Медийная реклама. Инструкция на 27 страниц, как мы анализируем медийку (в деньги) на примере крупного бизнеса с оборотом 4,5 млрд рублей/год.

Вашему вниманию — статья занявшая 27 страниц текста в Google Docs. Можно даже сказать, что это не статья, а методичка на примере живых цифр.

Иван Селюков и Сергей Шарлап – авторы статьи. Мы эксперты в области контекстной и медийной рекламы.

Эта статья описывает наш опыт запуска медийной рекламы для онлайн-школы "Фоксфорд"

Фоксфорд – это онлайн-школа для учеников с 1 по 11 класс. Согласно рейтингу SmartRanking среди компаний EdTech за 2024 Фоксфорд занимал первое место. В открытых источниках можно увидеть, что выручка компании за 2024 год составила около 4,5 миллиардов рублей.

Первое, что мы сделали, когда начали работать с медийной рекламой – пошли общаться с рынком, задавая вопрос “А как у вас там с окупаемостью?”. Нас, выходцев из перфоманс-маркетинга, вопрос окупаемости интересовал больше всего.

Картина была следующей

У компаний, с которыми мы общались, был разный уровень аналитики медийной рекламы. Бюджеты тоже были разными – от нескольких миллионов в месяц до нескольких миллиардов в год. Но аналитику, которую можно было перенять и, самое главное, которой можно было полностью доверять, мы не нашли.

Поэтому мы решили, что нужно взять из рынка всё, собрать вместе, увидеть картину целиком и понять, как всё-таки анализировать окупаемость медийной рекламы в интернете.

Представим, что мы из прошлого пришли к себе из будущего и спрашиваем про окупаемость:

Задачи медийной рекламы можно разделить на три уровня воронки:

1. Знание

Рекламный посыл, рассказывающий, кто вы по жизни. И эмоциональная составляющая.

Например: “Т-Банк – онлайн-банк без отделений и очередей” (эмоциональная составляющая через визуал).

2. Рассмотрение

Продуктовый посыл, показывающий продукты, которые у вас есть. И рациональная составляющая.

Например: “Кредитная карта Т-Банка. 120 дней без процентов!”

3. Продажи

Реклама, которая закрывает в конверсию. Как правило, используется конкретный оффер или цена.

Например: “Оформи кредитную карту Т-Банка. Обслуживание 0 руб”

Часто при запуске именно по такой воронке подстраиваются рекламные посылы.

Анализировать медийную рекламу стоит также относительно запущенных воронок.

Каждый этап воронки – это отдельный запуска, который анализируется по-своему, но в конечном итоге все оценивается по деньгам и окупаемости.

На рынке я общался про кейс, когда на медийную рекламу отдел маркетинга потратил 400 миллионов и ощутимо поднял знание бренда, но к существенному приросту продаж это не привело. Но уже следующий запуск, который был продуктовым с рациональными выгодами, начал приносить деньги.

Их можно разделить на качественные и количественные. Мы рассмотрим те, на которые смотрим сами, и поделимся тонкостями.

Важно будет изучить все методы, а не только те, которые говорят про деньги. Иначе при оптимизации запусков вы не поймете, в чем проблема и что нужно исправить и поменять – медийный ролик, таргетинги или площадку.

Качественные методы (не про деньги)

1.1. Brand Lift

1.2. BHT (Brand Healyh Tracking)

1.3. Оценка медийных роликов в Я.Взгляд и других сервисах

1.4. Метрики CPM, VTR, RF, SOV

2.1. ММР – метрика для медийной рекламы

2.2. Прометка хешированных данных и О2О аналитика

2.3. Post-campaign аналитика

2.4. Аналитика медийной рекламы через сегмент с нулевой корректировкой (только для Яндекса)

2.5. Search Lift

2.6. Отслеживание по вордстату брендовых запросов

2.7. Visit Lift

2.8. Target Lift

2.9. Аналитика исторических данных перфоманс маркетинга

2.10. Аналитика выручки компании

2.11. Сервис медийной аналитики Target ADS

2.12. Проверяем честность цифр из Target ADS. Аналитика “сырых” данных из верификатора данных через сервис внутренней аналитики

Важная оговорка: в этой статье мы базово будем рассматривать аналитику медийной рекламы в Яндексе. По моему субъективному мнению, начинать лучше с неё.

В Яндексе больше всего аналитических отчетов, которые простраиваются автоматически после запуска: можно заказать посткампейн аналитику, есть большое количество таргетингов и аудитория в 100+ млн человек. Плюс для того чтобы получить бренд-лифт отчет, не нужно тратить 50+ миллионов рублей, как в ВК. А еще нет больших проблем с фродом и есть хороший брендсейфти.

Итак, вернёмся к отчёту.

БрендЛифт - это исследование на основе опросника, который показывается тем, кто видел вашу рекламу, и тем, кто должен был её увидеть, но не увидел. На разнице в ответах рассчитывается прирост (или отсутствие прироста) метрики.

Обычно мы выбираем такие вопросы:

Третий вопрос можно менять на другие, например на: “Какие бренды в готовы рассмотреть?” или “Какие бренды вы предпочитаете?”. Но мы решили, что вопрос “Где вы купите в следующий раз?” более прямой и лучше отражает эффект от рекламы.

Зачем нужен такой отчёт?

Мы используем данные отчета для оценки влияния креатива на аудиторию. Представим, что люди посмотрели наш медийный ролик. Как оценить его влияние на рост знания бренда или намерение купить наш продукт? Такая оценка будет очень субъективной и зависит от ролика, аудитории, сезонности и конкурентной среды.

Какой бренд-лифт считать хорошим?

Здесь нет однозначного ответа – всё зависит от вашей ниши. Например, в банковской сфере получить по бренд-лифту +1% – уже хорошо. По крайней мере, так говорят коллеги-маркетологи из банков.

Если бренд-лифт положительный, это уже хорошо. Сравнивая свои бренд-лифты с бренд-лифтами других компаний, мы пришли к выводу, что результаты у Фоксфорда хорошие.

Это отчёты, которые делают для вас сторонние компании. Мы работаем с Ipsos и Tiburon. Этим занимается отдел развития бренда Фоксфорда.

Если ваши бюджеты на медийную рекламу ниже нескольких десятков миллионов в месяц (для некоторых ниш – сотен миллионов, к ним относятся банки или операторы связи), то не факт, что вы увидите по этим отчётам прирост в моменте.

Полезно следить за такими отчетами от квартала к кварталу и понимать, есть ли значимый рост.

Немного про значения на слайде:

Почему нужно оценивать медийные ролики?

Потому что продакшен роликов стоит несколько миллионов и занимает несколько месяцев, а потом на открутку роликов тоже тратятся десятки (а иногда – сотни) миллионов рублей. Важно выбрать лучший ролик из всех.

Вот как выглядит оценка роликов в интерфейсе Яндекс.Взгляда:

Мы с Фоксфордом уже три года занимаемся созданием видеороликов и постоянно их оцениваем. Качество растет год от года.

Одновременно делается и проверяется 6-9 роликов, ниже вы видите среднюю оценку всего пака по годам.

Чем выше оценка ролика, тем выше его окупаемость?

Зависимость окупаемости от оценки ролика в положительную сторону есть. Но лучше всего проверять на практике.

Например, ролик про программирование с оценкой 5.0 окупился лучше ролика для репетиторов с оценкой 5,3. В то же время два ролика про репетиторов с оценкой 5,3 имели разницу в окупаемости практически в 4 раза.

RF (Reach and frequency) — частота показов на одного пользователя.

Критически важный показатель для медийной рекламы.

В 2023 году при RF больше 3-х у нас резко начинался рост конверсий. Чтобы догреть нашу аудиторию, до неё нужно было дотронуться минимум три раза.

Объясним его важность на примере масла и хлеба.

Низкий RF

Размазали тонким слоем масло по хлебу. Вроде масло потратили, а вкуса нет. С медийной рекламой то же самое: вроде деньги потратили (и немалые!), а конверсий нет.

Высокий RF

Масла будет больше, чем хлеба. Жирно, есть не хочется, масло потрачено. В медийной рекламе это означает лишние расходы в бюджете и перегрев аудитории.

Мы ставили себе частотный лимит – от 3 до 10 показов.

VTR (View-through rate) — доля пользователей, просмотревших рекламу до конца. Мы смотрим именно на досмотр 100% роликов длиной от 15 и более секунд.

Если VTR слишком низкий, проблемы либо с аудиторией (показываете не тем), либо с роликом (его не хотят смотреть).

Если VTR слишком высокий, тоже плохо*. Возможно, показы идут на некачественных площадках. С Яндексом такое редко случается, а вот истории с программатик-платформами, когда видео крутилось на сайтах, где даже не было видеопроигрывателя, я слышал.

* Исключение – показы на Smart TV или видео за вознаграждения.

SOV (Share of Voice) - доля присутствия бренда среди общего объёма трафика, рассчитанного относительно ваших таргетингов и бюджета.

Минимальный процент, на который можно ориентироваться при настройках – от 10%. Если будете выбирать SOV >45-55%, скорее всего, начнёте конкурировать с крупными рекламодателями не из своей ниши. Точнее, будете очень дорого платить за охваты — так-то вы всегда конкурируете с другими рекламодателями.

На нашем примере, выбирая таргетинги “Родители детей от 6 до 16”, можно взять SOV в 15-40% и в целом не сильно переплатить за аукцион.

Но если перейти рубеж 40% и выше, то начнётся конкуренция за трафик с банками, маркетплейсами, FMCG и другими игроками рынка.

Переходим к количественным исследованиям – говорим про цифры и конверсии.

Первые цифры и даже доход можно увидеть в этом разделе, но верить ему не стоит.

Ниже пример того, как это выглядит в интерфейсе. Если провалиться в аналитику, можно увидеть доход (при наличии настройки электронной коммерции).

Если мы всё же верим в цифры ММР, то с нашей медийки мы зарабатываем больше, чем вся компания.

В начале работы (2023 год) мы ориентировались именно на ММР, поэтому у нас получилось сравнить исторические данные. Стоимость оплаты в первый год работы через медийку была 2 000 рублей, а стала 600 рублей. Обе цифры не соответствуют действительности, но, по крайней мере, видно улучшение от года к году.

Пример

У вас запускались рекламные кампании (РК) в феврале. Вы идёте к своим аналитикам или к CRM-отделу и просите выгрузить вам данные (почты,телефоны) в хешированном виде. В выгрузку должны попасть сведения обо всех, кто покупал ваши продукты в период февраль-март. Или можно дождаться выгрузки за февраль, март и апрель.

Потом с этими данными вы идёте к менеджерам Яндекса и просите их прометить всех, кто соприкасался с медийной рекламой.

В офлайн-бизнесе это называется “О2О аналитика”. Таким образом можно совместить данные из офлайн-магазинов с теми, кто видел медийную рекламу в интернете.

Яндекс всё это дело промечает, и вы с промеченными данными снова возвращаетесь в CRM-отдел, а лучше – к аналитикам, чтобы они посчитали, сколько оплат компании принесли пользователи, которые соприкасались с медийной рекламой. Вот и конкретная цифра.

Также аналитиков можно попросить разделить оплативших пользователей на новых, старых, платящих и спящих. Так вы поймёте, какую ключевую роль выполняет ваша медийная реклама – возвращает спящих, приводит новых или прогревает платящих клиентов.

Минусы этого метода

Представьте себе медийный флайт, который охватил 20-30 миллионов человек. Один из них мог всего раз увидеть маленький баннер и совершить оплату, но не благодаря увиденному баннеру, а из-за статьи о продукте, которую он прочитал ранее, причем неделю после прочтения его догонял ретаргетинг. Но по этому методу оплата атрибуцируется именно к медийной рекламе.

И если вы видите кейс “Медийная реклама окупилась на 500%”, скорее всего, она оценивалась именно так – не очень чисто и объективно (или очень широко).

На какой ROMI ориентироваться при такой оценке медийной рекламы?

Для каждого бизнеса будет своя цифра. Средние чеки разные, цикл сделки разный, и каждый может позволить себе свою окупаемость (только в моменте или через 5 лет выйти в ноль).

Если говорить про Фоксфорд: мы будем считать ROMI +450% отличным, +350% хорошим, +200% удовлетворительным.

Именно таким методом мы оценивали медийную рекламу на Авито: ROMI +489%.

✅ Ссылка на кейс, которые писали ребята из Авито по результатам этого запуска

В таких отчетах можно увидеть цепочки касаний (как медийная реклама улучшает показатели контекстной рекламы), процент пользователей, которые начали путь к конверсии через медийную рекламу, данные CPA и CR по тем, кто видел медийную рекламу, накопленную эффективную частоту.

При просмотре отчетов Яндекса мы исходили из логики: “это, конечно, всё хорошо, но до конца мы вам не верим, и каждый отчет должен подтверждаться данными из другого отчёта (не из Яндекса) или из внутренней аналитики”.

Все эти отчёты нам скидывали менеджеры Яндекса. Если вы уже большая компания с миллионными затратами в месяц, то у вас тоже такой будет.

✅ Ниже пример, по которому Яндекс выпустил с нами кейс у себя на сайте.

Такая аналитика подходит для тех, кто помимо медийной рекламы в Яндексе много тратит и на перфоманс-рекламу (а именно – на классический контекст в Яндекс.Директ). Если это не вы, то можете пропустить этот пункт.

Как такое сделать?

Что даёт такой отчёт?

В нашем случае отчёт подтвердил данные Яндекса “Эффективность цепочки конверсий”, про который вы читали до этого. Пользователи, которые видели медийную рекламу, имели CR в конверсию в 3,8 раза выше, чем пользователи, которые медийную рекламу не видели. Это, на минуточку, конверсия в оплату. А если посмотреть разбивку на “поиск” и “сети”, то CR в сетях возрастает в 6 раз (тут и кейс не стыдно написать).

Так и работает субъективно-объективная оценка эффективности медийки.

Если медийная реклама в контексте улучшает конверсию, значит, и в других каналах влияние тоже положительное, а значит, деньги компании потрачены не зря.

Важно понимать, что этот отчёт не показывает всю картину – не до конца понятно, сколько конверсий принесла медийная реклама. Мы видим её влияние только на определенную часть перфоманс-рекламы, поскольку сегменты можно добавить только в ЕПК кампании.

Не забывайте про 3 правила корректировок:

1) корректировки разных категорий перемножаются между собой;

2) среди корректировок одной категории выбирается наибольшая (у -100% наименьший приоритет);

3) корректировки на уровне групп полностью игнорируют корректировки той же категории на уровне кампании.

Search Lift — прирост запросов в поиске от пользователей, видевших рекламу, по сравнению с пользователями, которые её не видели.

Снова отчёт от Яндекса.

Что даёт этот отчёт?

Он показывает, что ваша реклама смогла сформировать органический спрос. Её увидели, запомнили ваш бренд, а после пришли на поиск и вбили запрос.

Не забывайте: медийная реклама не про клики.

Как правило, человек видит ролик, закрывает его после просмотра и идёт заниматься своими делами.

Проверить достоверность этого отчёта непросто, но возможно. Наш способ описан ниже.

Этот метод бесполезен, если:

Логика простая: если мы запускаем медийку, видим положительные отчеты серч-лифта и в то же время наблюдаем, что рост брендовых запросов YoY присутствует, значит, наша доля успеха здесь тоже есть.

Вопросы вызывает ситуация, когда серч-лифты от месяца к месяцу положительные, а роста нет.

Заметка

Для диджитал-медийки такой метод оценки имеет место, но возлагать на него надежды не стоит. Когда человек видит медийку на сайте с любого устройства и у него возникает интерес, он может и кликнуть на креатив (да, на клики в медийке не смотрят, но всё же). Часть будущего органического трафика может нивелироваться именно этими кликами.

Для лучшего противопоставления можно сказать про рекламу на ТВ. Если человек увидел рекламу, он может пойти в интернет и вбить брендовый запрос. В интернете можно сразу и кликнуть.

Две из трех компаний, с которыми мы обсуждали этот вопрос, сказали, что диджитал-медийка не растит брендовый трафик. При этом был и обратный тезис (возможно, дело в том, что у этой компании бюджета на маркетинг в 15 больше, чем у первой и второй компаний вместе взятых).

Visit Lift — прирост визитов на сайте от пользователей, видевших рекламу, по сравнению с пользователями, которые эту рекламу не видели.

Долго останавливаться на этом не будем. Для своей проверки можете отслеживать историческое количество визитов на сайт и смотреть, есть ли прирост от года к году по месяцам.

Например, у нас в феврале 2025 года было +20% трафика в сравнении с февралем 2024 года.

Target Lift показывает, насколько лучше выполняют конверсию на сайте люди, видевшие вашу рекламу, в отличие от тех, кто её не видел.

Для перепроверки такого отчёта можно вести и отслеживать аналитику, которую мы опишем ниже.

Задача медийной рекламы, как и у паровоза из фильма “Назад в будущее”, двигать автомобиль перфоманс-маркетинга вперёд. Медийная реклама со своими огромными охватами создает спрос, а перфоманс-маркетинг этот спрос закрывает.

Если в вашем маркетинге существенную часть бюджета (от 10%) стала занимать медийная реклама, то логично, что показатели перфоманса будут изменяться. По-хорошему – в лучшую сторону.

Изначально мы делали такую аналитику по годам. Тут три строчки, поскольку в перфомансе все РК у нас разделены на три направления: прямой спрос, ретаргетинг, бренд.

Важно трезво оценивать цифры и своё место на рынке.

Если у вас ёмкость рынка большая и вы занимаете в ней процента два трафика, то рост от года к году на 50-100% не будет проблемой, если есть деньги.

А если ваша компания входит в топ компаний по бюджетам на перфоманс-маркетинг среди своей индустрии (как Фоксфорд), делать рост от года к году на 20% или 100% в контекстной рекламе – задача не из простых.

Похожая ситуация описана в пункте 2.9: если доля бюджета на медийную рекламу начала занимать существенную часть бюджета, то по логике выручка компании должна расти.

Представим, что на маркетинг в год компания тратит 400 миллионов, из которых 100 миллионов – это медийная реклама. Допустим (гипотетически, конечно), что эти 100 миллионов мы спустили в трубу.

Скорее всего, на таких масштабах влияние на результаты компании тоже будет сильным. Кто бы что не говорил, но задача рекламы – заработать денег больше, чем было на неё потрачено.

Поэтому, если на рынке всё плюс-минус спокойно и у вас от году к году начинает возрастать бюджет на медийку, то выручка/прибыль компании тоже должна расти.

Грубая оценка? Возможно.

Медийная реклама – это масштабный инструмент, влияющий на большое количество метрик маркетинга. Такие инструменты и нужно оценивать масштабно.

Сейчас я буду рассуждать так, как я это делал до того, как мы дошли до аналитики медийной рекламы в цифрах, а именно – до того, как мы подтвердили, что у нас есть цифры по окупаемости, которым можно верить.

Это было необходимо, чтобы удостовериться в эффективности медийной рекламы. Тогда опыта у нас не было, а компании нужно было показывать, что медийная реклама приносит как минимум пользу. Про конкретные расчеты окупаемости сначала не шло даже речи.

Довод 1. Метрика для медийной рекламы (Пункт 2.1)

Можно ли ей верить? Нет. Но как минимум от году к году мы снизили стоимость оплаты на 300%. Ставим себе +1.

Довод 2. Поствью аналитика от Яндекса (пункт 2.3)

Яндекс говорит, что медийка улучшает работу перфоманс-маркетинга. Проверяем это через сегмент с нулевой корректировкой. Да, так и есть, отчётам в какой-то степени верить можно. Ещё +1 в копилку эффективности.

Довод 3. Search Lift (пункт 2.5)

Яндекс говорит, что наши компании помогают растить количество брендовых запросов. Смотрим на вордстат – да, это есть. Хотя ощутимый рост начался, когда бюджета на медийную рекламу у нас стало больше. Вначале при небольших расходах рост бренда был незаметен. Ещё +1.

Довод 4. Visit Lift

Отчёты показывают, что кампании увеличивают количество визитов на сайт. Заходим в метрику и проверяем, есть ли прирост YoY. Да, есть, причем рост в некоторой степени коррелирует с теми цифрами, которые показаны в отчётах Яндекса. Ещё +1.

Довод 5. Target Lift

Медийная реклама в Яндексе улучшает конверсию в РК перфоманс-маркетинга. Смотрим на исторические данные перфоманса — да, есть рост и увеличение ROMI. Ещё +1.

Подробнее про Таргет Лифт

В этих статистических данных кроется ответ на вопрос: “А какой бюджет на медийку будет эффективно потратить?”

Сходу на такой вопрос не ответить. Но если вы будете планомерно увеличивать бюджет на медийную рекламу и перфоманс-маркетинг, возможно, в определенный момент вы начнете замечать, что ROMI суммарный (медийная реклама + перфоманс) начнет падать. Вероятно, вы достигли ёмкости рынка, и дополнительный бюджет будет перегревать одну и ту же аудиторию.

😡 Это всё, конечно, хорошо но где конкретные цифры? Сколько мы заработали?

Переходим к самым главным пунктам.

Контекст для понимания

В чем проблема аналитики медийной рекламы? В том, что на неё не кликают, а если кликают, то клики холодные и их мало.

Нужно оценить и понять, как ведёт себя аудитория, которая просто ПОСМОТРЕЛА медийный ролик? ПОСМОТРЕЛА не равно КЛИК!

И как трекать и отслеживать это, если не было клика?

Для этого есть сервисы медийной аналитики. Например, TargetADS, Adriver, Weborama.

Их называют верификаторами трафика.

В этих сервисах для нас важен отчёт поствью доход (если мы хотим понять конкретный доход, а не просто количество конверсий, пришедших благодаря медийной рекламе).

С Adriver и Weborama у нас не сложилось: один сервис не пропустила служба безопасности компании, а в другом, помимо сервиса (верификатора данных) нужно было докупить сервис по обработке верифицированных данных и построения аналитических дашбордов. Плюс требовалась доплата за формирование отчёта по поствью-доходу.

ТаргетАДС объединил в себе верификатор данных и систему, которая строит данные в отчеты. Сразу доступен и отчет по поствью-доходу, причем с разными моделями атрибуции.

Ещё одним преимуществом лично для меня был опыт в медийной рекламе – ребята из ТаргетАДС были с нами на одной волне. Так что сервис понравился, искренне рекомендую (не реклама).

Первое касание (мед) или First Impression – здесь учитываются только медийные касания и только первые касания. Этому показателю неважно, что будет потом и какие НЕ медийные каналы были до первого медийного касания.

Очень широкая модель атрибуции. По этой модели атрибуции ваша медийная реклама должна окупаться как минимум в два раза.

Последнее касание (мед) или Last Impression — то же самое, только учитывается последнее медийное касание.

Первое касание (все) или First Interaction — учитываются ВСЕ точки касания, не только медийные. И конверсия атрибуцируется к медийной рекламе, только если она действительно была первой среди всех других каналов.

Линейная (все) или Linear — каждому каналу присваивается равный вес.

Из-за того, что окупаемость медийной рекламы выше по модели атрибуции “Первое касание (все)”, чем по “Линейная (все)”, можно сделать вывод, что медийная реклама чуть чаще приводит именно новую аудиторию, чем прогревает ту, которая уже взаимодействовала с другой рекламой.

Target ADS Model – модель, которая объединяет в себе сумму двух цифр.

Первая цифра – количество конверсий с учётом давности времени совершения конверсии, исключение брендовых заходов, прямых заходов и фрода.

Вторая цифра – количество конверсий, где более 70% показов пришлось на медийную рекламу. Без медийной рекламы их бы вообще не было.

Если оценивать медийную рекламу достаточно жёстко, это модель атрибуции Таргет АДС Модель.

В ней также исключаются прямые заходы и брендовый трафик, хотя, как мы выяснили ранее, медийная реклама может способствовать росту брендового трафика и визитов на сайт.

На старте нашей работы с ТаргетАДС мы, честно говоря, думали, что выйти в положительный ROMI по этой модели атрибуции вряд ли получится. Но в итоге получилось)

Как помните выше, все данные, полученные от Яндекса, мы подвергали критике и перепроверяли другими отчетами или другими данными. Такая же задача была у нас и с Target ADS. Мы подразумеваем, что операцию по проверке объективности данных вы можете сделать не только с ТаргетАДС, но и с другими верификаторами.

Проверить ТаргетАДС мы решили через свою собственную систему аналитики.

Она построена в Yandex DataLens — сервисе визуализации и анализа данных от Yandex Cloud.

Там мы ориентируемся на модель атрибуции, построенную на основе цепей Маркова.

Атрибуция по цепям Маркова показывает более честное распределение заработанных денег по каналам. Условно, так: если после взаимодействия с рекламным каналом “А” пользователь чаще совершал оплату, то в дальнейших цепочках этому каналу присваивается больший вес. Это объяснение довольно примитивное, поэтому рекомендую отдельно почитать про цепи Маркова (например, тут).

В некоторой степени атрибуцию по цепям Маркова в нашей системе аналитики можно сопоставить с моделью атрибуции “ТаргетАДС Модель”.

Проброс данных из ТаргетАДС в ДатаЛенс

Наша система аналитики была заточена под перфоманс-маркетинг и видела только клики. Поэтому мы сделали следующее:

3. Данные обрабатывались с учётом модели атрибуции по Маркову;

Мы тут не будем рассказывать, что такое “цепи Маркова” т.к. это долго и сложно. Можно просто держать в голове, что атрибуция по Маркову это сложная модель атрибуция, типа модели “ТаргетАДС Модель” но с другой логикой подсчёта.

4. Как итог имеем следующие цифры: в январе данные у нас отличаются на 30% между ТаргетАДС (атрибуция ТаргетАДСМодель) и DataLens (атрибуция по Маркову)

А если сравнивать январь, февраль, март, то разница между ТаргетАдс и ДатаЛенс всего в 17%.

ТаргетАДС показывает чуть больше.

Если вам кажется, что цифры сильно отличаются, то разница между ТаргетАДС и Метрикой для медийной рекламы от Яндекса (ММР) отличаться может в ПЯТЬ раз.

Описывали этот метод в пункте 2.2.

Мы брали сырые данные из ТаргетАДС (тех, кто видел медийную рекламу) за период август-декабрь 2024 и делали вот такую красивую табличку

Здесь не просто прометка, а возможность по каждому пользователю посмотреть всю цепочку касаний, прежде чем он что-то у нас купил. Всё чисто и честно, не просто конечная цифра, а разбивка на 7000+ строк.

Если сравнить цифры по модели атрибуции Первое касание (мед) или First Impression и суммарное количество продаж с этой таблицы, то разница будет в 17%.

Снова есть подтверждение достоверности данных из ТаргетАДС.

Вывод по ТаргетАДС

Если интеграция с ТаргетАДС будет настроена правильно, то данным смело можно верить.Правильная настройка – это ключевой момент. На протяжении года мы постоянно дорабатывали интеграцию и порой анализировали данные вручную.

Если дочитали от начала до конца вы герой, держите ❤

Остались вопросы по рекламе пишите в ТГ:

Другие наши кейсы смотрите на сайте: