Анна Забудская

Email-маркетолог

Модели атрибуции в Google Analytics: что это и какую выбрать

Для оптимизации маркетинговой стратегии, грамотного распределения бюджета полезно проводить анализ и определять ценность каналов. Куда стоит вложить больше денег, от каких каналов отказаться, что дает желаемый результат, а что нет? – найти ответ поможет модель атрибуции в маркетинге и наша статья. В конце нее будет инструкция по настройке и сравнению моделей атрибуции в Google Analytics.

Что такое модель атрибуции

Допустим, клиент прошел такой путь: увидел рекламу в Facebook → перешел на сайт → подписался на рассылку → получил промокод за подписку → положил товар в корзину, ушел думать → увидел контекстную рекламу, параллельно получил письмо о брошенной корзине → вспомнил о промокоде и наконец сделал покупку.

Модель атрибуции – это набор правил, с помощью которых распределяется ценность конверсии между всеми каналами, которые участвовали в клиентском пути. В зависимости от выбранной модели распределение будет разным. Есть 8 типов атрибуции в “Гугл Аналитикс”:

  • По первому взаимодействию;

  • По последнему клику;

  • По последнему непрямому переходу;

  • Линейная модель;

  • Модель атрибуции с привязкой к позиции;

  • С учетом давности взаимодействия;

  • Data-driven-модель (основанная на данных);

  • Пользовательская модель.

Давайте разберем каждый, чтобы вам было понятнее, какую модель атрибуции выбрать для своих задач.

По первому взаимодействию (First Interaction or First Click)

По первому взаимодействию

Принцип. Вся ценность присваивается источнику первого касания.

Преимущество. Модель атрибуции “Первый переход” дает понимание, откуда приходит больше трафика, который конвертируется в продажу.

Недостаток. Игнорирует последующие взаимодействия пользователя с брендом из других каналов.

Кому подойдет. Такой подход полезен в том случае, если вы новичок и ваша цель – повысить узнаваемость бренда, когда пользователь еще не определился, нужен ли ему товар, если да, то какой. Тут будут важны маркетинговые каналы, знакомящие потребителя с продуктом/компанией.

Пример. У магазина с доставкой цветов по всей стране перед 8 марта всегда повышенный спрос. Поэтому стоит привлекать клиентов еще на этапе поиска. Можно закупать широкоохватные запросы, например “букет”, “цветы”.

По последнему клику (Last click)

По последнему клику

Принцип. Здесь наоборот: вся ценность – последнему клику, т. е. закрывающему каналу.

Преимущество. Модель упрощает анализ трафика и дает понимание, откуда чаще конвертируются пользователи.

Недостаток. Значимость других источников недооценивается. Высокая конкуренция в нижней части воронки: ваши соперники на рынке скорее всего ставят на те же запросы.

Кому подойдет. Тем бизнесам, у которых короткий цикл продаж и на товар есть сформированный спрос. С помощью модели атрибуции “Последний переход” удастся выяснить, какие каналы закрывают цепочку продаж.

Пример. Лето – период низкого спроса на зимнюю резину, которая не в сезон обычно стоит дешевле. Тех клиентов, что активно ищут и готовы к покупке летом, лучше привлекать высококонверсионными запросами: “купить зимние шины”, “зимняя резина купить с доставкой”.

Last post

По последнему непрямому переходу (Last non-direct click)

По последнему непрямому переходу

Принцип. Ценность конверсии присваивается только последнему каналу, который привел к покупке, если это не прямой переход на сайт (когда посетитель ввел адрес сайта вручную или зашел из закладок). Поскольку в Google Analytics атрибуция по умолчанию определяется по последнему непрямому переходу, вы можете использовать ее для сравнения с другими моделями атрибуции.

Благодаря этому понятно, какие каналы в конечном счете подталкивают пользователя купить и приносят конверсии.

Преимущество. Подход поможет сделать правильные выводы, если в арсенале у вас не так много данных.

Недостаток. Не учитывает другие каналы касания с клиентом.

Кому подойдет. Тем, кто только начинает свой путь в рекламе, аналитике и в аккаунте Google Analytics имеет до 10 конверсий и до 100 кликов.

Пример. Любой бизнес, затрагивающий больше одного канала привлечения.

Линейная модель (Linear model)

Линейная модель

Принцип. Ценность конверсии делится на равные части между всеми каналами взаимодействия.

Преимущество. Помогает целостно оценить все маркетинговые кампании.

Недостаток. Нельзя определить лидера и что сыграло решающую роль перед покупкой.

Кому подойдет. Уместно использовать линейную модель атрибуции, если у вас длинный цикл продаж и каждый этап взаимодействия с клиентом важен для подогрева к покупке.

Пример. Компания по доставке еды обычно не имеет четкой зависимости от сезона и ей нужно поддерживать охваты, быть на виду у потенциальных клиентов. В то же время необходимо собирать сформированный спрос со словами “доставка еды”, “заказать еду”.

Как службе доставке еды удалось на 65% нарастить количество заказов и на 16% увеличить средний чек – читать кейс>>

С привязкой к позиции (Position based)

С привязкой к позиции

Принцип. По 40% присваивается первому и последнему каналу, остаток в 20% распределяется между другими каналами-участниками.

Преимущество. Акцент в позиционной модели атрибуции ставится на важные этапы: вход в воронку и последнее взаимодействие.

Недостаток. Точки, подводящие к покупке, недооцениваются. Вспомогательные касания, которые помогли клиенту дойти до конца и могли внести ощутимый вклад в конверсию будут иметь низкую ценность.

Кому подойдет. Если важно отслеживать не только конвертирующий канал, но и тот, что познакомил с брендом.

Пример. Крупная площадка для брендов потребительских товаров запустила новый продукт. Важно сформировать знание о продукте через охватные форматы (открывающие каналы) и не упустить уже сформированный спрос в конечной точке воронки за счет конверсионных каналов.

Бесплатные формы подписки в стиле вашего сайта

С учетом давности взаимодействий

С учетом давности взаимодействий

Принцип. Канал, который по времени был ближе к конверсии, получает наибольшую ценность. Каждые 7 дней ценность перехода возрастает в два раза. Если в определенном канале был клик за 8 дней до конверсии, он получит в два раза меньше ценности, чем тот, что участвовал в цепочке за один день до конверсии.

Преимущество. Модель полезна для отслеживания того, какие каналы дают регулярную конверсию, а какие – привлекают к верхней части воронки и генерируют трафик.

Недостаток. Недооценены каналы первого взаимодействия с брендом.

Кому подойдет. В случае с краткосрочными рекламными кампаниями по этой модели вы можете определить канал, который лучше выстрелил в дни проведения акции. Соответственно, оцените эффективность запущенного объявления/креатива/ключевых слов.

Пример. Бренд готовит конкурс: в соцсетях нужно показать нестандартное использование продукта, чтобы получить 4 коробки бесплатно. Конкурс длится весь сентябрь, поучаствовать можно до конца месяца. Тогда стоит отдать больший конверсионный вес именно этому периоду.

Обратите внимание

В eSputnik подобная модель отображена в функциональности “Доход от рассылок”. Вы сами настраиваете временной промежуток, за который может быть сделан заказ после прочтения либо перехода из любого канала взаимодействия: email, web push, SMS, mobile push, Viber. Если в течение этого времени произошла продажа – доход засчитывается рассылке (цифры можно увидеть в разделе “Рассылки” → “Отчеты”). 

Доход от рассылок

 

Атрибуция на основе данных (Data-Driven)

Атрибуция на основе данных


Принцип. Это продвинутая модель и дает наиболее точные данные. Чтобы определять ценность каждого канала, используются технические алгоритмы, для работы которых нужны не менее 600 конверсий за последние 30 дней. Как только число конверсий снизится, модель сразу же становится недоступной.

Преимущество. Точность.

Недостаток. Неприменима для аккаунтов с малыми объемами данных.

Кому подойдет. Любому бизнесу, чтобы установить, какие каналы наиболее эффективны, и распределять бюджет максимально обоснованно.

Пример. Компания занимается продажей люксовых авто. Машину люди покупают не сразу. Клиенту нужно время, чтобы выбрать автомобиль и решиться на покупку. Поэтому ориентироваться при атрибуции на последний значимый переход будет неэффективно. Покупка не случится без остальных подогревающих шагов. Нужно понять, какой канал действительно повлиял на конверсию, а какой можно убрать и количество продаж не изменятся.

Обратите внимание

В eSputnik доступна своя data-driven функциональность - это товарные рекомендации на сайте и в email-рассылках. Удерживайте клиентов с помощью персональных предложений и рекомендаций к заказу, созданных искусственным интеллектом. Чтобы узнать больше - читайте статью либо запросите демо.

Пользовательская модель

Пользовательская модель

Принцип. На основе своих наблюдений маркетолог кастомизирует выбранную модель, зная, какие показатели важно учесть.

Преимущество. Индивидуальная настройка, исходящая из потребностей бизнеса.

Недостаток. Требует подготовительной работы и времени на исследования.

Кому подойдет. Опытным маркетологам, которые уже попробовали стандартные методы атрибуции, выявили, чего в них не хватает, и знают, какие показатели важно учесть.

Пример. Вы не первый год продвигаете конкретный продукт, провели много тестов, включали и выключали триггерные цепочки. Вы увидели, что на успех кампании сильно повлияла электронная почта. Значит, нужно построить модель атрибуции, в которой максимальная ценность конверсии привязана к емейлу. Для этого вы строите кастомную модель атрибуции на основе базовой модели (например, по позиции) и присваиваете мультипликатор ценности каналу Email.

Работа с моделями атрибуции в Google Analytics

Анализируйте показатели затрат на привлечение и возврат инвестиций для различных моделей атрибуции, а также сравнивайте модели по критерию затрат и ROI. Почему это полезно: если вы недооценили канал и отключили его, это может снизить прибыль от маркетинга существенным образом.

Важно!

Одна из самых распространенных ошибок маркетологов – это измерение ценности канала моделью, соответствующей его роли. Например, каналы, направленные на конверсии, измеряют моделью Last Click, а каналы, привлекающие пользователей, – First Click. Такой подход учитывает влияние только одного канала и игнорирует суммарный эффект других. Можно ошибочно отключить рекламный канал и понести убытки за счет просадки в первой или конечной точке воронки.

Полезно посчитать ROI в соответствии с данными data-driven-модели. Она дает самые точные данные и позволяет точно просчитать доход от каждого канала. Анализа ROI по каналам покажет, действительно ли возврат инвестиций осуществляется на 100% за счет первого либо последнего канала, и поможет принять объективное решение о распределении бюджета.

Как настроить модель атрибуции для конверсий

Зайдите в аккаунт Google Analytics и перейдите в меню ADMIN → View → Multi-Channel Funnels Settings → New Attribution Model, чтобы создать новую модель атрибуции.

Аккаунт Google Analytics

В выпадающем списке выберите одну из пяти стандартных моделей атрибуции.

Пять стандартных моделей атрибуции

Вы можете отредактировать выбранную модель, настроив параметры:

Период ретроспективного анализа – временной промежуток до покупки, за который необходимо присвоить ту или иную ценность. Максимум – 90 Период ретроспективного анализа

Корректировка правила распределения ценности в зависимости от времени на сайте либо глубины просмотра страницы

Корректировка правила распределения ценности

Пользовательское распределение ценности. Например, вы можете установить мультипликатор ценности x2 для рекламы в Facebook, если она занимает первое место в последовательности на пути к конверсии

Пользовательское распределение ценности.

Созданную вами модель можно будет сопоставить с другими в инструменте сравнения Google Analytics.

Отчет "Сравнение моделей"

Зайдите в раздел Conversions → Multi Channel Funnels → Model Comparison tool.

Выберите цели (анализируемые конверсии).

Анализируемые конверсии

Задайте тип и временной период до конверсии.

Задайте тип и временной период до конверсии

Из выпадающего списка выберите модель для сравнения. Например, мы хотим увидеть вклад Facebook Ads при первом взаимодействии, чтобы узнать, правильно ли настроили мультипликатор ×2 в кастомизированной модели. Поэтому выбираем для сравнения модель атрибуции “По первому клику"

Из выпадающего списка выберите модель для сравнения

В отчета видим: действительно, при модели “По первому взаимодействию” источник “Реклама в Facebook” имеет в 2 раза больше конверсии в сравнении с моделью по последнему непрямому клику.

Результат отчета

В заключение

От чего зависит выбор модели атрибуции:

  • от срока принятия решения о покупке,

  • от сложности продукта.

Если вы новичок на рынке, то можно использовать модели атрибуции по последнему непрямому клику или с привязкой к позиции. Бизнесу, что подразумевает множество касаний с клиентом до совершения покупки, лучше сравнивать имеющиеся модели и настраивать собственные либо использовать модель на основе данных. В Google Analytics нельзя изменить стандартную модель атрибуции Last Non-Direct Click. Поэтому, чтобы увидеть ценность каналов при другой модели, используйте инструмент сравнения многоканальных последовательностей и ваши навыки анализа отчетов;)

Стоит всегда учитывать путь к конверсии, так как чем он дольше и чем больше взаимодействий на этом пути, тем больше внимания стоит обращать на все этапы: начальный, промежуточные и конечный. Ошибочно думать, что раз большинство клиентов покупают при прямом переходе на сайт, то остальная реклама не работает. Выясните, сколько касаний с рекламой делает пользователь, прежде чем зайти на сайт и совершить покупку. И тогда кастомизируйте атрибуцию, как было в примере с Facebook-рекламой. Сравните результаты нескольких моделей, чтобы понять, какая из них подходит для оптимизации вашего маркетинга.

А за разработкой и реализацией омниканальной retention-стратегии обращайтесь в агентство eSputnik, где вам всегда рады.

Special Request Inline

4.3 из 5 на основе 16 оценок

Анна Забудская

Email-маркетолог

Маркетолог в агентстве eSputnik. Я придерживаюсь творческого подхода к маркетинговым статьям, взаимодействию с клиентами и дизайну емейл-рассылок.

Комментарии 0

С этим читают