiin budjettipäätöksiin. Google myös poisti muut mallit Google Adsista syyskuussa 2023, käytännössä pakottaen mainostajat kohti algoritmipohjaista mittausta. Taustavaikuttajana on myös evästeympäristön muutos: kun kolmannen osapuolen evästeet haalistuvat, konversiomallinnukseen ja koneoppimiseen perustuva attribuutio pystyy täydentämään puuttuvaa dataa paremmin kuin deterministiset sääntömallit.
Miten attribuutiomallit liittyvät markkinoinnin ROI:hin?
Attribuutiomalli on markkinoinnin ROI-laskennan perusta: se määrittää, mikä markkinointipanostus saa ansion mistäkin konversiosta. Jos käytät last-click-mallia, hakumainonnan ROI näyttää korkelta ja some-mainonnan matalalta – vaikka todellisuudessa some-mainos saattoi olla se, joka sai asiakkaan harkitsemaan ostoa. Nielsenin mukaan yritykset, jotka siirtyivät multi-touch-attribuutioon, raportoivat 15–30 % parannusta markkinoinnin ROI:ssa budjettien uudelleenkohdentamisen kautta. Attribuutiomallin vaikutus ROI:hin on suurin silloin, kun yrityksen ostopolku on pitkä ja monikanavainen. Markkinoinnin ROI:n kokonaiskuvan saa pk-yritysten mittausoppaastamme. Eri kanavien ROI-vertailu on puolestaan käsitelty markkinointikanavien ROI-vertailussa.
Mikä on Marketing Mix Modeling ja miksi se on noussut uudelleen esille?
Marketing Mix Modeling (MMM) on ekonometrinen menetelmä, joka analysoi aggregoitua myynti- ja markkinointidataa löytääkseen kausaalisuhteita markkinointipanosten ja myynnin välillä. MMM nousi uudelleen kiinnostuksen kohteeksi 2022–2024, koska se ei perustu yksilötason evästeseurantaan ja on siten täysin GDPR-turvallinen. Googlen avoimen lähdekoodin Meridian-työkalu (2024) demokratisoi menetelmää: aiemmin suurten mainostajien yksinoikeus on nyt myös pk-yritysten saatavilla Python-taitoisten tiimien kautta. MMM:n heikkous on viive: se vaatii kuukausien tai kvartaalien historiallista dataa ja tuottaa strategisen tason näkemyksiä, ei reaaliaikaisia kampanjasignaaleja. Paras käyttö on yhdistää MMM strategiseen budjettiallokaatioon ja MTA tai GA4 taktisiin kampanjaoptimointipäätöksiin.
Kuinka usein attribuutiomalli pitäisi vaihtaa tai tarkistaa?
Attribuutiomalli ei ole kerran valittu ja unohdettu työkalu. Käytännön suositus on tarkistaa malli neljännesvuosittain ja aina kun markkinointimixissä tapahtuu merkittäviä muutoksia: uusi kanava otetaan käyttöön, suuri kampanja muuttaa käyttäjäkäyttäytymistä tai myyntisykli muuttuu. Suurempia tarkistushetkiä ovat liiketoiminnan kasvupisteet – esimerkiksi kun kuukausittaiset konversiot ylittävät 300, siirrytään data-driven-malliin. Lisäksi teknologiamuutokset kuten iOS-päivitykset, GDPR-täytäntöönpano tai analytiikka-alustan vaihtaminen vaativat attribuutioasetusten uudelleenarvioinnin. Parhaat markkinointitiimit tekevät attribuutiokatsauksen osaksi neljännesvuosittaista markkinointistrategian päivitystä – markkinointistrategian päivittämisestä löytyy oma oppaamme.
Aiheeseen liittyvät artikkelit
- Markkinoinnin ROI 2026: Pk-yritysten Voittava Tuottomittausopas
- Markkinoinnin ROI laskeminen: kaava, esimerkit ja virheet
- Mikä markkinointikanava tuottaa parhaiten? ROI-vertailu 2025
Lähteet
- Google Analytics Help – Attribuutiomallit GA4:ssä: https://support.google.com/analytics/answer/10596866
- Google Ads Help – Attribuutiomallimuutokset (data-driven-oletukseksi): https://support.google.com/google-ads/answer/6259715
- European Data Protection Board – Lausunto 5/2019, ePrivacy-direktiivin ja GDPR:n yhteensovittaminen: https://edpb.europa.eu/our-work-tools/our-documents/opinion-art-70/opinion-52019-interplay-between-eprivacy-directive-and_en
- EUR-Lex – GDPR:n virallinen teksti (asetus 2016/679): https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32016R0679
- W3C / WICG – Attribution Reporting API – yksityisyyttä suojaava konversiomittaus: https://wicg.github.io/attribution-reporting-api/
