Модели атрибуции в Метрике, Директе и Google Analytics: выбор и настройка

Модели атрибуции в веб-аналитике

Маркетинг

Модели атрибуции в «Метрике», «Директе» и Google Analytics

Давайте решим одну из самых распространенных проблем в интернет-маркетинге: кто принес конверсию? Форма отправила данные и рекламодатель радостно потирает руки, но какой из рекламных каналов сработал лучше? Оценить эффективность маркетинговых кампаний помогут системы веб-аналитики.

Они позволяют понять, какие именно действия пользователя привели к желаемому результату – покупке, регистрации, звонку и т.д. Для этого используются различные модели атрибуции, способные не только оценить вклад каждого канала, но и усилить эффект от рекламы или снизить затраты.

Какая именно модель атрибуции подойдет в вашем случае и как настроить ее в популярных системах веб-аналитики – в этой статье.

Содержание
  1. Принципы работы систем атрибуции
  2. Подбор оптимальной стратегии распределения ценности
  3. Таблица сравнения моделей атрибуции
  4. Универсальный подход к распределению вклада
  5. Модель атрибуции «Последний клик»
  6. Модель «Первопроходец» в оценке эффективности рекламы
  7. Преимущества и недостатки модели
  8. Линейная модель атрибуции
  9. Достоинства
  10. Недостатки
  11. Учет давности взаимодействия
  12. Позиционная модель
  13. Атрибуция в Яндекс Метрике
  14. Последний переход перед конверсией
  15. Позиция последнего клика
  16. Линейная модель
  17. Первое и последнее взаимодействие
  18. Позиция первого клика
  19. Сводная таблица моделей атрибуции
  20. Механизм приписывания заслуг в Директе
  21. Рассмотрим основные варианты распределения заслуг в Директе
  22. По последнему клику
  23. Последние непрямые переходы
  24. Линейная модель
  25. Как выбрать модель распределения заслуг в Директе
  26. Модели учёта эффективности в Google Analytics
  27. Настройка режима оценки эффективности
  28. Вопрос-ответ:
  29. Видео:
  30. Урок 43. Атрибуция в Яндекс метрике

Принципы работы систем атрибуции

Если у вас есть веб-сайт или приложение, вы, вероятно, используете аналитические инструменты для отслеживания трафика и поведения пользователей.

Эти инструменты могут предоставить вам ценную информацию о том, как пользователи взаимодействуют с вашим сайтом или приложением, откуда они приходят и что они делают.

Одним из наиболее важных аспектов аналитики является атрибуция.

Атрибуция — это процесс определения того, каким рекламным кампаниям или другим источникам трафика следует приписывать конверсии.

Это важная часть в понимании того, что приводит к конверсиям, какие каналы более эффективны и как вы можете оптимизировать свои маркетинговые кампании.

Существует множество различных моделей атрибуции, которые можно использовать. Каждая модель имеет свои сильные и слабые стороны, и важно выбрать модель, которая лучше всего соответствует вашим бизнес-целям.

В этом разделе мы рассмотрим некоторые наиболее распространенные модели атрибуции и их преимущества и недостатки.

Подбор оптимальной стратегии распределения ценности

Оценка эффективности рекламы – важная задача для любого бизнеса. Но как определить, какие каналы и рекламные объявления приносят наибольший доход? Здесь на помощь приходят модели атрибуции, распределяя значимость между разными точками соприкосновения с клиентом. Грамотный выбор стратегии распределения поможет выделить наиболее перспективные направления для дальнейшего развития.

Существуют различные модели атрибуции, каждая со своими преимуществами и недостатками. Понимание особенностей каждого типа стратегии распределения позволит определить наиболее подходящую для вашего бизнеса и целей аналитики.

Правильно подобранная модель атрибуции:

* Обеспечивает более точную оценку эффективности каждого канала.

* Позволяет определить наиболее ценные точки контакта.

* Помогает оптимизировать рекламные кампании и повысить прибыль.

Рассмотрим основные этапы подбора эффективной стратегии по распределению ценности:

1. Определите свои цели. Для чего вы используете модели атрибуции? Хотите ли вы оценить эффективность отдельных кампаний, каналов или ключевых слов?

2. Поймите поведение ваших клиентов. Как покупатели обычно взаимодействуют с вашим бизнесом? Какие точки контакта они проходят до совершения покупки?

3. Изучите доступные модели атрибуции. В разных системах аналитики (например, «Яндекс.Метрике», Google Analytics) применяются собственные наборы моделей распределения ценности.

4. Выберите подходящую модель. Опираясь на цели, поведение клиентов и имеющиеся данные, определите наиболее подходящую стратегию распределения ценности.

5. Настройте и протестируйте модель. Внедрите выбранную модель в систему аналитики и отслеживайте изменения в показателях эффективности. При необходимости корректируйте настройки для повышения точности.

Таблица сравнения моделей атрибуции

| Модель атрибуции | Описание | Преимущества | Недостатки |

|—|—|—|—|

| Последний переход | Приписывает 100% ценности последнему каналу, по которому пользователь перешел перед покупкой. | Простота использования | Не учитывает влияние предыдущих точек контакта |

| Первый переход | Приписывает 100% ценности первому каналу, по которому пользователь перешел к вам на сайт. | Легко отслеживать эффективность начальных этапов воронки продаж | Не отражает вклад других точек контакта |

| Линейная | Равномерно распределяет ценность между всеми каналами, задействованными в пути клиента к покупке. | Учитывает влияние всех точек контакта | Не дает точного представления о вкладе каждого канала |

| Позиция в порядке | Приписывает больше ценности точкам контакта, которые находятся ближе к моменту покупки (например, 40% последнему каналу, 30% предыдущему и 20% первому каналу). | Учитывает значимость разных точек контакта | Сложно настроить |

| Распределение на основе ценности | Приписывает ценность каналам в зависимости от их влияния на принятие решения о покупке (например, 60% каналу, который непосредственно привел к покупке, 20% каналу, который предоставил важную информацию, и 10% каналу, который повысил узнаваемость бренда). | Самая точная модель | Трудно настроить и требует больших объемов данных |

Помимо представленных в таблице моделей, существуют и другие варианты, такие как U-образная, W-образная и на основе времени. Выбор оптимальной стратегии распределения ценности зависит от конкретных целей бизнеса и доступных данных.

Универсальный подход к распределению вклада

Существует универсальный подход к определению значимости каждого касания для конверсии и распределению заслуг между точками взаимодействия. Он учитывает в равной степени вклад каждого шага, сделанного пользователем на пути к совершению целевого действия.

Неважно, с какого источника началось взаимодействие – будь то поисковый запрос, объявление в соцсети или email-рассылка. Каждое касание признается как значимый фактор, повлекший за собой конверсию.

При этом не учитывается сложность и продолжительность пользовательского пути, каждый шаг оценивается одинаково. Такой подход обеспечивает справедливое и непредвзятое распределение вклада в достижение конверсии.

Касание Весомость
Поисковый запрос 25%
Объявление в соцсети 25%
Email-рассылка 25%
Контентная страница 25%

Модель атрибуции «Последний клик»

Ее особенность состоит в том, что вся заслуга в конверсии достается последней взаимодействующей кампании или каналу.

Если в течение сессии с сайтом пользователь взаимодействовал с рекламой несколько раз (например, сперва посетил сайт по баннерной рекламе, затем перешел по объявлению в поисковой выдаче, а затем снова вернулся по баннерной рекламе и совершил покупку), то конверсия всей рекламной кампании полностью будет присвоена баннерной рекламе.

Достоинства Недостатки

Простота настройки и понимания.

Не учитываются предыдущие взаимодействия с рекламой.

Хорошо подходит для краткосрочных кампаний.

Может искажать данные о результативности кампаний при длинных циклах принятия решений.

Удобна для оценки конверсий.

Не подходит для отслеживания влияния верхней части воронки (брендинговых кампаний).

Модель «Первопроходец» в оценке эффективности рекламы

Эта модель проста как дважды два: мы приписываем конверсию тому источнику, с которым потенциальный клиент впервые столкнулся.

Логика тут понятна: первая точка соприкосновения – это именно та, которая направила человека на путь покупки.

Модель «первопроходца» имеет смысл, если ваша воронка продаж короткая и простая.

Она хорошо подходит для обычной рекламы в поисковиках, где люди обычно сразу переходят на сайт, чтобы узнать больше о товаре или услуге.

Преимущества и недостатки модели

Плюсы Минусы
Простота в осознании Не учитывает весь путь клиента
Подходит для коротких воронок Занижает вклад других каналов

Линейная модель атрибуции

Линейность как основа: в ней каждому каналу отводится своя доля.

До этой модели все заслуги приписывались последнему касанию.

Потом пришёл апофеоз: равное значение всем участникам цепочки.

При переходе на линейную модель в отчётах видны все.

Достоинства

У такой модели есть свои плюсы и минусы, о которых расскажем ниже.

Важное преимущество заключается в простоте понимания и применения.

С ней разобраться сможет даже новичок в сфере маркетинга без справочника.

Недостатки

Но не всё так радужно, как кажется на первый взгляд.

Эксперты рекомендуют её исключить из арсенала, когда речь заходит о длительных цепочках взаимодействий.

В таких случаях ценность касаний различается в зависимости от их последовательности, и линейное распределение искажает реальную картину вклада каждого канала.

Учет давности взаимодействия

Каждому этапу воронки продаж свойственно влияние на решение о покупке. Например, просмотр рекламы запускает процесс, а покупка является итогом. Традиционные модели отдают главную роль последнему касанию, не учитывая участие других.

Модель «С учетом давности взаимодействия» сильнее вознаграждает воздействия, более близкие к конверсии. Так, клик по объявлению за неделю до покупки будет оценен выше, чем за месяц до нее.

Механика модели:

* Каждое взаимодействие получает вес в зависимости от временной дистанции до конверсии.

* Влияние более близких к покупке взаимодействий усиливается с течением времени.

* Вес отдаленных воздействий постепенно уменьшается.

Эта модель показывает, как взаимодействие влияет на конверсию в долгосрочной перспективе. Она полезна для оценки эффективности маркетинговых кампаний, окупаемость которых может растягиваться на несколько месяцев.

Позиционная модель

В маркетинговых кампаниях, где работает несколько каналов продаж, на первый план выходит позиционная модель распределения заслуг. Она признает, что сенсационные и заключительные точки взаимодействия с рекламой имеют наибольший вклад в конверсию.

Первой точкой контакта часто бывает баннер, объявление в поиске или социальных сетях, которое привлекает внимание и создает первые впечатления о продукте или услуге.

В то время как последнее взаимодействие обычно завершает сделку, предоставляя финальный стимул для покупки. Эту роль может выполнять повторное таргетирование, лид-магнит или специальное предложение в момент оформления заказа.

Таким образом, позиционная модель распределяет больше признания за конверсию первым и последним каналам, в то время как промежуточные взаимодействия получают меньшую ценность.

Атрибуция в Яндекс Метрике

Метрика предлагает несколько моделей атрибуции:

Последний переход перед конверсией

В этой модели вся заслуга приписывается каналу, с которого произошел последний визит перед конверсией.

Позиция последнего клика

Позиция последнего клика

Здесь вся конверсия приписывается источнику, с которого был совершен последний клик.

Линейная модель

Каждому каналу приписывается одинаковый вклад в конверсию, независимо от порядка взаимодействия.

Первое и последнее взаимодействие

В модели учитывается только первый и последний канал во взаимодействии. Первому – 30%, последнему – 70%.

Выбор модели атрибуции зависит от бизнес-задач, типа рекламных кампаний и особенностей аудитории.

Позиция первого клика

Модель атрибуции, которая приписывает 100% заслуг каналу, с которого был сделан первый клик.

Сводная таблица моделей атрибуции

Модель атрибуции Описание
Последний переход перед конверсией Вся конверсия приписывается каналу, с которого был сделан последний визит перед конверсией.
Позиция последнего клика Вся конверсия приписывается каналу, с которого был сделан последний клик.
Линейная модель Каждому каналу приписывается одинаковый вклад в конверсию, независимо от порядка взаимодействия.
Первое и последнее взаимодействие В модели учитывается только первый и последний канал во взаимодействии. Первому – 30%, последнему – 70%.
Позиция первого клика Модель атрибуции, которая приписывает 100% заслуг каналу, с которого был сделан первый клик.

Механизм приписывания заслуг в Директе

В Директе задействована система распределения заслуг – она определяет, какой канал или ключевое слово сделало наибольший вклад в конверсию. Инструментарий сервиса позволяет отслеживать конверсии не только по последнему клику, но и по действиям, предпринятым пользователем ранее.

Благодаря этому рекламодатель может точнее определить, какие элементы кампании оказали наибольшее влияние на решение клиента о покупке или другом важном действии. Система распределения заслуг в Директе развивается, появляются новые опции, что позволяет предпринимателям еще точнее оценивать эффективность маркетинговых усилий.

Рассмотрим основные варианты распределения заслуг в Директе

По последнему клику

Самый простой вариант, при котором вся заслуга приписывается последнему источнику трафика, на который кликнул пользователь перед конверсией. Этот вариант распределения следует использовать, если главной целью кампании является непосредственная покупка или другое целевое действие.

Последние непрямые переходы

Последние непрямые переходы

Этот вариант распределения подходит для ситуаций, когда пользователь переходит по рекламе несколько раз перед конверсией. Заслуга приписывается последнему непрямому переходу – то есть тому, который произошел не непосредственно перед конверсией, а до него.

Линейная модель

Заслуга равномерно распределяется между всеми точками контакта пользователя с рекламой. Такой вариант распределения подойдет, если путь пользователя к конверсии длинный и сложный, с множеством промежуточных переходов.

Как выбрать модель распределения заслуг в Директе

Выбор модели распределения заслуг зависит от целей рекламной кампании и особенностей бизнеса. Если главной целью является непосредственная покупка или целевое действие, то подойдет модель по последнему клику. Если путь пользователя длинный и сложный, то стоит выбрать линейную модель. Для отслеживания эффективности отдельных ключевых слов или объявлений может быть полезна модель последних непрямых переходов.

Модели учёта эффективности в Google Analytics

Google Analytics предлагает различные модели учёта эффективности, чтобы помочь вам понять, как разные каналы рекламы взаимодействуют для достижения ваших маркетинговых целей.

Модель учёта эффективности определяет, каким образом оценивается вклад каждого канала или кампании в конверсию.

Например, если пользователь переходит на ваш сайт из рекламы в поисковой выдаче, а затем возвращается и совершает покупку после просмотра рекламы в соцсетях, модель учёта эффективности поможет вам определить, какой из каналов рекламы оказал большее влияние на продажу.

Google Analytics по умолчанию использует модель «Последнее взаимодействие», которая отдает должное последнему каналу, который взаимодействовал с пользователем перед конверсией.

Однако вы можете выбрать другие модели, которые учитывают путь пользователя к конверсии более полно.

Модель учёта эффективности Описание
Последнее взаимодействие Отдает должное последнему каналу, который взаимодействовал с пользователем перед конверсией.
Первый клик Отдает должное первому каналу, с которым взаимодействовал пользователь перед конверсией.
Линейная Равномерно распределяет кредит между всеми каналами, которые взаимодействовали с пользователем перед конверсией.
Затухание по времени Больше значения придает взаимодействиям, которые происходили ближе к моменту конверсии.
Позиция Даёт 40% кредита первому взаимодействию и 60% последнему взаимодействию перед конверсией.

Выбор правильной модели учёта эффективности зависит от ваших конкретных маркетинговых целей и поведения пользователей вашего сайта.

Проведя эксперименты с разными моделями, вы можете определить, какая из них обеспечивает наиболее точное представление об эффективности ваших маркетинговых кампаний.

Эксперименты также могут выявить новые каналы или комбинации каналов, которые влияют на конверсии, но не всегда учитываются.

Оптимизировав модель учёта эффективности, вы можете получить более четкое представление об окупаемости инвестиций в маркетинг и эффективно распределять свой бюджет.

Настройка режима оценки эффективности

Чтобы перейти к настройкам режима оценки эффективности рекламных кампаний, можно зайти в раздел «Анализ данных» главной страницы сервиса аналитики.

В первом разделе можно выбрать нужную модель.

Настройки модели позволяют учесть разные точки соприкосновения с рекламой на пути пользователя до совершения конверсии.

Режим оценки эффективности можно применять как для рекламы на поиске, так и для рекламы в контентной сети.

Для каждого режима можно создать свою конфигурацию, отредактировать или удалить параметры.

Для добавления новой модели оценки эффективности нужно выбрать ее из списка доступных или нажать на кнопку «Создать модель».

Вопрос-ответ:

Видео:

Урок 43. Атрибуция в Яндекс метрике

Оцените статью
Обучение