Какую модель атрибуции выбрать, чтобы оценить эффективность кампаний?

Модель атрибуции — это инструмент маркетолога, который помогает понять, что делать с кампаниями. Маркетологи не хотят просто сравнивать метрики по разным моделям атрибуции: last click, first click, indirect free, post click, position based, funnel based. Маркетологам важно понять, какие кампании генерируют доход, а какие убыток. После этого им нужно принять одно из четырех решений:

  1. отключить кампанию,
  2. оптимизировать кампанию,
  3. масштабировать кампанию,
  4. оставить все как есть.​

Эти 4 решения, в первую очередь, относятся к платным каналам, которые можно быстро масштабировать или выключить: yandex.direct, vk ads, google ads, mytarget и др. Используя разные модели атрибуции, большинство маркетологов как раз ищут ответ, что делать именно с такими кампаниями — поскольку их можно оперативно менять и получать от этого эффект в виде повышенных конверсий, ROI или снижения стоимости лида. ​

Главным образом, маркетологам нужно выделить группы объявлений, которые нужно отключить, оптимизировать, масштабировать или не трогать. Если маркетологи будут принимать неверные решения, они рискуют отключить кампании, косвенно участвующие в привлечении платящих пользователей или отдавать деньги в каналы, которые привлекают меньше платящих пользователей.

Что касается SEO, email-маркетинга и реферальных ссылок, то эти типы каналов практически невозможно быстро нарастить или сократить. Для них используется другая логика принятия решений и в этой статье мы подробно об этих каналах писать не будем.

В статье мы расскажем про базовые модели атрибуции, которые есть в Rick.ailast click, first click, indirect free, post click — и ответим на вопросы маркетологов, с которыми мы часто сталкиваемся:

  1. Зачем использовать разные модели атрибуции, если Google Analytics по умолчанию использует last click?
  2. Когда last click и first click дают искажение и больше вредят, чем помогают вам принять правильное решение?
  3. Как модель атрибуции post click выявляет кампании, которые точно нужно отключить или доработать?
  4. Почему атрибуция по indirect free показывает кампании, которые можно масштабировать?

Надеемся, нам удалось вас заинтересовать, давайте разбираться вместе!

Для начала разберёмся в понятиях:

  • Last click — атрибутирует доход последнему каналу, из которого пришел пользователь перед совершением заказа.
  • First click — атрибутирует доход первому каналу, из которого пользователь попал на сайт.
  • Post click — атрибутирует доход всем платным каналам в пути пользователя от первого попадания на сайт до совершения покупки.
  • Indirect free (косвенные бесплатные доходы) — атрибутирует доход последнему платному каналу в пути пользователя до покупки.

Базово многие маркетологи используют атрибуцию по last click

Этому есть простое объяснение — все отчеты Google Analytics изначально строятся по этой модели атрибуции. По last click доход присваивается последнему каналу привлечения. Например, пользователь зашел на сайт из канала yandex cpc и заказал шины за 20 000 р. Доход 20 000 р. атрибутировался каналу yandex cpc.

Здесь стоит понимать, что модель атрибуции по last click не учитывает другие, более ранние касания этого пользователя с вашими рекламными каналами — она показывает только те, что привели к оплате. Для большинства интернет-компаний такая модель подходит, так как она даёт понимание, откуда именно пришел пользователь, совершивший покупку — то есть касание с каким платным каналом привело к оплате. Однако важно отметить, что last click работает без критичных погрешностей, только если сквозная аналитика настроена корректно (как настроить сквозную аналитику без погрешностей мы писали тут).

Давайте разберёмся, когда оценка по last click может давать искажение и какие еще модели атрибуции стоит использовать:

Модель атрибуции last click не подходит для бизнесов, у которых много каналов привлечения, большие маркетинговые бюджеты, сложный сценарий привлечения пользователя и длинный цикл сделки.​ В этом случае у значимого количества пользователей на пути к покупке встречается несколько разных каналов привлечения.

В примере ниже по модели last click доход в 6 545 р. от покупки кед атрибутировался последнему каналу:

При этом поведение пользователя было следующим:

  1. 10 октября зашел на сайт через поиск Яндекса,
  2. в тот же день его вернули через контекстную кампанию,
  3. 12 октября пользователь вернулся на сайт через поиск и выбрал товар,
  4. потом пользователь вернулся на сайт по ссылке из письма и купил.

В этом кейсе на почту пользователю отправили ссылку подтверждения регистрации. В других ситуациях это может быть и письмо о брошенной корзине, и подтверждение заказа.

Если использовать атрибуцию last click, доход в 6 545 р. запишется на канал email. Канал email занизит доходы от каналов yandex organic и yandex cpc (конкретно по пользователю из примера с кедами доход у этих канала обнулится). Из-за этого у платных каналов ROI не сойдётся и они покажутся убыточными — хотя мы видим, что в нашем примере yandex cpc повлиял на доход.

Если использовать модель атрибуции last click, то каналы Yandex direct и Google Adwords могут стать несправедливо убыточными:

Обратите внимание на скриншот отчёта выше — 4,3 млн рублей достались email-рассылкам. Органические каналы перетянули на себя доход платных каналов. Adwords и yandex direct кажутся убыточными. В обычной ситуации маркетолог примет решение, что эти кампании надо оптимизировать или отключать. Однако мы с вами уже понимаем, что last click даёт значительное искажение, из-за чего вы можете отключить кампании, которые ассистировали покупке и это приведёт к снижению доходов. Чтобы этого избежать и не отключать полезные для вашего бизнеса кампании, мы рекомендуем использовать атрибуции:

  • post click — чтобы определить ассистирующие кампании,
  • indirect free — для определения кампаний, которые можно масштабировать.

Давайте на примерах из реального бизнеса и отчётах, построенных в Rick.ai, расскажем, как это работает.

Модель post click выявляет кампании, которые точно нужно отключить или доработать

Post click присваивает доход от транзакции всем платным каналам, по которым пользователь попадал на сайт, начиная от первой сессии до момента совершения оплаты. Это помогает получить каналу или кампании максимально возможный доход.

То есть, если в пути пользователя встречается несколько платных каналов, post click присваивает доход от цепочки каждому из каналов:


К примеру, анализируя канал vk remarketing по модели post click, мы присваиваем ему весь доход от всех цепочек, в которых он участвовал (хотя покупка совершена в сессию, начавшуюся из канала yandex cpc). Вклад канала vk remarketing в покупку до конца не очевиден, но в модели атрибуции по post click мы записываем на него все 3 200 р. дохода. Это позволяет оценить максимальный доход, в получении которого участвовал этот канал.

Когда и как использовать post click:

Post click используется, чтобы определить, какие каналы точно никак не участвуют в пути пользователя до конверсии. Если максимальный доход от канала по post click меньше затрат на этот канал, то он точно убыточный. Такие каналы можно уверенно выключать или оптимизировать.

Post click также необходим, если у вас большая цепочка касаний с вашими пользователями и вам нужно оценить «отложенный» вклад каналов и кампаний в покупку.

Какому типу бизнеса полезна модель post click:

Post click применяется, в первую очередь, если у вас длинный цикл принятия решения о покупке и пользователю необходимо поискать другие варианты, посмотреть отзывы, подумать или обсудить решение перед тем, как совершить платёж. Например, если вы продаёте образовательные курсы, дорогой девайс, или продукт для b2b-клиентов.


Indirect free показывает кампании, которые можно масштабировать

Indirect free (косвенные бесплатные доходы) — модель, которая атрибутирует доход, если в пути пользователя до заказа встречается единственная платная кампания. Если в пути пользователя от первой сессии до покупки было несколько платных каналов, indirect free будет атрибутировать доходы последнему из них.

В примере ниже доход атрибутируется каналу google remarketing, потому что это был единственный платный канал в пути пользователя до покупки:

Пользователя привлекли на сайт из условно бесплатного канала — yandex organic. Транзакция тоже совершена из условно бесплатного канала referral. Google remarketing — единственный платный канал в цепочке, которому можно записать эту транзакцию. В этом случае нам не нужно распределять веса между разными платными каналами и мы исключаем погрешности.

Если ROI канала при атрибуции indirect free больше 100%, можно быть уверенным в решении масштабировать этот канал, так как indirect free показывает минимально возможный вклад канала в получение доходов.

Когда и как использовать indirect free:

Indirect free используется для определения вклада платных каналов, когда бесплатные каналы часто завершают путь пользователя до конверсии.

Какому типу бизнеса может быть полезна модель indirect free:

Например, если у вас длинный цикл принятия решения и при этом вы не используете много платных каналов. Это может быть, если вы массово используете контент-маркетинг, виральный контент и реферальные ссылки для привлечения пользователей на сайт.

Возникает логичный вопрос: как в итоге определить кампании, которые нужно немного доработать или оставить в покое?


С помощью post click и indirect free мы точно определяем, какие каналы нужно отключать, а какие масштабировать. Но что делать с кампаниями, которые находятся в «серой зоне»? Которые по post click приносят доход, а по indirect free — убыток?​

Во-первых, кампании, которые находятся в «серой зоне», не находятся ровно посередине — они или ближе к убыточности, или к доходности. Кампании, которые почти выходят на прибыльность по indirect free надо дорабатывать в первую очередь. Кампании, которые по indirect free сильно убыточны, можно дорабатывать позже или пока отключать.

Во-вторых, кампании, которые приносят много новых пользователей, отключать опасно — может уменьшиться общий приток пользователей. Тогда как бы хорошо ваша реклама ни конвертировала пользователя в покупку — пользователей станет сильно меньше и конвертировать будет некого.​

Наконец, маркетолог не занимается всем и сразу, он выстраивает приоритеты. Нужно фокусироваться на кампаниях, в прибыльности или убыточности которых вы уверены.

Подведём итог — маркетологу нужно привлекать больше лидов за меньшие деньги, а не пытаться настроить модель атрибуции

Как мы говорили в самом начале статьи — все решения маркетолога, что делать с кампаниями, сводятся к четырём вариантам:

  1. Отключить или значительно переработать кампанию — если по post click ROI меньше 100%.
  2. Масштабировать кампанию — если по indirect free ROI больше 100%.​
  3. Оптимизировать кампанию — если кампания приносит много новых пользователей и близка к доходности по indirect free.
  4. Ничего не делать — если кампания не приносит новых пользователей и по indirect free совсем не сходится.

Теперь, когда вы понимаете, как модели атрибуции помогают оценить эффективность кампаний, у вас есть отличный инструмент для принятия решений и улучшения метрик.

В Rick.ai вы можете собрать один отчёт с ключевыми метриками, используя сразу несколько моделей атрибуции. Это поможет оценить и сравнить эффективность каналов без необходимости строить несколько дашбордов.

Какую модель атрибуции выбрать, чтобы оценить эффективность кампаний?