Модель атрибуции: что это такое, какие модели существуют и зачем нужны
Здравствуйте. Меня зовут Людмила, я маркетолог в компании Altcraft. Давайте сегодня обратимся к такому инструменту в маркетинге, как модель атрибуции. Рассказываю подробно, что это такое, зачем нужно и какие модели существуют.
Бизнес хочет, чтобы пользователь переходил на сайт и покупал сразу после того, как увидел рекламу. Но такое случается редко — 98% людей не покупают при первом визите на сайт компании. В среднем, для покупки нужно семь касаний, где каждый канал будет больше или меньше влиять на решение пользователя. Как понять, какие каналы оказались самыми эффективными? Выбрать и использовать модель атрибуции.
Что такое модель атрибуции в маркетинге
Модель атрибуции — это распределение ценности (веса или баллов) по каналам, которые привели к конверсии. Атрибуция показывает путь клиента от первого касания до целевого действия.
Что это значит?
Возьмём пользователя N. Он увидел рекламу кроссовок в Facebook, кликнул на неё и заинтересовался, но решил пока не покупать. Позже ему показали рекламу тех же кроссовок, но уже в Google. N снова перешёл на сайт и даже добавил товар в корзину, но забыл про него. Через 5 дней опять увидел рекламу, но уже в Instagram, на этот раз сделал скриншот, чтобы не забыть и посмотреть позже, кликать на рекламу не стал. Вечером того же дня N нашёл модель кроссовок в Google и купил их.
Какой канал привёл клиента?
Если считать, что органический поиск, то это атрибуция одного типа. Учитывать первое касание по рекламе Facebook — другой тип. Оценивать все каналы в равной ценности — третий.
Атрибуция — это инструмент, который помогает отследить касания с брендом и понять, куда вкладывать деньги, а на какой канал бюджет тратить не стоит.
Также с моделями атрибуции устанавливают окно конверсии — период между первым касанием и покупкой. Здесь могут быть варианты: от 1 дня до 28 и более. Это зависит от длительности цикла покупки. Допустим, мы запускаем кампанию по продаже определённой марки автомобилей. Окно атрибуции здесь должно быть не менее 28 дней, потому что вряд ли кто-то решит купить автомобиль спонтанно за 3-7 дня и меньше.
Как отслеживать касания пользователей с брендом? Разные платформы собирают только свои данные: Facebook, ВКонтакте, сервисы Google и другие. Чтобы отследить, какой результат приносит каждый канал, пиксель (кусок кода, который собирает информацию о действиях пользователей) платформы устанавливается на сайт компании.
Зачем нужно использовать атрибуцию в маркетинге
Путь клиента к покупке, где тот увидел и купил, — редкость, особенно если продукт сложный и дорогой. После первого знакомства проходит несколько этапов: клик на рекламу, подписка на рассылку, поиск продукта и информации о нём в Google. Если компания не знает, как клиент на самом деле приходит к покупке, его путь, то рискует вложить бюджет в неправильные каналы.
Как атрибуция в маркетинге помогает бизнесу:
- Возможность правильно распределить маркетинговый бюджет между каналами и снизить риски потери денег, также повысить ROAS и ROI.
- Повышение персонализации. Чем больше вы знаете о пользователях, тем с большой вероятностью предложите им то, что нужно, в правильном канале — удобном для клиента.
- Построение отношений с клиентом. Маркетинг взаимодействия — долгие и выгодные отношения с пользователями или партнёрами пришли на смену парадигмы жёсткой конкуренции и конфликту. Выстроенные отношения с компанией удерживают клиента, помогают персонализировать покупки и сервис.
Какие существуют модели атрибуции
Атрибуция не может быть однозначной и универсальной для каждого бизнеса. Например, для сферы недвижимости считать последний клик — неудачный вариант, от первого касания до покупки квартиры может пройти несколько месяцев, и вряд ли клиент примет решение за один раз. Разберём, какие бывают модели атрибуции: их преимущества и недостатки.
Модель атрибуции по первому клику
Большую ценность за конверсию получает первое взаимодействие с пользователем, например, клик на рекламу. Считается, что целевое действие принесла платформа, где было первое касание, остальные каналы не учитываются.
Преимущества:
- Простая, лёгкая для понимания и внедрения модель.
- Возможность оценить кампании по повышению узнаваемости бренда и формирование спроса.
Недостатки:
- Не очень продвинутая модель, есть ограничения по оптимизации. То есть мы всегда оцениваем, эффективный первый канал или нет, повысить бюджет для него или ограничить.
- Не самая точная и несправедливая модель, которая не учитывает заслуги других касаний.
Модель атрибуции по последнему клику
Основная ценность у источника, на который пользователь перешёл перед тем, как совершить конверсию. Атрибуция по последнему клику долгое время была самой популярной и сейчас стоит по умолчанию в Google Analytics.
Преимущества:
- Удачный вариант для отслеживания покупок, которые происходят быстро и спонтанно.
- Простая в оценке модель и точная: пользователи могут очистить cookies, и тогда все остальные данные до последнего взаимодействия потеряются. С этой моделью сохранится информация о последних действиях пользователя.
Недостатки:
- Не учитываются другие типы взаимодействий, поэтому можно сделать неправильные выводы по кампании.
Модель атрибуции по последнему непрямому клику
Эта модель похожа на предыдущую, но отдаёт большую ценность не клику, а последнему маркетинговому действию перед конверсией в лид или в покупку.
Преимущества:
- Модель фильтрует прямой трафик, который мог быть результатом кампаний — это даёт более информативные и точные данные.
Недостатки:
- Как и в атрибуции по последнему клику, мы не знаем путь клиента до маркетингового действия.
Линейная модель атрибуции
Ценность распределяется по всем точкам взаимодействия. Линейная модель кажется более справедливой, чем атрибуция по последнему и первому кликам, но остаётся спорной, потому что все каналы не могут быть одинаково эффективными.
Преимущества:
- Простая, но более продвинутая, чем одноканальные модели.
- Сбалансированный взгляд на всю вашу маркетинговую стратегию, чем модель атрибуции по одному событию.
- Покажет, какие каналы имеют ценность вообще — отобразит каждый, который участвовал в пути к конверсии.
Недостатки:
- Хотя мы и видим все каналы, которые участвовали в конверсии, узнать, какой сработал лучше, мы не сможем. То есть модель бесполезна, если нужно распределить бюджет для каждого канала по эффективности.
Атрибуция по времени
Больший вес в этой модели у взаимодействий, которые были ближе по времени к конверсии. Первые касания оцениваются меньше.
Преимущества:
- Научная и логичная модель.
- Подходит для сделок с длинным циклом продажи, например, для покупок в B2B, в сфере недвижимости.
- Помогает оценить кампании по построению отношений с клиентами.
Недостатки:
- Оценить, какие каналы первыми привели пользователя, почти невозможно.
- Риск переоценить заслугу какого-то канала. Не всегда последнее посещение перед покупкой решающее.
Атрибуция по позиции или U-образная модель атрибуции
По 40% ценности получают первая и последняя точки касания, ещё 20% разделяются между другими взаимодействиями в середине воронки.
Преимущества:
- Сильный инструмент для бизнесов, которые изначально планируют несколько точек касания до покупки, а не быстрые конверсии.
- Ценность получают самые важные каналы по мнению маркетологов: первое знакомство пользователя с продуктом и последнее касание, которое мотивирует на покупку.
Недостатки:
- Другие способы, кроме лидогенерации, не учитываются. Не всегда первое касание удачное. Например, пользователь не сразу понял, что вы продаёте, тогда с вашим продуктом его познакомят следующие касания. Иногда действия в середине воронки значительнее: уведомления о новой цене или рассылка о новинках, возможно, смотивируют лучше прямой рекламы.
Атрибуция на основе данных
Это алгоритмическая модель атрибуции, которая оценивает все действия пользователя до покупки с помощью машинного обучения. Алгоритмы определяют, какие объявления, ключевые слова, кампании были более эффективными. В такой модели атрибуции находятся и сравниваются закономерности, которые привели к покупке или, наоборот, ей помешали.
Преимущества:
- Модель относится к продвинутым и даёт точные данные.
- Оцениваются все каналы взаимодействия с пользователем.
Недостатки:
- Сложность модели: в работе с ней и в настройке. Нужное мощное ПО и компетентные аналитики.
W-образная атрибуция
Модель похожа на U-образную. Здесь вес получают крайние точки взаимодействия и касание в середине пути, где была возможность, что клиент станет покупателем. Например, компания запустила рассылку, провела закрытую распродажу и так далее. Эти точки получают по 30%, а остальные 10% распределяются между другими касаниями в воронке.
Преимущества:
- Оценка потенциальных точек соприкосновения, которые могли побудить к покупке на середине пути — возможность оптимизировать кампанию, добавить или исключить неработающие каналы.
- Подходит для кампаний с лидогенерацией.
Недостатки:
- Не всегда понятно, как пользователь встречался с брендом на середине пути, 10% ценности для всех остальных касаний — ничтожно мало.
- Сложность настройки.
Модель атрибуции полного пути или Z-образная модель
Похожа на W-образную атрибуцию. Здесь к первому и последнему касаниям, этапу возможности конверсии добавляется момент, где пользователь стал лидом: подписался на рассылку, отправил свой email взамен на что-то (например, контент). Ценность распределяется по 22,5% для каждой из четырёх точек, а остальные 10% между остальными.
Преимущества:
- Точное и полное отслеживание пути клиента к конверсии.
- Больше возможностей определить стратегии, которые работают.
Недостатки:
- Сложность в реализации. Модель подходит только для компаний, где маркетинг и отдел продаж полностью синхронизированы, и маркетинг занимается непосредственно существующими возможностями продаж.
Пользовательские модели атрибуции
Модель для компаний с хорошо выстроенным маркетингом и достаточными ресурсами: технологиями и компетентными аналитиками. Для каждого взаимодействия ценность прописывают вручную, но после глубокой аналитики большого объёма данных.
Преимущества:
- Полная картина пути пользователя со всеми нюансами.
Недостатки:
- Сложность в настройке, поэтому эта модель для продвинутых команд.
- Нужно много данных для анализа — это времязатратно. Поэтому модель оправдает себя для большого цикла покупки.
Вывод
Работа с моделями атрибуции требует ресурсов: времени, знаний команды, иногда продвинутого ПО. Если использовать этот инструмент правильно, то модель атрибуции станет ориентиром для компании. Когда успешный бизнес знает не только портрет своего клиента, но и его путь к покупке, он получает больше шансов предложить свой продукт или услугу пользователю в нужное время и в нужном месте.