Модель атрибуции Google Analytics (Attribution model)

Атрибуция по последнему взаимодействию

 

Самая привычная модель, которая возникла в числе первых, и быстро стала популярна.

Когда использовать: когда на товар есть сформированный спрос, то есть в кампаниях, которые привлекают клиентов в момент покупки.

Пример: лето – всегда низкий спрос для магазина подарков. Клиентов нужно ловить, когда они готовы к покупке и активно ищут товар. Тогда стоит ориентироваться на высококонверсионные запросы: «купить подарок», «магазин подарков», «идеи подарков на день рождения».

Преимущество: оптимизация по трафику, который приводит к конверсии — поиск по высококонверсионным и брендовым запросам.

Недостатки:

• Высокая конкуренция в нижней части воронки — конкуренты делают ставку на те же запросы.
• Не учитываются форматы, нацеленные на охват широкой аудитории: дисплейная реклама, видео и другие.
• Переоценка прямого трафика. Многие пользователи приходят на сайт напрямую и сразу покупают товары. Получается, страдают каналы, которые первыми сыграли роль в привлечении пользователей — до прямого визита.

Атрибуция по первому клику (первому взаимодействию)

100% ценности конверсии присваивается первому каналу в цепочке взаимодействий.

Эта модель, наоборот, ориентируется на первый канал, который познакомил клиента с товаром.

Когда использовать: во время первых шагов пользователя к покупке, когда он еще не определился, нужен ли ему товар, и если да, то какой.

Пример: предновогодний период — всегда высокий сезон для магазина игрушек. Новогодние подарки нужны всем, поэтому привлекать пользователей стоит на первом этапе поиска товаров. В этот период ещё может получиться эффективно закупать самые широкоохватные, но в то же время низкоконверсионные общие запросы, например, по слову «подарок». Для кредитной организации в аналогичный период высокого спроса это могут быть слова  «кредит», «недвижимость» или «авто».

Преимущества:

• Оптимизация в начале пользовательского пути к покупке, когда он ещё ничего не знает точно и не принял решения.
• Оптимизация по охватным форматам — дисплей, видео.

Недостатки:

• Перевес в сторону одного канала: вся ценность присваивается только одному источнику.
• Субъективность модели.

Линейная модель атрибуции

Все каналы одинаково ценны.

«Первых нет и отстающих» — это принцип линейной модели, когда вес равномерно распределяется между всеми взаимодействиями. Принцип используется редко, потому что он не дает знаний для оптимизации рекламного бюджета. Из этой модели невозможно понять, когда происходит решающее взаимодействие.

Когда всё-таки использовать: если вам нужен постоянный рекламный контакт с пользователем и важна каждая точка взаимодействия во время принятия решения о покупке.

Пример: всесезонная кампания по доставке еды. Нужно поддерживать знание у потенциальных клиентов через охватные форматы и в то же время собирать сформированный спрос со словами «купить» и «заказать».

Преимущество: более продвинутая модель, чем предыдущие — учитывает все взаимодействия.

Недостатки:

• Рисуется нереалистичная картина, поскольку все каналы вносят разный вклад в конверсию.
• Роли каналов в привлечении пользователей тоже разные — одни рекомендуют товары, другие конвертируют клиентов. Равных ролей не бывает.

Атрибуция «временной спад» — с учетом давности взаимодействий

Наибольшая ценность у взаимодействия, которое ближе всего к конверсии.

«Главный герой» этой модели — время. Чем дальше от конверсии, тем меньше вес.

Когда использовать: если важно учесть последнее взаимодействие, но не хочется терять другие. Актуально для краткосрочных кампаний, когда в пиковые дни акции взаимодействиям присваивается наибольшая ценность, а происходящее за 7 дней до этого не особенно важно.

Пример: бренд арахисовой пасты готовит конкурс «покажи нестандартное использование продукта в соцсетях и получи 3 коробки бесплатно». Конкурс длится весь ноябрь, а дедлайн для участников — конец месяца. Логично отдать больший конверсионный вес именно этому периоду.

Преимущество: конверсионный вес целиком не уходит из охватных форматов в конвертирующие. Дисплей, видео, соцмедиа — все они получат долю конверсионного веса.

Недостаток: каналы, которые подарили бренду первые взаимодействия с пользователем, недооцениваются — у них неоправданно низкий вес.

Атрибуция с привязкой к позиции

Наибольшая ценность присваивается двум взаимодействиям — первому (40%) и последнему (40%). Остальные 20% равномерно распределяются между другими.

Когда использовать: если взаимодействия, с которых потребитель познакомился с брендом, так же важны, как и каналы, которые привели к конверсии.

Пример: крупный потребительский бренд запустил новый продукт. Ему важно сформировать знание товара в самом начале (через охватные форматы) и не упустить уже сформированный спрос в конце (конверсионные запросы).

Преимущество: выделяются две самые важные точки — вход в воронку (охватный) и последнее конвертирующее взаимодействие.

Недостаток: недооцениваются ассистирующие взаимодействия, то есть те, которые помогли потребителю дойти до конца. Даже если эти точки внесли серьезный вклад в конверсию, у них будет низкая ценность.

Атрибуция по последнему непрямому клику

Ценность — у последнего значимого канала в цепочке, который оказался перед всеми прямыми переходами.

По умолчанию эту модель часто используют во многих инструментах аналитики. Немного о терминологии:

• Непрямой переход — это переход на сайт из любого канала (поиска, соцсетей, видеорекламы), в том числе по ссылке на стороннем сайте.
• Прямой переход — посещение сайта, когда пользователь сам вводит его адрес или переходит на него из закладки в браузере.

То есть высшая ценность присваивается переходу, который предшествовал прямому, когда человек всё делает сам.

Цепочка может выглядеть так:

Google CPC → Organic → Direct → Direct → Direct → Конверсия

Ещё один тип атрибуции по последнему непрямому клику — «Последний клик в Google Рекламе». Она используется, когда нужно оценить вклад именно этого канала. Цепочку переходов можно представить так (главный кусок «конверсионного пирога» уйдёт Google CPC):

Display → Google CPC → Organic → Referral → Social → Direct → Конверсия

Когда использовать: если вы закупаете трафик в Google Рекламе и вам нужно выделить форматы и объявления с наибольшей конверсией.
Когда прямые посещения возвращают  ранее привлеченных клиентов — их больше не нужно брать в расчет.

Пример: вы — локальный бренд сыра, который уже известен на рынке. Вам не нужно формировать знание о себе и искать потенциальных клиентов, зато нужно собрать весь сформированный спрос и привести его на сайт. Тогда нужно оптимизировать Google Рекламу и выбрать наиболее конверсионные форматы и объявления.

Преимущество: определяет объявления Google Рекламы, которые принесли больше всего конверсий.

Недостаток: недооцениваются все другие источники в цепочке взаимодействия клиента с рекламой и их вклад в конверсию.

Атрибуция на основе данных (data-driven)

Не учитывает позицию канала в цепочке, а оценивает реальный вклад каждого взаимодействия в конверсию

Один из главных подходов придумал Ллойд Шепли — нобелевский лауреат, который сделал инструмент для распределения выигрыша между членами команды. В нашем случае члены команды — это взаимодействия пользователя с рекламными каналами, а выигрыш — конверсия. И дело тут уже не том, когда член команды к присоединился к другим, а какой именно вклад он внёс (на это влияет масса факторов). Поэтому алгоритмы анализируют взаимодействия и определяют, какой именно вес у каждого.

Когда использовать: когда нужно точно установить, какие каналы и ключевые слова наиболее эффективны, и распределять средства максимально обоснованно.

Пример: вы — автомобильный дилер, ваш товар люди покупают не сразу, им нужно время, чтобы выбрать машину и решиться на покупку. Поэтому вы не можете ориентироваться на последний шаг взаимодействия — он не случится без остальных. Нужно понять, какой канал действительно повлиял на конверсию, а какой можно убрать, и без него результат не изменится. Такую «магию» творит атрибуция на основе данных.

Достоинства:

• Позволяет оптимизировать назначение ставок.
• Не субъективна и основана на реальных данных.
• Даёт понять, какие каналы и ключевые слова оказались наиболее эффективными.

Недостаток: нужно много информации для корректной работы алгоритмов, поэтому доступна не всем рекламодателям.

Читать статью: «Атрибуция на основе данных: что это и как работает».

Пользовательская модель атрибуции

Модель строится самостоятельно на основе собственных наблюдений

За основу берется одна из стандартных моделей и дополняется параметрами, важными для вашего бизнеса.

Когда использовать: если вы уже попробовали стандартные модели атрибуции, поняли, чего в них не хватает, и знаете, какие показатели вам важно учесть.

Пример: вы уже не первый год запускаете кампанию по языковым курсам. Вы провели массу тестов, включали и выключали рекламные источники. Вы увидели, что на успех кампании сильно повлияла видеореклама. Значит, нужно построить модель атрибуции, в которой самая большая ценность привязана к видеоформату. Для этого вы строите кастомную модель атрибуции на основе базовой модели (например, по позиции) и присваиваете мультипликатор ценности каналу «видео».

Достоинство: настраивается индивидуально исходя из потребностей бизнеса.

Недостаток: требует много подготовительной работы.

Атрибуция в Google: инструменты и данные

Google Analytics

Отчеты об атрибуции есть в разделе «Конверсии». Рекламодателям доступны все описанные модели, но в стандартных отчетах по умолчанию используется «последнее непрямое взаимодействие».

Google Реклама

Отчеты по атрибуции находятся в разделе «Инструменты» — в подразделе «Атрибуция на поиске». Для моделирования доступны все виды атрибуции, а стандартные отчеты основаны на «последнем клике в Google Рекламе».

Google Атрибуция (бета-версия)

В новую систему, которая сейчас на этапе бета-версии, перейдут атрибуционные отчеты из Google Analytics. Для сравнительного анализа будут доступны все атрибуционные модели.

Google Платформа для маркетинга

Используется, чтобы автоматизировать и оптимизировать программатик-закупки рекламы. Если реклама закупается не в Google-аккаунтах, а на сторонних биржах, ее можно пометить пикселями в Google Платформе для маркетинга.