Какие модели атрибуции полезны для оценки объявлений
Подпишитесь на новые материалы от Рика ????
Как только у нас появится новая статья или видео, мы сразу пришлём ссылку на вашу эл. почту. Писать будем не чаще раза в пару недель.
???? Вы успешно подписались на обновления от Рика
Модель атрибуции — это инструмент маркетолога, который помогает понять, сколько кампания заработала, принесла лидов или заказов. Чтобы убедиться, что кампания внесла свой вклад в результат, маркетологи оценивают эффективность кампаний, используя как можно больше моделей атрибуций: last click, first click, indirect free, position based, funnel based, или оценивают вклад по ассоциированным конверсиям.
У маркетологов нет цели настраивать десятки отчетов и сравнивать метрики по разным моделям атрибуции. Им важно понять, какие кампании генерируют доход, а какие убыток. После этого им нужно принять одно из решений:
- отключить кампанию,
- оптимизировать кампанию,
- масштабировать кампанию,
- оставить все как есть,
- подождать.
Эти решения, в первую очередь, относятся к платным каналам, которые можно быстро масштабировать или выключить: yandex.direct, vk ads, google ads, mytarget и др. Используя разные модели атрибуции, большинство маркетологов как раз ищут ответ, что делать именно с такими кампаниями — поскольку с ними можно быстро проверять гипотезы:их можно оперативно менять и получать эффект в виде увеличения конверсий, ROI или снижения стоимости лида.
Главным образом, маркетологам нужно выделить группы объявлений, на которые они неэффективно тратят бюджет и что-то сделать с этими объявлениями. Если маркетологи будут принимать неверные решения, они рискуют отключить кампании, косвенно участвующие в привлечении платящих пользователей или отдавать деньги в каналы, которые привлекают меньше платящих пользователей.
Что касается SEO, email-маркетинга и реферальных ссылок, то эти типы каналов практически невозможно быстро нарастить или сократить. Для них используется другая логика принятия решений и в этой статье мы подробно об этих каналах писать не будем.
В статье мы расскажем про базовые модели атрибуции, которые есть в Rick.ai — last click, first click, indirect free, top score— и ответим на вопросы маркетологов, с которыми мы часто сталкиваемся:
- Зачем использовать разные модели атрибуции, если Google Analytics по умолчанию использует last non direct click?
- Когда last click и first click дают искажение и больше вредят, чем помогают вам принять правильное решение?
- Почему атрибуция по last click и indirect free показывает кампании, которые можно масштабировать?
- Как модель атрибуции top score выявляет кампании, которые точно нужно отключить или доработать?
Надеемся, нам удалось вас заинтересовать, давайте разбираться вместе!
Для начала разберемся в понятиях:
- Last click — атрибутирует доход последнему каналу, из которого пришел пользователь перед совершением заказа. В Рике эта атрибуция аналогична last non direct click в Google Analytics, но исправляет ошибки, такие как учет платежных шлюзов, отмену транзакций и не только.
- Indirect free — атрибутирует доход единственному платному каналу в пути пользователя до покупки.
- First click — атрибутирует доход первому каналу, из которого пользователь попал на сайт.
- Top score — атрибутирует доход всем платным каналам в пути пользователя от первого попадания на сайт до совершения покупки.
Базово многие маркетологи используют атрибуцию по last non-direct click
Этому есть простое объяснение — все отчеты Google Analytics изначально строятся по этой модели атрибуции. По last non direct clickдоход присваивается последнему каналу привлечения. Например, пользователь зашел на сайт из канала yandex cpc и заказал шины за 20 000 р. Доход 20 000 р. атрибутировался каналу yandex cpc. Далее в статье мы будем называть эту модель атрибуции last click.
С одной стороны, если ROI канала при атрибуцииlast clickбольше 100%, можно быть уверенным в решении масштабировать этот канал, так как last click показывает минимально возможный вклад канала в получение доходов. С другой — здесь стоит понимать, что модель атрибуции по last click не учитывает другие более ранние касания этого пользователя с вашими рекламными каналами — она показывает только те, что привели к оплате. То есть эта модель дает понимание, откуда пришел пользователь непосредственно перед совершением покупки.
Важно отметить, что last click работает без критичных погрешностей, только если сквозная аналитика настроена корректно — как настроить сквозную аналитику без погрешностей мы писали
тут .
Давайте разберемся, когда оценка по last click может давать искажение и какие еще модели атрибуции стоит использовать:
Модель атрибуции last click не подходит для бизнесов, у которых много каналов привлечения, большие маркетинговые бюджеты, сложный сценарий привлечения пользователя и длинный цикл сделки. В этом случае у значимого количества пользователей на пути к покупке встречается несколько разных кампаний привлечения и подогревающих кампаний.
В примере ниже по модели last click доход в 6 545 р. от покупки кед атрибутировался последней кампании email_new_order:
При этом поведение пользователя было следующим:
- 10 октября зашел на сайт через поиск Яндекса,
- в тот же день его вернули через контекстную кампанию,
- 12 октября пользователь вернулся на сайт через поиск и выбрал товар,
- потом пользователь вернулся на сайт по ссылке из письма и купил.
В этом кейсе на почту пользователю отправили ссылку подтверждения регистрации. В других ситуациях это может быть и письмо о брошенной корзине, или подтверждение заказа.
Если использовать атрибуцию last click, доход в 6 545 р. запишется на канал email. Канал email занизит доходы от каналов yandex organic и yandex cpc. Конкретно по пользователю из примера с кедами доход у этих каналов обнулится. И если таких паттернов в поведении пользователей становится много, то у платных кампаний ROI может не сойтись и они покажутся убыточными — хотя мы видим, что в нашем примере yandex cpc мог повлиять на доход.
Если использовать модель атрибуции last click, то каналы Yandex direct и Google Adwords могут стать несправедливо убыточными:
Обратите внимание на скриншот отчёта выше — 4,3 млн рублей достались email-рассылкам. Органические каналы перетянули на себя доход платных каналов. Adwords и yandex direct кажутся убыточными. В обычной ситуации маркетолог примет решение, что эти кампании надо оптимизировать или отключать. Однако мы с вами уже понимаем, что last click не дает всю картину, из-за чего вы можете отключить кампании, которые ассистировали покупке и это приведёт к снижению доходов.
Indirect free показывает кампании, которые прячутся за бесплатными каналами
Indirect free — модель, которая атрибутирует весь доход единственной платной кампании, которая была в пути пользователя до заказа.
В примере ниже доход атрибутируется каналу google remarketing, потому что это был единственный платный канал в пути пользователя до покупки:
Пользователя привлекли на сайт из условно бесплатного канала — yandex organic. Транзакция тоже совершена из условно бесплатного канала referral. Google remarketing — единственный платный канал в цепочке, которому можно записать эту транзакцию.
Как и с last click, если ROI канала при атрибуцииindirect free больше 100%, можно быть уверенным в решении масштабировать этот канал, так как indirect free показывает минимально возможный вклад канала в получение доходов. Только если у вас по last click много «бесплатных» каналов и платные прячутся за ними — indirect free их покажет.
Когда и как использовать indirect free:
Indirect free используется для определения вклада платных каналов, когда бесплатные каналы часто завершают путь пользователя до конверсии.
Какому типу бизнеса может быть полезна модель indirect free:
Например, если у вас длинный цикл принятия решения и при этом вы не используете много платных каналов. Это может быть, если вы массово используете контент-маркетинг, виральный контент и реферальные ссылки для привлечения пользователей на сайт.
First click покажет, откуда пользователь пришел впервые на сайт, но проигнорирует остальные кампании
С моделью атрибуции first click ситуация похожа на last click. Атрибуция по first click помогает понять, какие каналы и кампании работают на привлечение новых пользователей — то есть влияют на первое знакомство пользователя с вашей компанией, а точнее с сайтом вашей компании. Она присвоит все очки кампании, с которой пользователь взаимодействовал впервые, и проигнорирует все остальные кампании. В случае пользователя с кедами весь доход засчитается yandex organic. Кампаниям в середине пути снова достается по нулям — как и в случае с last click.
Чтобы этого избежать и не отключать полезные для вашего бизнеса кампании, мы рекомендуем использовать атрибуцию top score.
Модель top score выявляет кампании, которые точно нужно отключить или доработать
Существует довольно много моделей атрибуции, которые учитывают мультиканальную аналитику: position based,ассоциированные конверсии, data-driven,funnel based. Все они присваивают вклад кампаниям, которые были не первыми и не последними, но часто умножают вклад кампании на какой-то вес: дают только 10%, или 80%, и пр.
Каждая модель предполагает, что по каким-то причинам какая-то кампания сильнее или слабее повлияла на решение пользователя купить ваш товар. Но мы на самом деле не знаем, насколько кампания повлияла на решение — для этого нужно провести глубинные интервью с каждым пользователем.
Некоторые маркетологи складывают данные между разными моделями атрибуции — это некорректно, т.к. каждая модель считается по своей логике и алгоритму и данные могут задваиваться.
В
этом материале мы подробно разобрали, почему нельзя складывать данные по last click и ассоциированным конверсиям.
Для решения проблемы занижения вклада кампании мы разработали в Rick.ai модель атрибуции top score. Top score присваивает 100% дохода от транзакции всем кампаниям, по которым пользователь попадал на сайт, начиная от первой сессии до момента совершения оплаты. Это помогает получить каналу или кампании максимально возможный доход.
То есть, если в пути пользователя встречается несколько платных кампаний, top score присваивает доход 100% от цепочки каждой из кампаний:
К примеру, анализируя канал vk remarketing по модели top score, мы присваиваем ему весь доход от всех цепочек, в которых он участвовал (хотя покупка совершена в сессию, начавшуюся из канала yandex cpc). Вклад канала vk remarketing в покупку до конца не очевиден, но в модели атрибуции по top score мы записываем на него все 3 200 р. дохода. Это позволяет оценить максимальный доход, в получении которого участвовал этот канал.
Когда и как использовать top score:
Top score используется, чтобы определить максимально возможный вклад кампании. Если максимальный доход от канала по top score меньше затрат на этот канал, то он точно убыточный. Такие каналы можно уверенно выключать или оптимизировать.
Обычно мы рекомендуем делать оценку кампании «снизу» по last click и «сверху» top score— об этом расскажем ниже в статье.
Top score также необходим, если у вас большая цепочка касаний с вашими пользователями и вам нужно оценить «отложенный» вклад каналов и кампаний в покупку.
Какому типу бизнеса полезна модель top score:
Top scoreприменяется, в первую очередь, если у вас длинный цикл принятия решения о покупке и пользователю необходимо поискать другие варианты, посмотреть отзывы, подумать или обсудить решение перед тем, как совершить платеж. Например, если вы продаёте образовательные курсы, дорогой девайс, или продукт для b2b-клиентов.
Возникает логичный вопрос: как в итоге определить кампании, которые нужно немного доработать или оставить в покое?
С помощью top score и last click мы точно определяем, какие каналы нужно отключать, какие переработать, а какие масштабировать.
Эта оценка помогает маркетологу увидеть, сколько он тратит на неэффективные кампании, и понять каким приоритетом и что делать:
- Красные кампании болеют — их нужно отключать или сильно перерабатывать
- Зеленые кампании здоровые — их стоит усилить, если это возможно, или оставить как есть
- Желтые кампании почти сходятся — их стоит доработать вторым приоритетом. Они не сходятся по last click, но сходятся по top score.
Кампании, которые находятся в «желтой» зоне, не находятся ровно посередине — они или ближе к убыточности, или к доходности. Кампании, которые почти выходят на прибыльность по last click надо дорабатывать в первую очередь. Кампании, которые по last click сильно убыточны, можно дорабатывать позже или пока отключать. Если по last click у вас много бесплатных источников, то можно сделать оценку «снизу» по indirect free — так вы поймете, какие платные кампании у вас ближе всего к сходимости.
В статье о мультиканальной аналитике мы подробнее разобрали проблему занижения вклада ассистирующих кампаний, и почему не стоит задача — посчитать точную модель атрибуции.
Перед отключением кампании посмотрите ее вклад по first click. Кампании, которые приносят много новых пользователей, отключать нужно осторожно — может уменьшиться общий приток пользователей. Тогда как бы хорошо ваша реклама ни конвертировала пользователя в покупку — пользователей станет сильно меньше и конвертировать будет некого. Если позволяет ресурс, лучше всего провести эксперимент — отключить и включить кампанию несколько раз и понаблюдать за результатом.
Подведем итог — маркетологу нужно привлекать больше лидов за меньшие деньги, а не пытаться настроить точные модель атрибуции
Маркетолог не занимается всем и сразу, он выстраивает приоритеты. Нужно фокусироваться на кампаниях, в прибыльности или убыточности которых вы уверены.
Теперь, когда вы понимаете, как модели атрибуции помогают оценить эффективность кампаний, у вас есть отличный инструмент для принятия решений и улучшения метрик.
В Rick.ai вы можете собрать один отчет с ключевыми метриками, используя сразу несколько моделей атрибуции. Это поможет оценить и сравнить эффективность каналов без необходимости строить несколько дашбордов.
Следите за новыми видео
Подписывайтесь на телеграм-канал @ilya_krasinsky (кликайте, работает без VPN), а также на youtube-канал. Там будем отвечать на частые вопросы на все темы, связанные с маркетингом, управлением продуктов, аналитикой и кратным ростом.
Пишите вопросы, комментарии, если есть ↓
Обновлено: 26 мая 2020. Top score ранее назывался post click.
Присоединяйтесь к новой программе лояльности «Проценты в Директе»
До 10% рекламных расходов возвращается обратно на счет при размещении
рекламы мобильных приложений, за использование автостратегий и ключевых целей Метрики.
Присоединиться к программе
Модель атрибуции помогает точнее определить вклад рекламы в развитие вашего бизнеса. Посетители могут переходить на ваш сайт несколько раз и разными путями: например, кликнув по рекламному объявлению, по ссылке в результатах поиска или по закладке, сохраненной в браузере. Важно правильно определить источник перехода: только те визиты, источником которых является рекламная кампания, учитываются в статистике Директа.
В кампаниях с оплатой за конверсии выбор модели атрибуции существенно влияет на то, какие визиты пользователя будут оплачиваться. Смотрите рекомендации по выбору модели атрибуции для таких кампаний.
Модель атрибуции — это правило, какой переход на сайт считать источником визита:
Первый переход — источником любых визитов посетителя считается его первый переход на сайт за последние 180 дней. Эта модель позволяет отследить источник, который впервые привел клиента и тем самым повлиял на все последующие взаимодействия с сайтом.
Последний переход — источником визита считается переход, в результате которого посетитель в данный момент пришел на сайт, без учета истории визитов. Эта модель может использоваться при техническом анализе сайта.
Последний значимый переход — все источники переходов за последние 90 дней разделяются на значимые (ваши объявления, переходы из результатов поиска и с других сайтов) и незначимые (переходы с сохраненных страниц, внутренние переходы или прямые заходы на сайт). Если визит произошел после незначимого перехода, то его источником считается предыдущий значимый переход. Эта модель позволяет учитывать конверсии, которые теряются в модели Последний переход: например, если посетитель оставил вкладку открытой, время бездействия превысило тайм-аут, и при возобновлении активности был зарегистрирован новый визит.
Последний переход из Директа — из всех последних значимых переходов учитывается только Директ. Если пользователь хотя бы раз перешел на сайт по объявлению в Директе, то именно этот переход считается источником всех последующих визитов — пока пользователь не перейдет по объявлению еще раз. Эта модель помогает увидеть все визиты, связанные с Директом, в том числе те, которые в других моделях атрибуции были бы отнесены к другим источникам.
Например, вы продаете туры на Марс:
Пользователь 10 дней назад перешел на ваш сайт из результатов поиска, но ничего не купил.
Затем он кликнул по объявлению в Директе.
Через некоторое время пользователь перешел по ссылке из соцсети.
Вчера он снова перешел из открытой вкладки в браузере и наконец заказал тур.
При разных моделях атрибуции источник визита будет определен по-разному:
Последний переход — переход из открытой вкладки в браузере.
Последний значимый переход— переход по ссылке из соцсети.
Последний переход из Директа — переход по объявлению в Директе.
Первый переход — переход из результатов поиска.
Подробнее о целях, источниках визитов и моделях атрибуции в Справке Метрики.
Если история визитов для вас не важна и вам нужно отследить, какие каналы становятся решающим стимулом к конверсии, используйте Последний значимый переход.
Чтобы оценить влияние на конверсии именно рекламы в Директе, выбирайте модель Последний переход из Директа.
Первый переход подходит для узнаваемых брендов — бизнесов, которые работают с уже сформированным спросом. Если вы считаете, что первого клика достаточно, чтобы повлиять на решение посетителя о покупке, выбирайте эту модель.
При оплате за конверсии воспользуйтесь советами ниже.
Стратегии основаны на алгоритме, который прогнозирует вероятность перехода по объявлению и достижения цели. Алгоритм опирается на статистику Яндекс.Метрики по выбранной модели атрибуции. Например, при выборе модели Последний переход из Директа алгоритм будет использовать статистику, сформированную по этой модели атрибуции.
При смене модели атрибуции изменятся и данные статистики, которые использует алгоритм. Системе потребуется время, чтобы построить новый прогноз и подобрать оптимальные ставки.
В рекламных кампаниях с оплатой за конверсии модель атрибуции существенно влияет на то, какие именно визиты пользователя с совершением целевого действия засчитываются за конверсию и оплачиваются. Правильный выбор модели атрибуции способствует эффективному расходованию бюджета кампании.
Последний переход
Вы платите только за визиты, в которых конверсия совершена непосредственно после перехода по рекламе из Директа в рамках одного визита.
Выбирайте эту опцию, если у ваших клиентов очень короткий цикл принятия решения: например, сразу после перехода по рекламе они заказывают доставку еды, вызывают такси, пользуются мгновенными спецпредложениями.
Последний значимый переход
Вы платите за визиты, в которых конверсия совершена после перехода по рекламе из Директа и до следующего значимого события (например, перехода из соцсети, почтовой рассылки, другой рекламы).
Эта модель атрибуции подходит для вас, если ваши клиенты не с первого раза решаются на покупку, долго выбирают товары: например, бытовую технику, одежду.
Последний переход из Директа
Вы платите за все визиты, в которых конверсия совершена после взаимодействия с Директом. При этом все последующие значимые события игнорируются.
Эта опция будет для вас актуальна, если Директ — это ваш основной канал привлечения трафика. Также мы рекомендуем эту модель атрибуции, если у вас в целом небольшое количество конверсий.
Первый переход
Вы платите за каждый визит тех пользователей, которые впервые попали на сайт именно по рекламе из Директа. Все последующие визиты с совершенной конверсией также будут оплачиваться.
Советуем этот вариант, если у ваших клиентов длинный цикл принятия решения о покупке: например, недвижимости, автомобилей.
В Мастере отчетов можно посмотреть статистику по любой модели атрибуции. Чтобы контролировать соблюдение целевых показателей в конверсионных стратегиях, например Оптимизация конверсий или Оптимизация рентабельности, важно выбирать в отчете ту же модель атрибуции, что указана в настройках стратегии.
Если от клика по рекламе до конверсии в среднем проходит больше двух недель, в отчетах Директа с атрибуцией по последнему или последнему значимому переходу статистика будет отображаться со значительной задержкой. Это важно учитывать при оценке показателей средней цены конверсии и средней рентабельности инвестиций.