Доверяй, но проверяй: о чем молчат системы сквозной аналитики
Статья будет полезна для маркетологов и руководителей ОМ, которые оценивают продукт своей деятельности по показателю окупаемости рекламы и используют в своей работе системы сквозной аналитики маркетинга.
Речь пойдет о точности расчетов систем сквозной аналитики построенных на Client ID. Большинство компаний сквозной аналитики известных мне используют систему Google Client ID для аттрибуции(привязки) расходов/доходов к рекламным кампаниям, то есть они являются посредниками между клиентом и Google в передаче данных.
Что такое Client ID?
Client ID – это уникальный идентификатор пользователя, который присваивается после захода на сайт.
Cookies это хранилище данных пользователя в браузере.
Каждый раз, когда пользователь почистил Cookies ему будет присвоен новые Client ID, пользователь зашел по вашей рекламе с другого браузера он получит новый Client ID, пользователь зашел в режиме инкогнито он получит новый Client ID. По-пацански Google должен был писать так.
Пользователи или браузеры?
И в связи с этим возникает вопрос, сколько браузеров-устройств использует клиент при совершении покупки? Совершенно логично следующее утверждение, чем длиннее цикл сделки, тем больше вероятность того, что клиент совершит действие с нескольких браузеров и получит разные Client Id. Мне захотелось посмотреть на размер этого явления в цифрах.
Заходим в Google Analytics, выбираем ретаргетинговые кампании в которых мы возвращаем пользователя на сайт и смотрим сколько новых пользователей мы привлекли. По уму ретаргетингом мы не можем создавать новых пользователей. Но. Я выбрал рекламу в системе MyTarget. Взял диапазон 20 дней.
Ретаргетинговые кампании в системе Google Analytics.
Что я вижу? Ретаргетинговая кампания построенная на пользователях за 360 дней дала нам 237 пользователей 193 из которых оказались новыми(81%).
К чему будет приводить подобная ситуация?
Вы не сможете точно оценить удержание пользователей, так как один и тот же пользователь получает разные Client ID.
Ретаргетинговые кампании будут создавать лиды по модели аттрибуции first-click(засчитывается доход каналу, с которого был первый заход на сайт), а этого быть не может.
Ретаргетинговые кампании начнут создавать новых пользователей, а этого быть не может.
Ретаргетинговые кампании живут абсолютно своей жизнью и по модели аттрибуции post click вы не увидите стабильных данных, которые позволяют вам оценить помогла ли рекламная кампания для покупки или нет. Из-за этого сложно сделать вывод о целесообразности использования ретаргетинговых кампаний.
Чем длиннее цикл сделки, тем большую погрешность будет давать ваша система аналитики. В недвижимости, где цикл сделки может занимать год, а то и больше, будет вообще беда.
Я был бы признателен читателям статьи, если бы вы написали в комментариях, сколько новых пользователей создали ваши ретаргетинговые кампании за 30 дней, за 90 дней, за год.
Сейчас расскажу, как подстраховаться.
Чтобы делать точные выводы о результативности ретаргетинговых рекламных кампаний и не выключать их понапрасну я стал использовать бесплатный Facebook Attribution и функцию Оффлайн-конверсии.
Оффлайн-конверсии Facebook особенно удобны в случаях, когда заказ оставляется на сайте или в приложении, подтверждается менеджером и оплата осуществляется по выставленному счету, после оплаты изменяется статус в CRM-системе. Со статуса "Успешно реализовано" я передаю данные по сумме покупке в Facebook и на выходе получаю такие данные. И, знаете, работает на ура! Рекомендую данный метод для повышения точности расчетов!
Оффлайн-конверсии в Facebook
Facebook сам решает повлияла ли рекламная кампания на покупку или нет. Конечно, он будет тянуть лямку в свою сторону, но у меня есть данные из Google Analytics и работая в симбиозе эти данные позволяют держать мне самые доходные ретаргетинговые кампании, что позволяет создавать высокий рост для бизнеса.
Буду признателен, если напишите, как вы решаете проблему кроссбраузерности и решаете ли её вообще?
Боже, Александр Семниев, удалите эту чепуху! У вас уровень джуниора. Если не понимаете ничего в атрибуции, то не лезьте даже. Собрали несколько несвязных факторов и склеили их воедино силой своей некомпетентности и слабой логики. Кроме CID есть ещё и UID. CID отвечает совсем за другое, и никаких ошибок Google в отличие от Вас не порёт. Именно UID отвечает за решение всей той прлблематики, что вы озвучили. А вы даже не в курсе про его существование. А ещё и статьи выпускаете. И Analytics не ругайте. У него конечно есть свои косяки, но в том моменте с новыми юзерами в рамках одной аудитории, который вы разобрали он никаких ошибок не допустил. Это вы не так читаете данные. Ну, а свою находку про ФБ оставьте при себе. GA - это система всесторонней аналитики, а пиксель ФБ отвечает лишь за трекинг ФБ. Как пиксель ФБ может решать всесторонние задачи по ряду других источников...
Здравствуйте) А вы почему решили, что я не в курсе UID. Я так понимаю вы себя в эксперты записали, тогда расскажите мне в какой момент на сайте userid создаётся? А ещё один вопрос не оставьте без ответа кто создаёт userid? И давайте посмотрим на ваш уровень экспертности, ну и уж расскажите про решение на базе UID, только это решение известно, и одна достаточно крупная сквозной аналитики его использует, но у этого решения, есть такое же большое "НО" про которое я как нибудь напишу о дельную статейку.
По поводу facebook attribution я написал, что это способ подстраховаться. По поводу того, что пиксель ФБ отвечат лишь за трекинг ФБ, вы не правы. Вот как выглядит аттрибуция на https://monosnap.com/file/QpfzfkgrJLjZaPa6cqkWF91pbI1VTm
Синхронизация в данном случае никакой роли не сыграет. С каждого нового браузера вы будете получать новый CID. Проверьте. Перейдите по ссылке с двух разных устройств https://kruiz.online/?show_ga=1
Когда у маркетолога есть желание принимать решения через сквозную аналитику - это должно приводить к результатам. В нашем случае это привело к двухкратному росту выручки и при сохранении бюджета на маркетинг на уровне прошлого года. Стране нужна сильная аналитика и спецы, которые умеют ее не просто правильно читать, но и принимать решения на ее основе.
Да нафиг все это нужно. Если уже давно каждый продовец придумывает свои карты лояльности и поним собирает статистику. Вот бы были интересны кейсы с этими данными и бигдата.
Александр, вы свалили все в кучу.
Начали с "систем сквозной аналитики", а стали критиковать Аналитикс, ни словом, как уже выше говорилось, не упомянув user-id, который решает эту - достаточно мелкую, по сути, проблему. Сколько людей реально заходят на сайт перед покупкой с нескольких устройств? Считанные проценты.
Ваши эксперименты с новыми-вернувшимися неверны потому, что в этом отчете используются сессии - конечно, там будет много "новых".
Андрей, добрый день! Спасибо за комменатрий, будет отлично, если вместе с вами мы разберемся в этом вопросе.
"Начали с "систем сквозной аналитики", а стали критиковать Аналитикс"
Я же написал: "Большинство компаний сквозной аналитики известных мне используют систему Google Client ID для аттрибуции(привязки) расходов/доходов к рекламным кампаниям, то есть они являются посредниками между клиентом и Google в передаче данных." Да есть компании, которые используют свой собственный Сlient ID, но скорее всего это будут те же яйца только в профиль. Механизм идентификации не меняется. Если есть системы в которых это учитывается буду признателен.
Теперь по поводу решения USER ID.
В техническом описании Google по User ID сказано так:
Эта функция позволяет связать один или несколько сеансов и выполняемые в их рамках действия с постоянным уникальным идентификатором, который передается в Google Аналитику.
Чтобы пользоваться функцией User ID, необходима возможность создавать собственные уникальные идентификаторы, присваивать их пользователям, а затем связывать их с данными, отправляемыми в Аналитику.
Самое важное!
*****
Например, в качестве значений User ID в Google Аналитику можно передавать уникальные идентификаторы, назначаемые вашей системой аутентификации. Так вы сможете учитывать в Google Аналитике любые взаимодействия, включая клики по ссылкам и просмотры страниц, произошедшие при назначенном идентификаторе
**** Важно, что идентификатор мы должны назначить клиенту сами. Условно после того, как он авторизовался на сайте. И после этого система объединит сеансы на сайте. Но если не все пользователи проходят регистрацию на сайте, то нет возможности учитывать всех пользователей пришедших на сайт. https://support.google.com/analytics/answer/3123662?hl=ru Вот ссылочка на описание. Если я не прав, пожалуйста поправьте.
Ваши эксперименты с новыми-вернувшимися неверны потому, что в этом отчете используются сессии - конечно, там будет много "новых". Если Аналитикс определил пользователя как нового, ему будем создат новый CID? Или может быть случай, когда новый пользователь будет иметь уже зарегистрированный cid?
Ваши эксперименты с новыми-вернувшимися неверны потому, что в этом отчете используются сессии - конечно, там будет много "новых".
Стабильное данное: Новый пользователь = новый CID. Сколкьо новых CIDов я получаю с ретаргетиновых кампания, именно на этот вопрос я и хотел ответить в рамках проверки.
Спасибо за статью! Сквозная аналитика, в принципе дает какие-либо данные только с простыми продуктами, где пользователь очень быстро, порой эмоционально принимает решение. То есть, это инструмент для классических арбитражных офферов. Если речь о более сложном продукте, то сразу начинаются траблы. Например, в той же недвижке покупка зачастую совершается отнюдь не с одного клика, плюс учитываются мнения родственников, знакомых и так далее. Как оценить вклад всего этого в рамках сквозной аналитики - увы, не ясно. Реклама пока еще больше искусство.
А вот наши данные: за 30 дней - 41 новый пользователь, 90 дней - 314, год - 474.
Спасибо, абсолютно верно, но так как иного не придумано пользуемся тем, что есть. А какое количество пользователей за этот же период по этим же кампаниям. Интересно увидеть соотношение.
Свой собственный. Ройстат присваивает пользователям собственные идентификаторы вида "4729725". И они точно также, как и CID, будут разными с разных устройств и браузеров
Я не эксперт, но чисто логически эту проблему вообще никак не решить. У людей разные устройства, которыми они пользуются одновременно. А для некоторых продуктов так вообще используется TV, и тогда вообще "пляска" кто есть кто.
Но по сути, по итогу, самое важное это конверсия холодного трафика в деньги. Промежуточная статистика "стерпит" погрешность даже в 10% в большинстве случаев. Вам ведь что важно знать? Как отработал креатив с конкретной площадки, сколько бабла он принес. Поведенческие факторы вы оцениваете . по аналитики поведения, а там самая большая погрешность это субъективные выводы маркетолога.
Возможно никто не пытался решить эту проблему, чисто логически, если наши корабли бороздят просторы вселенной, то уж и для этого можно что-то придумать. Возможно, оно уже придумано, если кто-то знает решение киньте плиз в комментах.
"Но по сути, по итогу, самое важное это конверсия холодного трафика в деньги".
"Вам ведь что важно знать? Как отработал креатив с конкретной площадки, сколько бабла он принес."
Все немного усложняется, чем один конкретный креатив, когда цикл сделки удлиняется и например составляет хотя бы две недели и в последовательности действий для совершения покупки появляется такая цепочка касаний:
1) Google AdWords контекст - 30 р
2) Ретаргетинг Instagram. - 6р
3) e-mail - 0 р
4) РСЯ - 5 р
5) Ретаргетинг Facebook - 12 р
6) И в финале брендовые запрос для совершения покупки. - 30
Соответственно, рано или поздно встанет вопрос, нужен ли этот ретаргетинг? Какой эффект мы получили ои потраченных 18 рублей на ретаргетинг? Какой доход он нам приносит? Ну а дальше начинается история про которую я написал в статье.
Ну давайте еще возьмем, какие рекламные щиты в маршрутках с вашей рекламой он увидел и прочее.
Вы никогда не соберете 100% данных, на это и существует статистика и ее техники наиболее вероятного расчета, репрезентативность и прочее.
А зачем вам 100% точные данные? Сделайте опросы клиентов, где они о вас читали/смотрели, скомбинируйте поделите и получите результат. Да, он будет точен на 90%, но этого вам хватит для принятия решения.
Попробуйте протестировать разные модели атрибуции. При большом цикле сделки - Временной спад или Первый источник перехода и последний не прямой. Вы можете и свою модель атрибуции разработать. Они помогают определить какой канал внёс вклад в привлечение покупателя с распределением ценности по каждому участвующему в привлечении каналу. Включая ремаркетинг.
Да, есть такие модели аттрибуции, которые на основании вероятности прохождения клиента по этапам воронки будут считать вклад канала в продажу. На мой взгляд это самый интересный метод. Но пробема не в модели аттрибуции, а в том, что какие то компании будут просто выпадать из цепочки касаний. Если у пользователя:
1 касание - adwords
2 касание - яндекс директ
3 касание - google organic
4 касание - ретаргетинг в facebook
5 касание - yandex organic Но в нашем случае 4 касание будет выпадать из цепочки касаний. Я хотел оценить как много будет таких событий, когда касания будут выпадать из цепочки из-за кроссбраузерности.
В гугл аналитике ещё есть отчёт о взаимодействиях на разных устройствах. Пока ещё в стадии бета тестирования, но все же.
Понятно, что работая с разными рекламными платформами будут проблемы со сведением данных и идентификацией пользователя. И данные будут всегда расходиться. Увы, пока с этим ничего не сделаешь...
Хотя, можете разделить рекламные кампании в Google Ads и Директ на мобильные и десктопные. Тогда точность определения пользователей из Фейсбука/инсты должна возрасти.
Но я правда не уверен, что встроенный браузер (используется при переходе по рекламе) использует те же куки, что и штатный браузер пользователя
Согласен, это один из отчетов, который необходимо использовать. Встроенный бразуер использует новые куки. Это одна из причин расхождения данных, что у рядового пользователя на смартфоне черте что с приложениями по умолчанию, в том числе и у меня. То есть увидев рекламу в инсте я открою через дефолтный браузер.
На самом деле, это погрешность, и с ней придётся мириться. Однако, всё же, есть способы её уменьшения. Например, при авторизации пользователя каждый раз пробрасывать его актуальный на момент авторизации CID, складируя их в одну табличку.
Однако, проблема сквозной аналитики глубже. А именно - в модели атрибуции.
Многие конторы умалчивают, что используют только одну и самую простую модель - LastTouch. Которая, сама по себе - ни о чём, с т.з. оценки результативности тех или иных маркетинговых каналов.
Lasttouch не учитывает взаимодействия с другими каналами, кроме последнего перед договором. То есть, реклама с VC создала в человеке интерес, реклама на Youtube через неделю напомнила о нашем существовании, а потом он уже прогретый увидел нашу рекламу в ФБ и решил перейти по ней и купить что-то. И так вы всё, что он купил навешиваете на один только ФБ, хотя он стал триггером лишь постольку поскольку, чувак там регулярно сидит.
Наиболее актуальные - модели Data-driven подхода. Например, Цепь Маркова или Вектор Шепли. Ну, или на крайняк, линейная атрибуция.
Lasttouch показывает актуальную инфу - только в некоторых кейсах.
Ну да, хоршее решение. Чем больше авторизаций будет с разных устройств, тем больше будет точность. Система сквозной аналитики в которой я работаю дает 4 модели аттрибуции last click, first click, psot click, indirect free. Про то что на основании Latclick нельзя принимать решение абсолютно с вами согласен.
4 модели атрибуции - лучше, чем одна. Но, всё же, рассмотрите возможность того, чтобы обогатить свою аналитику атрибуциями на базе data-driven подхода. Я рекомендую - Цепь Маркова и Вектор Шепли.
Это правильное решение!
Подробнее только поизучайте вопрос того, как эти модели работают. Это поможет лучше понять результат.
А что за направление деятельности у вас, если не секрет?
Я вообще не совсем понимаю как работает вся эта сквозная история. Вот есть у меня скажем реклама в директе. Есть пара лендингов на разных доменах, на которые приходят оттуда люди. Есть группа вк, одна для всех. И есть сайт оплаты, мне он не принадлежит, на который переходят для покупки со всех этих источников. При переходе напрямую с ленда на сайт оплаты я могу передать идентификатор метрики и номер счетчика, чтобы после оплаты загрузить "оффлайн-конверсию" и увидеть ее в отчетах метрики и директа. А как быть если человек перешел с директа на лендинг, с лендинга на группу вк и оттуда уже на оплату? Я же через вк не могу пробросить utm метки, верно? Была мысль кидать не сразу на оплату, а на свою редиректную страницу, там с помощью кода метрики получать CID и уже с ними перебрасывать на оплату. Но откуда я знаю какой из счетчиков метрики подключать? Может он пришел с первого лендинга, а может со второго. Если подключу неправильный - тогда оффлайн-конверсия не будет распознана потому что у счетчика нет такого CID. Или ставить один счетчик на все домены? Или генерировать свой user_id на специальной странице которая предшествует переходу на группу ВК и обратно? Какой вообще смысл во всех этих клиентских идентификаторах гугла и яндекса, если они меняются от сайта к сайту даже на одном и том же браузере и устройстве? Читаю и ничего не могу понять, голова пухнет. Кто-нибудь может объяснить?
Ваш случай это сильная санта-барбара. Если лендинги установлены на разных доменах, то нужно ставить один счетчик, но необходимо выполнить настройку междоменного отслеживания, это удобно делать через Google Tag Manager. Напишите в ЛС, скину инструкцию.
