Компании, которые работают с онлайн-рекламой, всё больше внимания уделяют каждому шагу пользователя, потому что такая информация не просто интересна с точки зрения исследования, но и важна для оценки рекламного канала и перераспределения затрат для достижения большего числа конверсий.
Вспомните, как происходит ход в бильярде: кий бьёт по шару, шар ударяет ещё один шар и в итоге один или несколько шаров попадают в лузу. Важен результат — засчитать шар. Что оказалось важнее для победы: удар кия, битка или случайного шара, толкнувшего победный в лузу? Вряд ли любители задумываются над этим.
Атрибуция — это правило распределения ценности конверсии по отдельным точкам взаимодействия в процессе достижения этой конверсии. В основном речь идет правилах присвоения отдельным каналам достижения некоторой цели. В электронной торговле к покупке или регистрации, как правило ведёт цепочка шагов и действий, совершённых на сайте. Это так называемые микроконверсии, каждая из которых имеет свой вес в достижении цели. С увеличением числа различных каналов и устройств возрастает необходимость отслеживать всю цепочку взаимодействий на пути к конверсии, а также использовать различные способы атрибуции ценности. Google Analytics достаточно давно внедрила в свой интерфейс различные модели атрибуции.
Каждый пользователь на коммерческом сайте должен достигнуть какой-либо цели и обычно эта цель настраивается и учитывается в Google Analytics как конверсия. Конверсия обычно достигается в ходе нескольких взаимодействий между пользователем и рекламодателем. Например, при выборе автомобиля покупатель может зайти на сайт с рекламного объявления, затем перейти на него из закладок и в конце концов перейти с баннера ремаркетинга и уже записаться на тест-драйв. Для анализа подобных цепочек Google предлагает настраивать в инструменте Analytics различные модели атрибуции.
Последнее взаимодействие — в этой модели 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. Такая модель хороша для тех, где решение о покупке (ином действии) принимается сразу.
По последнему непрямому клику — тип, схожий с предыдущим и используемый в Google Analytics по умолчанию для всех отчётов. При его использовании игнорируются прямые посещения и 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. Такой метод достаточно прост и не учитывает определенную часть заходов на сайт. Его лучше всего использовать в случаях, когда пользователь максимально приближен к конечной транзакции (напоминание о продлении подписки на СМИ, о забытых в корзине товарах или неоплаченной по техническим причинам покупке).
Последний клик в AdWords — 100% ценности конверсии присваивается последнему клику по объявлению AdWords в цепочке взаимодействий. Такая модель используется, если у вас есть рекламная кампания в AdWords и пользователи с ваших объявлений приходят на сайт для совершения транзакций.
Первое взаимодействие — 100% ценности конверсии присваивается первому каналу в цепочке взаимодействий. Эта модель атрибуции менее коммерчески применимая, чем все остальные. Её лучше использовать при первичном выходе на рынок для отслеживания динамики интереса к новому бренду или новой компании.
В линейной модели всем каналам в последовательности конверсий присваивается одинаковая ценность. Она обычно используется в случаях, когда пользователь подвергается рекламному воздействию на протяжении всего цикла совершения покупки (иной транзакции) и равно важны все точки взаимодействия с потенциальным клиентом. Очевидно, что в коммерции такая ситуация встречается редко, поэтому такую модель можно использовать, например, для анализа рекламы на сайте или публикаций в блоге.
С учётом давности взаимодействия — модель, работающая, когда клиент принимает решение о покупке в сжатые сроки. Google Analytics в справке заявляет, что в основе модели лежит экспоненциальный распад.Этот сложный термин пришёл в Google Analytics из ядерной физики и максимально точно описывает сущность модели атрибуции: чем ближе к конверсии находится точка взаимодействия, тем более ценной она считается. Остальные точки теряют ценность с увеличением временного интервала. Модель применима, например, для анализа покупок, произошедших в результате рекламных акций.
Атрибуция с привязкой к позиции – это гибрид моделей «Первое взаимодействие» и «Последнее взаимодействие». Вместо того, чтобы присваивать всю ценность первому или последнему каналу, можно поделить ее между ними. Обычно она распределяется следующим образом: по 40% первому и 40% последнему каналу и 20% – всем остальным. Такая модель обычно используется, если интересно отследить все точки взаимодействия: от проявления первого интереса до последнего действия, приведшего к конверсии. Пожалуй, это самая близкая к реальной жизни модель — она применима практически во всех сферах бизнеса.
Перечисленные модели — стандартные решения, которые предлагает Google Analytics. Однако пользователи могу создавать свои собственные модели атрибуции. И для этого им нужно владением рядом терминов, связанных с моделями атрибуции.
Многоканальные последовательности — наборы путей пользователя до конверсии. Например, вы дали рекламу в AdWords, покупатель увидел её, перешёл на сайт и покинул его. Затем помня название сайта, он вбил его в адресную строку браузера, но ошибся при наборе. Поисковик угадал, что ему нужно и выдал сайт первым в поисковой выдаче. Пользователь зашёл и купил. Сформировалась последовательность: реклама в AdWords > сайт > поиск > сайт. Но это отнюдь не значит, что поиск приводит к покупкам, триггером скорее всего, послужило именно объявление. Исходя из такой последовательности и стоит строить модель атрибуции. Многоканальные последовательности могут быть представлены в интерфейсе Google Analytics графически (пути конверсии):
В инструменте сравнения моделей атрибуции можно сравнивать различные типы, включая пользовательские. Это даст возможность определить наиболее оптимальную последовательность и выяснить, какой канал эффективнее и требует дополнительных вложений для роста коммерческих показателей.
Как показывает опыт RealWeb, многие маркетологи останавливаются на одном из двух вариантов: либо last click, либо first click. И каждый из них прав.
Раньше, когда измерение пути пользователя было сложным процессом, всегда использовался последний клик (last click) и самым эффективным считался маркетинговый канал, который этот клик принёс. Если пренебречь рядом факторов, такую модель можно представить, если было разослано письмо с купоном на скидку и прямо из письма по ссылке была совершена покупка уже известного пользователю товара. Ближе к реальности — активация купона в том случае, если это и есть макроцель.То есть существуют ситуации, когда она оправданна. Однако последний клик не отражает всего пути пользователя.
Модель по последнему клику позволяет определить источники, которые непосредственно подвели (побудили) клиента к осуществлению конверсии. Но если перед компанией стоит задача привлечения новых пользователей и повышения осведомленности о бренде и интереса к товарам, то в таком случае ей будет полезно использование моделей, распределяющих бОльшую ценность источникам, которые стояли в начале цепочки взаимодействий с сайтом (первый клик).
Оценка атрибуции невероятно полезна. Используйте метод первого и последнего клика, присваивайте вес промежуточным шагам — и вы увидите, как именно ваши пользователя добираются до конверсии. Если вы когда-то покупали что-то онлайн, легко представить поведение вашего клиента в Интернете. Например, он выбирает мобильный телефон. По запросу он попадает на ваш сайт, смотрит цены, уходит, читает отзывы на Маркете, возвращается, уходит, читает обзоры на Mobile Review, переходит на сервис Яндекс.Погода и там вновь видит объявление вашего магазина в Директе, но уже с интересующей моделью, кликает на него, переходит на ваш сайт и оформляет заказ. Что именно привело клиента в этом случае? Можно сказать, что триггером послужило последнее объявление, а можно, что его выбор начался с вашего сайта, потому что у вас отличное SEO.
В свете многоканальности пути пользователя к конверсии и вариативности способов её достижения, при работе с моделями атрибуции нужно следовать некоторым правилам.
Конверсии в веб-аналитике разделяют на два типа:
Анализ микроконверсий позволяет оценивать усилия маркетинга, эффективность и характеристики каналов, источники переходов. Каждый шаг на пути к конверсии, то есть каждая микроконверсия, могут иметь или не иметь ценность.
После работы с моделями атрибуции следующим этапом в определении эффективности источника может быть совместный учет достижения макро- и микроконверсий с его участием. Для этого формируется итоговый индикатор, который может использоваться также для оптимизации работы источника. В таком случаем макро- и микроконверсиям присваивается разный вес. Также можно добавить учет разных моделей атрибуции при этом.
То есть формируется формула наподобие:
1*покупка(last-non-direct) + 0.5*подписка рассылку(last-non-direct) + 0.3*1*покупка(first click) + 0.3 * 0.5*подписка рассылку(first click).
Мы рекомендуем своим клиентам и нашим заинтересованным читателям отталкиваться от длины цикла принятия решения их клиентами. Чем дольше этот процесс, чем больше взаимодействий он подразумевает, тем больше внимания нужно уделять начальным и промежуточным этапам. Такой подход позволит более эффективно использовать рекламный бюджет, не уповая на одну лишь онлайн-рекламу и не тратя всё до копейки на SEO. Только комплексное продвижение способно дать качественный результат.
Вспомните, как происходит ход в бильярде: кий бьёт по шару, шар ударяет ещё один шар и в итоге один или несколько шаров попадают в лузу. Важен результат — засчитать шар. Что оказалось важнее для победы: удар кия, битка или случайного шара, толкнувшего победный в лузу? Вряд ли любители задумываются над этим.
Атрибуция — это правило распределения ценности конверсии по отдельным точкам взаимодействия в процессе достижения этой конверсии. В основном речь идет правилах присвоения отдельным каналам достижения некоторой цели. В электронной торговле к покупке или регистрации, как правило ведёт цепочка шагов и действий, совершённых на сайте. Это так называемые микроконверсии, каждая из которых имеет свой вес в достижении цели. С увеличением числа различных каналов и устройств возрастает необходимость отслеживать всю цепочку взаимодействий на пути к конверсии, а также использовать различные способы атрибуции ценности. Google Analytics достаточно давно внедрила в свой интерфейс различные модели атрибуции.
Модели атрибуции Google Analytics
Каждый пользователь на коммерческом сайте должен достигнуть какой-либо цели и обычно эта цель настраивается и учитывается в Google Analytics как конверсия. Конверсия обычно достигается в ходе нескольких взаимодействий между пользователем и рекламодателем. Например, при выборе автомобиля покупатель может зайти на сайт с рекламного объявления, затем перейти на него из закладок и в конце концов перейти с баннера ремаркетинга и уже записаться на тест-драйв. Для анализа подобных цепочек Google предлагает настраивать в инструменте Analytics различные модели атрибуции.
Последнее взаимодействие — в этой модели 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. Такая модель хороша для тех, где решение о покупке (ином действии) принимается сразу.
По последнему непрямому клику — тип, схожий с предыдущим и используемый в Google Analytics по умолчанию для всех отчётов. При его использовании игнорируются прямые посещения и 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий. Такой метод достаточно прост и не учитывает определенную часть заходов на сайт. Его лучше всего использовать в случаях, когда пользователь максимально приближен к конечной транзакции (напоминание о продлении подписки на СМИ, о забытых в корзине товарах или неоплаченной по техническим причинам покупке).
Последний клик в AdWords — 100% ценности конверсии присваивается последнему клику по объявлению AdWords в цепочке взаимодействий. Такая модель используется, если у вас есть рекламная кампания в AdWords и пользователи с ваших объявлений приходят на сайт для совершения транзакций.
Первое взаимодействие — 100% ценности конверсии присваивается первому каналу в цепочке взаимодействий. Эта модель атрибуции менее коммерчески применимая, чем все остальные. Её лучше использовать при первичном выходе на рынок для отслеживания динамики интереса к новому бренду или новой компании.
В линейной модели всем каналам в последовательности конверсий присваивается одинаковая ценность. Она обычно используется в случаях, когда пользователь подвергается рекламному воздействию на протяжении всего цикла совершения покупки (иной транзакции) и равно важны все точки взаимодействия с потенциальным клиентом. Очевидно, что в коммерции такая ситуация встречается редко, поэтому такую модель можно использовать, например, для анализа рекламы на сайте или публикаций в блоге.
С учётом давности взаимодействия — модель, работающая, когда клиент принимает решение о покупке в сжатые сроки. Google Analytics в справке заявляет, что в основе модели лежит экспоненциальный распад.Этот сложный термин пришёл в Google Analytics из ядерной физики и максимально точно описывает сущность модели атрибуции: чем ближе к конверсии находится точка взаимодействия, тем более ценной она считается. Остальные точки теряют ценность с увеличением временного интервала. Модель применима, например, для анализа покупок, произошедших в результате рекламных акций.
Атрибуция с привязкой к позиции – это гибрид моделей «Первое взаимодействие» и «Последнее взаимодействие». Вместо того, чтобы присваивать всю ценность первому или последнему каналу, можно поделить ее между ними. Обычно она распределяется следующим образом: по 40% первому и 40% последнему каналу и 20% – всем остальным. Такая модель обычно используется, если интересно отследить все точки взаимодействия: от проявления первого интереса до последнего действия, приведшего к конверсии. Пожалуй, это самая близкая к реальной жизни модель — она применима практически во всех сферах бизнеса.
Перечисленные модели — стандартные решения, которые предлагает Google Analytics. Однако пользователи могу создавать свои собственные модели атрибуции. И для этого им нужно владением рядом терминов, связанных с моделями атрибуции.
Многоканальные последовательности — наборы путей пользователя до конверсии. Например, вы дали рекламу в AdWords, покупатель увидел её, перешёл на сайт и покинул его. Затем помня название сайта, он вбил его в адресную строку браузера, но ошибся при наборе. Поисковик угадал, что ему нужно и выдал сайт первым в поисковой выдаче. Пользователь зашёл и купил. Сформировалась последовательность: реклама в AdWords > сайт > поиск > сайт. Но это отнюдь не значит, что поиск приводит к покупкам, триггером скорее всего, послужило именно объявление. Исходя из такой последовательности и стоит строить модель атрибуции. Многоканальные последовательности могут быть представлены в интерфейсе Google Analytics графически (пути конверсии):
В инструменте сравнения моделей атрибуции можно сравнивать различные типы, включая пользовательские. Это даст возможность определить наиболее оптимальную последовательность и выяснить, какой канал эффективнее и требует дополнительных вложений для роста коммерческих показателей.
Так last click или first click?
Как показывает опыт RealWeb, многие маркетологи останавливаются на одном из двух вариантов: либо last click, либо first click. И каждый из них прав.
Раньше, когда измерение пути пользователя было сложным процессом, всегда использовался последний клик (last click) и самым эффективным считался маркетинговый канал, который этот клик принёс. Если пренебречь рядом факторов, такую модель можно представить, если было разослано письмо с купоном на скидку и прямо из письма по ссылке была совершена покупка уже известного пользователю товара. Ближе к реальности — активация купона в том случае, если это и есть макроцель.То есть существуют ситуации, когда она оправданна. Однако последний клик не отражает всего пути пользователя.
Модель по последнему клику позволяет определить источники, которые непосредственно подвели (побудили) клиента к осуществлению конверсии. Но если перед компанией стоит задача привлечения новых пользователей и повышения осведомленности о бренде и интереса к товарам, то в таком случае ей будет полезно использование моделей, распределяющих бОльшую ценность источникам, которые стояли в начале цепочки взаимодействий с сайтом (первый клик).
Оценка атрибуции невероятно полезна. Используйте метод первого и последнего клика, присваивайте вес промежуточным шагам — и вы увидите, как именно ваши пользователя добираются до конверсии. Если вы когда-то покупали что-то онлайн, легко представить поведение вашего клиента в Интернете. Например, он выбирает мобильный телефон. По запросу он попадает на ваш сайт, смотрит цены, уходит, читает отзывы на Маркете, возвращается, уходит, читает обзоры на Mobile Review, переходит на сервис Яндекс.Погода и там вновь видит объявление вашего магазина в Директе, но уже с интересующей моделью, кликает на него, переходит на ваш сайт и оформляет заказ. Что именно привело клиента в этом случае? Можно сказать, что триггером послужило последнее объявление, а можно, что его выбор начался с вашего сайта, потому что у вас отличное SEO.
В свете многоканальности пути пользователя к конверсии и вариативности способов её достижения, при работе с моделями атрибуции нужно следовать некоторым правилам.
- Тестировать различные модели атрибуции.
- Менять модели в случае изменения схемы продаж.
- Использовать разные модели атрибуции для разных каналов.
- Сравнивать модели атрибуции и выбирать оптимальные.
- Распределять маркетинговые затраты исходя из веса каждой микроконверсии.
- Экспериментировать с собственными моделями атрибуции.
Ещё один способ определения эффективности источника
Конверсии в веб-аналитике разделяют на два типа:
- макроконверсия — конечная цель, которая должна быть достигнута пользователями (покупка, оформление заказа, создание лида)
- микроконверсии — шаги к цели, которые совершает пользователь (например, регистрация на сайте перед оформлением заказа или добавление товаров в корзину).
Анализ микроконверсий позволяет оценивать усилия маркетинга, эффективность и характеристики каналов, источники переходов. Каждый шаг на пути к конверсии, то есть каждая микроконверсия, могут иметь или не иметь ценность.
После работы с моделями атрибуции следующим этапом в определении эффективности источника может быть совместный учет достижения макро- и микроконверсий с его участием. Для этого формируется итоговый индикатор, который может использоваться также для оптимизации работы источника. В таком случаем макро- и микроконверсиям присваивается разный вес. Также можно добавить учет разных моделей атрибуции при этом.
То есть формируется формула наподобие:
1*покупка(last-non-direct) + 0.5*подписка рассылку(last-non-direct) + 0.3*1*покупка(first click) + 0.3 * 0.5*подписка рассылку(first click).
Мы рекомендуем своим клиентам и нашим заинтересованным читателям отталкиваться от длины цикла принятия решения их клиентами. Чем дольше этот процесс, чем больше взаимодействий он подразумевает, тем больше внимания нужно уделять начальным и промежуточным этапам. Такой подход позволит более эффективно использовать рекламный бюджет, не уповая на одну лишь онлайн-рекламу и не тратя всё до копейки на SEO. Только комплексное продвижение способно дать качественный результат.