Как осуществить моделирование атрибуции и отследить цикл жизни клиента?

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.

Другими словами, это способ разрешить старую маркетинговую поговорку: «Половина денег, затраченных на рекламу, тратятся впустую. Проблема в том, чтобы узнать, какая половина».

Аналитика обычно предоставляет вам данные о поведении клиентов. Атрибуция в маркетинге, говорит об эффективности каналов рекламы.

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.

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 и во сколько нам обходится цикл жизни клиента? Что вы будете делать с этой информацией?

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.

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.

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.

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?».

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

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».

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.

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?».

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.

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.

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:

Создание модели атрибуции по модели Маркова имеет следующие преимущества:

Вот хороший пост, объясняющий, как это сделать. Вот еще один. Если у вас есть хороший аналитик, покажите ему эти посты.

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:

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.

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.

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.

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:

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.

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:

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?

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.