Как осуществить моделирование атрибуции

osushchestvit-modelirovanie
vidy-attribucii
 polza-dlya-Vashego-biznesa
attribuciya-v-marketinge
CHto-takoe-attribuciya
modelirovanie-atribucii
Как правило, клиенты не совершают покупки сразу после того, как увидели первое объявление.

В реальности этот путь намного длиннее и включает в себя различные маркетинговые каналы — обычный и платный поиск, реферальные ссылки, социальные сети, рекламу на ТВ.

Но если вы хотите точно знать результативность каждого канала маркетинга, у вас возникает вполне естественный вопрос: какую часть усилий и рекламного бюджета я должен вложить в каждый из этих каналов?

На этот вопрос отвечает почти универсальная и довольно сложная проблема атрибуции.

Что такое атрибуция?

Атрибуция в маркетинге, согласно Википедии, это «процесс определения набора действий пользователя («событий» или «точек соприкосновения»), которые каким-то способом способствуют получению желаемого результата, а затем присвоение значения каждому из этих действий».
Другими словами, это способ разрешить старую маркетинговую поговорку: «Половина денег, затраченных на рекламу, тратятся впустую. Проблема в том, чтобы узнать, какая половина».
Какие точки соприкосновения ведут к продажам?
Агентство
Наша гениальная рекламная компания
Поиск
Наша ссылка в поиске по трендам
Соц. сети
Наша публикация с танцующими котиками
Подтверждение
Подписчики делают репост нашей публикации
Мобильная версия
Корректное отображение на всех устройствах
Промоакции
Наш логотип на рекламных листовках
Потребитель
Странно я вовсе не собирался это покупать
Аналитика обычно предоставляет вам данные о поведении клиентов. Атрибуция же говорит об эффективности каналов маркетинга.

Существует множество способов использовать атрибуцию, каждый из которых даст вам немного разные ответы с разной точностью. Они будут отражать цели и подход к маркетингу в вашей организации.

И поскольку, маркетинговых каналов становится все больше, проблема атрибуции не становится легче. С увеличением количества устройств и каналов, включая множество форм темного трафика, становится все сложнее определить точное значение каждой точки касания.

Давайте поговорим о ваших целях

Если вы ранее уже слышали об атрибуции, на минуту забудьте о своих знаниях об этом (типы моделей, точность и т.д.). Вместо этого подумайте о своих целях. Для чего вам нужно знать о ценности точек касания? Что вы будете делать с этой информацией?
Если, например, окажется, что ваша медийная реклама не оказывает большого вклада в конечные конверсии, перестанете ли вы использовать медийную рекламу? Или вы думаете, что учитывая положение на рынке (например, наличие конкурента, стремящегося стать узнаваемым), она дает вам определенный уровень нематериальной ценности, которую модель атрибуции не может выразить точно?

Поговорите об этом с вашей командой. Ответьте на вопрос: что мы изменим в своем подходе, если данные будут иметь какую-то определенную направленность?

Кроме того, ваши цели будут определять, насколько сложной должна быть ваша модель атрибуции.

Если маркетинговый набор ограничивается несколькими каналами, вам, вероятно, достаточно просто настроить базовую аналитику, а также использовать модель атрибуции last-click (по последнему клику) (при условии, что вы ведете точные измерения). Если приходится работать с большим количеством каналов маркетинга, в которые входят медийная и оффлайн реклама, все становится сложнее.

Краткий обзор некоторых распространенных моделей атрибуции

Все эти модели основываются на правилах, которые вы сами устанавливаете на основании того, как, по вашему мнению, следует распределять значимость между различными маркетинговыми каналами. Калибровка их с реальной точностью остается сложной задачей. Но как вам узнать, что та или иная модель предоставляет истинную ценность маркетинговых каналов. Это достаточно сложно.

Существует множество моделей, основанных на бизнес-логике. У каждой из них есть свои плюсы и минусы, так что вам нужно взвесить их в зависимости от потребностей и возможностей вашей компании при выборе модели атрибуции.

1. Атрибуция по последнему клику

po-poslednemu-kliku
Атрибуция по последнему клику, вероятно, самая распространенная и самая критикуемая модель атрибуции, встроенная в ваш инструмент аналитики.

Как видно из рисунка выше, данная модель является очень простой и неточной по своей сути. Она присваивает 100% ценности последнему клику. Если последняя точка касания произошла в результате прямого захода посетителя на ваш сайт, то эта модель будет игнорировать любые усилия, вложенные в социальные сети, рассылку и т.д.

2. Модель атрибуции по последнему клику, не учитывающая прямой заход

po-poslednemu-kliku
Эта модель отдает всю ценность взаимодействию до прямого захода.

Плюсы: все просто. Минусы: это не очень хорошо отражает реальность маркетинга.

Эта модель почти всегда будет недооценивать усилия по увеличению узнаваемости бренда. Как написал Авинаш Каушик в своем блоге: «Почему недооценивают прямой заход? Почему недооценивают усилия маркетологов по увеличению узнаваемости и ценности бренда?».

3. Атрибуция по последнему рекламному клику

po-poslednemu-kliku
Эта модель отдает должное вашим рекламным кампаниям в поисковых сетях. Здесь не должно возникнуть сложностей с определением недостатков данной модели.

4. Атрибуция по первому клику

po-poslednemu-kliku
Эта модель противоположна модели атрибуции по последнему клику. Она оценивает усилия по повышению узнаваемости бренда намного выше, чем те, которые приводят к конкретным действиям пользователей.

Конечно, этой модели присущи те же проблемы, что и предыдущим. Присвоение 100% ценности одной точке соприкосновения совершенноочевидно неправильно, если только у вашего бизнеса не совсем простой подход к маркетингу. Как написал Авинаш: «Атрибуция по первомуклику сродни тому, что моя первая девушка ответственна за то, что я женился на своей жене».

5. Линейная атрибуция

po-poslednemu-kliku
И вот, наконец, мы добрались до модели, которая распределяет ценность между всеми каналами маркетинга. Линейная модель атрибуции присваивает каждой точке касания одинаковое значение.

Конечно, это чрезвычайно идеалистическая модель. Нельзя сказать, что email рассылка дает такой же результат, как платный или органический трафик, а также трафик из социальных сетей.

6. Атрибуция по времени

po-poslednemu-kliku
На наш взгляд, данная модель атрибуции имеет больше смысла. Чем ближе точка соприкосновения к конверсии, тем большую ценность она имеет.

Как пишет Авинаш: «Если более ранние точки касания были более значимыми, то почему они не привели к конверсии?».

7. Атрибуция по позиции

po-poslednemu-kliku
Эта модель, которую иногда также называют «моделью ванной», присваивает наибольшее значение первой и последней точкам касания.

Хотя вы можете настроить эту модель в зависимости от собственных убеждений и данных вашей аналитики, наиболее распространенное деление состоит в присваивании 80% значимости первому и завершающему "касаниям", а остальные 20% разделить между оставшимися точками касания.

Собственные модели атрибуции

Вышеуказанные модели являются базовыми готовыми моделями атрибуции, встроенными в Google Analytics. Все они предоставляют вам определенные данные, но их точность остается достаточно сомнительной.

Вы также можете создавать собственные модели поверх готовых на основе правил в Google Analytics или создавать более сложные модели.

В первом случае, как правило, вы столкнетесь с теми же проблемами, что и в стандартных моделях, потому что они будут основаны на интуиции и произвольных предположениях относительно того, как ваш клиент дошел до конверсии.

Например, в Google Analytics вы можете изменить ценность того или иного канала на основании его позиции по счету или близости к конверсии, а также создать собственные правила назначения ценности. Но это все основано на предположениях о бизнес-правилах и, следовательно, подвержено изменениям в постоянно меняющихся данных.
po-poslednemu-kliku
Чтобы получить более подробную информацию о создании собственных моделей атрибуции, ознакомьтесь с руководством OptimizeSmart.

Я также видел несколько интересных статей о том, как настраивать атрибуцию с использованием модели Маркова в Google Analytics и R. Эта модель может использоваться, когда вы не удовлетворены простыми эвристическими бизнес-моделями, которые перечислены выше, но при этом у вас нет доступа к моделированию атрибуции на основе данных.

Чтобы упростить модель Маркова в этом случае следует рассмотреть вероятность совершения тех или иных шагов на пути к конверсии, а затем попытаться вычислить относительную важность каждой точки касания на основании ее удаления от конверсии:
po-poslednemu-kliku
Создание модели атрибуции по модели Маркова имеет следующие преимущества:
Объективность — не используется интуитивный подход.
Точность — предсказывает событие конверсии.
Надежность — достоверные и надежные результаты.
Понятность — простая модель, которая легко интерпретируется.
Универсальность — нет зависимости от набора данных. Есть возможность адаптировать модель к новым данным.
Алгоритмическая эффективность - обеспечивает своевременные результаты.
Вот хороший пост, объясняющий, как это сделать. Вот еще один. Если у вас есть хороший аналитик, покажите ему эти посты.
po-poslednemu-kliku

Не забывайте смотреть на свои когорты

Иногда анализ групп людей, объединенных по времени совершения действия, является ключом к поиску эффективных изменений. Вы можете объединить когортный анализ с контролируемыми экспериментами для большей достоверности.

В частности, когортный анализ может помочь вам определить, насколько эффективной была та или иная рекламная акция. Джим Ново, основатель проекта Drilling Down, рассказал об этом в подкасте Digital Analytics:
«Я думаю, что люди в SaaS, работающие с когортным анализом, делают это хорошо.

К примеру, анализируя свои данные, мы увидели, что в январе на нашу рассылку подписалось больше людей, чем в марте. Мы можем связать это с определенными рекламными усилиями, которые мы предприняли в то время.

Но анализируя мартовских подписчиков, мы можем обнаружить, что среди них мы получили намного больший процент конверсии, что связано с другими видами рекламных усилий».
Джим Ново
С этим связано тестирование маркетингового канала, когда вы обособляете его от других на некоторое время. Благодаря этому, как я полагаю, работают модели, основанные на данных. Вернемся к подкасту Джима Ново.
«Если вы считаете определенный канал ценным с точки зрения взаимодействия с другими каналами привлечения, почему бы вам просто не исключить это канал на одну-две недели и не посмотреть, что произойдет? И затем верните его в работу.

Можете ли вы провести такое тестирование? Возможно, вам стоит вложить средства в другие каналы? Насколько серьезно вы относитесь к выяснению ценности того или иного маркетингового канала?».
Джим Ново
…или, если у вас есть средства, приобретите решение, основанное на данных
«Сегодня алгоритмическая атрибуция стала лучшей практикой для маркетологов и компаний.

Теперь мы можем использовать весь доступный набор данных, чтобы охватить все точки касания и создать алгоритмическую модель атрибуции. При правильной настройке мы можем отслеживать каждую точку касания и все метрики воронки. И, пропорционально взвешивая данные по очень большому количеству показателей, мы можем гораздо точнее определить, на какие виды онлайн или оффлайн рекламы следует обращать особое внимание.

Эта модель не идеальна, и не просто создается. Особенно сложно учесть сарафанное радио, темный трафик и другие «скрытые точки касания». Но она помогает лучше понять покупателя и определить эффективность маркетинговых усилий».
Билл Макайтис
Google Analytics 360 предлагает алгоритмическую атрибуцию как в онлайн, так и в оффлайн режиме, а это значит, что вы можете с определенной степенью точности оценить эффективность ваших телевизионных кампаний.
po-poslednemu-kliku
Конечно, есть и другие продукты, отличные от тех, что предлагает Google (Convertro, Impact Radius). Существует целая экосистема продуктов или пакетов, которые пытаются решить эту проблему, и, конечно, объем продаж является главным показателем их эффективности.

Решения, предоставляемые этими продуктами, действительно впечатляют и несут в себе огромную ценность. Сложно сказать, что происходит внутри этих алгоритмов, но скорее всего — это определенное количество «экспериментов по удалению», когда тот или иной маркетинговый канал исключается из общего списка. Это дает вам такой уровень точности и детализации, который даже отдаленно невозможен при атрибуции на основе правил.

Но, с другой стороны, покупатели скептически относятся к этим продуктам, потому что они не знают, что происходит внутри «черного ящика».

В любом случае, вам нужно потратить много денег на маркетинг, продавать товары и услуги, прежде чем вы сможете использовать эти модели.

Сначала поработайте над организацией бизнес-процессов, своими целями и более простыми моделями атрибуции.

Атрибуция как вызов вашей организации

Чем сложнее и масштабнее ваша организация, тем сложнее становится проблема атрибуции — как с точки зрения управления, так и с технической точки зрения. Но даже на начальных уровнях моделирование атрибуции все еще не является легко понятной концепцией.

Согласованная работа всей команды и целенаправленное движение — это первый шаг к успеху.

Джоанна Лорд, директор по маркетингу в ClassPass, пишет:
«Атрибуция — это не просто модель или новый подход к созданию карты воронки продаж. Атрибуция — это возможность присвоить каждой точке касания с потенциальным клиентом правильную ценность.

Реальный барьер для того, чтобы делать это хорошо, заключается в том, что директор по маркетингу не сможет сделать все это в одиночку. Требуется поддержка разработчиков, сотрудничество в области финансового моделирования и поддержка руководства. Сотрудники компании должны быть знакомы со всеми возможными точками касания и с тем, как и когда их следует использовать. Это то, что я называю «стать ближе к опыту вашего клиента».

Если команда разработчиков создаст новый поток регистраций, не обращая особого внимания на то, как это может повлиять на текущее отслеживание атрибуции, и вдруг средний LTV компании резко упадет, это может остаться незамеченным долгое время, если мы не будем работать вместе.

Атрибуция — это не проблема маркетинга, это проблема компании».
Джоанна Лорд
Эти слова дополняют те, что были сказаны в начале статьи. Вам нужно определить свои цели. Что вы будете делать, если получите определенные данные?

Все сотрудники компании должны участвовать в этом процессе.

И наконец, вы и ваш начальник должны быть в состоянии доверять цифрам, которые предоставляет вам ваша модель атрибуции.

Можете ли вы доверять своим цифрам?

По своей сути, цель атрибуции состоит не в том, чтобы помочь руководителю отдела маркетинга чувствовать себя хорошо, а в том, чтобы информировать сотрудников компании о принятии решений. Поэтому вам следует доверять цифрам, которые вы получаете от вашей модели атрибуции.

Если, например, вы получите результаты, в которых говорится, что реклама в социальных сетях неэффективна, вы поднимите руки и скажете: «Я не верю в это!»? Или вы будете действовать?
Недоверие к модели атрибуции может основываться на двух фактах:
С одной стороны, вы не доверяете простым моделям атрибуции, так как они не учитывают множества данных и признаны неэффективными.
С другой стороны, вы не доверяете дорогим «черным ящикам», которые используют сложные алгоритмы, поскольку не знаете, что происходит внутри.
Между этими двумя уровнями существует огромная область, в которой группы по маркетингу и аналитике должны проводить измерения, определять модель атрибуции и начинать использовать предоставляемые ею данные на том уровне, на котором это возможно на данный момент.

Но любой процесс начинается с разговора — с вашей командой, начальником, любыми причастными лицами. О чем вы можете договориться, чтобы создать работающую модель, на основе которой вы сможете принимать решения?

Заключение

Атрибуция маркетинга — это сложно.

В этой статье было рассмотрено множество моделей — от базовых, которые по умолчанию установлены в GA, до моделей Маркова и алгоритмических моделей, которые используются в Google Analytics и Attribution 360.

Хотя это может быть пугающим, особенно если столкнуться с перспективой использования сложных статистических данных в R для построения точных моделей, помните: атрибуция использует прошлую информацию, чтобы помочь вам принять будущие решения по оптимизации.

Для некоторых предприятий, назначение 100% ценности последнему клику могло бы помочь с принятием решений. Для крупных брендов, использующих большое количество маркетинговых каналов, может понадобиться сложная модель, основанная на данных.

Все зависит от ваших целей, способностей, ресурсов и достижимой рентабельности. Используйте это как еще один инструмент в вашем арсенале аналитики и оптимизации.
Made on
Tilda