Кто виноват? Измерение конверсий last click и first click
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.
Ещё один способ определения эффективности источника
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.
Как работают окна атрибуции в рекламе?
Что такое окно атрибуции и как оно работает?
Если коротко, то атрибуция в рекламе — это способ, с помощью которого определяется на какой из рекламных каналов (например, Facebook, Google) «записывать» действия пользователя (например, установку приложения).
Будет ли конверсия отнесена к рекламной сети или нет, зависит от окна конверсии атрибуции, которое представляет собой период времени (после того, как пользователь увидит или кликнет объявление) в течение, которого пользователь может быть отнесен к конкретному объявлению в конкретном источнике.
Если активность пользователя происходит в рамках окна, то рекламная сеть получает атрибуцию. Если активность пользователя происходит за пределами окна, то рекламная сеть не атрибутируется ни к каком каналу. В рекламе мобильных приложений если пользователь не атрибуцируется ни к одному каналу — это органическая установка (см. в отчетах Organic). В Google Analytics — конверсии будут попадать в Direct.
В приведенной выше таблице представлены несколько традиционных способов атрибуции установки, а также сценарии, указывающие, попадает ли установка в окно атрибуции, в зависимости от того, сколько времени прошло с момента клика до установки. Как вы видите, если установка происходит после того количества дней, которое указанного в окне атрибуции, установка будет записана в органику и не будет отнесена к какому-либо каналу.
В приведенной выше таблице перечислены настройки атрибуции по умолчанию для нескольких популярных сетей, а также для AppsFlyer и сценарии, указывающие, будет ли окно атрибуции приписывать объявление покупке, в зависимости от того, через какое время произошла покупка после первого клика пользователя. Вы можете видеть, что, если покупка происходит после определенного количества дней, указанного в окне атрибуции, то так же как и установка будет зачислена в органику, а не на рекламу.
Однако, в отличие от установок, AppsFlyer, Adjust, MyTracker, Yandex.Metrica (MMP) будут записывать покупки для рекламной сети до тех пор, пока они происходят, и до тех пор, пока исходная атрибуция не будет заблокирована например из-за отказа отслеживания и блокирования доступа к ID смартфона. Чтобы еще раз подчеркнуть этот важный момент: у рекламной сети может быть свое окно аттрибуции, после которого события выходящие за рамки указанного периода не будут приниматься рекламной сетью, в то время как MMP не имеют какого-либо ограничения для данных в отчетах и новые события продолжат записываться на установки связанные с конкретными каналами. Тем не менее, этот факт может измениться с развитием новых функций рекламы, ориентированных на LTV.
В дополнение к атрибуции по клику в аналитике конверсии могут записываться на показы, что чаще всего называют атрибуцией “по показу” или «VTA» (view-through attribution). Маркетологи, как правило, в меньшей степени доверяют атрибуции по показу в пользу более надежной атрибуции по кликам.
Тем не менее, с распространением мульти-клик аналитики (см. заключительный раздел этой статьи) и рекламных сетей использующих атрибуцию по показу, последняя достаточно популярная. Facebook, например, использует атрибуцию по умолчанию 1-день по показу, а Google в UAC кампаниях показывает сколько конверсий получено по показам.
В приведенном выше примере указан стандартное окно атрибуции по показу для Facebook и Google.
Одна из распространенных проблем, — у пользователя включено ограничение отслеживания рекламы (LAT, limited-ad-tracking) или он сбросил свой рекламный идентификатор. В случае пользователей с включенным LAT установка будет правильно отнесена к рекламной сети, но все события в приложении будут привязаны к органике, что вызывает проблемы при расчете ROAS.
В этом случае невозможно правильно распределить конверсии, но некоторые модели включают моделирование активности пользователя в приложении для установок с включенным LAT.
В MMP приписываются события (даже установки) рекламной платформе, которая их привела, чтобы отчеты показывали истинное представление о ценности каждой рекламной платформы.
С появлением алгоритмического маркетинга появилось еще одно окно атрибуции для рекламных сетей, называемое окном оптимизации (или биддинг). Установка окна оптимизации, которое короче окна атрибуции MMP, может заставить алгоритмы рекламной сети оптимизироваться более агрессивно, а не быть чрезмерно консервативными. При настройке правильного окна оптимизации необходимо управлять 2мя рисками:
Устанавливать короткое/длинное окно оптимизации — это решение, которое зависит от многих факторов, таких как событие, на которое оптимизируетесь, качество пользователей, конкуренции/стоимости трафика, конверсии в самом приложении и так далее.
Например, кампании на мобильные приложения в Facebook имеют окно атрибуции по клику 1 день, несмотря на то, что они могут быть установлены на срок до 28 дней. Опять же, это приводит к тому, что алгоритм ставок оптимизируется и настраивается более агрессивно, основываясь на данных только за последние 24 часа, что позволяет ему быть более эффективным. Поскольку установки обычно происходят в течение 1 дня после клика, хорошей идеей является окно оптимизации в 1 день. С другой стороны, кампании Facebook с value-оптимизацией, оптимизируются на 7-дневное окно оптимизации, которое в некоторых случаях может быть слишком агрессивным, поскольку покупки могут быть получены в течение недель или даже месяцев после первоначальной установки.
В приведенном выше примере 81% событий от общего числа происходит в течение первых 17 дней после даты установки. В этом случае использование 30-дневного окна атрибуции может привести к тому, что оптимизация будет откладываться до получения данных за месяц, что станет менее эффективным, CPA будет выше указанного и приведет к снижению ROAS. Судя по экспоненциальной форме графика, видим, что с течением времени число конверсий мало прирастает по дням,
Приведенный выше пример показывает другую историю: в этом случае только 62% от общего числа событий происходят в течение первых 30 дней, а форма графика линейна. Это указывает на то, что ожидание большего количества событий не приводит к снижению ROAS, и вероятно, лучше установить более длительное окно атрибуции для достижения наилучших результатов, учитывая, что с течением времени с равной вероятностью может произойти больше событий чем в первые дни, и слишком короткое окно атрибуции может привести к снижению объемов.
Полезно понимать различия в моделях, которые могут оказать фундаментальное влияние на оценку ваших кампаний.
Если не вдаваться в детали, то существует 2 типа модели: метод атрибуции по одному касанию (первому или последнему) и атрибуция с несколькими касаниями (мульти-тач), которая учитывает вспомогательные точки касания. Как объясняет Appsflyer: «Во многих случаях потенциальные пользователи знакомятся с приложением через вспомогательные источники, где увидели объявление, возможно кликнули по нему, но по каким-то причинам не установили его. Когда эти пользователи видят рекламу одного и того же приложения в нескольких источника, они уже убеждены в том, что хотят установить приложение и им просто нужно еще раз напомнить об этом показав рекламу. Без вспомогательных источников эти потенциальные пользователи, вероятно, не стали бы настоящими пользователями».
По последнему клику (last click). Это наиболее часто используемая модель, конверсия связана с источником, в котором пользователь совершил последний клик перед конверсией.
По первому показу (first click). Вторая по распространенности модель, в которой источник определяется по первому взаимодействию пользователя. Учитывается только первый клик по объявлению. Этот тип атрибуции используется главным образом для измерения узнаваемости бренда, что не так часто встречается в мире мобильного маркетинга, ориентированного на результат, эффективность закупки.
Линейный (linear). Каждый клик считается равным, и все получают атрибуцию.
На основе позиции (position-based). Как первый, так и последний клики получают атрибуцию, при этом любые клики между ними не учитываются.
В зависимости от времени (time decay). Чем ближе источник к последнему клику (т.е. к самой конверсии), тем выше процент атрибуции.
Multi-touch атрибуция, присваивает частичную принадлежность пользователя к каждому объявлению, источнику на основе их порядка в общей последовательности, ведущей к конверсии.
Если какой-то тип объявления или рекламная сеть имеет больший процент показов, повышает запоминаемость и узнаваемость бренда, чем другой, это объявление, рекламная сеть в конечном итоге в большей степени повлияли на конверсию и потому заслуживают большего процента от общей модели атрибуции (учитываются в вспомогательных конверсиях).
Last click что это
Насколько часто вы сталкиваетесь с рекламой прежде, чем принять решение о покупке? Скорее всего, вы не вспомните, где и сколько раз видели рекламу бренда, что послужило триггером к совершению покупки. Для покупателя это лишняя информация, поэтому зачастую мы о ней забываем. Маркетологи тратят огромные средства на исследования, которые позволяют узнать, какой путь проходит клиент перед тем, как купить продукт.
Чтобы получить эти данные, используются модели атрибуции. Анализ рекламы по разным моделям атрибуции позволяет маркетологу понять, что делать с рекламными кампаниями: какая реклама эффективна, а какую стоит отключить. Прежде всего это касается платных каналов.
Когда использовать стандартные модели атрибуции
Модель атрибуции — это распределение ценности по каналам, которые привели к конверсии. Существует множество различных моделей, их классифицируют в зависимости от логики расчётов. Идеальная модель должна быть точной и понятной.
Разберемся, когда и где эффективнее всего использовать каждую из моделей.
Если у вас короткий цикл сделки и короткий путь до продажи, клиент переходит на сайт и с первого раза оставляет обращение или делает покупку, используйте атрибуцию по последнему взаимодействию (Last click). Также эта модель подойдет бизнесу, который работает с небольшим количеством (два-три) каналов продвижения.
Если основная цель рекламной кампании — расширить воронку, увеличить охват аудитории и привлечь потенциальных клиентов на сайт, которые затем станут покупателями, вам стоит воспользоваться атрибуцией по первому взаимодействию (First click). Эта модель подойдет тем, кто продвигается в каналах, направленных на повышение узнаваемости бренда, привлекает на сайт холодный трафик, который не сразу конвертируется в лиды и покупки. В таком случае вам важно оценить вклад этих каналов в конверсию и доказать на цифрах, что они влияют на покупку.
Линейная модель атрибуции (Linear model) подойдет бизнесу в B2B сегменте с длинным циклом сделки. Она эффективна в тех рекламных кампаниях, где важно учитывать все касания с потенциальным клиентом до заключения сделки.
Используйте атрибуцию с учетом позиции (Position-based), если для вашего бизнеса наиболее важны первое и последнее касание посетителя. Когда вам нужно оценить эффективность краткосрочных рекламных кампаний, воспользуйтесь моделью с учетом давности взаимодействия (Time Decay).
Важно, чтобы в вашей системе аналитики можно было проанализировать рекламу сразу по нескольким моделям атрибуции в одном отчете. Так вы сможете быстро сравнить показатели и понять, какую роль играет каждый канал в привлечении клиентов.
Например, в CoMagic можно вывести бизнес-метрики по любым из 7 моделей атрибуции в единый отчет без участия программистов в пару кликов.
Какие бывают модели атрибуции
Последнее взаимодействие (Last click)
Лид присваивается последнему каналу, который привел к конверсии.
Клиент может прочитать несколько статей, увидеть рекламу в соцсетях, но купить товар только после получения рассылки с предложением скидки. Маркетологи, которые ориентируются на показатели этой модели, понимают, у каких кампаний самая высокая конверсия в продажу.
Если вы видите, что по last click рекламная кампания окупается и приводит нужное количество лидов, ее можно масштабировать. Когда наблюдается противоположный результат, стоит проанализировать работу рекламной кампании. Возможно, в вашем случае рекламная кампания участвует в конверсии, но на других этапах воронки. Например, первый раз приводит посетителя на сайт или участвует в прогреве потенциального лида.
Это одноканальная модель. Она не показывает участие других каналов при конвертации посетителя, занижая их эффективность. Чаще всего это касается платных каналов, которые участвовали в конверсии опосредованно — в начале или середине цепочки касаний.
Например, посетителя привлекла контекстная реклама, потом догнал ретаргетинг, а затем ваш потенциальный клиент увидел медийную рекламу. Через какое-то время он понял, что ему необходим ваш товар или услуга, вбил запомнившееся название компании в поисковике, перешел на сайт и оставил заявку. Last click засчитает конверсию каналу SEO, при этом участие контекстной, медийной рекламы и ретаргетинга останется без внимания.
Анализа по модели last click недостаточно, если у вас множество каналов продвижения, сложный сценарий привлечения пользователя и длинный цикл сделки. Если ваш клиент проходит долгий путь с несколькими касаниями с разными рекламными каналами, последнее касание может быть не таким значимым и решающим. Например, он зашел на сайт, чтобы лишь уточнить адрес или телефон.
Последнее непрямое взаимодействие (Last Non-Direct Click)
Лид присваивается последнему каналу взаимодействия, но, если это был прямой переход, конверсия отдается предшествующему каналу. То есть, в отличие от last click, данная модель не учитывает прямые переходы, а сосредотачивается на каналах, которыми мы можем управлять.
В остальном она похожа на last click. Используется в тех же ситуациях и имеет аналогичный недостаток: не учитывает другие каналы в цепочке касаний.
Первое взаимодействие (First click)
Лид присваивается первому каналу, который привел посетителя на сайт.
Клиент зашел на сайт, увидев контекстную рекламу. Затем его догнала таргетированная и медийная реклама, после чего он принял решение о покупке и вернулся на сайт. В этом случае лид будет присвоен именно контекстной рекламе, поскольку благодаря ей пользователь зашел на сайт впервые.
First click покажет, какие каналы приводят на сайт новую аудиторию, которая потом успешно конвертируется в лиды. Если вы хотите привлечь больше конверсионного трафика, масштабируйте эти каналы.
Не учитывает вклад других каналов, с которыми взаимодействовал посетитель после первого касания, и завышает значимость первого касания. First click так же, как и last click дает неполную картину для бизнесов, у которых длинный цикл сделки со множеством каналов взаимодействия и точек касания.
Например, социальные сети привлекают посетителей на сайт, но это может быть холодная аудитория, которая только заинтересовалась брендом и не готова сразу что-то купить.
Линейная (Linear model)
Конверсия распределяется поровну между всеми каналами в цепочке касаний. Эта модель является мультиканальной — учитывает не один канал, а все взаимодействия посетителя с компанией.
Посетитель впервые увидел таргетированную рекламу, далее он прочитал статью в СМИ, через некоторое время перешел на сайт с контекстной рекламы. Конверсия делится поровну между всеми этими каналами.
С помощью данной модели вы увидите, какие каналы дают меньший вклад в конверсию или вообще не участвуют в цепочке касаний, приводящей к покупке или обращению.
Все каналы взаимодействия кажутся одинаково значимыми, однако это чаще всего не так. Вы не сможете понять, на каком этапе канал отрабатывает лучше всего — на этапе привлечения новых посетителей, прогреве лида или на этапе самой конверсии. Кроме этого, могут возникнуть трудности с оптимизацией рекламного бюджета и с учетом роли канала.
С учетом позиции (position-based)
Присваивает конверсию всем каналам в цепочке взаимодействия посетителя, но в разной степени.
Например, модель атрибуции присваивает первой и последней рекламной кампании на пути пользователя по 40% конверсии, а на промежуточные равномерно распределяет оставшиеся 20% конверсии. Таким образом, эта модель решает проблему равной ценности всех каналов в линейной модели.
Первый канал важен, так как приводит посетителя на сайт и знакомит с вашим брендом, а последний приводит к целевому действию — конверсии.
Модель предполагает, что первая и последняя рекламные кампании сильнее всего повлияли на решение посетителя о покупке. Однако это не всегда так. Возможно, те каналы, которые находились в середине пути повлияли на него сильнее,но объективно оценить вы их не сможете.
С учетом давности взаимодействия
Конверсия распределяется по всем каналам взаимодействия, но чем ближе канал находится в цепочке касаний к совершению конверсии, тем большая ценность ему присваивается.
Например, вы запустили акцию в марте «Оплатите первый месяц сервиса и получите еще 2 месяца бесплатно». Большая ценность конверсии атрибутируется на последние взаимодействия. При этом первым кампаниям с которыми взаимодействовал посетитель тоже присваивается часть конверсии, но меньшая.
Будут недооценены каналы, которые находятся в начале цепочки касаний — через которые посетитель впервые приходит на сайт, знакомится с брендом и продуктом.
Заключение
Чтобы посмотреть, сколько лидов и сделок привел канал напрямую, а сколько вспомогательно, CoMagic предлагает использовать модель атрибуции last click и показатель total.
Last click отображает количество прямых конверсий. Total показывает сумму лидов / сделок, которые канал привлек в совокупности, с учетом и прямых, и ассоциированных конверсий. Так вы увидите реальный результат работы рекламного источника и сможете сделать выводы, которые помогут более эффективно распределить бюджет.
При работе с моделями атрибуции, мы рекомендуем:
выделить цели продвижения и изучить особенности бизнеса, только после этого выбирать модели.
не пытаться выбрать одну, единственную на ваш взгляд верную модель атрибуции и анализировать рекламу только по ней. Для того, чтобы получить полную картину, используйте нескольких разных моделей атрибуции. Так вы поймете, где нужно усиливаться.
Ищете исполнителя для реализации проекта?
Проведите конкурс среди участников CMS Magazine
Узнайте цены и сроки уже завтра. Это бесплатно и займет ≈5 минут.
