какой источник приносит наибольшее количество отложенных конверсий

CPO = расходы на рекламу / количество подтвержденных заказов

Бюджет рекламной кампании интернет-магазина составит 200 тысяч рублей. Реклама привела на сайт пользователей, которые сделали 1000 заказов. CPO составила 200 рублей. Как оценить этот показатель? Если средний чек больше 200 рублей, значит рекламный канал эффективный.

Отслеживать, сколько лидов привел к вам тот или иной рекламный канал, нужно постоянно. Чем дольше вы собираете статистику, тем эффективнее вы сможете перераспределять рекламные бюджеты. Если же вы никогда не отслеживали отдачу от рекламы, то время, необходимое на сбор первичной информации для анализа, зависит от срока, который вашему клиенту необходим для принятия решения о покупке.

Время сбора данных = цикл принятия решения о покупке + 30 дней

То есть автосалону для анализа эффективности рекламы отслеживать звонки и заявки нужно минимум полгода (цикл принятия решения о покупке машины 5 месяцев). А вот пиццерия вполне может собрать нужную информацию за месяц. Отследить все лиды с интернет-рекламы за любой период поможет динамический коллтрекинг и лид-трекинг Callibri. Подсчитать отдачу от оффлайн-рекламы помогает статический коллтрекинг. Подробнее про коллтрекинг

Источник

Модели атрибуции на примере интернет-магазина

В этой статье продолжим рассматривать атрибуции на примере реального интернет-магазина. и расскажем какие выводы можно сделать, сравнивая модели.

Рекомендуем посмотреть видео, так как некоторые аспекты там раскрыты более подробно.

Еще раз напомним: далеко не в каждом проекте имеет смысл углубляться в изучение атрибуций. Понять необходимость для себя можно с помощью отчета Google, который находится в разделе в Конверсии>Многоканальные последовательности>Длина последовательности.

В нашем примере там можно увидеть вот такую картину:

Только 30% покупок были совершены после 1-2 визитов на сайт, остальные 60% равномерно размазаны между последовательностями из трех и более взаимодействий. Это значит, что для нашего проекта будет полезно сравнить разные модели атрибуции и понять, какие каналы имеют большее влияние на выручку. Это подтверждается и простой логикой. Так как речь идет об интернет-магазине одежды, а выбрать подходящую по все параметрам вещь бывает очень сложно, то пользователи по несколько раз приходят на сайт для сравнения разных вариантов перед оформлением заказа.

Инструмент сравнения моделей атрибуции

В прошлой статье мы остановились на том, что сравнить атрибуции можно через специальный отчет в разделе Конверсии>Атрибуции>Инструмент сравнения моделей атрибуции. Там мы видим вот такую таблицу с результатами по каждому источнику:

Обратите внимание, что в верхней панели настроек указаны такие параметры:

Общие цифры по количеству конверсий и выручки могут отличаться от стандартных отчетов — это техническая особенность данного инструмента, сейчас углубляться в это не будем. Просто запомните, что этот инструмент предназначен именно для сравнения моделей атрибуции и выявления общих закономерностей, а не анализа истинного количества покупок и выручки.

Итак, сравниваем атрибуцию «по последнему непрямому» клику и «по первому взаимодействию».

В глаза бросается, что мы имеем большое количество конверсий, в которых первым взаимодействием был переход с электронной почты, или даже прямой вход на сайт через адресную строку.

Конечно же, это маловероятно, ведь почтовую рассылку получают только те, кто уже регистрировался или покупал на сайте раньше. Причина — окно атрибуции, выбранное на предыдущем шаге, равное 30 дням. Самый первый визит этих пользователей, в рамках 30 дней до покупки, был с почты, но не был «исторически» первым. Мы можем увеличить «окно» до максимальных 90 дней, но это не решит проблему. Это еще одно ограничение Google Analytics. Тем не менее, имеющихся данных вполне достаточно для анализа.

Оценка влияния контекстной рекламы

Так как нас интересует именно роль контекстной рекламы, давайте исключим последовательности, в которых отсутствовал платный трафик. Сделаем это с помощью инструмента «Сегменты конверсий». Переходим в соответствующий раздел и нажимаем «создать сегмент конверсии»

Создаем сегмент под названием «Любое взаимодействие с рекламой» с такими настройками

На словах выбранные настройки звучат так: «оставить в отчете только те конверсии, по пути к которым пользователь на любом шаге взаимодействовал с рекламой».

Итак, мы исключили конверсии, перед которыми не было взаимодействия с рекламой, и получили следующие цифры:

Из всех конверсий, перед которыми были взаимодействия с рекламой, только 46% Google присвоил непосредственно поисковой рекламе, а все остальные попали в другие каналы. Далее посмотрим глубже, что именно «лежит» в каждом из каналов и попробуем разобраться, насколько корректно конверсии распределяются по другим источникам в нашем проекте, ведь контекстная реклама была в каждой последовательности.

Конверсии с Email-рассылки

Провалимся в канал «Электронная почта» и сразу добавим к сравнению модель «Временной спад»

Внутри канала мы видим данные в более привычном разрезе «источник/канал». Начнем с «es_regular_newsletter» — это регулярная новостная рассылка. Количество конверсий по «последнему непрямому» и «первому взаимодействию» сопоставимо.

При этом мы помним, что новостная рассылка не может быть первым взаимодействием, но в отчете таких конверсий 217 — это из-за ограничения окна атрибуции, которое уже упоминали выше, так что не будем снова останавливаться на этом. Рекомендуем обращать внимание на источники/каналы, в которых количество конверсий по «стандартной модели» и «первому клику» отличается более, чем на 20-30%.

В качестве еще одной модели атрибуции для сравнения мы добавили «временной спад». Так как в интернет-магазине одежды высокая степень пересечения всех каналов и длинный цикл принятия решения о покупке, конверсии могут быть сильно перемешаны и размазаны по всем каналам. В такой ситуации модель «временного спада» дает наиболее взвешенные и усредненные данные, а утверждение: «чем ближе канал был к покупке, тем выше его ценность», — звучит вполне обоснованно. Позже мы с вам построим собственную модель атрибуции именно на основе модели «временного спада».

Перейдем к рассмотрению следующей строки отчета «es_tg_abandoned_cart / Email» — это тоже рассылка, но уже с брошенными корзинами.

Естественно, что этот источник не мог быть первым, так как пользователь должен был откуда-то прийти до того, как бросил корзину. К тому же, если такой переход был последним, то не совсем правильно отдавать такую конверсию электронной почте, ведь без предшествующего визита пользователя этой покупки точно бы не произошло.

Возможно звучит сложно, поэтому попробуем объяснить более наглядно. Вот в этих 10 конверсиях «последним непрямым кликом» был переход из почты, поэтому конверсии присвоены ему:

Но без переходов из рекламы эти покупки не случились бы. Это значит, что мы смело можем перенести часть подобных конверсий в другие каналы. Так мы постепенно подбираемся к созданию собственной модели атрибуции.

Пользовательская модель атрибуции

В качестве «базы» для создания собственной модели мы возьмем «временной спад», чуть выше мы объясняли почему, поэтому повторяться не будем. Добавим новую модель:

Выбираем в качестве базовой модели временной спад и сразу переходим к последнему разделу настроек.

Первым делом осуществим то, что мы задумали в конце прошлого раздела: «заберем» у канала «электронная почта» конверсии, в которых последним взаимодействиям был переход по «письму с брошенной корзиной». Для этого добавим вот такое правило:

В итоге часть конверсий, вместо электронной почты, будет распределена по другим каналам.

Настоятельно рекомендуем проверять, какие последовательности будут переназначены, так как вероятность удалить что-то лишнее очень высока. Сделать такую проверку вы можете в отчете Конверсии>Многоканальные последовательности >Основные пути конверсии. Нужно вывести дополнительный параметр «Путь источник/канал»

Просто зрительно, или с помощью поиска по странице «Ctrl+F» просмотреть в каких последовательностях и на каком месте встречается выбранный «источник/канал».

Конверсии с бесплатного поиска

Давайте рассмотрим еще один канал — «Бесплатный поиск». Можно подумать, какие к претензии могут быть к SEO, это ведь полноценный канал трафика? Сейчас расскажем, в чем нюанс.

Часто можно встретить сценарий, когда пользователь приходит на сайт с рекламы, но не покупает сразу, а возвращается за покупкой через какое-то время, при этом просто вбив в поисковик ваше название — «одежда.ру». Формально, такой заказ — заслуга поисковой системы, но в действительности поисковик стал просто удобным способом входа на сайт, ведь пользователь уже знал о вас.

В отличие от почты, поиск вполне может быть и первым каналом, а значит его нельзя обесценивать совсем. Как тогда быть?

Скорее всего, по брендовым запросам, типа «сайт одежда.ру», трафик идет на главную страницу. Значит по количеству переходов из поиска на главную страницу мы примерно посчитаем количество конверсий, в которых поиск был вспомогательным каналом, а в каких мог привести нового клиента.

Для этого провалимся в канал «Бесплатный поиск», и на вкладку «другое» выведем «url целевой страницы»:

В нашем примере (следующий скрин) мы видим, что большая часть конверсий с поиска произошла после перехода на главную страницу сайта. Косвенно, это означает, что эти переходы были по брендовым запросам. При этом в 50% случаев поиск был первым каналом, с которого пришел пользователь, запомните эту цифру.

Давайте добавим в нашу модель новое правило: «если переход с поиска был последним перед покупкой, то уменьшим его ценность на 50%».

Это правило распределит часть конверсий с поиска по другим источникам:

На этом пожалуй остановимся с подробными разборами каждого канала. Можно продолжить исследовать подобным образом каждый источник, но делать этого мы, конечно же, не будем, так как это займет большое количество времени. Сразу перейдем к выводам.

В данной статье мы попытались описать подход и показать «куда нажимать», чтобы вам сделать подобную работу на своем проекте. Подчеркнем, что не существует идеальной и универсальной модели атрибуции, каждый кейс абсолютно уникален.

Напомним, что в нашем проекте была цель: «оценить влияние контекстной рекламы на количество покупок и выручку». Главный вывод, который мы получили (см. скрин выше):

Количество продаж с контекстной рекламы может быть на 23% больше, чем мы привыкли считать, а выручка выше на 400 тыс., Карл!

При рентабельности в 30% и готовности тратить на рекламу 50% прибыли с канала, мы могли бы увеличить рекламный бюджет на 60 тысяч, чтобы привлечь еще больше новых клиентов.

Это особенно актуально, когда в условиях роста стоимости клика из-за конкуренции, вы уже уперлись в потолок окупаемости и думаете, что тратить больше становится невыгодно. Оказалось, что запас еще есть, можно нарастить охват в контекстной рекламе, а далее уже «докручивать» новых пользователей до покупки с помощью других более дешевых каналов, например email-рассылки и ретаргетинга.

Подпишитесь на Facebook или Телеграмм, чтобы не пропустить новые статьи

Разделяешь наш подход? Вступай в команду!

Источник

Отложенная конверсия

Отложенная конверсия — это целевое действие посетителя сайта при повторном визите. При этом между первым визитом и целевым действием обязательно должно пройти время.

В отличие от прямой конверсии, когда посетитель сразу заходит на сайт, находится на нём и совершает нужное действие: клик, заказ, звонок и т. д., то в случае с отложенной конверсией он должен повторно вернуться на сайт через какое-то время и совершить действие.

Отложенные конверсии теперь показывает «Яндекс.Метрика». Чтобы её отследить, нужно настроить на своем сайте счетчик метрики и помечать ссылки в рекламе специальными UTM-метками. После этого начнет собираться информация по отложенным конверсиям.

Как «Яндекс.Метрика» засчитывает показатель отложенной конверсии:

Показатель отложенной конверсии рассчитывается как соотношение количества первых заходов пользователя с источника, после которого он совершил действие, к общему количеству переходов этого же пользователя с данного источника.

Для чего нужно знать показатель отложенные конверсии?

Эти цифры позволяют веб-мастеру проанализировать источники рекламы и сделать выводы, какой из них дает наибольшую конверсию, в том числе прямую и отложенную. Данные позволяют понять, в какие каналы нужно сделать большие инвестиции, а от каких лучше воздержаться.

Как повлиять на показатель отложенной конверсии?

Веб-мастеры выделяют три фактора, которые наиболее сильно влияют на показатель отложенной конверсии:

Над улучшением этих факторов стоит работать, и это обязательно повысит конверсию, как отложенную, так и прямую, а значит, у сайта вырастет прибыль.

Настроить интеграцию без программистов ApiX-Drive

Статьи о маркетинге, автоматизации и интеграциях в нашем Блоге

Источник

Модели атрибуций в Яндекс.Метрике

Атрибуции помогают определить главный источник перехода на сайт по целевым действиям аудитории – покупка, заявка, подписка и т.д.

В этой статье вы узнаете, какие модели атрибуций предлагает Яндекс.Метрика и как оценить рекламные каналы с её помощью.

Что нового в Яндекс.Метрике

Пользователи заходят на сайт, как правило, не один раз: по контекстному объявлению, по результатам поиска, по адресу в строке браузера, через соцсети и т.д. Прежде чем совершить целевое действие, они изучают предложение, характеристики продукта, отзывы клиентов.

Ваша задача – выявить, какой путь проделывает посетитель и какие визиты ценные.

В декабре 2014 года Яндекс ввел модель по последнему значимому клику. Она анализирует поведение аудитории в режиме реального времени и помогает точнее рассчитывать конверсию.

Атрибуции доступны не только в отчетах по источникам для группировок «Источник трафика (детально)» и «Источник трафика». Можно применять их и к расширенным отчетам по Директу и к трафику с метками From, UTM и Openstat:

Это возможность без труда определить площадку, объявление и рекламную кампанию, по которым посетители приходили в первый раз.

Обзор моделей

Последний переход

Для каждого визита Метрика определяет источник:

В примере пользователи заходили на сайт 3 раза с разных каналов:

Полезно применять этот алгоритм для выявления страниц без кода счетчика.

Минус – он не учитывает историю посещений, а поэтому не показывает весь конверсионный путь. При этом количество касаний с брендом положительно влияет на готовность к покупке или заказу.

В оставшихся двух моделях команда Яндекса это учла.

Первый переход

Типичная ситуация: посетитель долго принимает решение о покупке (отложенная конверсия) и за это время возвращается несколько раз с других источников трафика.

Алгоритм первого взаимодействия использует историю посещений. Основной переход – первый визит. Все последующие суммируются к нему:

Например, пользователь захотел купить продукт после того, как открыл объявление, но после этого еще искал информацию о нем в Google и аккаунт компании в соцсетях:

Последний значимый переход

Эта модель позволяет точно рассчитать конверсию. Яндекс делит источники на значимые и незначимые:

Клики из вторичных источников плюсуем к значимому предыдущему. Это помогает детально оценивать его эффективность.

Пример: источники первых двух посещений – реклама и поиск – значимые:

Третий визит по прямому заходу – незначимый. Поэтому все посещения приписываются второму – последнему значимому в этой цепочке:

Модель работает также для сайтов с быстрой конверсией (совершение целевого действия за одно посещение).

Последний переход из Директа

Модель по принципу напоминает«Последний значимый переход». Разница в том, что из значимых источников она учитывает только переходы из Яндекс.Директа.

Это позволяет выявить наиболее эффективные рекламные кампании.

Как применить модели атрибуций в Яндекс.Метрике

Открываем стандартный отчет «Источники, сводка» (по Директу и меткам аналогичные по структуре).

Далее – выбираем из списка нужный. Получаем группу показателей в виде таблицы и диаграммы:

Как настроить отчет под свои задачи?

Настройте временные параметры

Период

Установите календарный период. По умолчанию стоит месяц:

Либо задайте интервал дат:

Детализация по времени

По умолчанию диаграммы показывают данные за интервал с учетом выбранного периода. При необходимости детализируйте временной период:

Определите содержание отчета

Сегментация

Допустим, нужен список визитов по Пермскому краю. Отфильтровываем пользователей по местоположению:

Создаем сегменты по нужным признакам. Кнопка «Сегмент» – и выбираем условия из списка:

Ограничение по количеству сегментов для одного счетчика – 500.

Примечание: Яндекс.Метрика соблюдает конфиденциальность пользователей и раскрывает некоторые данные с ограничениями, если выборка посетителей не превышает 10. Например, сайт посетили 6 человек. Это меньше 10, поэтому информация о доле мужчин или женщин недоступна.

Выбор цели

Выберите из списка цель, по которой будете рассчитывать конверсию:

Модели атрибуций

Настройте отчет по переходам – первый, последний или последний значимый. В соответствии с атрибуциями, которые мы описывали ранее.

Для первого и последнего значимого источника Яндекс использует историю посещений.

Группировки и метрики

Выберите параметры одним из способов:

В «Группировках» выберите из списка нужные группы показателей:

При выборе группы рядом появляется значок, как около блока «Источники» на скриншоте. Это значит, что хотя бы одну группировку из этого блока вы отметили для отчета.

Чтобы выбрать отдельные показатели, нажмите «Метрики». Вот их список:

Максимум группировок и метрик в отчете – 10.

Уточнение числовых показателей

Задайте фильтр – основу для других статистических величин. Например:

Таблица покажет информацию (здесь – по отказам) только со значением выше 50%.

Обеспечьте точность и достоверность данных

Точность

Если для отчета нужно много информации, это займет кучу времени. Чтоб ускорить их сбор, сервис использует часть данных (например, 10%). Нажмите «Точность», чтобы изменить эту величину и выберите баланс между «Быстрее» и «Точнее»:

При открытии другого отчета настройка сохраняется.

Достоверность

Метрика дает много показателей, но они не всегда достоверные с точки зрения работы сайта. Если на сайт заходил один пользователь и читал контент 10 минут, это не значит, что среднее время посещения равно 10 минутам.

Этот вывод правильный по расчету, но не по здравому смыслу.

Нажмите галочку, чтобы скрыть строки с недостоверной информацией:

Сделайте отчет наглядным

Виды диаграмм

Чтобы получить наглядную динамику показателей, выберите тип диаграммы:

Отображение в таблице

Варианта два – все подряд или группировка по признакам. Как это выглядит?

Сортировка

По умолчанию сортировка по визитам. Чтобы изменить показатель, кликните по названию столбца.

Отображение на диаграмме

По умолчанию диаграмма показывает значения по визитам, по которым вы сортировали данные:

Об этом также говорит активный значок диаграммы. На скриншоте он в красной рамке.

Можно поменять показатель. Аналогично – жмите на имя столбца.

Операции с отчетом

Чтобы сохранить отчет, нажмите стрелку:

Выберите действие «Сохранить» или «Сохранить как».

Для переименования и удаления жмите ту же стрелку и выберите нужное действие. Удаленный отчет нельзя восстановить.

Для экспорта в PDF, XLSX или CSV нажмите кнопку:

Выгруженный файл включает первые 100 000 строк таблицы.

Примечание. Все операции доступны только владельцам счетчика, либо если есть представительский доступ или доступ на редактирование!

Сохраненные отчеты вы найдете здесь:

Теперь вы знаете, как построить отчет по источникам трафика и выявить, какие клики пользователей более ценные. Однако можно ли сделать достаточно полные выводы по Метрике? Или она уступает Google Analytics в достоверности и точности?

Яндекс.Метрика vs Google Analytics

Рассмотрим на примере.

На скриншоте – количество достижений по цели «Открытие корзины» в Метрике:

По атрибуции последнего клика лидируют внутренние переходы. По другим моделям это количество гораздо ниже.

Последнее значимое взаимодействие:

Видно, что пользователи до целевого действия взаимодействовали с брендом через другие источники – соцсети, поисковую рекламу или ретаргетинг. Это значит, что реклама в соцмедиа, SEO-оптимизация и ретаргетинговая кампания не прошли даром.

Инструмент Google Analytics «пути многоканальных последовательностей» предлагает наглядно отследить цепочки трафика.

Выберем те же даты:

В Google Analytics больше возможностей по анализу источников трафика.

1) Наглядный путь пользователя, как вы уже убедились.

2) Больше моделей атрибуций:

Яндекс.Метрика предлагает только две первые атрибуции, а значит – не учитывает все нюансы путей, например, быстрые и отложенные конверсии наряду с обычными.

3) Отчет «Время до конверсии» показывает, как долго отдельный посетитель обдумывает решение о покупке. Похожей аналитики нет в Метрике – столбец «Время на сайте» общий для всех посещений для конкретного источника.

4) Возможность сравнить входящий трафик по критериям: мобайл vs десктоп, новые пользователи vs вернувшиеся клиенты.

5) GA дает четыре полезных отчета. В Яндексе всего один – «Источники».

Подробнее про атрибуции в Google Analytics – в статье: Все, что нужно знать про модели атрибуций

Обе платформы показывают количество достижений и позволяют провести аудит рекламного бюджета и выявить, какие источники стоят вложений, а какие нет.

Заключение

Пути пользователей уникальные. Сложно предсказать, какой рекламный канал принесет больше конверсий. При правильном распределении веса между источниками трафика вы инвестируете в перспективные варианты и повышаете ROI.

На сегодня нет и единственно верного алгоритма для этого. Яндекс.Метрике есть куда расти и развиваться. И хотя она пока уступает Google Analytics по инструментам анализа и отчетам, команда регулярно работает над улучшениями.

Источник