Почему модели атрибуции не помогают принять верное решение

Вопрос интернет-магазина
— Мы отключили неэффективные по Last Click кампании — упали продажи. Как оценивать эффективность кампаний с учетом мультиканальной атрибуции?

Маркетолог отключил «неэффективные» кампании, оценив эффективность на основе Last Click ROI. И продажи упали на 22%.

Каналы yandex direct и adwords выглядят убыточными и требуют отключать контекстные кампании. Обратите внимание, 4,2 млн р. достались e-mail рассылкам.

4,2 млн р. дохода e-mail рассылок — это доход, отобранный в том числе у «неэффективных» контекстных кампаний. Last Click ROI атрибутирует доход последней кампании, по которой перешел пользователь и купил, например, e-mail рассылкам, ретаргетингу и т.д. Но рассылки не привлекают новых клиентов, это канал повышения конверсии. Конечно же, принимать решения по LastClick неверно.

Так какую модель атрибуции нужно применять?

Нам нужна не модель атрибуции, нам нужно принять одно из 4 управленческих решений:

  1. Можно ли усилить кампанию и привлечь больше целевых пользователей и увеличить продажи?
  2. Нужно ли отключить кампанию, так как она убыточна?
  3. Нужно ли доработать кампанию, так как ее можно сделать прибыльной.
  4. Не трогать кампанию — работает и работает, большего из нее не получить.

Давайте разберем пример из жизни покупателя 117...481

· 10 октября он пришел в 1-ю сессию из органического поиска Яндекса и не купил.
· 12 октября его вернула Яндекс.Директ кампания sk_kedy_r по ключевому слову: купить кеды — пользователь не купил.
· В то же день, он возвращался из органического поиска, добавил товар в корзину — но не купил.
· Позже, получил письмо о брошенной корзине new_order, перешел, не купил, еще раз перешел и уже сделал заказ 332482.

Какую модель атрибуции использовать, чтобы атрибутировать доход верному каналу?

Модели атрибуции не помогают принять верное решение

  1. Last Click — не работает
    Покупка приписалась e-mail рассылке, но она повысила конверсию. Нельзя потратить больше денег на e-mail рассылку, и привлечь больше пользователей.
  2. 1st Click — тоже не работает
    Пользователь нашел магазин через органический поисковый запрос, который не очевидно, как масштабировать. Нам потребовалось вернуть пользователя контекстной рекламой.
  3. Равномерная атрибуция — тоже не работает
    Контекстная кампания sk_kedy_r так и не дополучила ROI, в этом случае тоже его не дополучит и маркетолог захочет ее отключить, а весь вес опять достанется 1st click и last click кампаниям.
  4. Динамические модели — черный ящик
    Не понятно, как оценить, на сколько они врут. В спорных ситуациях очень-очень-очень хочется увидеть первичку.

Важно, что для данного клиента контекстная кампания sk_kedy_r должна получить косвенный доход, который нужно учесть в расчете ROI. Если бы эта кампания была отключена, как неэффективная с Last Click ROI 80%, скорее всего продажи 332482 и многих других не произошло.

Как верно определить неэффективные кампании?

Рик рассчитывает прямой Last Click ROI, а также все косвенные доходы, которые принесла кампания, оценивает потенциал усиления кампании, долю показов в спец. размещениии подсказывает рекомендации для маркетолога.

Кроме того Рик снимает с маркетолога скучную и рутинную работу по сбору цифр, в среднем экономит 4 дня в неделю.

Как Рик считает модели атрибуции и рассчитывает косвенные доходы?

По каждой кампании Рик выгружает из Google Analytics тысячи цифр и первичные данные, чтобы прозрачно посчитать метрики, сделать расчет, представить вывод и обосновать его для вас. Рик не черный ящик, вы можете проверить и изучить поведение пользователей, проверить расчеты Рикa.

Почему модели атрибуции не помогают принять верное решение