- Модели на основе правил
- Что такое атрибуция
- Data driven
- Last click
- Last non direct
- Last paid click
- Position based
- Алгоритмические модели
- Атрибутия: интернет-магазин флагов и товаров военной направленности
- Количество каналов
- Линейная ма
- Модели атрибуции на разных рекламных площадках и системах аналитики
- Предиктивные модели
- Преимущества и недостатки моделей атрибуции
- Факторы, влияющие на выбор модели атрибуции
- Выводы:
Модели на основе правил
Плюсы:
Просты в интерпретации и использовании. Все понятно: модель по первому клику всегда отдаст конверсию первому источнику, модель по последнему клику – отдаст последнему.
Не требуют много данных. Если у вас 10 конверсий, они распределяют 10 конверсий.
Бесплатные. Просто заходите в Google Analytics и используете.
Имеют алгоритм. Вы всегда знаете, чего от них ожидать.
Минусы:
– Они не объективны. Модели на основе правил всегда будут недооценивать какой-то канал. Потому что если это последний клик, то всегда будут недооценены предыдущие источники. Если это линейная модель, она будет недооценивать всех понемногу.
– Не универсальны. Подходят не всем и не под все задачи.
– Они оценивают только прошлое. Чтобы сделать выводы, вам нужно накопить конверсии и потом все это проанализировать и использовать.
Что такое атрибуция
Почему мы говорим про атрибуцию, и зачем она нужна? Многие ее используют, даже не зная об этом. Это не приставка к вашей маркетинговой активности в диджитале, а инструмент, который может продвинуть ваш маркетинг, увеличить его эффективность и правильно его оценить.
Попробую объяснить этот термин на простом примере. Представим, что у нас есть простая цепочка до покупки в интернет-магазине. Пользователь пришел с Google Ads и решил сделать заказ на сайте.
В этом случае все понятно: Google Ads – молодец! В своих отчетах мы увидим, что одна конверсия была с Google Ads.
Если в целом заявок было больше, то Google Ads принесет больше покупок. Делать оценку в таком ключе очень просто и понятно. Здесь не должно возникать никаких сложностей.
Но к сожалению, современный мир сложнее такой цепочки. Мы используем либо несколько каналов, либо десятки каналов. Все они приводят пользователей, все они участвуют в цепочке до покупки и т. д.
Data driven
Data driven – это алгоритмическая модель в Google Analytics. МА распределяет ценность по всем каналам в зависимости от того, насколько часто этот канал повторяется в других цепочках и увеличивает вероятность совершения конверсии.
Data driven построен на векторах Шепли. Там много формул. Алгоритм анализирует все касания пользователей с брендом, а потом создает альтернативные варианты, в которых одно из касаний отсутствует. Это показывает, как именно канал влияет на вероятность конверсии.
Соответственно, этот канал в общем отчете получает какую-то дополнительную ценность. Ему распределяется большее количество конверсий либо долей от конверсии.
Минус этой модели атрибуции: он дорогой, так как доступен в платном сервисе Google Analytics 360. При этом нужно собрать достаточно много данных.
Last click
Разберем первый вид. Модели атрибуции, которые сделаны на основе правил. Например, last click.
Last non direct
Last non direct – когда вся ценность отдается тому каналу, который был перед прямым. То есть прямой трафик никогда не получает конверсии, если он не был единственным в цепочке. А если он единственный в цепочке, то конверсию получит он.
Почему так? Директ – неуправляемый канал. Мы можем сделать больше прямого трафика только при помощи каких-то других инструментов. Например, развить проект, прокачать SEO. Но сам Директ-трафик мы прокачивать не можем, поэтому оценивать его напрямую некорректно.
Last non direct click – это базовая модель атрибуции для Google Analytics. Все отчеты, которые вы видите в сервисе, оцениваются по модели «Last non direct click». Поэтому когда вы видите какой-то стандартный отчет Google Analytics, вы должны понимать, что именно так распределяются конверсии.
Last paid click
Last paid click – когда последняя конверсия всегда отдается последнему платному каналу. В нашем случае последним был платный канал TikTok.
Несмотря на то, что после него был Google-поиск, вся конверсия отойдет TikTok. Эта модель атрибуции хороша, когда у нас не длинные цепочки, когда конверсии редко заканчиваются платными каналами. Например, платные каналы работают на привлечение, и мы хотим оценить их эффективность. Чаще всего, когда у нас один канал и мы хотим посмотреть, какая его ценность, в каком количестве конверсий он участвовал.
Position based
Position based – эта МА дает больше всего ценности первому и последнему каналу. Все каналы посредине распределяют ценность равномерно.
Среди моделей, которые основаны на правилах, эта модель атрибуции самая логичная. Часто каналы, которые закинули в воронку, и каналы, которые закрыли пользователя, можно считать наиболее ценными. Они привели нового пользователя, который в самом конце конвертится. И этим каналам присваивается самая большая ценность.
Алгоритмические модели
Плюсы:
Справедливо оценивают вклад каждого канала в результат.
Универсальны, можно использовать одну модель атрибуции для разных каналов.
Часто доступны бесплатно (Data Driven Google Ads).
Минусы:
– Алгоритм расчета не всегда просто понять. Не каждый может себе объяснить, почему именно так. Иногда кому-то достаточно видеть результат и верить ему, принимать решение и все. А кто-то хочет докопаться, но это не всегда легко.
– Часто не бесплатны и требуют регулярной поддержки и вложений. Если вы ходите Data driven в Google Analytics, вам нужно купить Google Analytics 360.
– Оценивают только прошлое. Накапливаете конверсии, распределяете ценность, делаете выводы, перераспределяете бюджет рекламных кампаний и снова по кругу: опять накапливаете конверсии, делаете выводы, меняете бюджет.
Зависит от того, как быстро вы накапливаете данные. Если конверсий не так много, то мы ставим алгоритмические модели для небольшого количества конверсий. Вы будете долго собирать статистику, чтобы сделать какие-то выводы.
Атрибутия: интернет-магазин флагов и товаров военной направленности
Заказы на сайте принимаются круглосуточно!
Количество каналов
Если у вас очень длинные цепочки, но один канал (например, Google Ads) и одна рекламная кампания, то вы тоже можете использовать Last Click.
Если у вас один канал Google Ads, но большое количество рекламных кампаний, тогда Last Click не подойдет.
Работа с атрибуцией в компании – это эволюционный и живой процесс. Нельзя выбрать одну МА на всю жизнь. Такого не бывает. Все зависит от того, как развивается ваш маркетинг. Сегодня вы работаете с одним рекламным каналом, завтра – с другим. А послезавтра вы запустили какую-то охватную рекламную кампанию, чтобы усиленно насыщать верх воронки. И так далее.
Вы должны правильно выбирать нужную МА и использовать ее.
Линейная ма
Линейная МА – это стандартная модель атрибуции в Google Analytics, которая распределяет конверсию по всем имеющимся каналам в цепочке равномерно. Каждый канал получит по 25 %.
В моей практике не было проектов, где я смог применить эту модель.
Модели атрибуции на разных рекламных площадках и системах аналитики
Давайте разберемся, какие варианты оценки существуют.
Варианты оценки – это модели атрибуции. Мы можем оценивать наши рекламные активности по разным моделям атрибуции.
Есть какая-то общепринятая терминология, но в целом модель атрибуции может быть любая, даже выдуманная вами (если у вас достаточно экспертизы и возможностей реализовать свою).
Модели атрибуции (МА) стоит разделить как минимум на 3 вида:
- Модели на основе правил (последний клик, первый клик). Эти модели оценивают наши рекламные активности по жестко заданным правилам. Нет никакой вариативности.
- Алгоритмические МА – у них есть внутренний алгоритм, который позволяет оценивать ситуацию, каждый отдельно взятый случай, не подгонять все под одну гребенку, а более здраво это оценивать. Используется в Google Data Driven, OWOX Funnel Based.
- Предиктивные МА – такие, какие разрабатывает компания Нильсон. Сюда можно отправить еще бренд-лифт в Google и т. д.
Эти базовые виды МА можно еще как-то делить и изучать более подробно.
Предиктивные модели
Предиктивные модели сейчас набирают популярность, но еще редко используются, оттого что сложные и требуют очень много данных. К тому же эти модели дорогие.
Что делает предиктивная модель? Оценивает вероятность совершения покупки в каждой цепочке. На нашем примере цепочка, у которой конверсия еще не совершена. Но предиктивная модель позволяет понять, где в этой цепочки с большей долей вероятности будет совершена конверсия.
Например, если конверсия будет совершена в этой цепочке, то самым ценным здесь будет TikTok, вторым – Google и т. д.
Предиктивные модели позволяют принимать решения не на основе исторических данных, а на основе того, что предсказано. Это ускоряет принятие решений. Соответственно, мы можем не дожидаться, когда соберем определенное количество конверсий, чтобы сделать какие-то выводы, изменить рекламные кампании.
Так работает цикл для алгомитрических моделей на основе правил, но такие МА всегда тормозят бизнес. А сейчас в диджитал-маркетинге побеждают наиболее быстрые. Скорость очень важна, и предиктивные модели позволяют добиться скорости. Они работают на базе ML (англ. machine learning, ML) и прогнозируют конверсии в цепочке.
В зависимости от того, по какой МА будете оценивать, вы увидите разные результаты.
Например, представьте, что у вас есть отчет Google Analytics, где вы видите количество конверсий, отчет по источникам канала или отчет по каналам.
Преимущества и недостатки моделей атрибуции
Давайте рассмотрим плюсы и минусы каждого вида моделей.
Факторы, влияющие на выбор модели атрибуции
1. Длина сделки. Если ваши сделки короткие, например, вы продаете курсы, и вы закрываете людей на бесплатные вебинары. Часто у них может быть короткий цикл сделки. Для оценки таких рекламных кампаний вам может подойти Last Click. Эта модель будет объективно отражать результаты и не потребует дополнительных ресурсов.
Я часто вижу, как люди недооценивают свои сделки. На самом деле они короткие. Они не правильно оценивают ситуацию, начинают придумывать велосипеды, сложные МА. Но если бы они просто оценивали все по Last Click и больше экспериментировали с рекламными кампаниями, то добились бы большего результата.
При длинных сделках вам необходимо использовать другую модель, чаще – несколько моделей. Например, вы можете комбинировать Last Click, First Click. Все будет актуально. Вы можете разные активности оценивать по разным МА.
2. Канал/кампания, которую вы оцениваете. Каждый рекламный канал имеет свою цель и взаимодействует с пользователем на разных этапах воронки. Вы можете один канал оценивать одной МА, другой – иной МА.
Разберем пример.
У вас есть поисковые кампании в Google Ads, которые работают с общими запросами. Допустим, «купить кроссовки». Чаще всего такие запросы не приводят напрямую к конверсии. Пользователи просто смотрят, добавляют в wish-лист и уходят, а потом через какое-то время возвращаются.
Но если вы оцените их по первому клику, то можете увидеть, что люди, которые пришли с общих запросов, потом совершили конверсии.
И можете посмотреть, какая доля из общего количества конверсий совершена по первым кампаниям. И уже более грамотно оценить эти кампании.
Это если вы знаете, зачем вы запустили эту кампанию. Если вы знаете, что эти кампании запущены, чтобы насыщать верхнюю часть воронки новыми пользователями и дальше доводить их до конверсии.
Кампании средней части воронки – поиск товаров, динамические поисковые объявления, шоппинг. Все это можно оценивать линейными МА, но лучше использовать с учетом давности взаимодействия. Или применять алгоритмические модели на основе данных. Например, Data driven, если у вас есть такая возможность.
Их лучше не оценивать ни первым, ни последним кликом, потому что они не дают какой-то ценности. Но при этом, если у вас в кампании есть брендовые запросы и ремаркетинг, то они чаще всего находятся на конечном этапе воронки. Тогда их можно оценивать по последнему клику.
Вот так можно визуализировать тезис о том, что МА зависит от того, какая цель стоит перед той или иной рекламной кампанией.
Выводы:
Модель атрибуции может подходить под вашу задачу или бизнес, но не быть идеальной.
Используйте несколько моделей атрибуции. Экспериментируйте с моделями. Один и тот же канал в разных моделях будет показывать разную эффективность.
Не используйте атрибуцию, как инструмент точного подсчета количества заказов. Это скорее ваш ориентир, который позволяет принимать правильные тактические решения (как перераспределить бюджет, какую кампанию выключить, где повысить ставки).