דלגו לתוכן
קבלו את הפעימה השבועית ←
Marketing AI Pulse Marketing AI Pu se
הדופק של השיווק וה‑AI
אנליטיקס ראשי · אנליטיקס

מדידת השיווק נשברת: המעבר מייחוס לתרומה מצטברת בעידן ה-AI

מדידת השיווק נשברת: המעבר מייחוס לתרומה מצטברת בעידן ה-AI
📌 בקצרה: כ-75% ממקבלי ההחלטות בשיווק מדווחים שכלי המדידה המרכזיים, ייחוס, בדיקות תרומה ומודלים של תמהיל מדיה, אינם עומדים בציפיות. מודל הייחוס מודד את המסלול אל ההמרה אך אינו מוכיח שהשיווק גרם לה. מדידת תרומה מצטברת, באמצעות בדיקות holdout וגאוגרפיה, מודדת סיבתיות אמיתית וישימה גם לצוות שיווק קטן.

שבעים וחמישה אחוז ממקבלי ההחלטות בתחום התכנון והאנליטיקה בצד הקונים מדווחים שכלי המדידה המתקדמים שלהם, ייחוס, בדיקות תרומה מצטברת ומודלים של תמהיל מדיה, אינם עומדים בהבטחה. הנתון מגיע מדוח State of Data 2026 של IAB שפורסם ב-10 בפברואר 2026, בשיתוף BWG Global, ונשען על סקר של יותר מ-400 בכירים במותגים ובסוכנויות בארצות הברית. שווה לזכור שהמדגם הוא בכירים אמריקאים, לא צוותי שיווק ישראליים, ומדובר בסקר בודד. אבל המגמה שהוא מתאר ברורה גם למי שמנהל תקציב מדיה בישראל.

המסקנה אינה שאיש שיווק מודד גרוע. המסקנה היא שהשיטה עצמה נסדקת. מודל הייחוס נבנה לעולם שבו אפשר היה לעקוב אחרי כל קליק, ואותו עולם כבר איננו.

למה ייחוס ממשיך להיכשל

שלוש מגמות שוחקות בו זמנית את יכולת המעקב. את הראשונה כבר מכירים היטב, אובדן הזמינות של נתונים ברמת המשתמש בעקבות מגבלות פרטיות והיעלמות קובצי צד שלישי. את היסודות של המעבר לעולם שאחרי העוגיות פירקנו בהרחבה במדריך נפרד על מדידה בעידן שאחרי העוגיות, ולכן כאן נתמקד בשתי המגמות הפחות נדונות.

המגמה השנייה היא מסע לקוח שמתווך על ידי בינה מלאכותית. חלק גדל מהחיפוש מסתיים ללא קליק. לפי נתוני Similarweb לשנת 2026, כ-68% מחיפושי גוגל מסתיימים ללא קליק, לעומת כ-45% לפני עשור. מחקר של Pew מצא ששיעור ההקלקה יורד ל-8% כשמופיע תקציר AI, לעומת 15% בלעדיו, ותקצירי AI כבר מופיעים ביותר מ-20% מהחיפושים. המשמעות למדידה פשוטה: שלב הגילוי, ראש המשפך, הופך בלתי נראה לכלי הייחוס המבוסס קליק אחרון. הלקוח נחשף למותג בתוך תשובת בינה מלאכותית, בפודקאסט או בקבוצת ווטסאפ, ואז מגיע ישירות והופך להמרה שנרשמת כאילו הגיעה מכלום.

המגמה השלישית נובעת מהשתיים הראשונות. ככל שיותר נקודות מגע הופכות בלתי ניתנות למעקב, מודל הייחוס מרכז יותר ויותר קרדיט בערוצים שקל למדוד, בדרך כלל חיפוש ממותג ורימרקטינג. כך נוצרת אשליה שהערוצים האלה מניבים את התוצאה, בעוד שבפועל הם לרוב קוטפים ביקוש שכבר נוצר במקום אחר. מי שמעוניין למדוד את התנועה שמגיעה דרך מנועי בינה מלאכותית ימצא הרחבה מעשית במדריך על מדידת תנועת הפניה מ-AI.

מהי מדידת תרומה מצטברת

ההגדרה של IAB משנת 2025 מדויקת: תוצאה עסקית נוספת שנגרמה במישרין על ידי קמפיין או טקטיקה, נמדדת מול הערכה של התוצאה שהייתה מתקבלת ללא אותה פעילות. במילים אחרות, תרומה מצטברת שואלת שאלה אחת: מה קרה בזכות השיווק, שלא היה קורה בלעדיו.

הנקודה הזאת חשובה כי שנרשמת אינה בהכרח המרה שנוצרה. לקוח שכבר התכוון לקנות, ראה מודעת רימרקטינג בדרך והשלים רכישה, מזכה את המודעה בקרדיט מלא במודל הייחוס. אבל הרכישה הייתה מתרחשת גם ללא המודעה. התקציב שהושקע בה אינו תורם, הוא מבוזבז. בדיקת תרומה מצטברת חושפת את הפער בין מה שנרשם למה שנגרם.

ייחוס מול תרומה מצטברת: מה ההבדל

הניסוח הקולע ביותר שנתקלתי בו מגיע מ-AI Digital: ייחוס מתעד את המסלול אל ההמרה, תרומה מצטברת בודקת אם השיווק שינה את היעד. ההבדל אינו סמנטי. הוא ההבדל בין קורלציה לסיבתיות, והוא קובע אם מסקנת התקציב שלכם נכונה או שגויה.

  • מה נמדד. ייחוס מחלק קרדיט בין נקודות מגע נצפות. תרומה מצטברת מודדת את הפער מול תרחיש נגדי, כלומר מה שהיה קורה ללא הפעילות.
  • מה השאלה. ייחוס שואל אילו נקודות מגע היו במסלול. תרומה מצטברת שואלת אילו המרות לא היו מתרחשות ללא הקמפיין.
  • מה הסיכון. ייחוס מייחס קרדיט לביקוש קיים ומעודד השקעת יתר בערוצים תחתונים. תרומה מצטברת חושפת את התרומה האמיתית ומאפשרת להעביר תקציב לפי סיבתיות.

ייחוס עדיין שימושי לתיאור מסלולים ולניהול תפעולי יומיומי. הוא אינו הכלי הנכון להוכחת ערך. שתי השיטות משלימות זו את זו, ולכן חברת המחקר Measured צופה לשנת 2026 מעבר משיטה יחידה כמקור אמת אחד אל טריאנגולציה, כלומר שימוש בכמה שיטות מדידה במקביל.

איך מריצים בדיקת holdout

בדיקת holdout היא הדרך הנקייה ביותר להתחיל, ואינה דורשת תשתית מורכבת. העיקרון: מחלקים את הקהל אקראית לשתי קבוצות. קבוצת טיפול נחשפת לקמפיין, קבוצת ביקורת נמנעת ממנו במכוון. הפער בתוצאות בין הקבוצות הוא התרומה המצטברת, כלומר הליפט שהשיווק גרם לו.

  • בוחרים ערוץ אחד. עדיף ערוץ שבו קל לשלוט בחשיפה, למשל דיוור, רימרקטינג או פרסום ממומן ברשתות.
  • מגדירים קבוצת ביקורת. אחוז מהקהל שלא ייחשף לפעילות בתקופת הבדיקה. גודל הקבוצה נגזר מנפח ההמרות, ככל שההמרות מעטות יותר כך נדרשת קבוצה גדולה יותר כדי לקבל תוצאה מובהקת.
  • מריצים לפרק זמן קבוע מראש. בלי לשנות משתנים באמצע. שינוי באמצע הורס את ההשוואה.
  • מודדים את הפער. ההבדל בשיעור ההמרה בין הקבוצות הוא הליפט. אם אין פער מובהק, הערוץ אינו תורם כפי שחשבתם.

בדיקת גאוגרפיה עובדת על אותו עיקרון, אך משווה בין אזורים גאוגרפיים דומים במקום בין קבוצות משתמשים. חלק מהאזורים מקבלים את הפעילות, אחרים משמשים ביקורת. כשאין אזור תואם, משתמשים בשיטת ביקורת סינתטית שבונה אזור השוואה משוקלל.

הזווית הישראלית: מה עושים ביום שני בבוקר

בשוק הישראלי בדיקת גאוגרפיה מאתגרת. אין מספיק אזורים גדולים ודומים דיים כדי לבנות השוואה נקייה, ונפח ההמרות בקמפיין מקומי לרוב קטן. לכן ההמלצה המעשית היא להתחיל דווקא בבדיקות holdout ברמת הקהל, שם נפח הנתונים נשלט טוב יותר, ולהוסיף מודל תמהיל מדיה קליל כשכבות הנתונים מצטברות.

  • בחרו ערוץ אחד לבדיקת holdout ראשונה. דיוור או רימרקטינג הם נקודת פתיחה טובה, כי החשיפה נשלטת והנתונים נקיים.
  • הקצו קבוצת ביקורת קבועה. גם חמישה עד עשרה אחוז מהקהל מספיקים כדי להתחיל, בתנאי שנפח ההמרות מספיק.
  • בנו לוח למידה רבעוני. Measured מציינת שמותגים שבדקו ערוץ יותר מחמש פעמים ראו שיפור גם ביעילות וגם בהיקף. בדיקה אחת אינה מספיקה, המסקנה נבנית מסדרה.
  • הוסיפו מודל תמהיל מדיה קליל. לא הגרסה הכבדה עם דיווח רבעוני, אלא מודל מהיר יותר. הרחבנו על החזרה של מודלי תמהיל מדיה לשוק הישראלי במדריך ייעודי.

לגבי הבינה המלאכותית, כדאי לנקוט זהירות. IAB מעריך שבינה מלאכותית עשויה לשחרר כ-26.3 מיליארד דולר בהשקעת מדיה באמצעות תובנות מהירות ומדויקות יותר, וכמחצית מהקונים כבר מרחיבים שימוש בבינה מלאכותית במדידה. Measured אף צופה מנועי תרומה אוטונומיים שמתכננים ומריצים בדיקות ללא מעורבות אנושית. עם זאת, בינה מלאכותית מאיצה את המדידה, היא אינה מחליפה את התכנון הניסויי. מודל שאינו נשען על בדיקה סיבתית מייצר תשובות מהירות, לא בהכרח נכונות.

האם הייחוס מת

לא. הייחוס אינו מת, הוא מוקצה מחדש לתפקידו הנכון. הוא כלי תפעולי לניהול יומיומי ולתיאור מסלולים, לא כלי להוכחת ערך תקציבי. הלחץ על מנהלי השיווק רק גובר. סקר Gartner משנת 2026, שנשען על 401 בכירים בארצות הברית ובאירופה בחברות עם הכנסה של מיליארד דולר ומעלה, מצא שהקצאת התקציב לבינה מלאכותית עומדת על 15.3% בממוצע, אך רק 30% מהארגונים פיתחו יכולת בשלה ליישם אותה. במקביל, פחות מנהלי שיווק מדווחים שהם עומדים ביעדי הרכישה, השימור וההחזר על ההשקעה. במציאות כזו, מי שאינו יודע להפריד בין ביקוש שנקטף לבין ביקוש שנוצר, מנהל תקציב על בסיס נתון שגוי.

מה עושים עם זה

אל תמתינו לפרויקט מדידה גדול. בחרו ערוץ אחד השבוע, דיוור או רימרקטינג, הקצו קבוצת ביקורת קבועה, והריצו בדיקת holdout ראשונה לאורך מחזור קמפיין שלם. הפער בין קבוצת הטיפול לקבוצת הביקורת ייתן לכם את המספר היחיד שחשוב באמת: כמה מההמרות נגרמו בזכות השיווק, ולא רק נרשמו לזכותו. זו הפעולה שמתחילה את המעבר מייחוס לתרומה מצטברת, והיא מתחילה ביום שני בבוקר.

הבא בתור במסלול אנליטיקס
● אותה קטגוריה כללי הסימון של ועדת הבחירות: מה בדיוק חייב גילוי בישראל, ומה לא כללי ועדת הבחירות הם הטקסט הישראלי היחיד שמגדיר איך נראה סימון תוכן AI: חמישה אחוזים מגובה התוכן או 10 נקודות, לפי הגדול.… ⏱ 12 דק' · דנה ברק

📲 כל כתבה חדשה, ישר לטלגרם

בלי אלגוריתם ובלי פיד. עדכון אחד בערוץ בכל פעם שעולה כתבה.

להצטרפות לערוץ
על הכותב/ת
דנה ברק

מנהלת שיווק ביצועים ו-Analytics. מגיעה מעולם ה-performance marketing ולא מאמינה במה שאי אפשר למדוד. הכתבות שלה מתחילות בנתון ומסתיימות במסקנה מבוססת עדויות. דנה כותבת על A/B testing, conversion tracking, email marketing ו-ROI, ולא מתפעלת מכלי AI חדש עד שיש לה מספרים שמוכיחים שהוא עובד.

כל הכתבות של דנה ←
אהבתם? קבלו את הפעימה השבועית

5 עדכונים שחשוב לדעת + ניתוח אחד. אימייל אחד בשבוע, בלי ספאם.

המשך קריאה ←
כללי הסימון של ועדת הבחירות: מה בדיוק חייב גילוי בישראל, ומה לא
קראו