какая модель атрибуции используется по умолчанию в google analytics

Модели атрибуции в Google Analytics

При анализе продвижения сайта и полученной прибыли от проведения рекламных кампаний очень важно проследить весь путь пользователя целиком – от момента захода на сайт до совершения им покупки. Это даст нам возможность понять, как в дальнейшем распределить бюджет между рекламными каналами, как эти каналы взаимодействуют между собой, какой из них самый эффективный и многое другое.

На практике такой путь может состоять из цепочки различных источников трафика. Например, посетитель сначала перешел на наш сайт по контекстной рекламе (Paid Search), просмотрел несколько страниц сайта и ушел. Позже перешел снова, но уже из органического поиска (Organic Search). А через несколько дней зашел на сайт через прямой источник (Direct), введя адрес в строке браузера, и сделал заказ.

Пример пути пользователя при покупке

Таким образом, до совершения транзакции (конверсии) пользователь взаимодействовал с сайтом через три разных источника трафика:

К какому же из них Google Analytics в своих отчетах припишет достигнутую цель? Для ответа на этот вопрос необходимо разобраться в таких понятиях как атрибуция и модель атрибуции. Атрибуция в веб-аналитике – это правило распределения ценности конверсии среди всех этапов взаимодействия в пути конверсии и присвоение определенного количества баллов (в %) для расчета ее эффективности.

Модели атрибуции Google Analytics

Последнее взаимодействие (последний клик)

Все 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. В нашем примере это прямой канал.

В Яндекс.Метрика есть аналогичная модель атрибуции, которая называется «Последний переход».

Плюс этой модели заключается в том, что можно со 100% уверенностью сказать какое посещение завершилось конверсией. Однако в этом есть и ее минус – она не учитывает предшествующие взаимодействия пользователя сайтом. Таким образом, по нашему примеру в отчетах Analytics мы не сможем понять, что пользователь осуществил свое первое касание через рекламу (а именно на нее мы потратили деньги и через нее пользователь познакомился с нашим предложением впервые), и также не сможем увидеть, что затем он осуществлял схожий поиск и снова наткнулся на нас, но только уже через органику. Всю ценность забрал последний источник!

Эту модель рекомендуется применять к тем проектам, аудитория которых готова купить сразу же и без дополнительного времени на размышления. Как правило, это товары или услуги с быстрым откликом – доставка еды, вызов такси, эвакуация авто, ремонт техники и т.д.

По последнему непрямому клику

Эта модель используется по умолчанию для всех отчетов Google Analytics, кроме отчетов по многоканальным последовательностям. Отличие от первой модели состоит в том, что в атрибуции «По последнему непрямому клику» игнорируются прямые посещения, а 100% ценности присваивается последнему каналу в цепочке взаимодействий. В нашем примере – это органический поиск.

В Яндекс.Метрика есть аналогичная модель атрибуции, которая называется «Последний значимый переход», в которой все источники условно разделены на значимые и вторичные (незначимые). К незначимым как раз и относятся прямые заходы, внутренние переходы и переходы с сохраненных страниц.

Поскольку она является базовой в Analytics, ее следует применять при сравнении с другими моделями. Инструмент сравнения моделей доступен в разделе «Конверсии – Атрибуция». Подробнее об этом будет разобрано в следующих главах.

В этой модели минус заключается в том, что целенаправленно занижается ценность прямых взаимодействий.

Последний клик в AdWords

Все 100% ценности конверсии присваивается последнему по объявлению AdWords в цепочке взаимодействий. В нашем примере это вовсе не значит, что 100% пойдут на контекстную рекламу (канал Paid Search), поскольку параллельно Google AdWords вы можете вести кампании и других рекламных системах.

Такая модель используется, если у вас есть рекламная кампания в AdWords, и пользователи с ваших объявлений приходят на сайт для совершения транзакций. И Google, вводя такую модель в список стандартных моделей атрибуции Analytics, не думал о других рекламных сервисах, кроме своего.

Гуру веб-аналитики и евангелист Google Авинаш Кошик (Avinash Kaushik) в одной из своих статей назвал эту модель бесполезной. Поэтому придержемся его совета и перейдем к разбору следующей.

Первое взаимодействие

Все 100% ценности конверсии присваивается первому каналу в цепочке взаимодействий. В нашем примере – это контекстная реклама.

В Яндекс.Метрика есть аналогичная модель атрибуции, которая называется «Первый переход».

Эту модель рекомендуется использовать для достижения первоначальной осведомленности пользователей к выходу на рынок того или иного бренда/компании, а также пробуждению интереса к конкретному товару/услуги.

Линейная модель атрибуции

Всем каналам в последовательности конверсий присваивается одинаковая ценность. В нашем примере по 33%.

Такая модель применяется, когда пользователь подвергается воздействию с различных каналов на протяжении всего цикла совершения конверсии и при подсчете эффективности важны все точки взаимодействия с потенциальным клиентом. Например, при анализе публикаций в блоге.

Временной спад (с учетом давности взаимодействий)

В основе этой модели лежит такое понятие, как экспоненциальный распад, а ценность цели нарастает ближе к последнему каналу. Термин пришел в Google Analytics из ядерной физики и дает исчерпывающее представление о сущности модели временного распада: чем ближе к конверсии находится точка взаимодействия, тем более ценной она считается. Остальные точки теряют ценность с увеличением временного интервала.

В рамках данной модели период полураспада по умолчанию составляет семь дней. Это значит, что взаимодействие, произошедшее за семь дней до конверсии, в два раза менее ценно, чем зарегистрированное в один день с ней, а за две недели – в четыре. Экспоненциальный распад происходит в течение всего периода ретроспективного анализа (по умолчанию он составляет 30 дней).

В нашем примере наиболее близкий к конверсии канал – это прямой заход. Он получает наибольшую ценность, затем органический поиск и самый маленький % с учетом давности взаимодействий имеет контекстная реклама.

Модель применима для анализа покупок, произошедших в результате рекламных акций, чтобы присваивать больше ценности взаимодействиям в дни их проведения. А те, что были выполнены неделей раньше, будут оценены гораздо ниже.

Один из плюсов модели «Временной спад» — это возможность указать продолжительность периода полураспада и сравнивать ее с другими базовыми моделями.

Возможность задать период полураспада

На основе позиции

На основе позиции по 40% ценности присваивается первому и последнему взаимодействиям, а оставшиеся 20% поровну распределяются между остальными. Модель атрибуции «На основе позиции» является гибридом моделей «Первое взаимодействие» и «Последнее взаимодействие».

Эта модель является наиболее близкой к реальной жизни и ее рекомендуется использовать, когда необходимо отследить все точки взаимодействия: как от знакомства и проявления первого интереса к вашему бренду, так и до последнего взаимодействия, которое привело к конверсии.

Все перечисленные модели – это стандартные модели Google Analytics. Однако пользователи имеют возможность создавать свои собственные модели атрибуции. Сделать это можно с помощью настройки «Модели атрибуции», которая находится на уровне представления в пользовательских инструментах и объектах.

Модели атрибуции на уровне представления

На начальных этапах работы с Google Analytics я рекомендую досконально разобраться с 7 основными моделями атрибуций и отчетами по многоканальным последовательностям (рассмотрим в отдельной главе), и лишь затем переходить к созданию собственных.

Источник

Атрибуция в Google Analytics и Google Ads

Что такое атрибуция и зачем она нужна

Для начала немного сухой теории.

Атрибуция — распределение конверсий, транзакций и их денежного выражения между источниками переходов пользователя на сайт.

Модель атрибуции — принцип распределения конверсий, транзакций и их денежного выражения между источниками переходов пользователя на сайт.

Для наглядности — ситуация.

Если посмотреть на эту ситуацию через призму аналитики, то получится следующее:

Возникает вопрос: откуда же все-таки конверсия?

Атрибуция нужна как раз для того, чтобы понять, какому источнику перехода пользователя на сайт стоит «присудить» конверсию (или между какими источниками ее поделить).

Почему это так важно? От модели атрибуции зависит то, как распределяются конверсии между источниками трафика. А от распределения конверсий зависит СРА по каждому источнику. Видя слишком высокий СРА, рекламодатель снизит ставки или вообще откажется от данного источника. А на источник, где СРА ниже, увеличит бюджет. Таким образом, неправильно распределяя конверсии, рекламодатель рискует неправильно распределить бюджет, что может повлечь снижение общего ROAS (Return of Advertising Spend).

Модели атрибуции в Google Analytics

Простые модели атрибуции

В простых моделях атрибуции конверсия целиком «присуждается» какому-то одному источнику.

По первому взаимодействию (First Interaction)

Конверсия и вся ее ценность отдается первому источнику посещения сайта.

По последнему взаимодействию (Last Interaction)

Конверсия и вся ее ценность отдается последнему источнику посещения сайта, даже если это был прямой переход.

Если применить эту модель атрибуции в нашем случае, то получится, что конверсия взялась. ниоткуда: пользователь сам и сразу нашел наш сайт и совершил конверсию. Так не бывает. Поэтому данная модель используется редко.

По последнему непрямому клику (Last Non-Direct Click)

Конверсия и вся ее ценность отдается последнему источнику посещения сайта, но если это был прямой переход на сайт, то источнику перед ним.

Если применить эту модель в нашем случае, то получится, что конверсию принес органический трафик, т.е. это заслуга специалистов по SEO, которые занимались продвижением сайта в поисковиках. С точки зрения аналитики это тоже не совсем корректно: мы не получили бы этот переход из поиска, если бы ранее не показали платную рекламу.

По последнему клику в Google Рекламе (Last Google Ads Click)

Конверсия и вся ее ценность отдается последнему источнику посещения сайта, связанному с Google Ads.

Эта модель может использоваться при анализе эффективности рекламных кампаний, потому что платные каналы (по сравнению с бесплатными, например, email-рассылкой) легко масштабировать — увеличивать охват или дневной бюджет и т.д.

Другие модели атрибуции

Существуют модели, при которых конверсия распределяется между несколькими источниками, а не отдается целиком какому-то одному.

Линейная модель (Linear)

Конверсия равномерно распределяется между всеми источниками, которые приводили пользователя. Например, если пользователь приходил из четырех источников, каждому из них зачтется по 0,25 конверсии.

С учетом давности взаимодействий (Time Decay)

Суть этой модели в том, что чем ближе был источник к моменту совершения конверсии, тем большую долю конверсии он получит. Ценность клика возрастает вдвое каждую неделю.

Допустим, пользователь впервые попал на наш сайт месяц назад; в течение месяца несколько раз возвращался и в какой-то момент совершил конверсию. Тогда первые источники трафика, которые приводили пользователя три-четыре недели назад, получат минимальную долю конверсии (почти не получат). А те источники, из которых пользователь приходил последние несколько дней, получат максимальную долю.

С привязкой к позиции (Position Based)

Первый и последний источники перехода получают по 40% конверсии. Оставшиеся 20% конверсии равномерно распределяются между промежуточными источниками.

«На мой взгляд, самый первый и самый последний источники трафика — самые важные. Потому что без самого первого источника трафика пользователь мог вообще не появиться у нас на сайте, а самый последний его „дожал“, чтобы он наконец совершил покупку».

В Google Analytics доступно сравнение моделей атрибуций («Конверсии» → «Многоканальные последовательности» → «Инструмент сравнения моделей»). Отчет показывает, как будет различаться распределение конверсий между РК, если использовать разные модели атрибуций.

В Google Analytics модель атрибуции по умолчанию — по последнему непрямому клику.

Веб-аналитика под ключ от 15 000 рублей! Специалисты eLama проведут аудит и исправят ошибки или настроят аналитику с нуля.

Кастомные модели атрибуции

Можно не ограничиваться стандартными моделями, а создать свои. Некоторые настраиваются внутри Google Analytics, но чаще создаются при помощи внешних инструментов. Данные из них используются для распределения бюджетов, управления ставками и т.д.

По количеству хитов в сессии

Если хотим оценить, насколько пользователи были активны, когда приходили из какого-либо источника.

Можно распределять источники по количеству хитов, например, открытий страниц и других событий. Если пользователь активно изучает сайт, ему, очевидно, интересно предложение. Источнику, из которого пришел такой пользователь, отдается большая часть конверсии. Источникам, откуда пользователь приходил, но почти не совершал действий на сайте, отдается минимум.

На основе воронки (Funnel-based)

Тем источникам, которые переводили пользователя с одного этапа воронки на другой, отдается большая доля конверсий. Источникам, из которых пользователь приходил, но не продвигался по воронке, — меньшая.

Например, если пользователь впервые зашел на сайт интернет-магазина и открыл карточку товара (посмотрел фото, характеристики или отзывы), он продвинулся по воронке. Если пользователь уже был на сайте и открывал карточку товара, а потом вновь зашел на сайт и положил товар в корзину, он также продвинулся по воронке. Если пользователь во второй визит открывал карточку товара, но не добавлял товар в корзину, он не продвинулся по воронке.

Модели атрибуции в Google Ads

Многие модели атрибуции в Google Analytics и Google Ads называются одинаково (например, атрибуция по последнему клику), но между ними есть принципиальное различие.

Модели атрибуции в Google Ads учитывают только взаимодействия, получаемые из Google Ads (то есть не учитывают органику, переходы из email-рассылки и т.п.), и применяются только для поисковых и торговых РК. Для остальных кампаний используется модель атрибуции по умолчанию.

Модели атрибуции в Google Analytics учитывают все взаимодействия: полученные как из Google Ads, так и из поиска, email-рассылок и прочих источников.

Например, пользователь впервые попал на сайт, кликнув по рекламному объявлению; во второй раз — из поиска и подписался на email-рассылку. В третий раз перешел на сайт по ссылке из письма и совершил конверсию.

Допустим, выбрана атрибуция по последнему клику. Google Analytics «присудит» конверсию email-рассылке, а Google Ads — объявлению из самой первой рекламной кампании.

Атрибуция по последнему клику (Last Click)

Конверсия и вся ее ценность отдается объявлению, по которому кликнули последним, и соответствующему ключевому слову.

Атрибуция по первому клику (First Click)

Конверсия и вся ее ценность отдается объявлению, по которому кликнули первым, и соответствующему ключевому слову.

Линейная атрибуция (Linear)

Конверсия равномерно распределяется между всеми объявлениями, которые приводили пользователя.

Атрибуция с учетом давности взаимодействий (Time Decay)

Чем ближе был клик к моменту совершения конверсии, тем большую долю конверсии он получит. Ценность клика возрастает вдвое каждую неделю.

Атрибуция с привязкой к позиции (Position-based)

Первый и последний клики (и соответствующие ключевые слова) получают по 40% конверсии. Оставшиеся 20% конверсии равномерно распределяются между промежуточными кликами.

Атрибуция на основе данных (Data-driven)

Система, используя большое количество данных, анализирует, какими путями пользователи чаще всего доходят до конверсии. Большая доля конверсии отдается тем источникам трафика, которые часто участвуют в путях, приводящих к конверсии.

Data-driven атрибуцию можно использовать, если собрано достаточно данных — не менее 15 000 кликов с поиска и 600 конверсий за последние 30 дней.

В Google Ads также есть инструмент, который позволяет сравнивать модели атрибуции.

Как модель атрибуции влияет на оптимизацию кампании

От выбранной модели атрибуции зависит распределение конверсий в кампаниях. Конверсия принадлежит не кампании в целом, а конкретному таргетингу: в поисковых РК — конкретной ключевой фразе. Чем больше конверсий приносит ключевая фраза, тем выше ставки по ней мы можем себе позволить. То есть если поменять модель атрибуции, в конечном счете изменятся ставки по ключевым словам (при использовании автоматических стратегий — автоматически). А это, в свою очередь, может повлиять на расходы рекламодателя.

Схематично это выглядит так:

смена модели атрибуции → перераспределение конверсий → переоценка эффективности ключевых фраз → пересчет ставок для ключевых фраз → оптимизация кампании

Например, мы использовали модель атрибуции Last Click, а затем перешли на Data-driven. Из-за этого конверсии распределились по-новому: фраза «лама плюшевая купить» получила больше конверсий, а «лама игрушечная купить спб» — меньше. Тогда ставки по фразе «лама плюшевая купить» поднимутся (потому что она приносит больше конверсий), а ставки по фразе «лама игрушечная купить спб» снизятся (потому что она приносит меньше конверсий).

Как сменить модель атрибуции

В Google Ads модель атрибуции можно сменить либо на этапе импорта конверсий из Google Analytics, либо уже после. Для этого нужно зайти в раздел «Конверсии» («Инструменты и настройки» → «Отслеживание» → «Конверсии»), выбрать нужную конверсию и зайти в редактирование.

Модель атрибуции в Google Ads по умолчанию — по последнему клику.

Как правильно выбрать модель атрибуции

Data-driven атрибуция — оптимальный вариант: она работает на общее увеличение конверсий и не требует никаких дополнительных действий. Если она для вас доступна, лучше подключить именно ее.

«Как правило, использование Data-driven атрибуции дает лучший результат. Правда, гарантий нет: все зависит от того, насколько точно у вас настроена аналитика. Если вам стала доступна Data-driven атрибуция, подключите ее и через месяц проанализируйте результаты. Должно стать лучше. Но если вам не повезло и результаты ухудшились — возвращайтесь на Last Click».

Last Click атрибуция подойдет, если:

Time Decay стоит применять только в одной ситуации: если вы неоспоримый лидер на своем рынке, о котором все знают и которого всегда рассматривают в первую очередь (Time Decay занижает вклад первых переходов).

Linear подойдет, если вы считаете, что вся ваша реклама работает в комплексе и каждый контакт пользователя с вашим брендом увеличивает вероятность покупки.

Position-based или First Click (как более «агрессивный» вариант) подойдут:

Прежде чем менять текущую модель атрибуции на новую, сравните их и оцените, насколько заметны изменения (выбирая модели для сравнения, учитывайте указанные выше рекомендации). Если отличия существенные — от 25%, — смена модели атрибуции может заметно улучшить результаты кампаний (хотя может произойти и наоборот).

Спустя месяц-два после смены модели атрибуции нужно проанализировать кампании — стали они лучше или хуже работать. Важно учитывать сезонность: например, не стоит сравнивать апрель с маем, потому что в мае из-за длинных праздников практически во всех тематиках наблюдается просадка показателей.

Получите до 3000 рублей на рекламу в Google Ads

Дарим бонусы при первом запуске рекламы через eLama!

Источник

Модели атрибуции в Google Analytics: что это и какую выбрать

Для оптимизации маркетинговой стратегии, грамотного распределения бюджета полезно проводить анализ и определять ценность каналов. Куда стоит вложить больше денег, от каких каналов отказаться, что дает желаемый результат, а что нет? – найти ответ поможет модель атрибуции в маркетинге и наша статья. В конце нее будет инструкция по настройке и сравнению моделей атрибуции в Google Analytics.

Что такое модель атрибуции

Допустим, клиент прошел такой путь: увидел рекламу в Facebook → перешел на сайт → подписался на рассылку → получил промокод за подписку → положил товар в корзину, ушел думать → увидел контекстную рекламу, параллельно получил письмо о брошенной корзине → вспомнил о промокоде и наконец сделал покупку.

Модель атрибуции – это набор правил, с помощью которых распределяется ценность конверсии между всеми каналами, которые участвовали в клиентском пути. В зависимости от выбранной модели распределение будет разным. Есть 8 типов атрибуции в “Гугл Аналитикс”:

По первому взаимодействию;

По последнему клику;

По последнему непрямому переходу;

Модель атрибуции с привязкой к позиции;

С учетом давности взаимодействия;

Data-driven-модель (основанная на данных);

Давайте разберем каждый, чтобы вам было понятнее, какую модель атрибуции выбрать для своих задач.

По первому взаимодействию (First Interaction or First Click)

Принцип. Вся ценность присваивается источнику первого касания.

Преимущество. Модель атрибуции “Первый переход” дает понимание, откуда приходит больше трафика, который конвертируется в продажу.

Недостаток. Игнорирует последующие взаимодействия пользователя с брендом из других каналов.

Кому подойдет. Такой подход полезен в том случае, если вы новичок и ваша цель – повысить узнаваемость бренда, когда пользователь еще не определился, нужен ли ему товар, если да, то какой. Тут будут важны маркетинговые каналы, знакомящие потребителя с продуктом/компанией.

Пример. У магазина с доставкой цветов по всей стране перед 8 марта всегда повышенный спрос. Поэтому стоит привлекать клиентов еще на этапе поиска. Можно закупать широкоохватные запросы, например “букет”, “цветы”.

По последнему клику (Last click)

Принцип. Здесь наоборот: вся ценность – последнему клику, т. е. закрывающему каналу.

Преимущество. Модель упрощает анализ трафика и дает понимание, откуда чаще конвертируются пользователи.

Недостаток. Значимость других источников недооценивается. Высокая конкуренция в нижней части воронки: ваши соперники на рынке скорее всего ставят на те же запросы.

Кому подойдет. Тем бизнесам, у которых короткий цикл продаж и на товар есть сформированный спрос. С помощью модели атрибуции “Последний переход” удастся выяснить, какие каналы закрывают цепочку продаж.

Пример. Лето – период низкого спроса на зимнюю резину, которая не в сезон обычно стоит дешевле. Тех клиентов, что активно ищут и готовы к покупке летом, лучше привлекать высококонверсионными запросами: “купить зимние шины”, “зимняя резина купить с доставкой”.

По последнему непрямому переходу (Last non-direct click)

Принцип. Ценность конверсии присваивается только последнему каналу, который привел к покупке, если это не прямой переход на сайт (когда посетитель ввел адрес сайта вручную или зашел из закладок). Поскольку в Google Analytics атрибуция по умолчанию определяется по последнему непрямому переходу, вы можете использовать ее для сравнения с другими моделями атрибуции.

Благодаря этому понятно, какие каналы в конечном счете подталкивают пользователя купить и приносят конверсии.

Преимущество. Подход поможет сделать правильные выводы, если в арсенале у вас не так много данных.

Недостаток. Не учитывает другие каналы касания с клиентом.

Кому подойдет. Тем, кто только начинает свой путь в рекламе, аналитике и в аккаунте Google Analytics имеет до 10 конверсий и до 100 кликов.

Пример. Любой бизнес, затрагивающий больше одного канала привлечения.

Линейная модель (Linear model)

Принцип. Ценность конверсии делится на равные части между всеми каналами взаимодействия.

Преимущество. Помогает целостно оценить все маркетинговые кампании.

Недостаток. Нельзя определить лидера и что сыграло решающую роль перед покупкой.

Кому подойдет. Уместно использовать линейную модель атрибуции, если у вас длинный цикл продаж и каждый этап взаимодействия с клиентом важен для подогрева к покупке.

Пример. Компания по доставке еды обычно не имеет четкой зависимости от сезона и ей нужно поддерживать охваты, быть на виду у потенциальных клиентов. В то же время необходимо собирать сформированный спрос со словами “доставка еды”, “заказать еду”.

Как службе доставке еды удалось на 65% нарастить количество заказов и на 16% увеличить средний чек – читать кейс>>

С привязкой к позиции (Position based)

Принцип. По 40% присваивается первому и последнему каналу, остаток в 20% распределяется между другими каналами-участниками.

Преимущество. Акцент в позиционной модели атрибуции ставится на важные этапы: вход в воронку и последнее взаимодействие.

Недостаток. Точки, подводящие к покупке, недооцениваются. Вспомогательные касания, которые помогли клиенту дойти до конца и могли внести ощутимый вклад в конверсию будут иметь низкую ценность.

Кому подойдет. Если важно отслеживать не только конвертирующий канал, но и тот, что познакомил с брендом.

Пример. Крупная площадка для брендов потребительских товаров запустила новый продукт. Важно сформировать знание о продукте через охватные форматы (открывающие каналы) и не упустить уже сформированный спрос в конечной точке воронки за счет конверсионных каналов.

Бесплатные формы подписки в стиле вашего сайта

С учетом давности взаимодействий

Принцип. Канал, который по времени был ближе к конверсии, получает наибольшую ценность. Каждые 7 дней ценность перехода возрастает в два раза. Если в определенном канале был клик за 8 дней до конверсии, он получит в два раза меньше ценности, чем тот, что участвовал в цепочке за один день до конверсии.

Преимущество. Модель полезна для отслеживания того, какие каналы дают регулярную конверсию, а какие – привлекают к верхней части воронки и генерируют трафик.

Недостаток. Недооценены каналы первого взаимодействия с брендом.

Кому подойдет. В случае с краткосрочными рекламными кампаниями по этой модели вы можете определить канал, который лучше выстрелил в дни проведения акции. Соответственно, оцените эффективность запущенного объявления/креатива/ключевых слов.

Пример. Бренд готовит конкурс: в соцсетях нужно показать нестандартное использование продукта, чтобы получить 4 коробки бесплатно. Конкурс длится весь сентябрь, поучаствовать можно до конца месяца. Тогда стоит отдать больший конверсионный вес именно этому периоду.

В eSputnik подобная модель отображена в функциональности “Доход от рассылок”. Вы сами настраиваете временной промежуток, за который может быть сделан заказ после прочтения либо перехода из любого канала взаимодействия: email, web push, SMS, mobile push, Viber. Если в течение этого времени произошла продажа – доход засчитывается рассылке (цифры можно увидеть в разделе “Рассылки” → “Отчеты”).

Атрибуция на основе данных (Data-Driven)

Принцип. Это продвинутая модель и дает наиболее точные данные. Чтобы определять ценность каждого канала, используются технические алгоритмы, для работы которых нужны не менее 600 конверсий за последние 30 дней. Как только число конверсий снизится, модель сразу же становится недоступной.

Преимущество. Точность.

Недостаток. Неприменима для аккаунтов с малыми объемами данных.

Кому подойдет. Любому бизнесу, чтобы установить, какие каналы наиболее эффективны, и распределять бюджет максимально обоснованно.

Пример. Компания занимается продажей люксовых авто. Машину люди покупают не сразу. Клиенту нужно время, чтобы выбрать автомобиль и решиться на покупку. Поэтому ориентироваться при атрибуции на последний значимый переход будет неэффективно. Покупка не случится без остальных подогревающих шагов. Нужно понять, какой канал действительно повлиял на конверсию, а какой можно убрать и количество продаж не изменятся.

Пользовательская модель

Принцип. На основе своих наблюдений маркетолог кастомизирует выбранную модель, зная, какие показатели важно учесть.

Преимущество. Индивидуальная настройка, исходящая из потребностей бизнеса.

Недостаток. Требует подготовительной работы и времени на исследования.

Кому подойдет. Опытным маркетологам, которые уже попробовали стандартные методы атрибуции, выявили, чего в них не хватает, и знают, какие показатели важно учесть.

Пример. Вы не первый год продвигаете конкретный продукт, провели много тестов, включали и выключали триггерные цепочки. Вы увидели, что на успех кампании сильно повлияла электронная почта. Значит, нужно построить модель атрибуции, в которой максимальная ценность конверсии привязана к емейлу. Для этого вы строите кастомную модель атрибуции на основе базовой модели (например, по позиции) и присваиваете мультипликатор ценности каналу Email.

Работа с моделями атрибуции в Google Analytics

Анализируйте показатели затрат на привлечение и возврат инвестиций для различных моделей атрибуции, а также сравнивайте модели по критерию затрат и ROI. Почему это полезно: если вы недооценили канал и отключили его, это может снизить прибыль от маркетинга существенным образом.

Одна из самых распространенных ошибок маркетологов – это измерение ценности канала моделью, соответствующей его роли. Например, каналы, направленные на конверсии, измеряют моделью Last Click, а каналы, привлекающие пользователей, – First Click. Такой подход учитывает влияние только одного канала и игнорирует суммарный эффект других. Можно ошибочно отключить рекламный канал и понести убытки за счет просадки в первой или конечной точке воронки.

Полезно посчитать ROI в соответствии с данными data-driven-модели. Она дает самые точные данные и позволяет точно просчитать доход от каждого канала. Анализа ROI по каналам покажет, действительно ли возврат инвестиций осуществляется на 100% за счет первого либо последнего канала, и поможет принять объективное решение о распределении бюджета.

Как настроить модель атрибуции для конверсий

Зайдите в аккаунт Google Analytics и перейдите в меню ADMIN → View → Multi-Channel Funnels Settings → New Attribution Model, чтобы создать новую модель атрибуции.

В выпадающем списке выберите одну из пяти стандартных моделей атрибуции.

Вы можете отредактировать выбранную модель, настроив параметры:

Период ретроспективного анализа – временной промежуток до покупки, за который необходимо присвоить ту или иную ценность. Максимум – 90

Корректировка правила распределения ценности в зависимости от времени на сайте либо глубины просмотра страницы

Пользовательское распределение ценности. Например, вы можете установить мультипликатор ценности x2 для рекламы в Facebook, если она занимает первое место в последовательности на пути к конверсии

Созданную вами модель можно будет сопоставить с другими в инструменте сравнения Google Analytics.

Отчет “Сравнение моделей”

Зайдите в раздел Conversions → Multi Channel Funnels → Model Comparison tool.

Выберите цели (анализируемые конверсии).

Задайте тип и временной период до конверсии.

Из выпадающего списка выберите модель для сравнения. Например, мы хотим увидеть вклад Facebook Ads при первом взаимодействии, чтобы узнать, правильно ли настроили мультипликатор ×2 в кастомизированной модели. Поэтому выбираем для сравнения модель атрибуции “По первому клику”

В отчета видим: действительно, при модели “По первому взаимодействию” источник “Реклама в Facebook” имеет в 2 раза больше конверсии в сравнении с моделью по последнему непрямому клику.

В заключение

От чего зависит выбор модели атрибуции:

от срока принятия решения о покупке,

от сложности продукта.

Если вы новичок на рынке, то можно использовать модели атрибуции по последнему непрямому клику или с привязкой к позиции. Бизнесу, что подразумевает множество касаний с клиентом до совершения покупки, лучше сравнивать имеющиеся модели и настраивать собственные либо использовать модель на основе данных. В Google Analytics нельзя изменить стандартную модель атрибуции Last Non-Direct Click. Поэтому, чтобы увидеть ценность каналов при другой модели, используйте инструмент сравнения многоканальных последовательностей и ваши навыки анализа отчетов;)

Стоит всегда учитывать путь к конверсии, так как чем он дольше и чем больше взаимодействий на этом пути, тем больше внимания стоит обращать на все этапы: начальный, промежуточные и конечный. Ошибочно думать, что раз большинство клиентов покупают при прямом переходе на сайт, то остальная реклама не работает. Выясните, сколько касаний с рекламой делает пользователь, прежде чем зайти на сайт и совершить покупку. И тогда кастомизируйте атрибуцию, как было в примере с Facebook-рекламой. Сравните результаты нескольких моделей, чтобы понять, какая из них подходит для оптимизации вашего маркетинга.

А за разработкой и реализацией омниканальной retention-стратегии обращайтесь в агентство eSputnik, где вам всегда рады.

Источник