Что такое модель атрибуции в директе

Даже тем, кто не занимается рекламой, понятно, что если ты зашел на сайт, например, интернет-магазин, то не обязательно сделаешь покупку во время этого же визита. Необходимо подумать, сравнить разные предложения, поднакопить денег и оформить заказ через несколько дней. Что в этом случае происходит со статистикой?

Временной промежуток от первого визита до конверсии слишком большой, и данные по какому-либо дню могут показывать ноль заявок, хотя на самом деле несколько человек, который зашли на сайт, оформили дорогие заказы через несколько дней. Частично, для того, чтобы сгладить эти различия, можно в Яндекс.Метрике смотреть данные конверсий по визитам, где какой-либо источник трафика был первым либо одним из нескольких. Однако сейчас речь пойдет об изменениях моделей атрибуций в Яндекс.Метрики. Разберем, почему это важно, и что вообще поменялось.

Новости о том, что Директ будет считать конверсии не так, как раньше, появились сегодня, и изменения вступят в силу в течение нескольких ближайших дней.

Что такое Модель атрибуции? | НОВЫЙ ИНТЕРФЕЙС | Контекстная Реклама Настройка — Бесплатное Обучение

Надо сказать, что статистика конверсий, которую мы привыкли смотреть в Метрике, не идентична оной в Директе. В Метрике мы видим визиты, во время которых посетитель сайта сконвертировался в лида, то есть оставил заявку. Данные, которые будут вскоре отображаться в Директе, будут соответствовать отношению целевых посещений к кликам по объявлению. Это то, о чем мы писали выше: по рекламе перешли вчера, а заказ оставили сегодня.

В Метрике по умолчанию стоит атрибуция по последнему значимому переходу – то есть в случаях, когда человек сохранил у себя ссылку, оставил открытой вкладку в браузере, и только потом оформил заказ, источник трафика считается «Внутренним переходом», хотя на самом деле нужно считать тот, который ему предшествовал. Например, клик по рекламному объявлению.

Теперь в Директе можно будет выбрать три модели атрибуции:

  • Первый переход
  • Последний переход
  • Последний значимый переход

Конечно, это не значит, что теперь не надо анализировать эти данные в Метрике. Наоборот, если Директ будет считать конверсии, отталкиваясь от кликов, а не от визитов, получается, что средства для аналитики стали богаче, и статистику конверсий надо смотреть в двух разрезах. В каждом методе будет своя польза.

Например, показатель конверсий в Яндекс.Директе скорее показывает, насколько эффективно расходуются средства на разных кампаниях и группах объявлений, и таким образом можно будет выделить направления, в которые стоит активнее вкладываться, а какие сокращать. Метрика же, не считая того, что она оценивает статистику более глобально, и учитывает цепочки трафика на сайт, говорит о том, как количество конверсий меняется в зависимости от дня недели.

Таким образом, на примере эти изменения можно описать так. Клиент к вам перешел на сайт из Директа 15 марта. Сайт он сохранил в закладках и 25 марта вернулся, чтобы оформить заказ. В Директе конверсия будет обозначена 15-м числом, в Метрике 25-м. Данные из Директа вам подскажут, какой ключ и какое объявление лучше работают и приносят прибыль, а цифры из Метрики – по какой цепочке источников трафика идут клиенты, как много времени им требуется для принятия решений, и какие источники трафика, помимо рекламы, это решение формируют.

Модели атрибуции Яндекс Директ. Что это?

Не пропустите:

Очень плохоПлохоСреднеХорошо Очень хорошо(голосов: 38, в среднем: 5,00 из 5)

Источник: medoed.me

Как понять, что директ-маркетинг недостаточно эффективен. Советы экспертов и практика измерения «Vprok.ru Перекрёстка», Holodilnik.ru, Mybox

Не нам учить собственников и топ-менеджеров считать деньги. Но при работе с клиентами (а у нас их 553) мы часто сталкиваемся с двумя проблемами при измерении эффективности директ-маркетинга:

  • не зафиксированы метрики;
  • используются неправильные метрики.

Пример неправильной метрики: если выбрать open rate в качестве KPI, то дело закончится кликбейтными заголовками, но выручка от канала расти не будет.

Если вы раньше не сталкивались с темой измерения эффективности директ-маркетинга, вам будет полезно прочитать наш разбор. Он состоит из теоретической и практической части. Материал позволит понять, на какие метрики стоит смотреть в первую очередь и какие подходы к измерению взять на вооружение.

Своим опытом поделились:

  • директор по маркетингу «Vprok.ru Перекрёсток»,
  • заместитель директора по электронной коммерции Holodilnik.ru,
  • руководитель отдела целевого маркетинга Mybox,
  • управляющий партнер Coffee Analytics,
  • руководитель отдела CRM-маркетинга агентства Profitator (Kokoc Group),
  • head of CRM агентства Out of Cloud,
  • руководитель направления CRM агентства ZV.Digital,
  • ведущие аналитик и менеджер Mindbox.

Теория: как измерять эффективность директ-маркетинга

Для большинства компаний показатель эффективности директ-маркетинга — выручка с прямых коммуникаций, ведь именно на заработанные деньги бизнес обычно ориентируется при распределении бюджета по каналам. Однако бывают исключения.

Так, если компания зарабатывает на обучающих курсах, и письмо отправляется после каждого просмотренного видео с предложением изучить другие материалы уже купленного курса, тогда цель — не деньги, а удобство пользователей, их возвращаемость на платформу и так далее. В этом материале мы не будем говорить о случаях, когда директ-маркетинг выполняет сервисную функцию и сосредоточимся на измерении его эффективности с точки зрения денег.

Одна из распространенных ошибок тут — ориентироваться на второстепенные метрики: долю открытий (open rate), кликов (click rate), отписок, прирост базы. Как рассказывает руководитель отдела CRM-маркетинга агентства Profitator (Kokoc Group) Юлия Сомова-Гольцвирт, примерно один из трех новых клиентов считает критерием успеха высокий open rate, который на самом деле не показывает, выполняет ли директ-маркетинг задачу заработать деньги.

Сами по себе опосредованные метрики полезны, но только на тактическом уровне: позволяют в динамике оценить работу email-маркетолога и выявить неэффективные письма. К сожалению, они ничего не говорят о заработанных деньгах.

И даже более верхнеуровневая метрика — доля канала в общей выручке — может вырасти не из-за усилий email-маркетолога, а из-за снижения бюджета в других каналах.

Ниже расскажем о двух подходах, которые помогают объективно оценить эффективность директ-маркетинга: выручке по модели атрибуции и разнице с контрольной группой. Смотреть на изменения лучше в динамике, чтобы сравнивать метрики год к году.

Выручка по модели атрибуции

Модель атрибуции — это набор правил, присваивающих заслугу в конверсии тому или иному каналу. Позволяет оценить общий доход по каналу и доход с одного отправленного сообщения. Полезно, кстати, смотреть не только на абсолютный показатель выручки, но и на долю канала от общей выручки: вместе эти два показателя дадут более полную картину изменений.

Полученные данные по выручке помогают рассчитать ROI, возврат на инвестиции. Это метрика более высокого уровня, которая позволяет:

  • понять, насколько эффективно работает канал — теряет ли компания на нем деньги или зарабатывает;
  • сравнить разные каналы между собой и перераспределить бюджет в пользу более эффективных.

Last click — cамая распространенная модель атрибуции. Отдает 100% ценности конверсии последнему по времени каналу взаимодействия. Несмотря на популярность last click, у этой модели, помимо достоинств, есть ряд недостатков.

мнение

Плюсы атрибуции по last click:

  • Стандартный алгоритм расчета. Доступен в Google Analytics и «Яндекс.Метрике».
  • Возможность сравнивать каналы между собой. Скорее всего, компания измеряет по last click и другие маркетинговые инструменты, например платную рекламу.
  • Возможность оценивать себя относительно рынка: атрибуцию по last click использует большинство компаний.

Минусы атрибуции по last click:

  • Часто показатели некорректные. На самом деле на заказ влияет вся цепочка каналов, с которыми клиент взаимодействовал, но записан будет только последний.
  • В офлайне last click для директ-маркетинга неприменим: бизнес не может собрать системные данные. Невозможно достоверно узнать, что клиент, который получил письмо, ранее видел рекламу или пост в соцсетях, то есть получается, что покупка каждого получившего рассылку клиента записывается на счет директ-маркетинга.
  • Проблема с чистотой данных. Google Analytics, например, не учитывает возвраты и отмены, а для сферы одежды и обуви они обычно значимы. Правда, в отчетности Mindbox этого минуса нет: метрика учитывает возвраты и отмены.

Юлия Туркина

Юлия Туркина, ведущий аналитик Mindbox

Проблема с чистотой данных не решена во многих компаниях.

мнение

По моему опыту, 99% компаний, которые используют Google Analytics или «Яндекс.Метрику», смотрят на факт оформления заказа. Все, что происходит с заказом в дальнейшем, эти системы не учитывают. У Google Analytics есть функция настройки отмен, но это нетривиальная задача, которая требует участия разработчика.

Евгений Дьяченко

Евгений Дьяченко, ведущий менеджер Mindbox

Digital-маркетолог Delivio Ольга Гехт как раз относится к тем специалистам, кому удалось правильно настроить отслеживание заказов после оформления.

мнение клиента

Когда я работала в агентстве, мы настраивали частичные возвраты и полные отмены для e-commerce, где изменение заказов оказывает существенное влияние на общий доход. Причины возвратов и отмен могут быть разными, самые популярные: нет на складе, человек передумал, нашел дешевле. Если в отчетах не сходится реальная выручка и выручка по Google Analytics, проблема может быть как раз в возвратах и отменах.

Технически учет возвратов и отмен реализуется так: при смене статуса заказа в CRM-системе в Google Analytics отправляется http-запрос с помощью Measurement Protocol. Если команда уже работает с GA и MP, то настройка занимает один день, плюс время на отладку и тестирование, всего неделя. Требуются два специалиста: разработчик и тестировщик.

Без донастройки доход оказывается сильно завышенным, на 10–15%. Правильные цифры помогают более точно посчитать ROMI (возврат инвестиций в маркетинг) и ROAS (рентабельность инвестиций на рекламу) по каналам и проводить дальнейшую оптимизацию маркетинговых действий.

Дополнительная опция — расчет доли возвратов по источникам трафика, что помогает скорректировать рекламную стратегию и найти причины слишком большой доли возвратов в конкретных каналах.

Одна сложность — к сожалению, отмены и возвраты не передаются в Google Ads, а значит, не учитываются в автоматических стратегиях ставок.

Ольга Гехт

Ольга Гехт, digital-маркетолог Delivio

First click. По нашему опыту, более редкая модель атрибуции. Возможно, потому что бизнесу важнее понимать, какой канал привел к покупке, чем знать, как клиент познакомился с компанией. Эта модель отдает 100% ценности конверсии первому по времени каналу взаимодействия. Проблемы аналогичны тем, что мы описали для last click.

Распределенная атрибуция решает часть проблем last и first click, присваивая веса разным каналам в определенной пропорции. Пример: человек сначала увидел контекстную рекламу, затем зашел в социальные сети и увидел рекламу там, на следующий день кликнул по ссылке в письме и купил товар. Вес можно распределить равномерно на все каналы или в разных пропорциях распределить между первым, последним и промежуточными взаимодействиями. Это более честная атрибуция, но проблема в том, что нет правильного ответа, какой вес присваивать каждому каналу.

Еще один вариант распределенной атрибуции — проставлять веса не вручную, а использовать алгоритмы на машинном обучении. Правда, у рынка пока нет значительного опыта в их применении.

Вторая проблема — весь маркетинг должен перейти на новую модель, иначе каналы нельзя будет сравнивать между собой. Сложность в том, что всем нужно договориться, в то время как каждая команда будет перетягивать вес на ту позицию в цепочке взаимодействий, где более значим ее канал.

Наконец, распределенная атрибуция не решает проблему измерения офлайна: как и last click, и first click она показывает картину только в онлайне.

Руководитель направления CRM агентства ZV.Digital Тамара Машницкая и вовсе считает, что для измерения эффективности директ-маркетинга не нужны сложные модели атрибуции — достаточно last click.

мнение

Для большинства компаний email — условно бесплатный канал, и доказывать его эффективность с помощью сложных моделей атрибуции на машинном обучении просто нет смысла. Распределенная атрибуция нужна, когда задача канала — привлечь много новых клиентов за счет большого охвата, а результат виден только спустя несколько месяцев.

Что касается SMS и других платных каналов, то они обычно используются для краткосрочных акций — last click позволяет оценить их вклад прямо здесь и сейчас. При работе с каскадными рассылками, когда платные каналы используются, только если не удалось достучаться до клиента с помощью бесплатных, сложные модели атрибуции тоже не нужны: эффективность SMS в каскаде по умолчанию выше просто рассылок по всей базе.

Тамара Машницкая

Тамара Машницкая, руководитель направления CRM агентства ZV.Digital

Таким образом, даже распределенная атрибуция и алгоритмы на машинном обучении не позволяют измерять эффективность директ-маркетинга со 100% достоверностью. Повысить точность оценки поможет использование контрольной группы.

Разница с контрольной группой

Суть метода в том, что часть клиентов (обычно 5–10%) исключается из коммуникаций и их поведение сравнивается с основной группой. Если статистически значимая разница есть и она в пользу рассылок, это означает, что рассылки действительно работают. В противном случае можно сделать вывод, что коммуникации никак не влияют на поведение клиентов и они совершили бы покупку и без напоминания.

мнение

Контрольная группа — самый честный способ измерения, но минусы у него тоже есть:

  1. Необходим аналитик в штате, чтобы правильно поставить эксперимент, разделить людей на группы и зафиксировать результат по итогам.
  2. Если у компании сильно скачет средний чек, например она продает и носки, и пальто, нужно очень много данных, чтобы получить статистически достоверный результат.
  3. Часть клиентов исключается из коммуникации, а это недополученная прибыль.

Юлия Туркина

Юлия Туркина, ведущий аналитик Mindbox

Источник: mindbox.ru

Рейтинг
( Пока оценок нет )
Загрузка ...
Заработок в интернете или как начать работать дома