Атрибуция Google Analytics помогает найти путь клиентов, по которому они пришли, и оптимизировать его. Сегодня поговорим о моделях, их плюсах, минусах, ограничениях.
Что такое атрибуция и зачем нужна: пример
Google предлагает отличный пример объяснения, почему одной аналитики недостаточно. Миссис Смит отвечает за маркетинг магазина, который реализует обувь через розничные магазины и сайт. Ее цель — продавать больше обуви молодым женщинам в возрасте от 18 до 24 лет.
Первая задача — выяснить, как именно эта группа находит сайт обувной компании и витрину магазина. Читают Facebook? Нажимают на платное объявление? На какие страницы они переходят? Есть ли сезонные отличия, такие как босоножки летом, ботинки зимой?
Ответы миссис Смит может найти через аналитическую платформу. Но аналитика лишь поверхностно дает информацию о посетителях, например, когда они принимают решение взаимодействовать с рекламой и посещать сайт.
Есть люди, которые никогда не слышали об этом магазине и интересуются обувью. Как с помощью одной аналитики рассказать им о новом магазине, побудить их к общению или оптимизировать существующие объявления? Вот здесь на помощь приходит атрибуция.
Стандартные позиционные модели
Если при анализе важна позиция канала в цепочке взаимодействия с пользователем, то мы имеем дело с моделями атрибуции на основе расположения.
1. First Interaction: первое взаимодействие
Основная идея: ценность конверсии уходит на первое звено. Например, в цепочке organic — direct — email, у organic будет 100% ценность.
Подход полезен в маркетинговых случаях: когда надо определить первое касание человека с сайтом, а сам путь принятия решения и расстановка весов не так важны. Легко настраивается и не требует сложных вычислений.
Атрибуция по первому взаимодействию — хороший вариант для новых компаний и сайтов, потому что в самом начале нужно рассказать про себя на рынке. Никто не может завершить конверсию с вами, если вы неизвестны. Переоценка первого канала допускается, когда нужно инвестировать в источники трафика, которые приводят клиентов.
Из минусов — весь вес уходит на первое звено, вклад остальных не учитывается.
Картина выглядит неполной и может повредить более серьезной аналитике. Например, когда надо распределить бюджет между всеми звеньями. Чаще всего пользователь проходит несколько этапов, которые растягиваются по времени и по-своему влияют на конверсию.
2. Last Non-Direct Click: по последнему непрямому клику
Метод учитывает последнее звено в пути. Именно оно убедило пользователя совершить покупку.
Отличие от подхода по последнему клику простое: прямой переход не засчитывается. Если пользователь вбивает сайт в браузере или переходит из закладок, это значит, он знаком с брендом. GA относит его к категории лояльных и учитывает предыдущий канал, если он тоже не является direct.
Например, в цепочке organic — email — direct — direct вся ценность конверсии перейдет к email, потому что последним и предпоследним стоит direct. Если рассмотреть organic — organic — email, то email также получить всю конверсию.
Надо отметить, на практике чаще всего email и становится последней точкой. Но если вас интересует, откуда человек узнал о рассылке и как подписался на нее, то вам недостаточно анализа по последнему непрямому клику. Метод не учитывает другие каналы.
Модель подходит для сайтов с быстрым циклом конверсии. Например, онлайн-магазины одежды. Или для компаний, у которых основная цель не узнаваемость, а тестирование платного канала.
Эта модель атрибуции Google Analytics настроена по умолчанию и ежедневно используется в отчетах.
3. Last Interaction: по последнему клику
Разница между last iteration и last non-direct click: в первом прямые переходы засчитываются. Например, в organic — direct — email — direct последним звеном будет считаться direct, который и получит всю ценность конверсии.
По аналогии с подходом по первому клику — ценность остальных каналов в пути не учитывается, полную картину также получить нельзя.
Используется не часто, потому что маркетологи хотят знать точки соприкосновения до конверсии. Прямой переход не дает ответы. Однако, если вы просто хотите получить быстрые метрики, откуда пользователи пришли в последнее время — это для вас.
Несмотря на критику, модель жива. Она помогает настроить быстрые продажи в нишах с сезонными или недорогими товарами. Обычно в таких случаях путь конверсии небольшой и не содержит более 3 каналов.
4. Last Google Ads Click: последний клик по Google Ads
Изучив предыдущие варианты, становится понятно назначение этого подхода.
Ценность переходит к последней рекламной кампании, даже если пользователь соприкасался несколько раз с ней.
У Google Ads есть четкая цена за клики, поэтому вы можете увидеть возврат суммы расходов.
5. Linear: линейная модель
Рассматриваются все каналы, с которыми пользователь взаимодействовал до конверсии. Вес распределяется равномерно. Метод хорошо работает с большими циклами, например, в нишах с дорогим и уникальным товаром, где человеку нужно много точек соприкосновений и времени для принятия решения.
Например, посетитель увидел сайт в социальных сетях и перешел на него. Через пару недель снова открыл его по ссылке на почте. Спустя месяц он попадает через органический поиск Гугла и добавляет ресурс в закладки. В следующий раз он переходит напрямую и делает покупку. 4 канала распределяют между собой 100% — каждому по 25%.
Модель не подходит, если надо оптимизировать бюджет. Чаще всего инвестировать равномерно во все каналы неэффективно.
6. Time Decay
Как и в линейной модели, подход с учетом давности взаимодействия рассматривает все маркетинговые точки. Логика следующая: чем старше звено, тем меньше веса оно получает. Большая часть достанется последнему звену. Этот метод также можно использовать для длинных циклов конверсий.
Например:
- органический поиск — 10% —>
- почтовая рассылка — 20% —>
- прямой переход — 30%.
Модель подходит, когда вы считаете, что все контакты важны, но через некоторое время старые просто теряют значимость и забываются.
Плюсы: учитываются все звенья.
Минусы: первый источник недооценивается.
7. Position Based: на основе позиции
По умолчанию первое и последнее взаимодействия получат по 40% от суммы конверсии, а оставшиеся 20% будут равномерно распределены между остальными. По-другому модель называется U-образной.
Например:
- CPC — 40% —>
- email — 10% —>
- direct — 10% —>
- organic —> 40%.
Полезна для компаний, которые работают над узнаваемостью бренда и опираются на последние точки взаимодействия.
Плюсы: все важные каналы задействованы и получают равную ценность.
Минусы: вспомогательные звенья в середине цепочки также вносят свой вклад, и иногда он достаточно большой. Например, они разогревают пользователя, помогают ему совершить целевое действие. Подход на основе позиции не придает им достаточной ценности.
Стандартные vs Алгоритмические модели
Большинство маркетологов ежедневно работают с атрибуцией по последнему клику, причем они не всегда могут объяснить свой выбор. GA — мощная, но сложная платформа, чаще всего выбирают опции более легкие в настройке, несмотря на их меньшую эффективность. Всего каждый пятый использует алгоритмическую модель.
Сложность заключается не только в настройках, но и в незнании или непонимании преимуществ того или иного компонента. Скорее всего, вы измените свой выбор на алгоритмический подход, если увидите в цифрах рост дохода.
Стандартные подходы недостаточно хороши тем, что они основаны только на данных системы. А еще они не знают об офлайн-процессах.
Алгоритмические модели
1. Кастомные
Вы можете создать собственную модель атрибуции, которая будет применяться к отчетам. В меню выберите один из подходов и используйте его в качестве основы, настраивая под свои задачи.
Когда вы работаете над методом, то создаете правила присвоения ценности различным точкам касания.
2. Data Driven
Алгоритмический подход, доступный клиентам GA 360. Проверяет все точки соприкосновения перед конверсией без учета порядка. Затем алгоритмы Google анализируют все и выводят отчет, какие каналы были наиболее эффективными и в какой момент времени.
Метод основан на Векторе Шепли. Формула расчетов приведена ниже. Более подробно с математическим аппаратом можно познакомиться в Википедии.
Data Driven — динамическая модель. Она меняется по мере изменения ваших данных, чтобы отслеживать наиболее эффективные каналы.
Чтобы использовать Data Driven, вы должны сначала стать клиентом Google Analytics 360, а также соответствовать следующим требованиям в течение 28 дней:
- 400 конверсий на тип, минимум два звена в цепочке.
- 10.000 путей, что примерно эквивалентно 10.000 пользователям на сайте. Обратите внимание, что отдельные посетители могут создавать несколько цепочек.
Модель подойдет брендам, которые не заинтересованы позициями канала. Им важно правильно распределить бюджет.
Плюсы: методу можно верить.
Минусы: нужно очень много данных, на которых будет работать математический аппарат.
Ограничения: отсутствующие звенья
Google Analytics предоставляет лучшие возможности моделирования атрибуции, но у нее есть свои недостатки.
Узнайте о следующих ограничениях, прежде чем изучать отчеты:
- Моделирование атрибуции GA и Ads основано только на известных точках касания.
- Отчеты основаны только на онлайн-контактах.
- Не учитываются всевозможные маркетинговые каналы.
- Не отслеживаются атрибуции между разными браузерами и устройствами.
- Отфильтрованные представления опускают определенные точки касания.
Если вы хотите минимизировать количество отсутствующих звеньев, вам необходимо интегрировать как можно больше данных из разных источников.
Ключи к успеху
Вот несколько советов, которые помогут справиться с атрибуциями и получить из них максимальную выгоду.
- Изучите, как клиент проходит свой путь и принимает решение. Понимание как совершаются покупки — первое требование в решении проблем. Следующие шаги могут вам помочь:
- Поговорите с клиентами, службой поддержки и продавцами.
- Изучите процесс принятия решений.
- Поймите ZMOT (Нулевой Момент Истины).
- Проведите правильное исследование рынка.
- Моделирование атрибуции как Google Analytics, так и Google Adwords основано только на «известных» точках касания. Это взаимодействия пользователей, которые можно отслеживать и передавать аналитике. Таким образом, нет никакой гарантии, что пути конверсии ваших пользователей содержат все точки соприкосновения и предоставляют полную картину пути. Вам нужно знать об отсутствующих звеньях.
Подводим итоги
Атрибуция вызывает затруднения у маркетологов, поскольку требует подготовки и понимания основных моментов. Однако ее стоит попробовать для представления полной картины и распределения бюджета, в зависимости от целей и политики компании.
