Главное Авторские колонки Вакансии Образование
Выбор редакции:
😼
Выбор
редакции
791 1 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Модели атрибуции в Google Analytics

Какой источник трафика главный? Часто клиенты перед покупкой несколько раз приходят на сайт с разных источников. Как распределить выручку между ними? — существует несколько подходов, называемых «моделями атрибуции». Рассмотрим подробно модели атрибуции в Google Analytics.
Мнение автора может не совпадать с мнением редакции

Что это такое и зачем?

Для понимания модели атрибуции давайте рассмотрим поведение пользователя интернет-магазина от первого просмотра сайта до покупки.

Начнем с простых сценариев. Пользователь впервые зашел на сайт магазина с контекстной рекламы и выбрал товар, затем «ушел» почитать отзывы, на следующий день снова зашел на сайт уже из поисковика и оформил заказ. Допустим, что таких покупателей было всего два и они совершили две транзакции.

На схеме это выглядит так:


Другие двое пользователей пришли на сайт из вашей email-рассылки, но как и в первом случае, купили не сразу, а через несколько дней, так же вернувшись из поисковой системы:


Скорее всего, те четверо уже знали, чего хотят, поэтому быстро решились на покупку. Но есть и те, кто идет к покупке гораздо дольше и переходит на сайт с разных источников. Их путь выглядит так:


Или так:


Тут сразу возникает вопрос: тогда к какому же источнику присваивать такие конверсии? Модель атрибуции как раз помогает в этом разобраться.

Модель атрибуции — принцип, на основе которого целевое действие присваивается тому или иному источнику трафика из последовательности взаимодействия пользователей.

Как вы, наверное, уже понимаете, вариантов таких последовательностей бесконечное количество, и последовательности могут быть очень длинными. Посмотреть их в своем проекте вы можете в Google Analytics, в разделе Конверсии>Многоканальные последовательности>Основные пути конверсии


Заметим, что длина последовательности не ограничивается по количеству взаимодействий, но ограничивается временем от последнего до первого взаимодействия (0-90 дней). Этот диапазон называется окно атрибуции


Отчет «Длина последовательности» — показывает какое количество взаимодействий, которыепользователи совершают перед конверсией. Находится в Конверсии>Многоканальные последовательности>Длина последовательности. В первом столбце указано количество взаимодействий до покупки, далее по порядку: количество, сумма таких транзакций и их доля.



Если по этим отчетам вы видите, что от первого визита до конверсии проходит меньше недели и всего 1-4 визита, то скорее всего ваша модель атрибуции достаточно проста, и сейчас вам не стоит углубляться в ее исследование.Какие бывают модели атрибуции?

Существует несколько основных моделей атрибуции, которые предлагает Google Analytics. Представим, что у нас есть только одно покупка на 1000р, которая была сделана после вот такой последовательности взаимодействий:


Сравним на этом примере разных моделей.

Последний непрямой клик (last non-direct click)

Выручка при такой модели присваивается последнему непрямому взаимодействию.


Эта модель считается основной и используется во всех отчетах Google Analytics, поэтому ее еще называют стандартная атрибуция. На первый взгляд кажется, что раз пользователь пришел с бесплатного поиска, туда и нужно присвоить выручку, но это не так.

В нашем примере последним непрямым визитом стал «Переход» — это переход по прямой ссылке с другого сайта, например форума с отзывами. Если бы клиент не почитал отзывы, то, возможно, так и не решился бы на покупку, поэтому вполне логично, что Google присваивает выручку последнему непрямому клику.

Обратите внимание, что речь не просто о предпоследнем клике, а именно о последнем непрямом — это частая ошибка. На обоих примерах ниже конверсия будет присвоена поисковой рекламе.



Первый клик (first click)

Эта модель основана на такой логике: если бы не было первого взаимодействия, то не было бы всех последующих. В нашем примере при такой модели вся ценность будет присвоена бесплатному поиску.


По времени (time decay)

Ценность конверсии распределяется между каналами в зависимости от времени, которое прошло от конкретного взаимодействия до покупки. Наибольшая значимость отдается взаимодействиям, которые были ближе всего к покупке.


По позициям (position based)

По 40% ценности присваивается первому и последнему взаимодействию, как наиболее значимым, а оставшиеся 20% ценности распределяются между остальными взаимодействиями.


Пользовательская модель атрибуции (custom)

Изучив все модели, можно создать собственную, которая будет учитывать особенности вашего проекта. К примеру возьмем за основу модель «по времени», но зададим условие: «не присваивать конверсии прямому трафику», так как логично, что прямой вход на сайт через адресную строку не назовешь каналом влияющим на результат. Получим вот такую модель:


Подчеркнем еще раз, что стандартной считается модель последний непрямой клик, а это значит, что все отчеты в Google Analytics построены по ней, и изменить это нельзя. К тому же, кроме выручки, в соответствии с описанными моделями распределяется и количество конверсий или покупок. Сравнить атрибуции можно через специальный инструмент в разделе Конверсии>Атрибуции>Инструмент сравнения моделей атрибуции. Там вы можете построить вот такой отчет:


На этом теоретическая часть окончена, в следующей статье рассмотрим применение моделей атрибуции на примере реального кейса.

Ссылка на оригинал статьи

0
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
EveryStraus
Cистема автоматизации рекламных кампаний
everystraus 113297
Спасибо за статью. Интересно будет посмотреть в продолжении, где какую модель атрибуции лучше применять.
Ответить
Выбрать файл
Не пропустите публикацию!
Jam Agency
eCommerce marketing engineering
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.