Модель атрибуции: какая подойдет вашему бизнесу

Как понять, какой канал рекламы приводит клиентов, а какой лишь визиты на сайт? Специалисты Roistat объясняют, как оценивать влияние источников трафика в цепочке касаний с потенциальными покупателями, с помощью моделей атрибуции.

Путь от знакомства с товаром до принятия решения о покупке может включать в себя несколько взаимодействий с брендом. Например, сначала пользователь видит рекламу в Instagram, переходит на сайт подписывается на рассылку, но не покупает. Потом ещё дважды попадает на сайт с рекламы во ВКонтакте и наконец покупает товар только после рекламной интеграции у блогера.

Как оценивать влияние маркетинговых каналов в цепочке взаимодействия с потенциальными покупателями и какую модель атрибуции выбрать для своего бизнеса, расскажем в этом материале.

Модель атрибуции — это правило, по которому происходит распределение ценности между маркетинговыми каналами, участвовавшим в привлечении покупателя.

Модели атрибуции помогают маркетологу, определить, какие каналы или рекламные сообщения приводят к продажам и в какие стоит вкладывать бюджет, а от каких можно отказаться. По данным Google, принимая решение о покупке, пользователь может соприкоснуться с брендом 20-500 раз.

Пример: пользователь увидел рекламу онлайн-курса в Instagram, заинтересовался и перешёл на сайт. Оплатить обучение он не был готов, поэтому подписался на бесплатную серию мастер-классов, чтобы ближе познакомиться с программой. После прохождения интенсива пользователь получил несколько рассылок с полезной информацией и статьями из блога онлайн-школы. Когда таргетированная реклама с предложением скидки снова «догнала» пользователя в соцсетях, он уже был готов к покупке и поэтому оплатил курс.

До покупки будущий клиент взаимодействовал с онлайн-школой несколько раз. Увидел рекламу курса, поучаствовал в мастер-классах, получил несколько рассылок, почитал статьи в блоге и, наконец, увидел рекламу с информацией о скидке. Все взаимодействия вместе привели к покупке курса, но какое было наиболее ценным с точки зрения продажи?

Без использования модели атрибуции трудно определить, какие каналы трафика в цепочке привлечения клиента были важнее. Например, у источника трафика может быть низкая конверсия в заявки — поэтому компания решает отключить рекламу в этом канале. Но если отследить всю цепочку привлечения пользователей, компания увидит, что в этом канале трафика пользователь впервые взаимодействует с сайтом.

Правильно подобранная модель атрибуции поможет распределять рекламный бюджет — например, снижать расходы на каналы трафика, которые редко участвуют в привлечении клиента.

Первому касанию с клиентом присваивается 100% ценности в привлечении покупателя, остальные источники трафика игнорируются. Например, клиент впервые зашёл на сайт по рекламе ВКонтакте, ознакомился с товарами, но ничего не купил. После этого пользователь увидел рекламу в поисковике, нашёл статью о товаре в СМИ и увидел рекламу у блогера до того, как совершил покупку. Но вся ценность отдана первому взаимодействию — рекламе ВКонтакте. Поскольку благодаря ей пользователь впервые услышал о бренде и продуктах.

Плюсы: атрибуция по первому взаимодействию полезна, когда цель компании повысить узнаваемость, а не продажи. Эта модель выделяет кампании, которые познакомили покупателя с брендом, независимо от результата.

Минусы: нет возможности определить, что повлияло на принятие решения о покупке. Маркетолог не может понять, было ли это первое знакомство с брендом или повторные касания, поскольку все остальные взаимодействия с пользователем игнорируются.

Все 100% ценности привлечения клиента присваиваются последнему касанию. Пользователь может несколько раз прочитать статьи бренда, увидеть рекламу в соцсетях, но купить товар после получения рассылки с предложением скидки. Маркетологи, которые ориентируются на показатели этой модели, понимают, у каких кампаний самая высокая конверсия в продажу.

Плюсы: модель атрибуции по последнему клику или переходу удобна для компаний, которые нацелены исключительно на привлечении покупателей и чьи бизнес-модели подразумевают быструю покупку. Например, продажа сезонной одежды в период скидок, продажа недорогих продуктов — сувениров, товаров первой необходимости и других.

Минусы: как и в случае атрибуции по первому взаимодействию, игнорируется влияние остальных источников трафика на пути клиента к покупке.

Все 100% ценности конверсии в покупку получает последний платный клик. Если пользователь ввёл в строку браузера прямую ссылку на сайт и совершил покупку, он скорее всего уже знаком с брендом.

Плюсы: модель по последнему платному клику игнорирует бесплатные источники трафика и позволяет сосредоточиться на платных. Поскольку, например, на прямые заходы на сайт бизнес не тратит рекламный бюджет.

Минусы: как и в случае атрибуции по последнему взаимодействию, учитывается только источник, после которого была совершена продажа, остальные игнорируются.

В идеальной ситуации клиент переходит на сайт по рекламе или по ссылке в письме и после просмотра страницы оставляет заявку на покупку. В действительности между просмотром рекламы, переходом на сайт и покупкой может пройти некоторое время. После чего пользователь зайдёт на сайт напрямую или через поиск в Google или Яндекс.

Каждый бизнес должен закладывать разное время на принятие решения. Например, для принятия решения о покупке одежды или обуви, обсуждения всех вариантов, нужны 1-2 недели. На принятие решения о покупке квартиры уйдёт несколько месяцев.

Плюсы: модель Post-click учитывает то, что пользователю может быть нужно время на принятие решения. Например, это важно для бизнесов с высокой стоимостью продуктов или услуг — покупка машины, ремонт помещений и других.

Минусы: действия, направленные на повышение визуальной узнаваемости бренда, не учитываются. Например, в модели post-click нет возможности оценить вклад в решение о покупке медийных охватных рекламных кампаний, в которых пользователь видит рекламное объявление, но не кликает на него.

Post-View конверсия — действия, которые совершает потенциальный клиент после просмотра рекламы, например, ролика или баннера в соцсетях. Для отслеживания просмотров на рекламный баннер или лендинг добавляют pixel tag — невидимый тег для сбора статистики. Каждому увидевшему рекламу присваивается свой файл cookie, который помогает отследить дальнейшие действия пользователя.

Например, сначала спортсмен увидел рекламу смарт-часов в соцсети, но не стал заходить на сайт и покупать технику. Через неделю он всё-таки решил приобрести часы. Через поисковик пользователь зашёл на нужный сайт за покупкой. При использовании модели атрибуции Post-View результаты выдачи в поисковике и переходы с них на сайт будут оценены в рамках цепочки касаний, поскольку они участвовали в привлечении покупателя.

Плюсы: учитывается действие отложенного эффекта контакта с рекламными объявлениями, эффект узнаваемости бренда.

Минусы: пользователь может просмотреть рекламное объявление, когда читает статью на сайте компании, но не увидеть его. Что мы имеем в виду: не все, у кого, например, открыта статья в блоге на экране ноутбука, действительно читают её внимательно, внимательно просматривают все рекламные блоки.

Ценность всех взаимодействий в цепочке одинакова. Например, на пути к продаже было 4 касания, поэтому каждый маркетинговый канал получает 25% ценности. Если касаний было 10 — 10%.

Плюсы: в модели учитываются все взаимодействия с пользователем. Компания может отследить, какие маркетинговые каналы участвовали в привлечении продаж.

Минусы: каждое касание с клиентом получает одинаковую оценку. Линейная модель атрибуции не даёт понимания, в какие каналы стоит вкладывать больше денег, а какие не играют решающую роль в принятии клиентом решения о покупке. Например, в данной модели атрибуции клик по ссылке в описании аккаунта в Instagram будет равноценен переходу по рекламе, после которого клиент оставил заявку на расчёт стоимости услуги.

Распределяет ценность взаимодействий по нарастающей. Большая ценность у последнего касания, которое привело к покупке, меньшая — у первого касания. Например, пользователь познакомился с товаром, когда увидел рекламу в Facebook, дважды заходил на сайт по ссылкам в соцсетях компании и, наконец, купил продукт, после того, как увидел рекламу в поисковике. Первое взаимодействие получит 10% ценности, последнее — 40%.

Плюсы: модель учитывает значимость каждого взаимодействия, ведущего к продаже. Но наибольшую ценность представляет действие, которое фактически привело к конверсии. Более поздние касания, близкие к конверсии, более ценные, чем первые взаимодействия с клиентом, поскольку они увеличивают вероятность покупки.

Минусы: эта модель низко оценивает взаимодействие, которое познакомило клиента с товаром и брендом.

Ценность конверсии распределяется между касаниями следующим образом: первое и последнее взаимодействие получают 40% ценности, оставшиеся 20% равномерно распределяются на все остальные источники трафика.

Например, пользователь узнал о товаре из рекламы в Telegram. Этот маркетинговый канал получает 40% ценности. Клиент купил товар после просмотра рекламы на YouTube. Этот канал трафика тоже получает 40% ценности. Остальные взаимодействия делят между собой 20% ценности.

Плюсы: каждое взаимодействие с клиентом учитывается. При этом наибольшая значимость присваивается каналу, который познакомил аудиторию с брендом, и маркетинговой кампании, которая в итоге подтолкнула клиента к покупке.

Минусы: приписывать много влияния первому и последнему взаимодействию может быть неверно. Некоторые взаимодействия в середине цепочки могут активнее продвигать пользователя по воронке продаж. Например, в момент, когда клиент хотел совершить покупку, на сайте не было нужного размера куртки. Пользователь нажимает «Уведомить о поступлении товара» и после получения письма о том, что нужный размер поступил в продажу, совершает покупку.

В сервисе веб-аналитики можно использовать несколько атрибуций:

1. Последний клик — отдаёт всю ценность конверсии последнему клику.
2. Последнее взаимодействие — отдаёт ценность конверсии последнему клику или показу рекламы, если кликов в последнее время не было.
3. Последний клик в Google Ads — отдаёт всю ценность конверсии последнему клику из Google Ads, даже если после этого пользователь взаимодействовал с рекламой на других площадках.
4. Последнее взаимодействие в Google Ads — отдаёт ценность конверсии последнему клику или показу рекламы Google Ads, даже если будут зафиксированы действия из других каналов.

Настроить модель атрибуции в Google Analytics можно в личном кабинете:

1. Открываем слева меню — кликаем на кнопку «Администратор» — переходим в «Настройки атрибуции».

2. Выбираем атрибуцию для расчёта конверсии.

3. Смотрим отчёт по атрибуциям. Открываем раздел «Сводка о рекламе», выбираем «Сравнение моделей».

В Яндекс.Метрике можно использовать следующие модели атрибуции:

1. первый переход — отдаёт ценность конверсии источнику первого визита. Подойдет для сайтов с отложенной конверсией, когда посетитель долго принимает решения;
2. последний переход — отдаёт ценность последнему клику, который привёл к конверсии. Не учитывает историю визитов пользователя;
3. последний значимый переход — отдаёт ценность переходам из значимых источников, например, реклама, ссылки на сайтах, социальные сети. Если было 3 значимых перехода, а 4 — прямой заход на сайт, Метрика отнесёт конверсию последнему значимому переходу;
4. последний переход из Директа — работает по аналогии с моделью Google Analytics «Последнее взаимодействие в Google Ads»: отдаёт ценность переходам только из Яндекс.Директ, даже если были переходы из других систем.

Также в Метрике есть атрибуция с учётом визитов со всех устройств посетителя (кросс-девайс). Она учитывает все устройства, с которых переходит пользователь, и помогает более точно определить источник конверсии.

Пример: пользователь перешёл по рекламе на сайт во вкладке браузера на компьютере. Позже зашёл на тот же сайт с мобильного телефона и оставил заявку. Опция кросс-девайс и модель атрибуции «Последний значимый переход» отнесут эту конверсию к рекламному каналу.

Как подключить опцию «Кросс-девайс» Яндекс.Метрики в личном кабинете:

1. Откройте слева меню — выберите «Источники», «Источники, сводка»:

2. Откройте отчёт «Источники, сводка». Кликните на «Метрики»:

3. Откройте меню «Базовые метрики». В нём поставьте галочку напротив пункта «Посетители кросс-девайс». Нажмите «Применить»:

4. В отчёте появится столбец с данными «Посетители кросс-девайса»:

В системах веб-аналитики набор моделей атрибуции для оценки цепочек касаний ограничен двумя видами с небольшими вариациями. Как правило, последовательность касаний можно оценить либо по первому клику, либо по последнему.

Маркетологи чаще выбирают модель Last Click и оценивают конверсии только по ней. Это простая атрибуция, она есть во многих сервисах веб-аналитики. Например, эта модель атрибуции установлена как модель по умолчанию в Яндекс.Метрике.

Проблема в том, что при использовании модели атрибуции Last Click для оценки цепочки касаний маркетолог вынужден не брать во внимание другие взаимодействия пользователя с рекламой, кроме того объявления, с которого получен последний переход на сайт. Чтобы корректно оценивать эффективность рекламы, нужно использовать ту модель атрибуции, которая подходит именно вашему бизнесу.

Работать с разными моделями атрибуции умеет сквозная аналитика. Она объединяет данные с сайта, из CRM, коллтрекинга и сервисов настройки рекламы. С помощью сквозной аналитики можно проследить весь путь клиента — от клика по рекламе до целевого действия, учесть касания во всех каналах, которые вы использовали в цепочке.

Разберем на примере Roistat. В Roistat автоматически используется «Стандартная» модель атрибуции — большая ценность отдается последнему источнику трафика, который участвовал в цепочке привлечения клиента. Отличие от атрибуции по последнему взаимодействию: в «Стандартной» атрибуции Roistat отражены только заявки, полученные за выбранный период, а не заявки, у которых последнее взаимодействие с пользователем было в выбранный период. То есть заявка может быть получена позднее.

Можно выбрать атрибуцию по первому взаимодействию, по последнему взаимодействию, по последнему платному клику, по позиции касания, линейную атрибуцию и атрибуцию с учетом давности, либо настроить собственную модель атрибуции.

Собственную модель атрибуции в Roistat можно задать по шаблону U-Shape. В настройках необходимо задать значения ценности каждого касания с пользователем, которые подходят конкретному бизнесу.

Для добавления своей модели атрибуции нужно зайти в настройки. Выбрать раздел «Экспериментальные». Найти поле для заполнения пользовательской модели и задать ценность источников. Например, чтобы первому визиту соответствовала ценность 20%, последнему — 40%, а оставшиеся 40% распределялись по остальным визитам в равных долях, нужно ввести значения: 0.2, 0.4, 0.4.

Можно также задать ценность второго и предпоследнего визита. Например, чтобы в первый маркетинговый канал имел ценность 30%, второй — 10%, предпоследний — 20%, последний — 20%, а все оставшиеся вместе — 20%, нужно ввести значения в таком порядке: 0.3, 0.1, 0.2, 0.2, 0.2.

В отчете инструмента «Аналитика» можно настроить показ рассчитанных по нескольким моделям атрибуции показателей. Например, выручку, прибыль, расходы, ROI и другие.

Представим, что пользователь заходил на наш сайт 3 раза — с рекламы Facebook, Instagram и Google Ads. Атрибуция по первому клику покажет, что все 100% ценности конверсии принадлежит Facebook — именно он привёл пользователя. Last Click укажет на то, что это сделал Google Ads, а по линейной атрибуции — все три канала одинаково ценны.

Если не знаете, что важнее для вашего бизнеса — First Click или Last Click, изучите все модели атрибуции. Например, в Roistat их можно добавить в один отчёт сервиса «Аналитика». Настройте показ метрик сразу по нескольким моделям атрибуции. Например, расчёт выручки, прибыли, расходов, ROI, по моделям атрибуции — U-Shape и последнему клику.

Мультиканальная аналитика покажет, какие каналы не приносят прямые продажи, но конвертируют клики в заявки. Она отслеживает все взаимодействия клиента с бизнесом и помогает понять, какие каналы участвуют в привлечении сделки, в какие стоит вкладывать больше бюджета, а какие стоит оптимизировать или отключить.

• Моделей атрибуции много — нужно понимать, в какой момент вам понадобится каждая из них. Чаще используют Last Click.
• Стандартные модели хороши тем, что они простые и понятные. Но у таких атрибуций есть недостатки — они отдают ценность только одному касанию с пользователем из всей цепочки взаимодействия, как правило, первому или последнему.
• Проще использовать готовое решение — модели атрибуции конверсий внутри сервиса сквозной аналитики.
• Мультиканальная аналитика поможет отследить, какие каналы трафика участвуют в привлечении клиентов.

***

На нашем Telegram-канале делимся полезными материалами по маркетингу и аналитике, кейсами клиентов, собираем познавательные дайджесты и анонсируем бесплатные обучающие вебинары. Подписывайтесь, чтобы ничего не пропустить!

#реклама #маркетинг #модели_атрибуции