Модели атрибуции в Яндекс.Метрике, Яндекс.Директе и Google Analytics

На пути к конверсии пользователь взаимодействует с вашим бизнесом по-разному и на разных платформах. Важно не только знать, какие каналы привели к желаемым действиям, но и правильно оценивать их вклад.

Сложная цепочка взаимодействий приводит к непростой задаче – определить, какой канал сыграл решающую роль в конверсии.

Ответить на этот вопрос призваны модели атрибуции. Они распределяют ценность конверсии между источниками трафика, в зависимости от заданных правил. Благодаря им можно определить наиболее эффективные рекламные кампании и оптимизировать стратегию продвижения.

В разных системах веб-аналитики, таких как Метрика, Директ, Google Analytics, используются различные модели атрибуции. Самые популярные: первый переход, последний переход, последний непрямой переход, линейная и взвешенная.

## Путеводитель по алгоритмам оценки результативности в Метрике, Директе и Google Analytics

В маркетинге важно уметь правильно оценивать эффективность рекламных кампаний и выявлять каналы, которые приносят наибольшее количество конверсий. Здесь на помощь приходят алгоритмы оценки результативности или модели атрибуции. Они помогают распределять ценность конверсий между различными рекламными каналами, что позволяет получить более точную картину окупаемости инвестиций.

Каждая из систем аналитики имеет свой набор моделей атрибуции, которые отличаются принципами распределения ценности. Давайте рассмотрим их подробнее:

### Метрика

* **Последнее значимое взаимодействие** – вся ценность конверсии присваивается последнему каналу, с которым взаимодействовал пользователь перед совершением целевого действия.

* **Первый значимый контакт** – вся ценность конверсии присваивается первому каналу, с которым взаимодействовал пользователь в процессе пути к покупке.

### Директ

* **Последний клик** – вся ценность конверсии присваивается последнему объявлению, по которому пользователь кликнул перед совершением целевого действия.

* **Первый клик** – вся ценность конверсии присваивается первому объявлению, по которому пользователь кликнул в процессе пути к покупке.

### Google Analytics

* **Последний непрямой клик** – вся ценность конверсии присваивается последнему непрямому каналу, с которым взаимодействовал пользователь перед совершением целевого действия.

* **Позиция** – ценность конверсии распределяется между всеми каналами, с которыми пользователь взаимодействовал в процессе пути к покупке, при этом акцент делается на первых и последних точках соприкосновения.

Типы разделения прибыли

Предпосылки атрибуции позволяют учесть роль различных точек взаимодействия с контентом в достижении целевых действий пользователями. Каждая делит вознаграждение (конверсии) между касаниями, руководствуясь собственным алгоритмом. По базовой классификации выделяют следующие типы:

Первая группа – сквозные модели атрибуции, делящие вознаграждение пропорционально или нелинейно. В их основе лежит принцип равной ценности касаний.

Вторая группа – позиционные модели, полностью отдают конверсию (вознаграждение) начальным или конечным точкам взаимодействия.

Третья группа – векторные (W-образные) модели отдают вознаграждение поэтапно на основе весов (коэффициентов).

Модель последнего клика

Эта модель присваивает всю ценность конверсии последнему взаимодействию в цепочке, то есть тому клику, который непосредственно предшествовал ей.

Она проста в понимании и реализации.

Это популярный выбор для рекламных кампаний с коротким циклом продаж.

Однако эта модель не учитывает вклад других взаимодействий в путь конверсии.

Поэтому, если вы хотите получить более подробное представление о том, что привело к конверсии, рассмотрите другие модели атрибуции.

Модель первородного действия

Начало всему! Весь путь к покупке клиента начинается здесь. Речь о первой точке контакта, которая запускает всю цепочку последующих взаимодействий. Эта модель приписывает всю заслугу первому каналу, с которого человек зашёл на сайт.

Например, если пользователь увидел рекламу, перешёл по ней, добавил товар в корзину, но не купил, а через несколько дней вернулся на сайт напрямую и совершил покупку, результат всё равно будет записан на счёт изначального объявления.

Эта модель проста и понятна. У неё есть плюс: она награждает источник, который инициировал процесс принятия решения о покупке.

Равномерное распределение

Такая схема раздела - довольно проста в понимании, она четко распределяет «заслуги» между всеми контактами с посетителем.

Она не выделяет отдельные точки взаимодействия, а учитывает вклад каждого из них.

Сумма всех вкладов, полученных за определенный промежуток времени, составляет 100%.

Другими словами, каждой точке взаимодействия присваивается одинаковая ценность, и общий кредит распределяется равномерно между ними.

Это справедливый подход, который учитывает общий вклад каждого канала в путь клиента к покупке или другому целевому действию.

Атрибуция по положению

Есть ключевой тезис, на основе которого выстраивается эта модель: каждое действие в цепочке контактов с покупателем вносит свой непропорциональный вклад в итоговый результат.

У перехода по сниппету в выдаче большая ценность, чем у клика по объявлению в правом блоке, а у звонка из поисковой выдачи - выше, чем у перехода на сайт с объявления.

То есть "вес" взаимодействия зависит от того, в каком месте и в какой момент произошел контакт с клиентом.

В контексте рекламных кампаний

В рамках рекламных кампаний распределение ценности взаимодействия будет таким:

1. Первый контакт с брендом (первое взаимодействие с точкой контакта)
2. Последний контакт (непосредственно перед целевым действием)
3. Иные взаимодействия

Например, при построении атрибуционной модели на основе положения для расчета ROI наиболее значимыми мы признаем первый и последний клики в цепочке взаимодействий.

Распределение по времени

Этот механизм позволяет поделить конверсию в зависимости от последовательности взаимодействия с каналами рекламы.

Очевидно, что первое касание не так значимо, как последнее. Но если временной промежуток между ними велик - то вклад канала падает.

Доступны различные интервалы, к примеру: равное распределение, по убыванию, по шагам.

Равное распределение

Всех участников учитывают в равных долях. Легко вычисляется, не зависит от хронологии.

Убывание

Большая роль отдаётся первому и последнему участнику, остальные - имеют одинаковую значимость. Чем сложнее путь клиента, тем сильнее влияние данной модели.

Многоканальные последовательности

Когда пользователь продвигается по пути к покупке, он часто взаимодействует с бизнесом по разным каналам. Многоканальные последовательности учитывают эти сложные пути.

Они раскрывают, как каналы влияют на конверсии.

Понимание вклада каждого канала в конверсию позволяет оптимизировать маркетинговые кампании.

Многоканальные последовательности выявляют схемы поведения пользователей и помогают выявить наиболее эффективные комбинации каналов.

Персональный аспект

Каждому, кто хоть раз интересовался методами учета и анализа эффективности маркетинговых кампаний, известен термин "модели атрибуции". В них основная задача заключается в определении вклада различных каналов в процесс превращения случайных посетителей сайта в покупателей. И, как правило, в таких моделях превалирует количественный подход к оценке. Но, давайте сейчас отступим от этих расчетов и поговорим о личности.

Персональный атрибут - это попытка понять поведение покупателя на более глубоком уровне. Это не просто вопрос о количестве потенциальных клиентов, пришедших непосредственно с рекламы. Этот подход выходит за рамки источников трафика и рассматривает весь опыт взаимодействия человека с брендом.

Здесь мы пытаемся проследить путь отдельного покупателя, через все его релевантные контакты, которые он имел с брендом: веб-сайты, реклама, электронные письма, социальные сети. Цель состоит в том, чтобы получить полную картину, чтобы понять, как каждое из этих взаимодействий повлияло на конечное решение о покупке.

Взвесьте вклад каждого канала

До сих пор мы рассматривали распределения ценности по каналам, но в реальности влияние каналов чаще всего неравномерно.

Оценка весомости

Взвешенная модель учитывает разные периоды воздействия каналов на пользователей. Так, канал, который непосредственно привел к конверсии, получает больший вес, чем тот, что вызвал интерес в начале пути.

Как правило, цепочка конверсий состоит из целого ряда взаимодействий с рекламой. Взвешенная модель атрибуции оценивает весомость каждого из них и справедливо распределяет ценность конверсии между задействованными каналами.

Гибкая настройка

Возможность взвесить роль каналов позволяет более точно отразить реальную картину влияния каждого из них на принятие решения покупателями.

Атрибуция на основе данных

Метод атрибуции, полагающийся на анализ данных, позволяет объективно распределить ценность конверсии между различными источниками трафика. Это достигается путем анализа исторических данных о поведении пользователей на сайте и учета закономерностей их привлечения.

Данный подход требует наличия достаточного количества данных для выявления паттернов.

Типы атрибуции на основе данных

Каждая конверсия может иметь разную ценность, в зависимости от ее типа. К примеру, покупка дороже подписки на рассылку.

Позиционная атрибуция приписывает ценность конверсии только первому или последнему взаимодействию с сайтом.

Временная атрибуция учитывает время, прошедшее с первого взаимодействия до конверсии. Конверсии, совершенные в течение первых нескольких часов или дней, получают большую ценность.

Широко используется также атрибуция на основе вовлеченности, которая учитывает не только количество взаимодействий, но и их качество.

В зависимости от целей бизнеса и доступных данных можно выбрать наиболее подходящую модель.

Оптимальный выбор системы оценки эффективности

Знать, как оценить эффективность маркетинговых усилий, крайне важно для бизнеса. Грамотный выбор системы оценки поможет выявить наиболее прибыльные каналы и оптимизировать кампании.

В этом разделе мы рассмотрим способы оптимизации используемой системы оценки эффективности.

Правильная система оценки основана на целях бизнеса.

Для каждого бизнеса подходят разные системы оценки.

Поэтому важно знать, что существует несколько типов систем оценки, каждая из которых имеет свои преимущества и недостатки.

Необходимо изучить доступные варианты и выбрать тот, который наилучшим образом соответствует целям и потребностям бизнеса.

Регулярный анализ и корректировка системы оценки.

Без постоянного мониторинга эффективности каналов и корректировок системы оценки сложно обеспечить ее актуальность.

Это позволит своевременно выявлять и устранять любые пробелы или неэффективность в системе оценки.

Соответствие системы оценки ресурсам бизнеса.

Важно учитывать объем доступных ресурсов при выборе системы оценки эффективности.

Не все системы оценки созданы равными, и некоторые из них требуют значительных инвестиций в технологии, данные и персонал.

Необходимо выбрать систему, которая вписывается в бюджет и возможности бизнеса.

Вопрос-ответ:

В чем разница между моделями атрибуции в Метрике и Директе?

Модели атрибуции в Метрике и Директе различаются в первую очередь тем, что в Директе нет модели "Последний клик по Директу". В Метрике же эта модель, наряду с "Последним значимым переходом" и "Первым кликом", является одной из основных. Другая разница заключается в том, что в Метрике можно создавать собственные модели атрибуции, а в Директе такой возможности нет.

Как выбрать правильную модель атрибуции?

Выбор правильной модели атрибуции зависит от конкретных бизнес-целей и особенностей вашего бизнеса. Например, если для вас важно отслеживать, какой канал привел клиента на сайт впервые, то стоит использовать модель "Первый клик". Если же вам нужно определить, какой канал внес наибольший вклад в конверсию, то подойдет модель "Последний клик".

Можно ли применять разные модели атрибуции для разных рекламных кампаний?

Да, в большинстве систем аналитики есть возможность применять разные модели атрибуции для разных рекламных кампаний. Это позволяет более гибко настроить отслеживание конверсий и получить более точные данные об эффективности рекламных вложений.

В чем отличие модели "Последний непрямой клик" от модели "Последний клик"?

Модель атрибуции "Последний непрямой клик" похожа на модель "Последний клик", но с одной существенной разницей: при ее использовании значение конверсии приписывается не последнему клику перед конверсией, а последнему непрямому клику (то есть переходу, который не был прямым или реферальным).

Как использовать модель атрибуции "Оптимальный путь конверсии" в Google Analytics?

Чтобы использовать модель атрибуции "Оптимальный путь конверсии" в Google Analytics, необходимо сначала создать новую модель атрибуции. Для этого перейдите в раздел "Отчеты" → "Атрибуция" → "Инструменты" → "Настроить модели атрибуции". Нажмите на кнопку "Новая модель" и выберите "Оптимальный путь конверсии". Затем настройте параметры модели и сохраните ее.

Видео:

Настройка Яндекс директ и Гугл Ads. Модель атрибуции.