Модель атрибуции — это правило, по которому распределяется ценность между каналами взаимодействия с потребителем.
В редких случаях пользователь видит рекламу и сразу оформляет заказ. Путь клиента к покупке сложный и запутанный. Впервые он узнает о продукте из ролика на YouTube, переходит на сайт, но ничего не покупает. Потом видит таргетированную рекламу в социальных сетях, кликает по ссылке и подписывается на рассылку. Через несколько дней пользователь получает письмо с купоном на скидку, заходит на сайт и покупает товар.
Каждый шаг приближает клиента к целевому действию. Важность или размер этого шага помогает определить модель атрибуции. Весь путь конверсии берется за 100%, а каждая точка взаимодействия получает значение от 0 до 100.
Модель атрибуции учитывает действия клиента в определенном отрезке времени. Длительность принятия решения о покупке зависит от продукта. Квартиру или машину клиент выбирает несколько месяцев, а с моделью нового чайника определится за 1-2 дня. Период между первым касанием и продажей называется окном конверсии.
Зачем использовать модель атрибуции в маркетинге
Атрибуция в маркетинге помогает:
- распределить бюджет между каналами продвижения;
- оптимизировать расходы на рекламу при оплате за конверсии;
- повысить рентабельность инвестиций в рекламу;
- оптимизировать стратегию продвижения, выявить наиболее эффективные каналы, отказаться от бесполезных.
Модели атрибуции позволяют понять ценность касания в пути конверсии. Важные каналы взаимодействия могут иметь низкую конверсию, но большую ценность.
Например, в точке первого касания аудитория узнает о продукте, заходит на сайт, но доверия еще недостаточно, чтобы совершить покупку. Конверсия на этом этапе может составить менее 1%, но благодаря широкому охвату, который приводит новых клиентов, канал получит от 20% до 100% ценности в зависимости от модели атрибуции.
Виды моделей атрибуции
Ценность каждой точки взаимодействия определяется по выбранной модели. Большинство маркетологов используют простые правила атрибуции: по первому или последнему клику, линейную, с учетом давности. Они доступны в сервисах Google Analytics и Яндекс.Метрика.
Если компания располагает достаточными ресурсами и собирает большой объем данных, она может самостоятельно разработать алгоритм для анализа ценности каналов. Рассмотрим модели, которые чаще всего встречаются в системах аналитики.
Атрибуция по первому взаимодействию
100% ценности присваивается первой точке взаимодействия.
Клиент не знает о продукте и впервые знакомится с компанией через таргетированную рекламу или рекламу в блоге. Данный канал формирует спрос и запускает цепочку событий, которые приведут к покупке. Поэтому его вес составляет 100%.
Плюсы: простая в настройке и использовании, подходит для оценки кампаний по повышению узнаваемости бренда.
Минусы: субъективная, вся ценность присваивается одному каналу, не учитывает вес других касаний.
Атрибуция по последнему взаимодействию
100% ценности присваивается последнему каналу взаимодействия, последнему клику.
Модель выделяет событие, которое напрямую ведет к покупке. Пользователь увидел рекламу или ввел поисковый запрос, кликнул по ссылке и совершил целевое действие. Предыдущие контакты с брендом не учитываются. Используется для продвижения товаров импульсивного или сформированного спроса.
Плюсы: простая в настройке и использовании, выявляет точки контакта с высокой конверсией в продажи.
Минусы: субъективная, вся ценность присваивается одному каналу, не учитывает вес других касаний и историю посещения сайта.
Атрибуция по последнему непрямому взаимодействию
100% ценности присваивается последнему непрямому переходу на сайт, последнему платному клику.
Непрямой переход — это переход по ссылке из внешнего источника трафика: рекламы, поиска, социальных сетей, сайта другой компании.
Пользователь зашел на сайт напрямую, то есть ввел название в строке браузера или открыл из закладок. Затем оставил заявку или купил товар. Но перед этим он заходил на сайт из контекстной или таргетированной рекламы. Модель по последнему непрямому взаимодействию учитывает данный переход и присваивает ему максимальный вес.
Плюсы: среди прямых переходов выделяет те, что получены с помощью рекламной кампании.
Минусы: вся ценность присваивается одному каналу, не учитывает вес других касаний.
Линейная модель атрибуции
Ценность распределяется между точками касания в равных долях.
Подходит для ниш, где внимание клиента нужно удерживать, и поэтому каждый контакт важен и ценен. Модель отражает все каналы, которые участвовали в привлечении клиента.
Плюсы: учитывает все точки контакта с клиентом.
Минусы: нельзя выявить наиболее эффективные касания.
Атрибуция «временной спад» — с учетом давности взаимодействий
Чем ближе во времени точка контакта к целевому действию, тем большая ценность ей присваивается. Вес последних двух каналов обычно составляет от 50% (в Google Analytics) до 80% (в CRM-системах или сервисах аналитики, например Roistat).
Плюсы: учитывает все каналы продвижения, которые участвовали в привлечении покупателя, присваивает больший вес последнему контакту перед покупкой.
Минусы: низкий вес у первых точек касания, которые познакомили клиента с брендом.
Атрибуция по обратной давности работает аналогично. Большая ценность отдается каналам, которые приводят новых клиентов.
Атрибуция с привязкой к позиции
Наибольшая ценность определяется для первой и последней точки контакта — по 40%. Оставшиеся 20% делят между другими касаниями.
U-образная модель используется в рекламных кампаниях, когда первое знакомство с брендом так же важно, как и покупка. Например, компания выпускает на рынок новый бренд. На первом этапе она ставит задачу охватить большую часть целевой аудитории. А на последнем — выявить каналы с наибольшей конверсией в продажи.
Плюсы: отражает все точки взаимодействия, больший вес получают наиболее значимые касания — первое и последнее.
Минусы: не учитывает влияние каналов в середине воронки продаж.
W-образная атрибуция
Распределяет по 30% веса на первое, последнее и ключевое взаимодействие в середине воронки продаж. Оставшиеся 10% делятся между другими каналами продвижения.
Взаимодействие в середине пути подталкивает клиента к покупке. Это может быть рассылка, звонок менеджера, вебинар, таргетированная реклама.
Плюсы: можно добавлять и убирать точки контакта, отслеживать влияние на конверсию в продажу.
Минусы: сложно настроить и не всегда понятно, как каналы в середине воронки продаж повлияли на решение о покупке.
Модель атрибуции полного пути
Если в W-образную схему добавить точку, где пользователь превратился в лида, получится Z-образная модель.
Лид — это потенциальный клиент, который отреагировал на рекламу: оставил заявку или контактные данные, подписался на рассылку, зарегистрировался на мероприятие. Атрибуция полного пути полно и точно отражает все взаимодействия с клиентом от первого контакта до продажи.
Плюсы: позволяет выявить наиболее эффективную стратегию продвижения.
Минусы: сложно настроить и реализовать, нужен большой объем синхронизированных данных.
Атрибуция на основе данных (data-driven)
Оценивает реальную значимость каждого касания независимо от расположения в цепочке продаж. Сложная алгоритмическая модель выявляет закономерности, которые повлияли на решение о покупке.
Существует два способа рассчитать ценность взаимодействия:
- модель по Вектору Шепли оценивает, как присутствие канала повлияло на результат;
- атрибуция на основе цепей Маркова определяет, какое воздействие на конверсию оказывает отсутствие канала.
Плюсы: достоверная и объективная оценка, позволяет оценить взаимное влияние каналов взаимодействия.
Минусы: нужен большой объем данных для корректной работы алгоритмов.
Какую модель атрибуции выбрать для бизнеса
Протестируйте разные модели атрибуции, чтобы найти наиболее результативную и подходящую под текущие цели. На выбор влияют такие параметры, как размер окна конверсии, количество каналов продвижения, объем собираемых данных, маркетинговые задачи.
Окно конверсии. Для ниш с коротким циклом сделки подойдет модель по последнему клику. Если между первым касанием и продажей проходит несколько месяцев или недель, важно определить источник, который впервые привел клиента, и применить правило атрибуции по первому клику или с привязкой к позиции.
Количество каналов продвижения. Чем больше точек взаимодействия с потребителем, тем сложнее модель атрибуции.
Объем собираемых данных. Небольшим компаниям подойдут простые стандартные модели внутри сервисов веб-аналитики. Средние и крупные фирмы, которые собирают и хранят большие объемы данных по рекламным компаниям, могут использовать сложно настраиваемые и алгоритмические модели.
Маркетинговая задача. При выводе нового бренда или продукта важны охваты рекламной кампании. В этом случае предпочтительна атрибуция по первому клику, обратная временная, с привязкой к позиции. Если фирма работает со сформированным спросом и ключевая задача повысить конверсию в продажи, стоит выбрать модель по последнему клику, последнему платному взаимодействию, временной спад, с привязкой к позиции.
Главные мысли
