Зачастую маркетологи анализируют рекламу, используя модель атрибуции, установленную в системе аналитики по умолчанию. Мы объясняем, почему это неправильно и как нужно делать, чтобы верно оценивать эффективность каждого канала и источника.

В этой статье мы научимся пользоваться отчетом «Инструмент сравнения моделей атрибуции» в Google Analytics. Это мощный инструмент, он помогает правильно оценивать эффективность всех источников трафика и понимать, какие из них лучше привлекают клиентов на сайт, какие лучше закрывают в конверсию, а какие хорошо «подогревают» — напоминают о вас, пока человек принимает решение.

Как специалисты оценивают эффективность того или иного источника трафика? Отслеживают выполнение целевых действий на сайте с помощью стандартных отчетов Яндекс.Метрики или Google Analytics. И здесь кроется проблема.

В Метрике по умолчанию используется модель атрибуции «Последний переход». «При использовании этой модели для каждого визита Метрика определит источник перехода в данный момент, без учета истории визитов посетителя», — говорится в справке. Но также доступны и две другие модели, переключаться на которые можно в рамках любого отчета (чего не скажешь об Analytics).

В Analytics используется модель атрибуции «По последнему непрямому клику». В ней «игнорируются прямые посещения. 100% ценности конверсии присваивается последнему каналу в цепочке взаимодействий» (из справочного центра). В большинстве случаев такой подход будет неправильным.

По статистике, лишь 1-2% пользователей заказывают товар или услугу на сайте после первого посещения. Конверсия может отличаться в зависимости от категории бизнеса, региона, сайта (лендинг, интернет-магазин) и прочих факторов. Однако 1-2% — это средние цифры для всех сайтов и категорий, которые чаще всего встречаются в исследованиях.

Информацию по «средней» конверсии мы взяли из исследования LittleData, которая на момент публикации исследовала выборку в 1127 зарубежных интернет-магазинов.

Чаще человек совершает покупку после нескольких визитов, особенно в дорогих и сложных тематиках: недвижимость, авто, финансы и пр. И каждый раз он может приходить на сайт с разных источников. В такой ситуации в стандартных моделях атрибуции эта покупка будет присвоена последнему (Метрика) или последнему без учета прямых посещений (Analytics) источнику. У остальных источников в отчете будет 0 конверсий.

Представим, что пользователь первый раз зашел на сайт через объявление контекстной рекламы на поиске Яндекса, во второй раз перешел через поисковую выдачу Яндекса, в третий попал через объявление ремаркетинговой рекламной кампании Google Ads, а в четвертый просто вбил адрес сайта в адресной строке браузера и совершил покупку. Яндекс.Метрика источником трафика, который привел к конверсии, посчитает прямой заход (вбил адрес в браузере).

И в том, и в другом случае остальные источники не будут учитываться. Но насколько это правильно? Узнал бы пользователь о сайте, если бы не кликнул по объявлению контекстной рекламы в Яндексе? Совершил бы он покупку, если бы зашел на сайт три раза, а не четыре? Или не найдя сайт в естественной поисковой выдаче Яндекса? Ответить на эти вопросы, используя модели атрибуции по умолчанию, невозможно.

Существует теория семи касаний перед продажей. Суть ее в том, что нужно в среднем 7 раз как-то провзаимодействовать с клиентом, чтобы он решился на покупку. Поэтому и запускается весь спектр инструментов: SEO, контекстная реклама, ремаркетинг, медийная и таргетированная реклама, email-рассылки и т. д. Только так компания сможет постоянно быть на виду и расположить клиента.

И вот тут обязательно считать пользу каждого инструмента, а не смотреть исключительно на последний перед продажей.

К нашему удобству, отчет по разным моделям атрибуции есть в Google Analytics. Находится он в разделе «Конверсии» и называется «Инструмент сравнения моделей»:

С помощью этого отчета можно оценить вклад каждого источника в достижение конверсии. Например, используя атрибуцию «Первое взаимодействие», мы увидим сколько конверсий принес бесплатный поиск будучи первой группой каналов, через которую пользователь узнал о сайте. А используя атрибуцию «Последнее взаимодействие», сколько конверсий принесла эта группа каналов будучи последней в цепочке взаимодействий перед достижением цели.

Кроме этого мы можем сравнивать модели между собой:

В примере выше бесплатный поиск хорошо работает как канал привлечения (первое взаимодействие). То есть когда пользователь впервые попадает на сайт, найдя его в естественной выдаче поисковых систем. Соответственно, этот источник критически важен и выступает как ассоциированный (вспомогательный) канал — он больше привлекает, чем закрывает. Если перестать с ним работать, то вероятно, сильно просядут конверсии по той же поисковой рекламе.

Чтобы посмотреть детальную статистику по источникам, нужно выбрать соответствующий дополнительный параметр:

Точно также можем посмотреть статистику по рекламным кампаниям. Для этого в качестве дополнительного параметра выбираем «Кампания»:

Справа над таблицей есть фильтр, который применяется к основному параметру. Удобно, когда нужно посмотреть статистику по какому-то одному параметру:

Если нажать на слово «Ещё...», можно задать более сложные правила фильтрации.

Также Google Analytics в отчете может посчитать цену за конверсию (CPA) и рентабельность инвестиций (ROI). Для этого нужно настроить импорт расходов из рекламных систем (например, через OWOX), модуль электронной торговли на сайте или задать ценность целям. После этого информация начнет отображаться в отчете.

Если мы сравниваем модели атрибуции, то выбирать соответствующие столбцы нужно здесь:

Мы в Aberix в своей работе чаще ориентируемся на CPA — так проще и удобнее. Целевое значение этого показателя легко рассчитать. Он применим к любому типу бизнеса (b2b, интернет-магазин, услуги). Заказчик может определить тип комфортного CPA по данным текущих продаж, опираясь на средний чек, маржу.

Вернемся к атрибуции. Есть ли модели, которые учитывают вклад каждого источника в достижение конверсии? Да, в Analytics есть три таких модели: «Линейная», «С учетом давности взаимодействия» и «Атрибуция с привязкой к позиции». Последняя еще называется 40-20-40, и на ней мы остановимся подробнее, потому что считаем ее наиболее справедливой.

Почему ее называют 40-20-40? Принято считать, что наибольшую значимость в достижении конверсии имеют первый и последний каналы: тот, через который пользователь узнал о нашем сайте, и тот, на котором цель была достигнута. В этой модели таким каналам система отдает по 40% всех достигнутых конверсий. Остальные 20% распределяются поровну между промежуточными источниками.

Например, пользователь зашел на сайт четыре раза через следующие источники: поиск Яндекса, поисковая реклама в Google Ads, поиск Google, ретаргетинговая кампания в Директе. И после этого совершил конверсию. Поиску Яндекса и ретаргетинговой кампании система присвоит по 0,4 конверсии. Кампании в Google Ads и поиску Google 0,2 конверсии — по 0,1 каждому.

Да, в модели 40-20-40 конверсии могут быть в виде десятичной дроби. И в этом кроется подвох. Если конверсия меньше 1, то CPA может быть очень большим. Analytics считает цену за конверсию по простой формуле:

В нашем случае расчет был таким: 15,78 / 0,20 = 78,91.

Analytics спрогнозировал CPA €78,91. А по факту было очень мало кликов, и эти результаты нельзя принимать во внимание. Одна из медийных рекламных кампаний «поучаствовала» в достижении конверсий по модели 40-20-40, но данных слишком мало для объективной оценки результатов. Поэтому в данном случае полученное значение цены за конверсию мы игнорируем.

Если бы кликов в медийных рекламных кампаниях было много, а конверсий всего 0,2, то стоило бы задуматься об их оптимизации или даже выключении. Поэтому оценивать результаты рекламных кампаний по моделям, в которых конверсии могут быть указаны в виде десятичной дроби, нужно очень внимательно. Следует учитывать объем полученного трафика.

При анализе конверсий в отчете «Инструмент сравнения моделей» следует учитывать период принятия решения о покупке. Например, еду человек может заказывать каждый день, а выбор автомобиля делать несколько месяцев. От этого зависит, за какой период до конверсии нужно анализировать действия пользователя. Для выбора этого периода в Analytics используется параметр «Окно ретроспективного анализа». Он может быть от 1 до 90 дней.

Например, пользователь первый раз зашел на сайт три месяца назад, потом он неоднократно возвращался через разные источники, и только спустя этот период решил сделать покупку. Чтобы система связала первое посещение пользователя, которое было три месяца назад, с текущей покупкой, нужно выбрать период ретроспективного анализа 90 дней.

В отчете основным параметром по умолчанию является группа каналов для многоканальных последовательностей, по-простому — каналы (medium):

В качестве основного параметра мы также можем выбрать источник, рекламные кампании, ключевые слова и др. Но не всегда стандартные группировки — то, что нам нужно. В таком случае мы можем создать собственную группу каналов.

Например, мы хотим посмотреть статистику рекламы в Google Ads в более детальном разрезе. Для этого нужно на вкладке «Администратор» перейти в «Настройки канала», далее «Группы каналов» и нажать кнопку «+Новая группа каналов». После этого задаем правила, с помощью которых мы будем определять трафик:

В примеры мы решили разбить всю рекламу в Google по типу: Поиск, КМС, Ремаркетинг.

Через 24 часа, иногда быстрее, созданной группой можно будет пользоваться. Чтобы в отчете «Инструмент сравнения моделей» выбрать нашу группу в качестве основного параметра, нужно кликнуть по кнопке «Группы каналов» и выбрать ее:

Также в отчете можно сравнивать данные за два разных периода. Для этого нужно в меню выбора диапазона дат в правом верхнем углу поставить галочку «Сравнить с» и задать период:

После этого отчет будет выглядеть так:

Дополнительно в отчете показывается процентное изменение между периодами. Удобно для сравнения месяц-к-месяцу или при проведении экспериментов (до/после).

Для коллег можно сделать выгрузку в формате PDF, которая по сути, представляет собой просто скриншот рабочей области. Если нужно сделать дополнительные преобразования данных, отчет можно выгрузить в CSV. Для этого под названием отчета нажмите «Экспортировать» и выберите нужный формат:

Данные в отчете «Инструмент сравнения моделей» постоянно обновляются, задержка по конверсиям составляет не более пяти минут. Можно не дожидаться отчетов от аналитиков или агентства, а самому анализировать информацию и быстро принимать решения. Если настроен импорт расходов из других рекламных систем, то они начинают отображаться в течение 1-2 суток.

Поняв как работают модели атрибуции и разобравшись с отчетом «Инструмент сравнения моделей», вы научитесь видеть более полную картину по источникам конверсий. Ваши решения по оптимизации рекламных кампаний станут осмысленными и точными.

Резюме по инструменту

Плюсы:

1. Бесплатный инструмент.
2. Для базового анализа не требуется сложная настройка. Достаточно установить код Google Analytics на сайт и настроить отслеживание целей.
3. Много моделей атрибуции.
4. Можно сравнивать до трех моделей атрибуции в одном окне.
5. Можно выделять собственные группы каналов.
6. Можно сравнить данные за два разных периода.
7. Отчет можно выгрузить в CSV и работать с данными в другом месте.
8. Данные о конверсиях обновляются быстро. Задержка не более 5 минут.

Минусы:

1. Период ретроспективного анализа всего 90 дней до конверсии. Если кто-то выбирает и принимает решение о покупке дольше, мы потеряем какие-то источники из его цепочки переходов.
2. Чтобы считались CPA и ROI необходимо настроить импорт расходов для всех источников и задать ценность целям. Для интернет-магазинов нужно настроить электронную торговлю. Это сложно и отнимет больше времени.
3. Нет графического отображения информации, например, конверсии в динамике. Только таблица.