הבעיה: Attribution ב-2026 הוא לא Attribution ב-2019
עד 2020 רוב המפרסמים השתמשו ב-Last-Click Attribution כברירת מחדל. הפלטפורמה הייתה מדויקת מספיק, העוגיות עבדו, ו-Pixel הצליח לעקוב אחרי משתמש מהקליק עד ההמרה. ב-2026 שום הנחה מהרשימה הזו לא נכונה: iOS 14.5 הוריד את שיעור ה-opt-in למעקב חוצה אפליקציות ל-25-35 אחוז, Safari ITP מוחק עוגיות צד שלישי תוך 24-168 שעות, ו-Meta הודה רשמית שהיא מאבדת 8-15 אחוז מהמרות iOS גם עם CAPI מלא.
בעולם הזה, להישען על Attribution של פלטפורמה אחת זה אופטימיסטי. להישען על Last-Click זה מסוכן. ההחלטות התקציביות שמתבססות על דיווחים בלעדיים של Meta או Google מובילות לאופטימיזציה של הדאטה במקום של העסק.
שיטת ה-3 שכבות של DataPulse
במקום להעדיף שיטת Attribution אחת, אנחנו עובדים בשלוש שכבות שמכסות אחת את החולשות של השניות:
שכבה 1: דיווח פלטפורמה (Click-based + CAPI)
זו השכבה הטקטית. מקור: Meta Ads Manager + Google Ads + GA4 עם Enhanced Conversions. מדידה: לפי קמפיין, לפי מודעה, לפי קהל. שימוש: החלטות יומיות עד שבועיות (לסקייל קמפיין, להרוג מודעה, להעלות תקציב). חולשה: מטעה ברמת התרומה הכוללת, כפיל-ספירה בין פלטפורמות, מאבדת איתות בקהל iOS.
איך אנחנו מטפלים: CAPI + sGTM + Enhanced Conversions כדי להעלות את ה-Match Rate ל-EMQ של 8+. dedup ברמת event_id למניעת ספירה כפולה בין Pixel ל-CAPI. השוואה רבעונית בין דיווח Meta לדיווח GA4 - פערים מעל 30 אחוז = פגיעה במערכת.
שכבה 2: MER (Marketing Efficiency Ratio) ברמת עסק
זו השכבה האסטרטגית. מקור: דאטה פיננסית של העסק (Shopify, WooCommerce, CRM) חלקי תקציב שיווק כולל. מדידה: חודשית. שימוש: החלטות תקציביות חודשיות וחציוניות. אם המספר עולה, התקציב עובד. אם יורד, גם אם ה-ROAS המדווח עולה, יש בעיה.
למה זה קריטי: ROAS של Meta יכול לעלות מ-2.5 ל-3.0 כי ה-CAPI שיפר את הדיוק, אבל זה לא אומר שיש לעסק יותר הכנסות. MER משקף את המציאות הפיננסית. קראו בהרחבה.
שכבה 3: Incrementality Testing (מ-30,000 ₪/חודש)
זו השכבה הוודאית. שיטה: geo holdout (השוואה בין אזורים עם פרסום לאזורים בלי) או conversion lift test (השוואה בין קבוצת קונטרול לקבוצת חשיפה). מדידה: רבעונית. שימוש: לוודא שה-ROAS המדווח לא מטעה - מה התרומה האמיתית של הערוץ.
למה זה לא מתאים לכולם: Incrementality testing דורש נפח. עסק ב-10,000 ₪/חודש לא יכול להריץ holdout משמעותי, כי האות יהיה רעש. מ-30,000 ₪/חודש ומעלה זה כבר רלוונטי, מ-100,000 ₪/חודש זה חובה.
איך השכבות עובדות יחד
דוגמה ממציאות לקוח: עסק eCommerce ישראלי, תקציב 60,000 ₪/חודש מחולק 60-40 בין Meta ל-Google. הדיווחים הראשוניים: Meta ROAS 2.8, Google ROAS 4.2. החלטה לכאורה: להעביר תקציב ל-Google.
שכבה 1 (אחרי CAPI + Enhanced Conversions): Meta ROAS עולה ל-3.4, Google ROAS נשאר 4.2.
שכבה 2 (MER): שמרני 4.1 בחודש האחרון. נראה טוב, אבל ירד מ-4.6 ברבעון הקודם.
שכבה 3 (Incrementality test רבעוני): Meta תרם 38 אחוז מההמרות הכוללות (כולל המרות שלא דיווח), Google תרם 27 אחוז. השאר (35 אחוז) הגיע מ-organic + email + word-of-mouth.
החלטה אחרי 3 השכבות: לא להעביר תקציב ל-Google כפי שהדיווח הראשוני הציע. במקום זה, להעלות תקציב כולל בקטנה (10-15 אחוז), ולעצור את המתחרה האורגני שכוסס נתח. רק שיטה שלוקחת בחשבון את 3 השכבות יכולה לתת המלצה כזו.
ההקשר הישראלי שבלוגים זרים לא מסבירים
מתודולוגיית Attribution לעסק ישראלי דורשת התאמות שאף בלוג גלובלי לא מכסה:
- WhatsApp: רוב הלידים ב-B2C ישראלי נסגרים בשיחת WhatsApp ולא באתר. בלי webhook מ-WhatsApp Business API ל-CAPI, האות לא חוזר לאלגוריתם של Meta. המשמעות: ROAS מדווח חלקי, אופטימיזציה לקויה.
- Tashlumim ו-installment payments: עסקים עם תשלום בתשלומים (Cardcom, Tranzila, Meshulam) רואים את ההמרה הראשונה ואז 12 חיובים נוספים. אם שולחים Purchase event על כל חיוב, ספירה כפולה. הפתרון: SubscriptionRenewal events נפרדים.
- Bit: אין אינטגרציה native עם CAPI. הפתרון העובד היום: webhook מ-Bit Business ל-sGTM למ-CAPI.
כלי המדידה
אנחנו מקיימים בעצמנו את מחשבון MER פתוח לקהל בעברית - לעסקים שרוצים להבין מה ה-MER האמיתי שלהם לפני שמתחילים שיחת ייעוץ.
קריאה רקע
לקבוע פגישת ייעוץ
מקורות
שאלות נפוצות
מה ההבדל בין Attribution, MTA, ו-MMM?
Attribution היא הקטגוריה הכוללת - כל שיטה לייחס המרה למקור פרסום. MTA (Multi-Touch Attribution) היא תת-קטגוריה שמייחסת חלק מההמרה לכל נקודת מגע במסע הלקוח. MMM (Marketing Mix Modeling) הוא מודל סטטיסטי שמודד תרומה ברמת ערוץ לאורך זמן, בלי לעקוב אחרי משתמש בודד. ב-2026 אף שיטה לבד לא מספיקה - הסטנדרט המקצועי הוא שילוב של שלושתן.
מה זה Incrementality ולמה זה חשוב?
Incrementality בודק כמה מההכנסה אכן נגרמה על ידי הפרסום, לעומת כמה היתה קורה גם בלעדיו. דוגמה: מודעת רימרקטינג למשתמשים שביקרו בדף בית - חלק מהם היו קונים גם בלי המודעה. בדיקת Incrementality (דרך geo holdout או conversion lift test) חושפת את התרומה האמיתית. חשוב כי בלעדי זה, ROAS גבוה יכול להטעות.
איך מודדים Attribution לעסק עם תקציב 10K בחודש?
בתקציב הזה אין צידוק כלכלי ל-MMM (דורש מינימום 12 חודשי דאטה ו-6 ערוצים). הפתרון: שילוב של 1) דיווח פלטפורמה (Meta + Google) עם CAPI + Enhanced Conversions לדיוק, 2) מעקב MER ברמת עסק חודשי, 3) השוואה רבעונית של הוצאות לפלטפורמה מול הכנסות כוללות. השכבה הרביעית (Incrementality testing) רלוונטית מ-50K בחודש ומעלה.
האם Last-Click Attribution עדיין רלוונטי?
כדיווח טכני כן, כברמת החלטה לא. Last-click מטעה כי הוא נותן את כל הקרדיט לנקודת מגע אחרונה. דוגמה: לקוח שראה 5 מודעות מ-Meta, חזר דרך חיפוש אורגני בגוגל, ולחץ על אימייל - last-click ייחס את כל ההמרה לאימייל. כדי לקבל החלטות תקציב נכונות צריך מודל data-driven (גוגל) או linear/position-based.