Полный гайд по атрибуции в Google

Newser

Moderator
Команда форума
Регистрация
5 Фев 2019
Сообщения
272
Атрибуция — это правило или набор правил, которые определяют вклад каждого из маркетинговых каналов на пути к совершению конверсии.

Подписывайся на наш Телеграм канал и паблик ВК и узнавай первым о новых событиях!

Зачем нужна атрибуция?

Как правило, пользователи не совершают конверсии сразу после того, как увидели первое объявление.

путь пользователя в интернет-маркетинге


Разберемся на примере “интернет-магазина туристических товаров”.

Рассмотрим один из возможных путей клиента при покупке спальника перед походом в горы:
  1. Утро — дома пользователь на ПК вводит запрос в google «купить палатку». Видит ваше поисковое объявление – переходит на сайт, знакомится с информацией, закрывает сайт.
  2. Дорога на работу — читает ленту новостей в Facebook, видит ваше объявление, но не переходит на сайт.
  3. Перерыв на работе — заходит в google с рабочего ПК, вводит запрос «как выбрать палатку», переходит на SEO статью в вашем блоге, ознакамливается, подписывается на email рассылку, выходит.
  4. Дорога домой — просматривает stories друзей в Instagram, видит ваше объявление со скидкой на спальники, просматривает, но не переходит.
  5. Следующий день – на домашнем ПК, просматривает почту, видит вашу email рассылку с акцией, переходит на сайт. Сохраняет понравившиеся модели в закладки.
  6. После работы — по прямой ссылке свершает покупку. Ура!
Как вы думаете, как понять какой из всех этих маркетинговых каналов больше повлиял на конверсию?

Разобраться в этом поможет правильно настроенная модель атрибуции! 🙂

Модели атрибуции в Google Analytics

Модели аттрибуции Google Analytics


Модели атрибуции бывают:
  • Одноканальные — вся ценность в свершении конверсии присваивается только одному из каналов на пути к конверсии.
  • Многоканальные — ценность конверсии распределяется между каналами.
Примеры распределения конверсий для одноканальных моделей атрибуции

Разберем подробней на одном из путей пользователя.

одноканальные аттрибуции в Google Analytics


В одноканальных моделях атрибуции 100% ценности конверсии присваивается только одному из каналов на пути к конверсии.
  1. Модель Первое взаимодействие — 100% ценности конверсии будет присвоено первому каналу приведшему пользователя к вам на сайт (в нашем случае google/cpc).
  2. Последнее взаимодействие, где 100% ценности конверсии будет присвоено последнему каналу на пути к конверсии (direct/none).
  3. Последний клик с google рекламы, где 100% ценности присваивается последнему клику именно с google рекламы.
  4. Последний не прямой клик, где канал direct/none игнорируется (эта модель атрибуции установлена по умолчанию в отчетах аналитики).
Преимущество моделей: простота, даже базового отчета будет достаточно, чтобы оценить, какие рекламные каналы работают, а какие нет (если его нет в пути пользователя).

Недостатки моделей: нет возможности оценить влияние других каналов на пути пользователя (поскольку вся ценность присваивается одному каналу).

Примеры распределения конверсий для многоканальных моделей атрибуции

Линейная модель атрибуции


Линейная модель аттрибуции Google Analytics


Она равномерно распределяет 100% ценности конверсии между всеми каналами (уравнивает их).

Преимущества: более продвинутая модель, чем предыдущие, учитывается каждый канал пути пользователя.
Недостатки: модель не будет отражать реальную эффективность, принять правильное решение относительно эффективности рекламных кампаний по этой модели не получится. Самая простая многоканальная модель атрибуции.

Модель атрибуции временной спад

В этой модели, наибольшую ценность конверсии получает канал, который находится последним в цепочке, а наименьшую ценность конверсии тот, который находится первым.

модель аттрибуции временной спад в Google Analytics


Преимущества: ценность конверсии присваивается всем каналам в пути пользователя. Описывает путь по маркетинговой воронке покупателя (Неосведомленность – Осведомленность – Интерес – Желание – Покупка).
Недостатки: эта модель атрибуции занижает вклад источников, которые находятся в начале пути. При этом именно эти маркетинговые каналы зачастую приводят большую часть посетителей на сайт.

Модель атрибуции на основе позиции

Является комбинацией моделей первого, последнего взаимодействия и линейной.

Модель атрибуции на основе позиции Google Analytics


Первому и последнему каналам в цепочке взаимодействий будет присвоено 40% ценности, остальные 20% равномерно распределяются между остальными каналами.

Преимущество: выделяются два самых важных канала — первый (начало воронки) и последний (конверсия).
Недостаток: занижает значимость промежуточных каналов в пути пользователя.

Модель атрибуции на основе данных

Все предыдущие модели построены на основе заранее заданных правил — стандартные модели атрибуции.
Модель на основе данных, максимально точно отражает влияние каждого источника на пути к конверсии. Так как сама модель и вклад каждого канала рассчитываются на основе именно наших данных.

Модель атрибуции на основе данных Google Analytics


Модель доступна в Google Analytics 360, Google Ads и Campaign Manager.

Чтобы понять, как работает модель, рассмотрим её основные принципы:
  1. Система использует данные о пользователях, не только совершавших, но и не совершавших конверсии. Это позволяет оценить, в каком случае вероятность совершения или не совершения конверсии выше.
  2. Назначение ценности конверсий всем каналам в пути пользователя.
Рассмотрим детальнее, как работает модель атрибуции на основе данных.

Шаг 1. Рассчитываем коэффициент конверсии (CR)

На первом шаге, берем наш путь пользователя.
Для простоты представим, что такой путь проделали 100 пользователей, и 25 из них свершили конверсию.

Работа модели атрибуции на основе данных Шаг 1

Показатель конверсии получится 25%.

Представим, что у всех каналов равный вклад в финальную конверсию (линейная модель).

Шаг 2. Берем такой же путь пользователя без одного канала и сравниваем CR

На втором шаге мы исключаем один из каналов в пути пользователя и анализируем результат на 100 пользователях.

Работа модели атрибуции на основе данных Шаг 2


Путь пользователя тот же, но без канала «ukr.net / email».

Шаг 3. Определяем вес канала и корректируем распределение ценности

Определяем вес исключенного канала и присваиваем ценность.

Работа модели атрибуции на основе данных Шаг 3


Канал увеличивает конверсионность пути в 2,5 раза. Увеличиваем ценность этого канала, но оставляем неизменным остальные.

Шаг 4. Десятки тысяч раз повторяем Шаг 1-3 для каждого пути и каждого канала

Атрибуция на основе данных при помощи машинного обучения сравнивает пути пользователя множество раз (Шаг 1-3). Если канал увеличивает конверсионность – повышает его вес, на какой бы позиции он не был. При этом не уменьшает вес каналов, которые не влияют на конверсионность положительно.

Работа модели атрибуции на основе данных Шаг 4


Шаг 5. Получаем финальный результат: конверсионный вес каждого канала

Суммируем вес всех каналов в пути и делим индивидуальный вес канала на сумму всех каналов.

Работа модели атрибуции на основе данных Шаг 5


Когда моделирование закончено, мы получаем взвешенную ценность каждого канала в пути пользователя.

Модель атрибуции на основе данных более объективна, потому что учитывает все данные о взаимодействиях с пользователями. Все расчеты происходят автоматически, ценность каждый раз динамически меняется.

Требования для атрибуции на основе данных (Из справки Google Analytics и Google Ads):
  • Быть клиентом Google Analytics 360.
  • Включить отслеживание электронной торговли или использовать цели.
    ИЛИ
  • Иметь аккаунт Google Рекламы, в котором не менее 15 000 кликов по объявлениям в поисковой сети и для одного действия-конверсии получено не менее 600 конверсий в течение 30 дней.
Чтоб продолжать использовать эту модель атрибуции, должны выполняться следующие минимальные требования к количеству конверсий за последние 28 дней:
  • 400 конверсий с длиной пути не менее двух взаимодействий.
  • 10 000 путей пользователя в выбранном представлении.
Окно конверсии

Важную роль в атрибуциях занимает “Окно конверсии”, это промежуток времени после взаимодействия с объявлением за который регистрируется конверсия.

окно атрибуции


По умолчанию в Google Analytics установлено классическое окно в 30 дней, в течение этого периода мы учитываем в пути пользователя конверсии к каналу, по окончанию окна конверсия не учитывается.

В Google Ads по умолчанию установлено окно конверсии 30 дней после клика или 1 день после показа если это КМС. Установить окно конверсий в Google Ads можно от 1 до 90 дней (для кликов и показов).

Начало работы с Google Attribution

Чтобы начать работу с Google Атрибуцией необходимо всего 3 шага:
  1. Получить/иметь права на внесение изменений в аккаунт Google Analytics;
  2. Выбрать Аккаунт, Ресурс, представление – установить связь;
  3. Выбрать цель, например, отправка формы или транзакция.
После чего нужно будет подождать до 72 часов на сбор информации и можно будет начинать работу с атрибуциями.

Google Attribution начало работы


Сейчас атрибуции находятся на этапе бета, но в инструменте есть все отчеты из Google Analytics, где доступны все атрибуционные модели. Из них нам будут видны отчеты про:
  • пути конверсии (путях пользователя);
  • время до конверсии — видим время принятия решения о покупке (в днях);
  • длину пути конверсии — видим количество каналов участвующих в пути пользователя;
  • сравнение моделей атрибуции — для анализа и выбора модели атрибуции, которая нам подходит.
Отчеты Google Analyics


Преимущества Google Attribution
  1. Возможность кросдоменного трекинга:
    • Пользователь переходит по нашему сайту, по разным доменам, и при этом остается одним пользователем в отчетах Google Attribution.
    • Сохраняется первоначальный источник посетителя.
    • Получаем больше путей пользователя и верные данные во всех отчетах, убираем referral трафик, со своих же доменов.
  2. Отображение ценности конверсии каналов в пути пользователя.
  3. Бесплатная модель атрибуции на основе данных с применением технологии машинного обучения Google.
  4. Все необходимые отчеты в одном инструменте.
Источник
 
Сверху