04 грудня 2021
5087
24 хв
5.00
![Моделі атрибуції в Google Analytics Моделі атрибуції в Google Analytics: що це і яку вибрати](https://cdn.esputnik.com/photos/shares/Blog/blogs/google-analytics-attribution-models.webp)
Моделі атрибуції в Google Analytics: що це і яку вибрати
Для оптимізації маркетингової стратегії та грамотного розподілу бюджету корисно здійснювати аналіз і визначати цінність каналів. Куди варто вкласти більше грошей, від яких каналів відмовитися, що приносить бажаний результат, а що ні? – знайти відповідь допоможе модель атрибуції в маркетингу та наша стаття. Наприкінці статті ви знайдете інструкцію з налаштування та порівняння моделей атрибуції в Google Analytics.
Що таке модель атрибуції
Припустимо, клієнт пройшов такий шлях: побачив рекламу у Facebook → перейшов на сайт → підписався на розсилку → отримав промокод за підписку → поклав товар у кошик, пішов розмірковувати → побачив контекстну рекламу, паралельно отримав листа про покинутий кошик → згадав про свій промокод і нарешті здійснив купівлю.
Модель атрибуції – це набір правил, за допомогою яких цінність конверсії розподіляється між усіма каналами, які брали участь у клієнтському шляху. Залежно від вибраної моделі розподіл буде різним. Існує 8 типів атрибуції в Гугл Аналітікс:
- За першою взаємодією;
- За останнім кліком;
- За останнім непрямим переходом;
- Лінійна модель;
- Модель атрибуції з прив'язкою до позиції;
- Із урахуванням давності взаємодії;
- Data-driven модель (базується на даних);
- Кастомна модель.
Давайте розглянемо кожен із них, щоб ви краще розуміли, яку модель атрибуції слід вибрати для своїх завдань.
За першою взаємодією (First Interaction or First Click)
Принцип. Уся цінність надається джерелу першого торкання.
Перевага. Модель атрибуції “Перший перехід” дає розуміння, звідки надходить більше трафіку, що конвертується у продажі.
Недолік. Ігнорує подальші взаємодії користувача з брендом із інших каналів.
Для кого підійде. Такий підхід є корисний у випадку, якщо ви новачок і ваша мета – підвищити впізнаваність бренду, коли користувач ще не визначився, чи потрібен йому товар і якщо потрібен, то який саме. Важливими тут будуть рекламні канали, які знайомлять користувача з товаром/компанією.
Приклад. У магазину з доставкою квітів по всій країні перед 8 березня завжди підвищений попит. Тому варто залучати клієнтів ще на етапі пошуку. Можна застосовувати широкоохоплюючі запити, наприклад "букет", "квіти".
За останнім кліком (Last click)
Принцип. Тут усе навпаки: вся цінність – останньому кліку, тобто закриваючому каналу.
Перевага. Модель спрощує аналіз трафіку і дає розуміння, звідки частіше конвертуються користувачі.
Недолік. Значущість інших джерел недооцінюється. Висока конкуренція в нижній частині воронки: ваші суперники на ринку скоріше за все роблять ставки на аналогічні запити.
Для кого підійде. Для бізнесів, що мають короткий цикл продажів і на товар яких є сформований попит. За допомогою моделі атрибуції "Останній перехід" ми зможемо з'ясувати, які канали закривають ланцюжок продажів.
Приклад. Літо – період низького попиту на зимову гуму, яка не в сезон зазвичай дешевша. Тих клієнтів, які активно шукають і готові купувати влітку, краще приваблювати висококонверсійними запитами: “купити зимові шини”, “зимова гума купити з доставкою”.
За останнім непрямим переходом (Last non-direct click)
Принцип. Цінність конверсії надається тільки останньому каналу, який привів до купівлі, якщо це не прямий перехід на сайт (коли відвідувач ввів адресу сайту вручну або увійшов із закладок). Оскільки в Google Analytics атрибуція за замовчуванням визначається за останнім непрямим переходом, ви можете використовувати її для порівняння з іншими моделями атрибуції.
Завдяки цьому стає зрозумілим, які канали в кінцевому підсумку стимулюють користувача до купівлі та генерують конверсії.
Перевага. Підхід допоможе зробити правильні висновки, якщо в арсеналі у вас не дуже багато даних.
Недолік. Не враховує інші канали торкання з клієнтом.
Для кого підійде. Для тих, хто щойно починає свій шлях у рекламі та аналітиці і має в акаунті Google Analytics до 10 конверсій і до 100 кліків.
Приклад. Будь-який бізнес, що задіює більше ніж один канал залучення.
Лінійна модель (Linear model)
Принцип. Цінність конверсії розподіляється на однакові частини між усіма каналами взаємодії.
Перевага. Допомагає цілісно оцінити усі маркетингові кампанії.
Недолік. Не можна визначити лідера і дізнатися, що відіграло вирішальну роль перед купівлею.
Для кого підійде. Використовувати лінійну модель атрибуції доречно, якщо у вас довгий цикл продажу і кожен етап взаємодії з клієнтом є важливим для розігріву до купівлі.
Приклад. Компанія з доставки їжі зазвичай не має чіткої залежності від сезону, тож їй треба підтримувати охоплення, бути помітною для потенційних клієнтів. Водночас треба збирати сформований попит зі словами "доставка їжі", "замовити їжу".
Як службі доставки їжі вдалося на 65% збільшити кількість замовлень і на 16% підвищити середній чек – читати кейс >>
Із прив'язкою до позиції (Position based)
Принцип. По 40% надається першому та останньому каналам, 20% залишку розподіляється між іншими задіяними каналами.
Перевага. Акцент у позиційній моделі атрибуції робиться на важливих етапах: вході до воронки та останній взаємодії.
Недолік. Точки, що підводять до купівлі, недооцінюються. Допоміжні торкання, які допомогли клієнтові дійти до кінця і могли зробити суттєвий внесок у конверсію, матимуть низьку цінність.
Для кого підійде. Для тих, кому важливо відстежувати не тільки конвертуючий канал, але й той, що познайомив із брендом.
Приклад. Великий майданчик для брендів споживчих товарів запустив новий продукт. Важливо сформувати знання про цей продукт за допомогою охоплюючих форматів (відкриваючих каналів) і не упустити вже сформований за рахунок конверсійних каналів попит у кінцевій точці воронки.
Безкоштовні форми підписки у стилі вашого сайту
Із урахуванням давності взаємодій
Принцип. Канал, який за часом був ближчим до конверсії, отримує найвищу цінність. Кожні сім днів цінність переходу зростає вдвічі. Якщо в певному каналі мав місце клік за вісім днів до конверсії, він отримує вдвічі меншу цінність, ніж той, що брав участь у ланцюжку за день до конверсії.
Перевага. Модель є корисною для відстеження того, які канали дають регулярну конверсію, а які залучають до верхньої частини воронки і генерують трафік.
Недолік. Недооцінено канали першої взаємодії з брендом.
Для кого підійде. У випадку з короткостроковими рекламними кампаніями ви можете визначити за цією моделлю канал, який краще спрацював у дні проведення акції, і відповідно оцінити ефективність запущеного оголошення/креативу/ключових слів.
Приклад. Бренд готує конкурс: у соцмережах треба показати нестандартне використання продукту, щоб отримати 4 коробки безкоштовно. Конкурс триває весь вересень, взяти участь можна до кінця місяця. У такому випадку варто надати більшу конверсійну вагу саме цьому періоду.
Зверніть увагу
В eSputnik подібну модель відображено у функціональності "Прибуток від розсилок". Ви самі налаштовуєте часовий період, упродовж якого може бути здійснено замовлення після прочитання або переходу з будь-якого каналу взаємодії: email, web push, SMS, mobile push, Viber. Якщо протягом цього часу відбувся продаж – прибуток зараховується розсилці (цифри можна побачити у розділі “Розсилки” → “Звіти”).
Атрибуція на основі даних (Data-Driven)
Принцип. Це продвинута модель, яка дає найточніші дані. Для визначення цінності кожного каналу використовуються технічні алгоритми, для роботи яких потрібно щонайменше 600 конверсій упродовж останніх 30 днів. Як тільки кількість конверсій зменшується, модель одразу стає недоступною.
Перевага. Точність.
Недолік. Непридатна для акаунтів із малими обсягами даних.
Для кого підійде. Для будь-якого бізнесу, щоб визначити, які канали є найефективнішими, і розподіляти бюджет максимально обґрунтовано.
Приклад. Компанія займається продажем люксових авто. Машину люди купують не одразу. Клієнтові потрібен час, щоб вибрати автомобіль і зважитися на купівлю. Тому орієнтуватися при атрибуції на останній значущий перехід буде неефективно. Купівля не відбудеться без інших підігріваючих кроків. Треба зрозуміти, який канал дійсно вплинув на конверсію, а який можна прибрати без зміни кількості продажів.
Зверніть увагу
В eSputnik доступна власна data-driven функціональність — це товарні рекомендації на сайті та в email-розсилках. Утримуйте клієнтів за допомогою персональних пропозицій та рекомендацій до замовлення, створених штучним інтелектом. Щоб дізнатися більше – читайте статтю або запросіть демо.
Кастомна модель
Принцип. На основі своїх спостережень маркетолог кастомізує вибрану модель, знаючи, які показники важливо врахувати.
Перевага. Індивідуальне налаштування на підставі потреб бізнесу.
Недолік. Потребує підготовчої роботи і часу на дослідження.
Для кого підійде. Для досвідчених маркетологів, які вже спробували стандартні методи атрибуції, з’ясували, чого в них не вистачає, і знають, які показники важливо врахувати.
Приклад. Ви не перший рік просуваєте конкретний продукт, зробили багато тестів, включали та виключали тригерні ланцюжки. Ви побачили, що на успіх кампанії дуже вплинула електронна пошта. Отже, треба побудувати модель атрибуції, в якій максимальна цінність конверсії прив'язана до емейлу. Для цього ви будуєте кастомну модель атрибуції на підставі базової моделі (наприклад, за позицією) і надаєте мультиплікатор цінності каналу Email.
Робота з моделями атрибуції в Google Analytics
Аналізуйте показники витрат на залучення та повернення інвестицій для різних моделей атрибуції, а також порівнюйте моделі за критерієм витрат і ROI. Чому це корисно: якщо ви недооцінили канал і відключили його, це може суттєво зменшити прибуток від маркетингу.
Важливо!
Одна з найтиповіших помилок маркетологів – вимірювання цінності каналу моделлю, що не відповідає його ролі. Наприклад, спрямовані на конверсії канали вимірюють моделлю Last Click, тоді як канали, що залучають користувачів, – First Click. Такий підхід враховує вплив лише одного каналу та ігнорує сумарний ефект інших. Можна помилково відключити рекламний канал і зазнати збитків через просідання в першій або кінцевій точці воронки.
Корисно буде підрахувати ROI у відповідності до даних data-driven моделі. Вона дає найточніші дані та дозволяє точно обчислити прибуток від кожного каналу. Аналіз ROI за каналами покаже, чи дійсно повернення інвестицій здійснюється на 100% за рахунок першого або останнього каналу, і допоможе прийняти об'єктивне рішення стосовно розподілу бюджету.
Як налаштувати модель атрибуції для конверсій
Увійдіть до акаунта Google Analytics і перейдіть у меню ADMIN → View → Multi-Channel Funnels Settings → New Attribution Model, щоб створити нову модель атрибуції.
У випадаючому списку виберіть одну з п’яти стандартних моделей атрибуції.
Ви можете відредагувати вибрану модель, налаштувавши параметри:
Період ретроспективного аналізу – часовий проміжок до купівлі, за який треба надати ту чи іншу цінність. Максимум – 90.
Коригування правила розподілу цінності залежно від часу, проведеного на сайті, або глибини перегляду сторінки.
Кастомний розподіл цінності. Наприклад, ви можете встановити мультиплікатор цінності x2 для реклами у Facebook, якщо вона посідає перше місце у послідовності на шляху до конверсії
Створену вами модель можна буде порівняти з іншими в інструменті порівняння Google Analytics.
Звіт "Порівняння моделей"
Увійдіть до розділу Conversions → Multi Channel Funnels → Model Comparison tool.
Виберіть цілі (аналізовані конверсії).
Задайте тип і часовий період до конверсії.
Із випадаючого списку виберіть модель для порівняння. Наприклад, ми хочемо побачити внесок Facebook Ads під час першої взаємодії, щоб дізнатися, чи правильно ми налаштували мультиплікатор 2 у кастомізованій моделі. Тому вибираємо для порівняння модель атрибуції "За першим кліком".
У звіті бачимо: дійсно, у моделі "За першою взаємодією" джерело "Реклама у Facebook" має вдвічі більше конверсії порівняно з моделлю за останнім непрямим кліком.
На завершення
Від чого залежить вибір моделі атрибуції:
- від терміну прийняття рішення щодо купівлі;
- від складності продукту.
Якщо ви новачок на ринку, то можна використовувати моделі атрибуції за останнім непрямим кліком або з прив'язкою до позиції. У бізнесі, що передбачає багато торкань із клієнтом до здійснення купівлі, краще порівнювати наявні моделі та налаштовувати власні або використовувати модель на основі даних. У Google Analytics не можна змінити стандартну модель атрибуції Last Non-Direct Click. Тому використовуйте інструмент порівняння багатоканальних послідовностей і ваші навички аналізу звітів, щоб побачити цінність каналів при застосуванні іншої моделі ;)
Варто завжди враховувати шлях до конверсії, оскільки чим він довший і чим більше на цьому шляху взаємодій, тим більшу увагу треба звертати на всі етапи: початковий, проміжний та кінцевий. Помилкою є вважати, що якщо більшість клієнтів купують при прямому переході на сайт, то решта реклами не працює. З'ясуйте, скільки торкань із рекламою робить користувач, перш ніж зайти на сайт і здійснити купівлю. І тоді кастомізуйте атрибуцію, як у прикладі з Facebook-рекламою. Порівняйте результати кількох моделей, щоб зрозуміти, яка з них придатна для оптимізації вашого маркетингу.
А з питань розробки та реалізації омніканальної retention-стратегії звертайтесь до агенції eSputnik, де вам завжди раді.