Модели атрибуции в Google Analytics и Яндекс.Метрике: как правильно использовать в маркетинге и бизнесе

Эта статья была бы не нужна, если бы:

• все без исключения покупали по схеме «пришел на сайт → выбрал товар → купил, или ушел и не вернулся»;
• в интернете существовал один источник трафика, например, поиск Google.

Но в реальности все иначе. Путешествие потребителя — часто очень сложный процесс, растянутый во времени и включающий много точек касания, взаимодействий с разными каналами и инструментами. И понять, какой из них больше повлиял на конверсии и продажи, тоже не так просто. А это нужно делать, чтобы правильно распределить бюджет, разработать стратегию и план дальнейших действий, оценить качество работы сотрудников и подрядчиков.

Что такое модель атрибуции

Модель атрибуции — это схема, которая отвечает на вопрос: «Как будет распределяться ценность между разными точками взаимодействия на пути потребителя?»

Рассмотрим различные варианты на понятном примере.

Допустим, пользователь впервые попадает на сайт через Яндекс.Директ (Д), затем возвращается туда из поиска Google (Г), далее снова уходит и переходит из социальных сетей (С). После кликает по ссылке с акционной email-рассылки (Е) и покупает через некоторое время, зайдя на сайт напрямую (П).

Как оценить вклад каждого канала в конверсию? Отдать приоритет продающей email-рассылке или Директу, который познакомил пользователя с сайтом? Или же каждый источник трафика равноценный?

Если посмотреть в отчет Google Analytics «Основные пути конверсии» («Конверсии» → «Многоканальные последовательности» →), можно найти и такие цепочки

Обзор и сравнение моделей с учетом бизнеса и KPI

Идем от базовых моделей атрибуции к сложным, нестандартным.

Последнее взаимодействие (last click)

Модель отдает всю ценность последнему каналу взаимодействия. В нашем примере это будет прямой заход. Другие источники никак не учитываются. Эта модель по умолчанию есть в большинстве инструментов, исключение — Google Analytics. В Яндекс.Метрике такая атрибуция называется «Последний переход»:

В таком пути конверсии, конечно, несправедливо отдавать все заслуги прямому заходу. Ведь к нему привели предыдущие взаимодействия.

Эта модель атрибуции подходит для простых воронок типа «зашел → увидел → заказал», где короткий цикл покупки. Например, это срочные услуги (вызов такси, изготовление ключей, взлом замков), дешевые и хайповые товары (спиннеры, хомяки-говорюшки и пр.).

Последний непрямой клик (last non-direct click)

Здесь тоже 100 % отдается последнему взаимодействию, но только если это взаимодействие — непрямой переход. В нашем случае конверсия будет зачислена в счет email-рассылки:

Эта модель по умолчанию в Google Analytics. В «Яндекс.Метрике» есть аналог под названием «Последний значимый переход», где игнорируются прямые заходы, внутренние переходы и переходы с сохраненных страниц. Так «Яндекс» классифицирует источники по значимости:

В нашем примере модель атрибуции по последнему значимому переходу (или непрямому взаимодействию) больше подходит, так как выделяет email-канал, который очевидно серьезно повлиял на решение о покупке. Однако такой вариант атрибуции опять же не учитывает влияние других точек касания.

Оценивать эффективность источника по правилу last non-direct click стоит в тех случаях, когда с узнаваемостью бренда и спросом на товар или услугу все хорошо, а главный KPI — увеличение конверсии, а не трафик. Когда не обязательно учитывать брендовый трафик (переходы на сайт напрямую). Модель, как и предыдущая, больше подходит для продуктов с коротким циклом покупки.

Первое взаимодействие (first click)

Согласно этой модели атрибуции, вся ценность конверсии присваивается первому взаимодействию. «Первое взаимодействие» – это в Google Analytics, аналог в Яндекс.Метрике – «Первый переход». Независимо от того, сколько дальше было еще каналов и инструментов. Результат по нашему примеру — «Яндекс.Директ»:

Минус, как и в предыдущих вариантах, — «несправедливость» в отношении всех остальных точек касания. Однако эта модель атрибуции по-своему хороша: ведь конверсии могло бы и не быть, если бы пользователь не посетил сайт впервые, кликнув на платное объявление «Яндекс.Директа».

Принцип first click больше подходит для товаров и услуг с длительным циклом продаж. Бизнесов, где основная цель — повысить узнаваемость и спрос, вовлечь в верхнюю часть воронки продаж (например, с помощью баннерной рекламы, инфлюенс-маркетинга). В первую очередь это касается малоизвестных, новых продуктов на рынке.

Линейная модель (linear model)

Радикальное отличие от вышеперечисленных моделей атрибуции — ценность конверсии распределяется поровну между всеми взаимодействиями. Если судить по нашему примеру, по 20 % получат и «Яндекс.Директ», и поиск Google, и социальные сети, и email, и прямой заход:

Линейная модель есть только у Google Analytics, в «Яндекс.Метрике» такой атрибуции нет.

Казалось бы, вот она, наконец, настоящая справедливость. Тем не менее эта модель тоже неидеальная: вряд ли все каналы повлияли на конверсию в равной степени. Если отнять у «Яндекс.Директа» 80 % бюджета, есть вероятность столкнуться с нехваткой трафика, падением количества конверсий и лидов.

Такой принцип расчета эффективности подойдет для дорогостоящих товаров с длительным циклом покупки, сложных B2B-услуг; там, где нужен постоянный контакт с аудиторией, есть много точек касания, а также высокая конкуренция. Пример — услуга контент-маркетинга.

Временной спад (с учетом давности взаимодействия, time decay)

Эта модель атрибуции тоже учитывает все взаимодействия, но отдает больше ценности тем, что были ближе к конверсии. Принцип простой, но довольно логичный. Если бы первый переход был настолько эффективный, почему потребовалось столько времени и других точек касания? Первый переход здесь получает минимум ценности, последний — максимум:

По умолчанию период расчета — время, за которое ценность уменьшается вдвое — в Google Analytics составляет 7 дней. Ретроспективный анализ по умолчанию производится в течение 30 дней. Эти показатели можно настроить по-своему, с учетом продолжительности принятия решения о покупке.

Довольно универсальная модель, применима практически в любых тематиках. Особенно хорошо позволяет оценить краткосрочные рекламные акции (в нашем примере такая проводилась через email-канал).

С привязкой к позиции (position based)

Здесь время уже не учитывается, ценность распределяется в зависимости от позиции на пути потребителя. Первый и последний переход получают по 40 %, на все остальные — 20 % (в нашем примере, если округлить, по 6,6 %).

Как и предыдущая модель, атрибуция с привязкой к позиции — довольно универсальная и объективная. Высоко оценивает не только инструмент или канал, который привел к конверсии, но и тот, что начал вести пользователя по воронке продаж.

Но, конечно, position based тоже неидеальный вариант. Особенно в нашем примере — email-канал, который рассказал об акции, получается недооцененным.

Атрибуция на основе данных (data-driven)

Если предыдущие модели распределяли ценность по заранее определенному и достаточно простому принципу, то здесь сложная алгоритмическая модель. Она самостоятельно анализирует многоканальные последовательности, рассчитывает ценность источника с учетом реального влияния на конверсию, опираясь на данные веб-аналитики. Может быть и такой расклад:

Очевидно, такая модель будет самой точной и непредвзятой. Только для ее использования нужно достаточно много данных. Например, чтобы включить такую атрибуцию в Google Ads, необходимо получить 15 000 кликов и 600 конверсий за 1 месяц. А для доступа в платный Google Analytics, где такая модель тоже есть, нужно выкладывать от 10 000 $ в месяц. Далеко не каждый бизнес может себе позволить.

Google наглядно объяснил, чем data-driven отличается от обычных моделей

Пользовательская модель

Если ни одна модель атрибуции не подходит, можно настроить свою. Например, взять какую-то стандартную и адаптировать под свой бизнес, задать дополнительные параметры.

Кастомная модель может быть очень эффективной, но только если ее составляет опытный интернет-маркетолог или веб-аналитик. Ведь для этого нужно очень хорошо:

• понимать Customer Journey;
• знать цикл покупок (в том числе повторных) и другие бизнес-показатели;
• попробовать различные стандартные модели;
• изучить эффективность маркетинговых и рекламных каналов/инструментов.

Новичкам этот вариант точно не подойдет.

Создать собственную модель в Google Analytics можно там же, где сравнить все способы атрибуции между собой («Конверсии» → «Многоканальные последовательности» → «Инструмент сравнения моделей»). Инструмент позволяет:

• Изменить период ретроспективного анализа.
• Включить распределение с учетом поведения на сайте.
• Задать корректировки по позиции, источнику, ключевому слову и другим параметрам.

Хорошо, что кастомные модели доступны бесплатно в обычном Google Analytics. Такой функции нет в «Яндекс.Метрике» (напоминаем, там есть только три базовые модели — первый, последний и последний значимый переходы).

В различных рекламных и аналитических инструментах есть собственные модели атрибуции. Например, у Google Ads — «Последний клик в «Google Рекламе», у Ringostat — event-driven, у OWOX — OWOX BI Attribution. В сентябре 2019 года в «Яндекс.Метрике» и «Яндекс.Директе» появилась модель «Последний переход из Директа». Мы не будем их разбирать, так как они нужны только внутри самих этих инструментов. Атрибуция «Директа», к примеру, играет в свою пользу – из всех значимых источников учитывает только переходы из «Директа».

Как выбрать модель атрибуции и использовать ее в «Яндекс.Метрике», Google Analytics и других инструментах

Резюмируем. Правильный выбор модели атрибуции важен для:

• Разработки стратегии продвижения, планирования маркетингового бюджета. Ведь можно недооценить каналы и инструменты с серьезным вкладом в конверсию, а также переоценить незначительные источники. В результате снизить ROI, конверсии, лиды, продажи.
• Оптимизации рекламы. Автоматические стратегии будут давать плохой результат, если на входе будут не совсем корректные данные. И тут влияет не только правильный выбор и настройка целей, но и модель атрибуции. В «Яндекс.Директе» она задается здесь:

• Оценке качества работы сотрудников и подрядчиков. Есть риск отказаться от услуг, например, SMM-специалиста, а потом окажется, что соцсети давали серьезный вклад в конверсию.

Теперь о том, как выбрать наиболее подходящую модель атрибуции. Во-первых, посмотрите еще раз обзоры в предыдущем разделе, обратите внимание на рекомендации относительно KPI и бизнес-процессов. Также изучите разницу между моделями на реальных данных:

• В Google Analytics для этого есть замечательный «Инструмент сравнения моделей» (где еще можно задать кастомную модель).

• В «Яндекс.Метрике» можно попробовать и сравнить разные модели, например, при работе с отчетом «Источники».

Чтобы не запутаться, в качестве подсказки можете использовать следующую схему из блога Click.ru:

Кстати, сервис Click.ru поможет хорошо сэкономить на PPC-рекламе — партнерское вознаграждение доходит до 35 %, — а также избавиться от лишней рутины благодаря десятку полезных инструментов – парсеров, подборщиков слов и др. Есть безналичный расчет, вывод средств без комиссии, доступ к кабинетам «Яндекс.Директа» и Google Ads. Cybermarketing рекомендует!

Надеемся, статья оказалась понятной и полезной. Ставьте лайки и делитесь с друзьями. Желаем удачи с веб-аналитикой и рекламой, увеличением конверсий и ROI!

Рекомендуем прочитать

20+ ресурсов для обучения веб-аналитике: блоги, курсы, каналы, сообщества, рассылки