Модели атрибуции рекламы: как измерить успех

Исторически маркетологи полагались на несколько моделей, основанных на правилах, для отслеживания эффективности. Самая простая — модель «Первое взаимодействие», которая отдает 100% ценности самому первому контакту пользователя с брендом. Она часто используется компаниями, ориентированными на узнаваемость бренда, а не на немедленные продажи. Если пользователь находит сайт через пин в Pinterest, а затем совершает покупку через прямой визит, Pinterest получает всю ценность.

Модель «Последнее взаимодействие» — противоположность первой: она отдает всю ценность последней точке контакта перед конверсией. Хотя ее легко отслеживать, она часто игнорирует влияние маркетинговых усилий на верхних этапах воронки. Например, пользователь может увидеть три разных объявления на YouTube, прежде чем кликнуть по брендовому поисковому объявлению для покупки. В этом сценарии модель последнего клика полностью игнорирует видеоконтент.

Модели с несколькими точками взаимодействия пытаются распределить ценность по всему пути клиента. Линейные модели дают равную ценность каждому взаимодействию, а модели с учетом давности взаимодействия отдают больше ценности тем контактам, которые произошли ближе к моменту конверсии. Позиционные модели, иногда называемые U-образными, обычно отдают 40% ценности первому и последнему взаимодействиям, а оставшиеся 20% распределяют между промежуточными шагами.

Google Analytics 4 (GA4) использует атрибуцию на основе данных в качестве настройки по умолчанию для большинства отчетов. Эта модель использует машинное обучение для анализа как конверсионных, так и неконверсионных путей, чтобы понять, как различные точки взаимодействия влияют на результаты. В отличие от моделей, основанных на правилах, она адаптируется к уникальным закономерностям данных вашего конкретного аккаунта.

Модель на основе данных учитывает такие факторы, как время до конверсии, тип устройства и количество взаимодействий с рекламой. Она рассчитывает фактический вклад каждого ключевого слова, объявления и кампании. Это позволяет более точно представить, как маркетинговые каналы работают вместе, а не изолированно.

Маркетологи по-прежнему могут использовать опции последнего клика в GA4, если предпочитают более традиционный подход. Однако Google перешел к методам на основе данных, чтобы обеспечить более четкое представление о сложных кросс-девайсных путях. Вы можете найти эти настройки, перейдя в раздел «Администратор», затем выбрав «Отображение данных» и нажав «Настройки атрибуции».

В 2023 году Google объявил об удалении моделей атрибуции «Первое взаимодействие», линейной, с учетом давности и позиционной из Google Ads и GA4. Это изменение было внедрено, поскольку эти модели оказались менее эффективными, чем атрибуция на основе данных, в современных условиях. Большинство рекламодателей уже перешли на автоматизированные ставки, которые лучше всего работают при использовании инсайтов на основе данных.

Сосредоточившись на моделях на основе данных и последнего клика, Google упростил процесс измерения. Это помогает избежать путаницы из-за наличия слишком большого количества различных отчетов для одной и той же конверсии. Для типичного аккаунта модель на основе данных предоставляет наиболее полезную информацию для оптимизации рекламных расходов.

Выбор модели сильно зависит от вашего цикла продаж и типа бизнеса. У магазина Shopify, продающего недорогие чехлы для телефонов, часто очень короткое окно конверсии. В этом случае модели последнего клика может быть достаточно, так как клиент принимает решение почти мгновенно. Путь прост и прям.

Напротив, B2B-компании по разработке ПО с шестимесячным циклом продаж требуется более комплексный взгляд. Они могут обнаружить, что их первоначальная загрузка whitepaper так же важна, как и финальный запрос на демо. Атрибуция на основе данных здесь предпочтительнее, так как она признает ценность тех взаимодействий на ранних этапах, которые в конечном итоге приводят к дорогостоящему контракту.

• Используйте «Последнее взаимодействие» для товаров с большим объемом продаж и низкой ценой при коротком времени принятия решения.
• Используйте «На основе данных» для многоканальных кампаний и более длительных циклов продаж.
• Используйте логику «Первое взаимодействие» (через пользовательские отчеты), когда основная цель — знакомство с брендом.
• Сравните различные модели с помощью инструмента сравнения моделей в GA4, прежде чем вносить постоянные изменения.

Изменение модели атрибуции в Google Ads влияет на то, как конверсии отображаются в ваших кампаниях и как стратегии автоматизированных ставок оптимизируют ваши ставки. Это фундаментальная настройка, которую следует периодически пересматривать. Убедитесь, что у вас достаточно данных о конверсиях перед переходом на модель на основе данных, чтобы у машинного обучения было достаточно входных данных.

Чтобы обновить эти настройки, следуйте этому пути в вашем аккаунте Google Ads: нажмите на значок «Цели», затем выберите «Сводка» в меню «Конверсии». Нажмите на название конкретного действия-конверсии, которое вы хотите отредактировать. Оттуда выберите «Изменить настройки» и найдите выпадающее меню «Модель атрибуции».

После внесения изменений обычно наблюдается временное смещение в том, как отображаются ваши данные. Например, если вы перейдете с последнего клика на модель на основе данных, вы можете увидеть больше конверсий, приписанных вашим общим поисковым кампаниям, и меньше — вашим брендовым поисковым кампаниям. Это отражает более точное распределение ценности.

Хотя модели на основе данных являются передовыми, они не идеальны. Одним из главных ограничений является эффект «закрытой экосистемы». Такие платформы, как Meta и Google, не всегда идеально обмениваются данными друг с другом. Это может привести к завышению отчетности, если обе платформы претендуют на ценность одной и той же конверсии.

Обновления конфиденциальности, такие как iOS 14.5 и постепенный отказ от сторонних файлов cookie, также влияют на точность атрибуции. Когда пользователи отказываются от отслеживания, путь конверсии становится фрагментированным. Маркетологам часто приходится полагаться на моделируемые конверсии, где платформа использует агрегированные данные, чтобы заполнить пробелы, оставленные отсутствующей информацией об отслеживании.

Более того, офлайн-конверсии и «сарафанное радио» крайне сложно отследить. Если клиент видит рекламу, но затем посещает физический магазин, чтобы купить продукт, модель цифровой атрибуции, скорее всего, потеряет эту связь. Кроме того, капитал бренда, создаваемый годами, невозможно легко измерить с помощью одной точки взаимодействия в 30-дневном окне.